数据驱动教学范式变革下教师面临的挑战及可能应对

左 璜 徐芷珊

(1.教育部师德师风建设基地〈华南师范大学〉,广东广州 510631;2.华南师范大学 教师教育学部,广东广州 510631)

数据使用在近二十年已经成为教育的一个关键领域〔1〕。一方面,从国家战略到区域规划,从学校管理到课堂教学,教育数据几乎无处不在,各种新型的数据驱动教学及其应用技术、软件和模式层出不穷;另一方面,追求个性化教育的理想也推动着以经验模仿和直觉判断为特征的传统教学范式开始转型。二者相融,催生了数据驱动教学范式的兴起与发展〔2〕。这一教学范式显然给教学的现代化、科学化带来了可能,然而也给教师带来了新的挑战。如何更清楚地认识数据驱动教学范式的内涵与特征,把握教师所面临的真实困境,进而帮助教师更好地适应这一范式的变革,是教育现代化进程中不可回避的关键问题。

一、数据驱动教学范式的内涵、特征及应用场景

依托大数据的外驱与教学变革的内驱,数据驱动教学范式近年来不断在国内外实践中发展和深化,并彰显出了循证性、数智性和精准性的特征,形成了包括数据驱动教学分析、数据驱动教学评价、数据驱动教学决策等在内的三类应用场景。

(一)数据驱动教学范式的内涵与特征

从人类社会所走过的农业时代、工业时代、信息时代到如今的大数据时代,杨现民等学者认为教学范式分别经历了经验模仿教学范式、计算辅助教学范式以及数据驱动教学范式三个阶段〔3〕。经验模仿范式坚持以知识为载体,强调教师对学生的单向传递,的确成为了快速高效传递文化的有效途径,影响深远。然而,随着人们自我精神世界的觉醒以及第三次技术革命的到来,经验模仿教学范式受到了冲击和挑战:一方面技术的介入极大地改变了教学方式,另一方面传统授受式教学难以满足学生个性化发展与精准学习的需求。于是,依托大数据技术的发展,教师、学生、教学媒体和教学内容重新联结成了一个新的网络化主体,重构了教学的各要素及其之间的关系,教学范式开始悄然发生变革。

在数据驱动教学范式中,教师和学生的活动过程及结果都以数据的形式存储在数据系统中,教师可以借助各种媒介及平台随时提取数据,如学生的学习成绩、心理状态和品德表现等数据信息,并对数据进行分析和解读,据此开展下一步更为精准和有效的教学计划和实施。这样一种教学范式,有学者对其特点进行了分析。李卓君和崔友兴认为大数据时代下教师教学走向循证〔4〕;郑思思等学者提出教育教学走向数智融合(BD+AI)的新形态〔5〕;陈思颖认为教育受到数智化背景的影响〔6〕;杨现民等学者认为数据驱动教学具有科学化、精准化、智能化和个性化的特点〔7〕。尽管各研究者所持观点略有不同,但总的来说,数据驱动教学始终保持以下基本特征。

1.循证性

数据驱动教学范式主张以数据作为教师判断教学效果以及改进教学的依据,这是典型的循证教学,它倡导以证据为核心要素,以向学生提供科学教学为旨趣。反观传统的经验模仿教学范式中,教师大多依赖于个人知识和经验判断,教学决策趋向于抽象性和片面性,容易陷入教育经验主义的泥潭之中〔8〕。而循证教学主张结合教师经验、智慧与教学证据〔9〕。基于此,首先,数据驱动教学范式要求教师能有意识地借助技术和线上平台收集班级和学生个体的各类数据,寻找并建构教学证据;其次,教师应能对数据进行深度挖掘,准确分析学生的动向和变化,继而将问题具体化,从整体上洞察教学趋势与规律,为科学的教学预测提供可能性。这样一种基于数据及其分析来验证或挑战个人教学经验或假设的教学范式,是对传统教学范式的超越。

