数字治理的教育“数据化”危机：出场、运作与转化 *

李璇律，丁念金

(上海师范大学 教育学院，上海 200234)

在教育全球化和信息化时代，将现代数字技术与治理理论融合的“数字治理”已经成为一种新型教育治理模式。德屈佩尔等人指出，“数字治理”作为一种以计算技术作用于教育并使其容易受到干预的方式，其功能是通过数字设备生产和归档大量数据，“使不同的‘学校现实’成为思想和行动的对象”[1]，以让教育对公众和政府都可见且可计算。在教育治理领域中，国际学生评估和标准化成绩测试、教育研究的量化文化以及对学校(师生)的问责和排名构成了“数字治理”长期谱系的一部分，并标志着一个强调客观性和准确性的科学教育治理的新时代。然而，审视教育现实，越来越多的异构数据正在生成——通过去情境化和标准化的处理，将数据用于监视和控制，而不是改进目的。也就是说，教育治理似乎受到了数字驱动的“数据化”(Datafication)影响，并陷入了一种布拉德伯里提出的“数据化”陷阱——一方面，将“数据的重要性以影响环境中的实践、价值观和主观性的方式提升”[2]，使其成为信息和知识经济中最重要的原材料；另一方面，以越来越脱离支持教与学的方式使用数据，更加关注绩效管理和数据本身，而不是以人为中心。肖尔和赖特也批评道，数字治理的数据化倾向将“复杂的流程简化为简单的数字指标和排名，以用于管理和控制”[3]，从根本上改变了教与学的组织，成为今天时代的一个显著特征。可以说，随着当今教育系统越来越受到数字转向与数据驱动的影响，数据的重要性已经日益成为人们理解和反思教育的一部分，而如何避免教育中数字治理的“数据化”危机也成为一个亟待解决的关键问题。

一、出场：数字治理在教育研究中的兴起与缘由

受国际和区域学习成果评估趋势、识别最佳教学实践以及建立学习证据的政策话语的影响，对教育系统进行基准测试已经成为世界各国判断和评估教育质量的一种重要手段，同时教育研究的方法论困境以及问责运动下学校和教师检查主义的兴起都从不同维度共同“促进”了数字治理在教育系统中的出场。

(一)教育中的“比较”导向

世界银行在《学习：实现教育的愿景》报告中基于“学习危机”概念的提出，强调了“数字”在今天教育治理中的重要角色——“缺乏信息和指标，以及无法获得和使用关于学习的准确信息和可靠数据……阻碍了对旨在改善教育结果的干预措施的监测和评估”[4]。从而，鼓励各个国家和地区参与国际大规模评估(International Large Scale Assessment，ILSA)，构建连贯的标准和通用的秩序以允许跨国家和全球范围的比较，成为了一种新兴的教育想象并作为积极的治理转向得到支持。

事实上，教育数据的规范意义显而易见。经济合作与发展组织(Organization for Economic Cooperation and Development，OECD)等超国家组织正在通过国际学生评估项目(Program for International Student Assessment，PISA)和国际数学与科学研究趋势(Trends in International Mathematics and Science Study，TIMSS)等大型评估项目推进着“教育标准全球化”的实现，并由此促成教育政策话语的转变，从关注教与学的内容、资源和过程，到通过基于结果的问责制进行教育治理，制造了在全球范围内基于标准的比较和排名，成为21世纪全球教育改革话语中最具影响力的工具之一，并为全球教育治理提供了一种新的可能。

在这一意义上，“比较”不仅是自然的，而且是普遍有益的，它为超越地域和去边界化的交流与互涉提供了一种可能。可以说，比较和排名的吸引力就在于它通过“数字”创造了一个客观的、具备访问性且无需翻译即可进行跨文化解释的衡量标准，在定义问题的同时，也提供了解决方案。这不仅“绕过了‘深层问题’，让‘不同的想法、需求和期望’变得可衡量”[5]，而且为评估教与学的价值问题创造了一个共同认知空间，促进其观点的流通和应用。进言之，数字不仅使排名合法化，而且促进了不同教育系统对排名有效性的普遍接受，成为一种部署教育的现代治理模式。

(二)教育中的研究“困境”

