K－12：数据不是目的，应用才是关键，本文主要内容关键词为：目的论文,才是论文,关键论文,数据论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
“数据驱动决策”已经成为教育流行语。中小学教师被要求使用数据，以提高他们的教学实践，并改善学生的学习成果。但是如何做到这一点，我们却不那么清楚。
今天，如果一个教师想了解一个特定的学生是否偏离了学习标准，往往会涉及查询多个数据流：一个是学生信息系统，以获得基本的入学数据；另一个是过去的成绩数据，来自当地教育部门维护的报告系统；而最近的作业和成绩则来自学习管理系统，以及特定的学习项目。每个系统都可能有各自的密码，更别提各自的数据格式，用电子表格软件手工编译整合这些数据到同一个图表，无疑意味着巨大的工作量。结果是，许多学校目前使用的多个信息管理平台和软件应用工具产生了大量不同类型的数据，并且处于分散状态。也就是说，大量的学生数据被锁在各个数据孤岛上，无法进行有效的整合和利用。
这也难怪，即便是最好的教师也避谈是否在课堂上使用到数据。各级决策者和领导者可能会认为使用的数据可以帮助解决教学问题，但教师们却是不那么肯定。
IBM预测分析和解决方案架构师、原纽约市教育合作数据分析协调员Nicole Catapano总结了这样的挑战：“在时间宝贵、资源很少的情况下，你怎么最大化利用时间，并把最有效的信息交到教师手中，使他们能够用它尽快做些什么？”
换句话说，教师和数据之间还存在着一条鸿沟。那么，我们要怎么来跨越这条数据鸿沟？
2012年，美国学校管理者协会(AASA)携手学校网络联合会(COSN)，以及全球性的信息技术研究和咨询公司Gartner一起实施了一个项目，叫做“缩小鸿沟：将数据转化为行动”(Closing the Gap:Turning Data into Action)。他们认为解决所谓的数据鸿沟，最好的着手点是学生信息系统和学习管理系统。毕竟，这些都是学校最经常使用的两个数据源。的确，我们从这些系统中收集了很多关于学生的数据，但如果不使用，它就只是一堆数字。
Gartner公司调查了716个学区的学校和技术部门的领导以及1010名教师，发现当学区选择应用学生信息系统和学习管理系统时，他们的管理者不会强调把课堂上使用数据作为选择和实施过程中的一部分。所以，教师有充分理由不使用系统的这一功能。
出现这种情况，部分原因是专业发展的问题。70％的受访教师评价他们在学生信息系统方面接受的系统专业培训水平为“弱”。此外，仅有23％的教师说他们曾利用学生信息系统的数据来帮助准备课堂活动，超过70％的教师不相信学生信息系统能帮助他们解决自己课堂上那些重要的问题。
教师使用学习管理系统的情况稍好。然而，即使这样，也只有一半的教师说他们利用了该系统中的数据来提高学生的成绩。
还有一个原因是，学生信息系统和学习管理系统目前被认为是IT部门的事情。因此，学区不在课堂上利用这两个系统也就不足为奇了。况且，以前教师们并不拥有这些信息，即便现在把信息开放给教师们使用以帮助学生学习，他们也不能立刻就能上手办到。
项目还对一个在课堂上有效使用学生信息系统和学习管理系统的学区进行了研究。他们给出的建议是：改变管理模式。从教育而非技术的角度评估、选择和部署这两个系统，从各部门选出代表，组成跨职能团队，持续培训教师，直到能熟练使用这两个系统来解决问题。
看来，大数据在基础教育领域要真正落地，给教学带来切实的益处，还有很长的一段路要走，但其中一些先行者已经初尝甜头，他们的探索或许会引发新的变革。
Case 1
Shared Learning Collaborative
共享学习协作，打造数据集成平台