2.数智性

数据驱动教学范式不是简单的教学数据处理与分析,而是从数据中提取有用的信息并做出决策和行为。因此,在以大数据复杂算法为核心的人工智能出现与发展的背景下〔10〕,人工智能势必以强势的姿态进入传统的教学场域,大数据与人工智能进行有机结合〔11〕。当前,许多应用于课堂的智能教学系统和设备正是以大数据复杂算法为基础,同时具备数据与人工智能的优势。一方面,在数智化时代,教师借助大数据和人工智能技术和设备,快速地获取多样化的数据并按照现实需要将其转化为教学信息;另一方面,大数据和人工智能在教学场域的强势进入也使教师不得不学习新知识和新技术,并思考与数智技术及设备之间的关系,调整教学内容与教学方式,实现数智性的教学图景。

3.精准性

目前来说,教师了解学生的途径一般有两种:观察和测试。前者指的是教师对学生的日常观察,后者则是指标准化的测试与评估。然而,尽管教师可以通过这些阶段性和结果性的数据了解学生的学习状况,但是在面对每日剧增的数据、庞大的学生群体规模和复杂多变的教学环境,仅仅依靠教师个人难以及时处理所有数据以对每个学生进行精准的分析和决策,并做出准确的画像。而基于具备精准性特征的数据驱动教学范式,教师能够制订更加差异化和层次性的教学目标〔12〕。教师可以将有限的时间和精力放在个性化的教学工作上,因材施教在现代班级授课制中不再是停留于理念层面的追求,而具有了现实的可能。本质上,可以说具备精准性特征的数据驱动教学范式是真正实现了“以人为本”的人本主义教育理念〔13〕,能促进学生的个性发展与价值实现。

(二)数据驱动教学范式的应用场景

基于循证性、数智性和精准性,目前,数据驱动教学范式已经广泛地应用于教育教学的各个环节,迄今已形成了三大应用场景。

1.数据驱动教学分析

要想对学生进行科学而精准的指导,首先就要对学生的学情进行全面而科学的分析。在大数据技术的驱动下,目前国内外已经探索并建构了多个维度与多种形式的数据驱动教学分析工具和平台,教学分析的数据来源也走向多元化。在传统的课堂上,教师的教学分析具有一定的主观性和片面性,效率也不高。在多源数据和智能算法的支持下,教师可以精准采集和分析学生的各种数据,为学生提供个性化的教学策略。在教育智能时代,与教师直接观察学生面部表情的传统教学分析不同,教师通过技术识别学生面部表情成为可能〔14〕。学生的行为数据也是教学分析的重要来源之一。例如,学习仪表盘能够追踪学习者的在线学习行为,并为学习者、教师、研究者、教育管理者等提供学习分析〔15〕。

2.数据驱动教学评价

数据驱动评价缘起于各国对于教育质量的追求。如何评估教育投入的有效性?基于不同标准的数据评价,各国纷纷开启了数据驱动的教学评价。根据评价数据的的类型,可以将数据驱动分为不同的评价类型,如形成性评价和终结性评价。新西兰要求教师能够使用定性数据和定量数据,按照制定的标准,对学生成绩做出“教师总体判断(Overall Teacher Judgment,简称OTJ)”。政府还为教师提供了许多评价工具,包括纸质版和在线版的进步成就测验(Progressive Achievement Tests,简称PATs)和一种可供教师使用的学生在线评价工具(e-asTTLe)〔16〕。这些工具主要是对学生的课堂表现和学业成绩进行评价,强调查询和监测学生的阶段性成就。除了常见的课堂表现与学业成绩评价以外,教师还可以应用数据对学生的综合素质进行评价。例如,有研究提出美育评价智能化平台与实验教室能够收集和分析美育课程教学的数据,支持对学生的审美素养进行美育评价〔17〕。在数据驱动道德教学评价的实践中,广州市越秀区东风东路小学与企业合作设计并开发了“东风东路小学智慧云平台”,教师可以依托传感技术和平台系统收集学生的德育行为数据,评价学生的德育发展情况〔18〕。可见,数据驱动范式将逐渐被应用在各种教学评价活动之中。