问责制度和审计文化在教育系统中的兴起与流行，使得“标准化”和“简化”成为教育治理的核心和理解教育的关键。而问责和审计背后的竞争逻辑进一步将如何理解比较指标、提高测量技术等挑战让渡到教育研究的认识论与方法论问题上。为了提高教育知识的科学性与叙述的合法性，教育研究方法亟待“升级”。

对于教育学而言，作为一门社会科学，它在研究方法方面始终饱受争议——“研究方法基础薄弱，研究结果琐碎、分散”[6]，并且对指标的选择更多的是由历史偶然性证明的，而不是通过应用有效性筛选过程来证明的。因此，美国国家研究委员会(National Research Council，NRC，2002)在《教育科学研究》报告(Scientific Research in Education，SRE，2002)中呼吁“我们将改变教育，使之成为一个循证领域”[7]以应对“可复制性”的方法论危机和“可积累性”的知识论困境。从而，教育研究需要重新定义和规范学科范式以作为回应，由一门“软科学”转型为可预测的、积累性的“硬科学”，以此增强投资和公众对教育结果“真值”的信心。其背后的逻辑是：首先天然地假设了教育学的学科困境——自然科学与社会科学在本体论、知识论以及方法论上的对立，并默认只有社会科学受到“两个参照系共存”的阻碍，从而将问题进一步缩小为，在科学的“数字统一”原则下，作为社会科学的教育学应该如何模仿自然科学并提高自身研究的科学质量；其次是默认了“数字”作为一种不言自明的认识论，假定教育研究质量的提高只有通过严格的“数字”表达才能保证研究的客观性与预测性，由此放弃了多元方法论的价值辩护。在这一意义上，“数字”正逐渐在教育研究领域发展为一门“显学”，提高研究质量、摆脱非理性特征以提升专业地位已经成为教育研究及其学科建设的“当务之急”。

(三)教育中的“检查”文化

数字工作的规范化也体现在学校教育中。在“比较的”政策环境和“循证的”研究话语的双重压力下，“检查”已经渗透到教与学活动中，不仅将教师工作分解为具体的、可计算的能力和表现以对其教学成果进行分类和分层，而且定义了他们是如何被认识和对待的，形成了一套关于教师专业发展的规范和期望，从而鼓励越来越多的教师去理解与“证据”和“标准”相关的工作。

事实上，作为一套制度化的实践，“检查”在此遵循的正是马奇和奥尔森的“适当性逻辑”，它塑造了学校和教师关于教育质量和卓越教学的“真理”，并被内化为日常学校生活的正常部分。教师为了生存和成功而从众——复制有效教师的“最佳实践”。一方面，标准确实构成了教师工作的重要组成部分，阐明了国家对教师的期待以及作为教师所必须具备的能力规定，并通过一种明确的实践方式为其提供了改进的参考与指南。另一方面，“这些标准却构成了一种‘强制再专业化’的形式”[8]，将教学活动的复杂性与教师专业精神的多样化表现单一化处理了。在福柯看来，教师成为了没有判断权力的执行人员，其工作的方向由“改进教学”转化为“通过检查”。也就是说，作为一种治理修辞，“检查”不仅强化了数字的管理视角，而且通过对审计合法性的依赖在一定程度上重置了教师的工作文化及其实践身份。

二、运作：数字治理在教育中的数据化表现与危机

数字的“数据化”治理“在实例化普遍行为时，可能会在给定的方向上改变和影响教育过程”[9]。换言之，在将教育理性决策等同于收集和处理大量数据，并“数据化”为一种既可见又可衡量的特定数值时，教育系统产生了自己独特的规范代码，并同时在三个维度上展开了具体运作：一是在宏观层面上，经合组织等国际非政府组织基于PISA等大型测量项目充当着联结装置，建构了支持比较的全球评估体系以将不同教育系统的参与者及其行动事件进行关联，成为朝着衡量教育产出和问责标准化运动的更大一部分；二是通过在中观的教育研究中引入量化工具来分析教育结果的有效性，使教育研究成为一种生产数据的工具过程；最后是在微观层面上利用“检查”机制制定打分标准以指定和塑造教师的特定主体化过程，导致教师专业精神的隐匿甚至消失。