由比尔和梅琳达·盖茨基金会和卡内基公司支持的共享学习协作(Shared Learning Collaborative)项目，搭建了一个基础的、与数据源无关的开放源代码的数据集成平台。这个数据架构通过开放的数据接口，可以让各种平台和软件互相通信，实现数据的互操作。
共享学习协作是一个公益项目，为K12学校提供了一个存储各种学生数据的数据仓库云服务。该项目不存储数字化学习内容，它只存储数据(评估、行为、考勤、掌握标准，等等)，允许美国各州和学区整合已有的不同来源和格式的学生数据，使数据的集成和调用更方便。
另外，共享学习协作项目还解决了身份认证管理和数据报告的问题，这是长期困扰教师并阻止他们获得和有效地使用学生数据的最大障碍。
总体上说，共享学习协作项目已经初步形成了一套功能完善的数据基础架构，包括为多机构提供独立和安全的数据储存共享服务，捕捉多种应用数据的应用程序编程接口(API)，解决多密码、麻烦的用户身份目录，以及数据可视化显示的仪表盘。
在美国马萨诸塞州，埃弗雷特公立学校学区有大量学生来自英语非母语的家庭，各自的学习需求不尽相同。不过学区并没有实施专门的小班教学，而是把他们纳入正规班级中学习。如此需求复杂的学生在一起，都以不同的方式和不同的速率访问课程，这对教师提出了重大挑战。
为了应对学生的多种需求，埃弗雷特公立学校学区制订了20～25种不同的数字化评估方案，用于特定成绩水平或特殊的学生群体。为了跟上这种多元化数据流的需求，为数据集成提供保证，学区选择了共享学习协作项目作为数据基础架构。
由于共享学习协作项目符合州共同核心标准及其评估的数据要求，且数据集成后以容易被理解和消化的形式推送给教师，成功地协助学区创造了良好的学习环境，帮助教师更高效地实现个性化教学。马萨诸塞州是试点共享学习协作项目的九个州之一，很快该项目将会向全美的其他州开放。
Case 2
eCART
电子课程评估资源工具造福教师
并非所有的地区都在等待教育行政部门为他们铺平道路，有的已经建立起了自己的解决方案来解决当前紧迫的问题。其中的一个例子是美国弗吉尼亚州的费郡公立学校学区。在2007～2008学年，该学区就在试点使用集成系统，以提供用户单一认证的入口访问在线课程、资源、形成性评估工具。次年，这个被称为电子课程评估资源工具(Electronic Curriculum Assessment Resource Tool,eCART)的集成系统在全学区所有学校推广使用。
乔伊·麦克马纳斯，从事化学教学工作23年。当eCART第一次走进她所在的学校弗农山高中时，她还半信半疑。因为，在漫长的职业生涯中，她都是凭经验和直觉来了解学生的需求，她从没使用学生的数据来帮助改善教学。但是，一旦她弄明白eCART数据是如何被使用后，科学工作者的逻辑思维告诉她，应该理性地看待数据、分析数据和用数据驱动决策。
eCART的组成部件包括：弗吉尼亚州学习标准资源和学区核准课程材料的课程库；拥有大量试题和测试项目的形成性评估工具Horizon，并能提供实时评估报告；EDSL则是纵向数据库，通过连接学生过去和当前表现的数据，监控学生进步，生成学生情况报告。
麦克马纳斯和她的化学教师团队能根据Horizon提供的实时评估报告，发现群体学生可能在某一特定知识主题存在的问题，并及时给以补足和增强。如果再结合EDSL，教师能获取每个学生的进步轨迹的可视化图表，并能分析出个别学生偏离课程标准要求的程度，进行适时的干预。“相对于以前的纸笔评估，eCART系统的数据分析功能简直太棒了！”这正是麦克马纳斯折服的原因。
对于一个特定的干预需要，目前eCART系统还是依靠教师来筛选课程、活动或其他资源，因为教师能正确识别标准、教学策略、活动类型与学生的联系。
Case 3
i-Ready
自适应诊断系统驱动学习
20世纪70年代以来，智能教学系统就能根据学生学业数据为其提供及时性和定制化的教学和反馈。早期的大量研究和案例表明，使用这种系统可以节省大量的教学准备时间，并使学生的成绩得以改善。