3.数据驱动教学决策

数据驱动教学分析和评价最终指向的是教师的行动和决策。与传统的教学决策相比,数据驱动教学的应用呈现出新样态。数据驱动决策(Data-Driven Decision Making,简称DDDM),也被称为基于数据的决策(Data-Dased Decision Making,简称DBDM)〔19〕。数据驱动教学决策实际上是数据驱动教学分析和数据驱动教学评价的下一环节,在教师根据数据对学生进行分析和评价之后,教师可以采取相应的干预措施为学生制订更加科学的、个性化的教学策略。教学决策可以被分为实时教学决策和非实时教学决策。在5G多模态智慧课堂模型的基础上,教师可以使用相关工具进行师生互动,了解学生的课堂作答情况〔20〕。除了实时的教学干预之外,教师可以使用“普陀J课堂”平台获取学生在预学习阶段的数据,进行更加精准的教学决策干预〔21〕。

二、数据驱动教学范式对教师的挑战

作为一种全新的教学范式,数据驱动教学范式的落地需要主体的参与,其中的关键因素就是教师。然而,这种范式对教师带来的不仅是变革也是冲击,更是教学价值观念与思维方式的冲突和挑战。

(一)文化的影响:问责先于改进

许多的教育数据都是作为教育质量评估的依据而产生的,因此,数据除了可以为教师提供信息以外,还会自觉或不自觉地成为行政部门评价教育质量与问责的依据。有研究者把这种将数据驱动下改进和问责联系在一起的做法称之为数据驱动的改进和问责(Data-Driven Improvement and Accountability,简称DDIA)〔22〕。正是因为问责能够推动教学改进,以致于教育数据可能难以逃离“问责优先于改进”的文化制约〔23〕。由外部政策、学校管理带来的自上而下的问责文化和压力常会导致数据使用和教学评估本身成为了目的,而不是将其作为改进教学的手段,问责和评估会受到过多的关注〔24〕。教师被迫采取一系列行动收集数据、分析数据和做出决策,这些行动仅是为了应对外部的评价和问责,教师没有获得足够的关注和尊重,甚至被排除在这场变革之外,“数据大多用于监测进展,但这种监测的结果通常没有用于改善教育”〔25〕。无独有偶,罗格曼(Roegman R.)等学者也认为,为了应对内外系统的问责,教师会将数据驱动教学与数据驱动测试(Data-Driven Test Taking,简称DDTT)联系起来,将数据驱动教学的概念狭隘化〔26〕。很显然,原本旨在改善教学而生成和挖掘的数据,一旦直接指向评估和问责,就会导致数据驱动决策概念狭隘化,甚至会迫使教师为了追求高质量,极力按照规定设定教学目标,忽视学生的个体需求;追求短期成绩的提高,忽视学生的长期发展;关注结果性数据,忽视过程性数据。因而,以数据驱动来改进教学与提升教育质量的初衷开始异化。