(一)政策技术：可比的常态标准与教育系统的同质化

随着全球化进程的继续推进，教育政策变得越来越国际化。经合组织通过设计、管理和实施PISA测试提升了其作为有影响力的国际组织的地位，在全球教育政策的知识传播、监测和研究等方面发挥着越来越重要的作用。因此，就PISA而言，它“在很大程度上仍然是一个统计项目”[10]，“通过选择可以比较的关键指标来降低不同国家和地方教育实践的多元性，剥离背景复杂性，使统计数据成为关键的管理手段”[11]，以此形成一套通用的常态表征。这不仅有利于不同教育系统在同一标准范围内的判断和管理，而且对特定类型教育现实的反映和可见，合理化了相关政策实践的“复制”与“同构”。换句话说，“数字”在生产、识别和提供“成功”数据和“最佳实践”的同时，也筛选和暴露了表现不佳、且处于危机中的“失败”教育系统，并使前者成为后者推行改革的“循证决策”来源。

而这对政策制定者来说似乎是一个潜在的诱人前景：数字将复杂的扁平化教育实践压缩和简化为一系列数据以方便理解与比较。这不仅能够为决策者提供不同细粒度的治理方案，而且也为改革提供了必要的经验性证据。然而，“数据”在提供教育改革“指南”的同时，也导致了不同教育系统政策表达之间的“相似性”，通过定量的数字合理化了质性的差异。也即，使一种精英管理的观念合法化——无视教育成功国家和地区的结构性背景差异，将超国家组织所提供的数据构建为成功的衡量标准。由此不仅加深了类似PISA等大型国际测验在教育政策制定方面的全球影响力以及其对“全球化经验主义”的贡献，同时也强化了教育可以通过统计分析进行比较、关联和预测的观点。然而，边缘教育系统在大型国际测试中的失败是可预见的。以PISA为例，经合组织于2013年开展了专门针对中低收入国家背景的PISA版本(PISA for Development，PISA-D)的试点研究①PISA for Development由经合组织从2013年开始实施，旨在创建适用于中低收入国家的PISA版本。2018年底，经合组织发布了PISA-D结果报告，随后七个试点国家(柬埔寨、厄瓜多尔、塞内加尔、赞比亚、洪都拉斯、危地马拉和巴拉圭)发布了各自国家的具体报告，并于2019年宣布PISA-D成功。，旨在通过提供更具“背景化”的政策建议以扩大中低收入国家对PISA的参与，同时增强所有PISA参与国(地区)之间的可比性，提高PISA的影响力和解释力，使其由一种“国际”测量向“全球”治理发展。但不可否认的是，这仍然是一种福柯意义上的“算术行为经济”，国家和地区教育系统被分布在一个有等级秩序所描绘的领域内，以将点值附加到它们的教育表现中进行量化，从而通过生产和呈现卓越教学和有效学习的应然标准和实施策略来使教育政策的“同质化”具有可操作性，并从社会的“定性”治理转向数据的“定量”治理。

显然，教育政策的全球化与同质化将持续影响着教育政策制定者和其他教育利益相关者，并挑战传统的教育概念和治理环境。可以说，这种数据驱动的比较文化不仅使教育政策转向以“简单”测量为主导的行动路径，阻碍有益的批判性讨论，限制不同教育经验和治理理论之间的对话可能与学习机会；而且可比的基准实际上正在创造一种国际景观——对通用度量实践的广泛政策的支持，取代了对教育基本问题和改进学习等更具创造性的思考，并可能共同陷入一种去情境化的政策趋同环境和全球化的比较机制，导致等效性和可通约性斗争的产生。

(二)研究范式：限制的证据话语与教育研究的工具化

与教育标准全球化“可比”愿望的辩证并行，教育研究不仅越来越多地实现着生产“证据”的研究目的，也越来越多地成为一种数据收集和分析的行动工具。在今天基于结果的问责政策导向下，“什么有效”的问题始终占据着教育研究的主导地位，量化方法也因此成为一种积极行动——利用具体的数字技术和测量工具服务于教育目的，聚焦对教育“输入”和“输出”客观效果的调查与证明，以部分地建构教育实践。这不仅产生“数据”，预测和控制学习获得；还通过复杂公式的引入和数字重组形成新的指标，以允许其在相关政策话语中充当“知识”和“证据”，从而为更大、更复杂的对象提供现实性和一致性。然而，正如施莱彻所指出的，“量化的数据并没有真正说明因果关系”[12]，它无法显示结果是如何达到或实现的。这种方法本质上是以牺牲对认识论问题的有意义参与为代价而获得实用性声誉的，它们“出于对研究确定性的渴望，往往愿意为了‘更严格’的证据和标准而放弃自身的复杂性与多样性”[13]，把更厚形式的定性数据排除在外，造成教育研究思维的过度简化以及方法论的霸权主义。