(二)观念的挑战:效能感水平不高

尽管行政部门已经意识到数据驱动教学范式带来的潜力和价值,它可以快速、直观地反映学生各方面的状态,为教师制订符合学生自身的学习建议提供有利条件,支持教师的差异化教学,推动学生的个性发展,但是教师作为范式变革的主要实施者却对数据驱动教学容易产生消极的心理。倘若教师作为教学实施主体,并不认可这一范式,那么变革也就无从谈起。因此,埃文斯(Evans A.)强调要关注教师的心理和想法〔27〕,也就是说,数据驱动教学与教师的自我心理状态有关。班杜拉(Bandura A.)认为,自我效能感涉及个人对于自身是否具备完成某一行为的能力所做出的判断和感知〔28〕。邓恩(Dunn K.E.)等学者对DDDM效能感和DDDM焦虑等与数据驱动教学决策相关的教师心理进行了研究〔29〕。DDDM焦虑阻碍着DDDM效能感的提升〔30〕,影响数据驱动教学的质量。导致DDDM焦虑产生的主要原因有几点:首先是教师在实施数据驱动教学项目时所产生的消极看法。有一项研究发现,尽管教师在行动上愿意采取学生成绩报告系统(System Reports on Student Achievement,简称SRSA)进行数据驱动教学,但仍然有许多教师对数据驱动教学持有负面态度,对数据使用缺乏信心或者质疑数据的有效性〔31〕,认知与行为冲突明显。可见,许多教师即便在政府和管理部门的极力推动下,可能会去接触这种新范式,但并未真正认识到数据驱动教学的价值。其次是有些教师担忧数据驱动教学带来如“给学生贴标签”等道德问题和负面影响〔32〕。最后是来自外部的压力。数据驱动教学范式下的问责系统无疑会带来更多强加给教师的外部评估,最终导致教师被迫在高压的环境中使用数据进行教学〔33〕,增加教师的焦虑与担忧。

(三)知识的缺失:数据素养亟待提升

在传统的课堂,教师处理的信息是即时的、结果性的,以学生的反应和成绩为主要来源,教师的观察为教师做出下一步行动提供信息来源。在这种情况下,教师可以在实践中积累经验,形成自己的教学方式。然而,数据应该在解释的基础上才能获得意义〔34〕,从数据收集到决策的过程中需要教师在认知的基础上完成多个步骤。因此,这个循环过程的顺利实施对教师的数据使用和教学能力有很高的要求。有研究认为教师使用数据的知识和能力是教师有效实现数据驱动教学的先决条件之一〔35〕。尽管数据使用对于提升教学质量有着重要的意义,但是教师在数据驱动教学上仍然存在一些现实问题。其中一个原因在于教师数据素养(Data Literacy for Teachers,简称DLFT)的水平亟待提升〔36〕。事实上,光是教育数据本身也会给教师带来挑战。首先,数据太多对于教师而言也是个问题。有研究认为,在一些经济发达国家,数据驱动教学的挑战不再是缺少数据来源,而是教师受到太多数据的困扰以及面临数据滥用的风险〔37〕。学校往往拥有大量的数据,但是这些数据总是以难以访问和利用的形式存在,造成“数据丰富”和“信息贫乏”之间的困境〔38〕。其次,数据与实际教学问题的联系难以建立。教师会出现无法将提取的数据和课堂问题联系起来的问题,进而导致教师很难将结论转化为正式的教学行动〔39〕。最后,数据价值的认知并不全面。教师对数据的认知和使用上可能会局限在部分数据上〔40〕,数据的价值无法在教学过程中得到彰显。

(四)经验与数据的冲突:数据决策的困境

如前所述,数据素养与DDDM效能感是教师顺利使用数据驱动教学的两大前提。然而,教师能否摆脱传统的经验教学范式,真正实现向数据驱动教学范式的转变,并非如此简单,毕竟这对于长期使用经验模仿范式的教师来说是一次自我超越。要知道,以经验模仿范式为主的教师始终迷信个人的直觉和经验。直觉主要依托教师现存的知识和情感,经验则是与教师教学相关的、过去的大量经验相连。一旦启动数据驱动教学,那么这些数据就有可能会与直觉和经验产生矛盾,教师如何处理好主观经验和客观数据的冲突成为数据决策的困境之一。基于认知—经验自我理论(Cognitive-experiential Self-theory,简称CEST),爱泼斯坦(Epstein S.)提出人有两个信息处理系统:经验/直觉系统和理性/分析系统〔41〕。倘若教师在数据驱动教学中仍然依赖于个人的直觉和经验,那么教师的数据使用是有限的。这也就意味着,如果教师不改变信息处理系统,即便使用了数据,也有可能因为“直觉和经验”的影响而走向规避事实的可能,甚至形成教学偏见。例如,教师在原有的知识体系主导下避免收集那些与直觉不相符合的数据,这种行为可能导致教师的决策是片面的或者错误的〔42〕。反之,如果教师彻底转向依赖于理性工具主义的数据驱动教学,又有可能会失去个人的判断,继而迷失自我。许多有识之士为此也表示,盲目追求数据的数据迷信与数据崇拜是人工智能时代的产物,然而,这种仅仅使用数据而忽略教学中的其他要素所做出的具有广泛性影响的数据驱动教学决策,可能会带来一些消极的影响〔43〕,因为这没有考虑到教学情境的复杂性和学生变化的多样性。可见,数据尽管有着客观性和准确性的特点,但它仍然是不能脱离教学的实质和教师的直觉和经验的存在。如此一来,如何更好地将“经验直觉”与“理性分析”结合起来,实现教学的创新和发展,是数据驱动教学范式变革中必须要回应的关键问题。