在这一意义上，“数据”促成了教育理性的变化，并塑造了相关领域的研究范式和文化。一方面，数据构建了教育的行动、过程和结果，把教育组织和工作者的努力与注意力“短视地集中在生成、收集和报告学习数据上”[14]，忽视了看似静态的数据背后的复杂联系和实践——一系列与学生发展潜力、教师个性以及生活文化等相关的社会性因素。另一方面，数字的计算和统计功能通常导致教育研究以一种离散的、去情境化的方式开展工作，通过数据的挖掘和处理技术产生和制造“数据标准”下新的学习环境，进而以一种无声的形式实现数据对师生教与学的监督意义。这意味着，教育研究需要成为一个“制造”事实并“创造”数据以证明“什么有用”的工具化过程，但“无休无止的计算并不会产生理论、原理或思想”[15]。与教育相关的复杂(且无法解决)的社会问题被视为复杂(但可解决)的统计问题[16]；“如何提高学生分数”的适应性技术也将取代“如何促进学生发展”的进取性问题，教育建设的人性任务也被数据的严格性所低估；十九世纪至二十世纪“对数字的信任”也已经转变为对数字量化、算法和机器学习的“数据主义者”的信任[17]。从而，教育研究在此促进的只可能是数据与技术的交互，而不是理论与实践的互动，并将教育研究由一种情境化的知识假设转变为使技术可见、表现透明的工具模式。

(三)教师行动：表演的教学技术与专业精神的隐匿化

数字不仅是组织结构变革的工具，而且也是改革教师及其身份意义的机制。作为一种“技术”，数据对于教师工作而言是“变革性”的，是“数据”的产生提供了主体执行表演文化的条件。

学校正在转变为数据平台，师生越来越多地通过数据被了解和评判，并逐渐将自己视为数据化的主体形式之一。因为这种由算法构建的知识分类把审查和控制单位进一步缩小到个人，通过计算个人的未来可能行为来完成“预测性”分析并预防性地采取干预手段。甘迪将此称为“统计监控”，通过计算机分析统计数据以为决策和选择提供“可操作的情报”[18]。如学习分析平台的“机器人算法”正是通过访问学习者的电子数据来计算几率并做出概率预测，以代替教师在几毫秒内自动形成关于教学干预的决策。而这在把“学生教育机会缩小到由某种算法预先确定类型”[19]的同时；“数据化”也破坏了师生课堂自治的专业可能，带来了教学还原论的风险——因为只有可以数据化的教与学表现才被认为是有价值的，教师的专业声音被剥夺，他们必须通过表演技术将其表现转化为一组质量指标和正式的数字记录以证明自身的有效性。这不仅直接为教师提供了一个基于行为主义控制范式的专业发展模型，导致他们必须依赖外部纪律监管的强制性合规技术来满足“应试教育”，把自身自主权以及课堂经验日益减少到“可衡量”的表演技术；而且，教学法的功能性“数据化”也淡化了教与学的不可预测性，更鼓励一种狭隘、简单且往往公开的量化目标，由此边缘化了教师的影响力，用“绩效衡量”代替了他们的专业知识判断。

在这一意义上，教育过程越来越多地转化为数据，以允许衡量、比较以及与奖惩相关的高风险问责系统的运作。数据和相关表演责任不仅成为教师专业身份的“构成性”，而且开启了更多的管理控制，“不仅仅是改变经济，而且是改变灵魂”[20]，使教师的内在心态和行为与一系列治理相结合。可以说，这些新的部署机制促进了监督的控制技术，而不是教师专业发展的教育方法——数字表征的问责和检查实际上形成了一种关于展示、比较和判断个人的新的控制形式，它们造成了“教师的主观存在和他们与他人关系”[21]的变化。进言之，随着“人与算法关系”在教育系统中的完成，教师的合规性也一同被替换为生产力和质量的输出，教师自主性被可计算的期望取代，共同的组织合作和集体关系被表演性竞争取代，“学校变成了更具竞争性、分裂性和压力的工作场所”[22]。

至此，“数字治理”在教育系统中完成了可能的监督和控制，不仅提高了数据在整个教育系统中的影响力，而且扩大了数据的衡量范围，增强了数据在各种形式的审计、检查、评估和决策中的吸收与利用。具体地，竞争主义下的国际大规模评估为教育问责创造了一种结构性动力，使“数字治理”的教育政策成为一种可能，从而进一步要求教育研究成为一种产生数据以支持比较和传播的知识工具，并通过文本化的操作定义工作标准，使学校和教师成为必须在竞争性选择市场中为学生提供符合“标准”的教育服务者。这反过来又需要学校和教师进行关于“最佳实践”的表演性复制以生产“数据”来证明和区分他们的有效性；而这种排名和筛选的反身性又继续创造着新一轮的凝视关系，“不仅让他们可见，而且鼓励其以特定的方式思考自己，对自己进行分类”[23]，进一步推动相关教育政策的实施与改革，以此构成一个自给自足的循环系统。

三、转化：数字治理在教育中的融合与创新路径

在当代教育话语中，技术被视为积极的变革推动者，数据则被视为有效教育的关键[24]，并且已成为世界各个国家教育治理与决策实践的核心。我国“十四五”规划纲要提出，“迎接数字时代，激活数据要素潜能，推进网络强国建设，加快建设数字经济，数字社会、数字政府，以数字化转型整体驱动生产方式、生活方式和治理方式变革”[25]；教育部则于今年2月发布《教育部2022年工作要点》，提出要“强化数据挖掘和分析，构建基于数据的教育治理新模式”[26]。从而，基于当下教育现实，我们应当认识到教育治理中的“数字”建构与参与是必需的，并将问题进一步聚焦到，在教育的数字治理过程中如何维护教育研究在知识建制类型上的丰富性与方法论上的自治与多元承诺，同时既避免宏观政策同质化的理念假设，又不在微观层面催化学校和教师的表演性技术。

(一)政策行动：数字的文化定位与本土化的意义重塑

为了理解和优化教与学，测量、收集、分析和报告相关教育和学习数据是普遍的和必要的，这既能够通过评估和改进学校与师生表现以提高相关教育政策的部署机制；又可以使教育决策在目标预测和问题解决方面的确定性提高成为可能。因此，我们并不否认“数字技术”与“数据”在教育领域中的重要贡献。但是，我们也必须承认教育作为关涉国家经济、社会、文化和历史等因素的复杂组合，试图通过简单的数字矩阵去展示和比较不同国家的教育质量，这一做法是值得怀疑的，因为其“可比性”是构造的而不是描述的。基钦在研究中指出，“它们是由特定假设塑造和创造的，这些假设也类似地构成了他们的生产和对数据的理解，无论多么隐蔽”[27]。故问题的关键在于，我们反对的是一种由数据主导的政策行动以及日益无国界的政策空间。国际大规模评估项目中产生的“数据”并不能很好地适应不同教育系统运行的体系性和治理逻辑的复杂性；同时后者的文化性和历史性反过来也将制约数据在教育治理中的潜力与表现。因此，重要的是增加而不是减少全球教育的多重现实，将“数字治理”重新与教育真正的改进与发展目的联系起来。

一方面是明确国际大规模测评项目结果在本土教育情境中的适用范围，促进“数字”的中国化和应用化。根据塞尔的观点，“意向性”定义了规范的实践，人类的行为必须在“意向性”的复杂背景下才能理解；规律性本身并不是对任何事情的因果解释。也就是说，经合组织提供的只是基于PISA的特定类型的证据、分析和建议，它只是众多教育数据库中的一种可能选择和参考。我们不能忽略国家政治经济、监管环境和民族文化造成的背景挑战。教育作为一种道德的实践活动，评估参与者(成员国)的能动性与表现力和其社会背景、发展史等相关，这一“差异性”不可避免地构成了生产和使用数据的组成部分。这表明数字不只是“统计”行为，其关涉的文化差异、国家发展问题等都需要考虑在内，而不是将它们简化为“例外变量”，从而过滤为一组去情境化的证据信息。这不仅在理论上是错误的，在实践上也是行不通的。因此，我们需要加强对教育数据“比较”性质的本质理解，充分阐明相关国际教育评估的限定因素与解释局限，以正确对待基于特定数据的教育质量“排名”，使“数据”在跨域的相互比较与本域的自我定位之间形成良性互动。