三、数据驱动教学范式变革下教师发展的应对策略

在由上而下问责文化的冲击下,教师难以由衷地喜欢数据驱动教学范式;面对新的范式,教师不自觉地表现出焦虑和压力;同时缺乏实施这一范式的素养,并常常陷入主观经验和客观数据相冲突的两难困境。这一系列的挑战反过来为教师的发展提供了方向和思路。

(一)双向互动,营造良性的数据教学文化氛围

数据驱动教学在实践中产生的数据文化和问责系统应该得到重视。有研究认为,教师发展涉及多个方面,不仅仅是教师的知识,还应该为教师营造良好的数据教学文化氛围。数据驱动教学不是为了问责,而是为了改进,教学改进应该放在优先地位。学校可以根据教师的教学反馈,充分调动学校的内外部元素,制定和实施有效的目标和战略,如举办年级会议、聘请外部专家、建立数据教学团队、构建良性的数据教学目标和行动机制。同时,数据驱动教学带来的问责文化往往是一种自上而下的、强制性的运动,教师被迫卷入这一场教学变革之中,却没有获得足够的话语权和决策权。数据驱动教学所衍生的问责文化根植于以外部评估为核心的评估机制,教师很难在这种机制下实现数据驱动教学,实现教学的本质。教师的角色被定义为数据驱动政策的执行者。因此,数据驱动教学范式应该破除教师被异化的角色,应该提倡培养、支持和鼓励而不是抨击和问责,促使教师在良好的数据教学文化氛围中更愿意使用数据。当然,在赋予教师足够的话语权之后,教师也应该主动适应和转变新的数据文化和教学思维,关注学生的学习环境和需求,建立一种以学生思维为证据的教学〔44〕。继而将自上而下的、问责先于改进的教学文化转变成为一种双向互动的、良性的数据教学文化。

(二)情感先行,增强教师的数据驱动教学效能感

教师对数据驱动教学的认知和态度是决定数据驱动教学能否顺利进行的关键因素之一。这是因为脱离教师效能感的数据驱动教学会使教师陷入怀疑与担忧,新的教学范式反而带来更多的负担和压力。教师在数据驱动教学过程中产生的焦虑、压力等情绪阻碍数据驱动教学变革。然而,有研究认为如果不改变职前教师对数据驱动教学范式的认知,那么职前教师很有可能在心理上抵制DDDM〔45〕。因此,要真正提高教师的DDDM效能感,必须在展示数据驱动教学内容之前就打破教师那些根深蒂固的观念,关切教师的真实想法。大多数促进教师专业发展的形式停留在着重于传播数据知识和技能的短期培训班与研讨会上,忽视了培养教师信念的重要性。教师专业学习应该是在嵌入情境的课堂实践中进行并提高教师效能感〔46〕。因此,学校需要更多地倡导校本培训,鼓励教师开展合作〔47〕,聘请专业的数据专家帮助教师认知数据,尽可能降低教师的DDDM焦虑。当然,除了同伴与教练的帮助,还可以通过开发工具与平台来转变教师的认知与观念。例如,说服性教学单元(Persuasive Instructional Unit)利用在线学习平台对教师提供DDDM学习模块。教师可以了解和学习DDDM,只有当学习者成功完成前一模块的测试后才会继续开启选择模块,结果表明能够很好地促进职前教师对DDDM认知的积极转变〔48〕。