另一方面是为中国情境下的教育数字改革与国际参与创造空间。随着中国教育实践在PISA中的卓越表现与成就，中国教育系统开始不断受到国际关注，经合组织于2020年发布了首份《以标准评估中国教育系统表现》的报告，认为中国拥有“表现优异的教育系统”[28]。可以说，在教育领域，国家与国际之间的互动已不再是一种选择，而是一种事实。因此，我们一方面要建立稳固的合作伙伴关系，不能无视甚至放弃对国际评估项目结果进行辩论与集体构建的可能性。应当积极打破“数据孤岛”现象，不断凸显中国教育声音，说好中国教育故事，掌握解读本国教育表现与课程改革实践的主动权，不断扩大自身教育系统的优势，“推进高水平教育对外开放……推进共建‘一带一路’教育行动高质量发展”[29]，以促进中国教育智慧在世界范围内的传播和贡献；另一方面，合理重塑“数字”意义以适应本国、本民族的情况，增强相关教育数据的历史相关性和本土应用，借势“教育新基建”发展高性能教育数字基础设施，提升教育数据在数量、颗粒度等方面的丰富性与多样性，不断优化我国教育的数据结构和治理理念，使“数字”的比较实践成为“建设性的”而不只是“描述性的”，以在推进实施具有本土取向的教育政策的同时，推动教育治理智能转型。

(二)教育研究：多元的方法论逻辑与共同的知识生产

必须承认，数字技术和算法为教育研究造成了限制也带来了新的机会与挑战，重塑了关于知识构成、研究过程以及人与技术的交互性关系等关键议题。因此，我们需要检视当下教育研中的“数字现实”，“根据研究问题的性质，从广泛的认识论中借鉴并发展出适宜的研究方法论”[30]，以在解决不同利益相关者及“政策”和“市场”提出的实际问题的同时，也能够满足学科自身的发展需求，从而在多元和开放中促进学科自治。

首先，厘清“数字”在教育研究方法论中的现实效用及其相关关系。“循证”教育政策的兴起使数字表征的定量研究比所有其他形式更有价值，这已经成为现实。但将数字导向的政策通过事实向规范的转化必然涉及一个解释的过程。根据哈贝马斯的解释，量化的数字“只能从认识论的角度来理解，这意味着它只是一种可能的知识范畴”[31]，即数字本身只是另一种解释，而非界定标准，它与其他假设和理论一样需要检验和修正。因此我们必须明确，数字的量化、枚举和计算本质上是复杂的社会文化和技术实践，是解释性的、流动的和无定形的；它对于教育研究而言，只是揭示和解决问题的方法之一，而不是塑造教育知识、身份与空间的权力技术；与其他教育研究方法之间也只是一种“补充和完善而非替代的关系，以此才有可能真正释放数字治理的潜力”[32]。同时，“随着大数据技术的发展，会有更多、更全面的数据被治理主体所利用”[33]，数据也将继续产生更多教育治理的证据和规范。在这一意义上，我们应当捍卫数字在教育治理和研究中的最广泛定义，并支持认识论、方法论的多样性，创造性地“基于后数字的、生物社会的、社会技术的和后人本主义的理论，进行具有创新形式的”[34]数据分析与教育研究，在与现实教育情境的变化关系中接受与方法论边界和认识论约束相关的一定程度的开放性，以“在教育研究中保留一个空间，用于有关思想的研究，或者是批判性的，或者是关注更大的视野，而不是将所有空间都让给产生明显的短期应用工具答案的研究”[35]。