(三)行动驱动,努力提升教师的数据素养

数据素养究竟如何提升?有学者认为,数据驱动范式的变革必然会带来教学实践环境的变化,教师有必要亲身感知和认识这些变化。因此,采取教育行动研究以培养教师的数据素养可以被视作一种有效的数据素养培养模式〔49〕。数据驱动教学范式如果仅仅停留在理论层面,终究无法对教师的行动有所改变,教师可以通过行动研究去获取数据,洞察教学现象背后的本质。数据驱动与教师行动研究相结合可以有效促进教师去发现、验证和解决数据驱动教学实践中的问题,学校及其他培训组织针对教师个体在实践中遇到的困惑与难题,可以更加有效地为教师提供专业化的课程,提高教师数据素养。教师数据素养要求应该被纳入到教师专业标准之中,进一步提高教师使用数据的规范性〔50〕。同时,为提高数据驱动教学的效果、促进教师数据使用能力的长期性和渐进性提升,除了教师数据素养的短期培训以外,关注长期的教师专业发展和强调以教学为中心的、连续性的教师数据素养培养是有必要的。教师数据素养的培养应该是连续的,教师在不同发展阶段具有不同的数据素养表现与水平〔51〕,因此教师数据素养的培养应该是分阶段、可持续性和终身化。

(四)弘扬科学,培养教师的锚定判断能力

尽管数据驱动教学具备循证性、数智性与精准性,但是在数据驱动教学实践过程中也面临着教育科学偏离的问题。数据使用是一个复杂的感知和决策过程,数据驱动教学涉及多个环节的相互联结与作用。从实践情况来看,教师的个人经验和直觉仍然贯穿整个数据驱动教学的过程,然而,教师的决策又不可能完全摆脱直觉和经验,因为技术、数据丰富但教师思想缺少的教学决策是无效的,数据需要被赋予实质意义〔52〕,教师的直觉与判断以及丰富的教师经验能够避免教师陷入数据困境之中。为此,破除“唯经验主义”和“唯数据主义”的迷思〔53〕,从经验—数据二分论中寻求平衡之道,是数据驱动教学范式亟待解决的问题之一。教师往往要面对教学环境中复杂的对象和事件,教师做出的每一次判断和决策应该是基于直觉、经验与数据的融合,形成脱离表象、深入本质的数据智慧和教学思想,从数据使用的新行为主义和认知主义视角转向社会文化范式〔54〕,培植科学精神主义。

因此,数据驱动教学范式应该处于一种锚定判断之中,理想的锚定判断(Anchored Judgment)出现在教师的直觉、经验和数据的交叉点上〔55〕。在教学数据丰富的背景下,这种锚定判断主张将经验、直觉和数据结合在一起。教师之所以无法正确使用数据,走向直觉—经验与数据的二分困境之中,是因为数据驱动教学从一开始就是一种自上而下的数据评价文化,教师是非自愿地使用标准化评估工具,这种非自愿的数据使用难以维系以学生为中心的教学初衷。在理想的数据驱动教学范式中,教师需要被赋予更大的决策自由和权力,而标准化的数据可以用于评估和校准教师基于直接观察数据作出判断的准确性〔56〕,从而提高教学决策的科学性。随着时间的推移,理想的数据驱动教学范式能够使教师走向不断反思和改进的决策过程。

与过去种种范式变革的过程一样,数据驱动教学范式作为新事物,它的出现及发展总是要对旧事物进行扬弃,这个过程或许是复杂而漫长的。即便如此,在教育科学化与教育现代化的双重驱动下,这一新范式也必然会成为重要的教学范式,走入学校、进入课堂,而作为教学主体的教师将在拥抱和适应新范式的过程中获得成长。展望未来,数据驱动教学将走向更具有整体意义的范式,对新时代的教育教学产生深远影响。