其次，承担好政策与实践间的中介作用。教育的“关系性”和“社会性”特征意味着其研究很难被描述为对教育世界的“客观调查”，而是一个不同群体间在参与中不断更新与改进的知识迭代过程。也就是说，教育学作为一个拥有开放边界的知识社区，其质量评估工作不仅是严谨的，也是关系性的。这需要“坚持系统论和全局论，认清不同利益主体及其诉求的相互关系”[36]，探索不同数据及其逻辑是如何被不同群体(决策者、研究者及行动者)的话语和实践所调动和嵌入的。因此教育研究者应当承担好政策与实践间的中介角色，将数据进行“翻译”与“转化”以供各级决策者和从业者使用，推动不同身份者之间的民主对话，以支持不同认识论和方法论之间富有成效的参与和协商，从而促进更具协作性和互动性的教育研究与发展，以加强“外部”不同工作文化之间的协调和“内部”研究共同体的创造性发展。

(三)教师参与：信任的协作与持续的专业学习

为了恢复教师的专业精神和创造力，我们需要的不是“数字”产生的标准化实践，而是将“数字”用作改进教师实践和推动变革的工具[37]。不可否认，教师专业精神作为一种可塑的实践概念，在一定程度上是由外部环境与内在自我的相互作用共同塑造的。这意味着教师专业发展既需要服务于“数字”的公共目的，也需要为“发展的专业自我”服务。从而，问题是“是否有可能在数字驱动的政策和志业精神导向的自主发展之间形成平衡”。本佩雷茨的回答是，“教师的政治责任和专业自主权之间的平衡是可行的，一方面允许教师根据外部义务调整教学，另一方面根据他们的具体情况改进教学”[38]。这表明教育治理应由一种管理主义的、标准化的审查概念转向一种伙伴关系、自由裁量和信任的民主实践。

一是恢复信任并支持教师在数字生产与运用过程中的参与。事实上，控制与协作之间平衡的关键问题在于赋予自主权和共享决策结构。教师只有在信任和开放的工作关系中，他们才能够结合自身的专业经验和资源参与“数字”的开发与治理工作。根据自决理论的观点，当教师被授予与相关的自主权时，这将有可能成为他们在专业工作中采取负责任行动的内在动力，并支持其反思性的参与专业知识建设——教师“不仅可以挑战、捍卫、解释和质疑他们所获得的‘专业’信息，还可以质疑从中产生的政策”[39]，将数字视为促进专业“发展”的基础，而不是“监管”标准。这不仅可以避免关于当前循证实践中“一刀切”、过度简化和脱离语境的政策文件，还可以通过实践者的参与性协作改善和提高相关“数字治理”在教育实践中的相关性和实用性，使教师不是在为了评估和问责而进行表演性教学，而是通过自我行动与反思生成的“数据”来支持迭代的教学改进。可以说，这种共享决策的信任文化使教师的进步与发展来自于自身行动而不是外部压力，因为其责任感是关于自身专业素养的发展。这将有助于教师群体完成自身及其行业的转型，产生更多的生成性和变革性数据，以建立一种尊重教师及其教学实践的文化，而不是失去动力成为自身专业精神“死亡”的同谋。

二是发展教师持续学习的专业精神。作为教育实践变革关键力量，培养教师数据素养有助于实现数据驱动的教学改进目的。我国《教育信息化2.0行动计划》明确提出要“启动‘人工智能+教师队伍建设行动’，推动人工智能支持教师治理、教师教育、教育教学、精准扶贫的新路径，推动教师更新观念、重塑角色、提升素养、增强能力”[40]。因此，增加在学校层面关于教师数据素养和信息素养发展的时间和空间支持成为必须。构建支持的学校文化和组织必要的专业技能培训，帮助教师在教学过程中合理使用数字技术的同时；鼓励教师以批判的态度看待数据，提高他们对数据的判断和分析能力，引导教师通过自知与反思将基于数字的政策建议和要求与自己的专业身份联系起来，使其能够在具体的教学情境中关联自己的实际工作、理解并合理改造政策中的数字要求和研究中的数据意义，由此促进“数字”对教学工作的有意义反哺，以产生更好的教育结果，使数据的转化性应用成为一个改进、开放与共享的支持性过程，进而提高教师的专业效能感和数据素养。此外，通过数字技术为教师提供更加个性化和针对性的教学反馈，在生产数据的同时，利用技术改善教师工作体验并实现自我提升。从而使教师在一个更具反思性、更积极的专业学习文化中有目的地发展自身的专业素养和数字判断与决策能力，以此实现“管理”数字(即衡量和评估表现有效性)和生产数字“意义”(即创造和发展专业能力)的双重目标。