位于美国弗吉尼亚州的法明顿小学，于2012年开始试验i－Ready系统。这是一套基于共同核心标准开发的自适应诊断和教学服务系统。过去，学校已测试了一些来自不同公司的评估产品，但校长盖尔·布鲁尔有自己的观点：“我们一直在寻找的不仅是题库，我们需要更深层次的东西。i－Ready的解决方案是把学生放到他们很薄弱的地方，直到掌握了那些技能。”
基于学生的表现，由系统决定干预活动的推送——这在以前必须由教师做出选择。这种自动化的方式让法明顿小学与众不同。因为，没有技术的支持，一位教师在一天的时间里要确保满足每个学生个别化的需求非常困难。
学校组织了一次试用i－Ready后的考试，其中包括去年在州终结性评估考试中失败的五年级学生。结果表明：在每天使用i－Ready平台35～45分钟后，这些学生的提高表现惊人，其中阅读成绩提升88％，数学成绩提升约75％。
除了更高的考试分数外，校长布鲁尔还发现，许多学生向教师报告说，他们喜欢程序让他们独立学习的方式，它可以让他们跟踪自己的进步，让他们用数据驱动自己学习。“他们知道什么时候自己步履蹒跚，他们也了解哪些已经会了，哪些还需要做得更多。”布鲁尔说。
启动学生为他们自己的学习负责，这是一种非常见效的做法。这可能是在教学中使用数据最为成熟的方式。换句话说，教师不再是唯一使用数据的人，学生们将利用这些数据来负责自己的学习计划。教师的作用，将从教学的主宰者转变成为领航员，并指导学生，让他们为自己的成就承担起自己的责任。
Case 4
Carpe Diem
自适应学习技术支撑个性化学习
获取数据不是目的，关键是如何响应这些数据。传统的基于各种测试成绩数据的分析可以提供的信息有限，因此，还必须依靠教师的判断。现在的学生几乎整天在学校使用计算机设备，从学生与设备进行交互的结果和网页点击流数据，可以绘制每个学生行为的详细档案，也包括全体学生的学习行为。这就是大数据技术，它能结合学生学业表现和学习行为，不但使教师，也让计算机系统更全面地了解学生，并帮助或替代教师作出判断，且自动对学生的学习行为作出响应。这种基于大数据的自适应学习技术是下一波K12教育系统的创新。
美国Carpe Diem学校是免费的公立学校在线系统。目前，它正使用大数据技术来驱动基于计算机的自适应教学。Carpe Diem有两所试点学校，分别在亚利桑那州尤马和印第安纳州波利斯。据报道，Carpe Diem在亚利桑那州的试点学校取得了巨大的成功。这所学校把自适应技术支持学习、辅导、小组项目和课堂教学相结合，为每个学生提供高度个性化的教育。学校有7个年级，240名学生，只配备了一名数学老师和一名助教，学生的数学成绩却非常好。由于已经成功地用技术取代了教师的大部分劳动，因此，其教育成本低得惊人，每名学生每年花费5597美元，远低于得克萨斯州为每名学生提供的约7000～7500美元/年的成本。Carpe Diem学校被《商业周刊》和《美国新闻与世界报道》评为美国最好的高中。
Case 5
School of One
一人一个时间表，确保学习有效点
大数据技术不但能获取学习者的行为，还能预测学习者的行为和结果。因此，基于大数据技术开发的自适应学习系统能针对每个学生的家庭背景、兴趣爱好、个性特点，以及知识基础、学习能力、学习方式和学习需求等，同时结合课程标准、数字化学习资源类型和教师的授课特点等，为学生绘制独特的学习路径图，推荐合适的课程材料和教师，安排最佳的时间表。
School of One(SO1)是美国纽约市教育部门的一项初中数学教改项目。它的特点是以学生为中心，采用大数据分析和适应性技术搭建个性化混合式学习环境，满足每个学生的个性化学习需求。SO1的学习分析算法，有助于确保每个学生在其学习的有效点进行学习，通过收集数据，它能更多地了解学生和更好地预测进度，以更适合每个学生。
每一天，SO1的学习分析算法需要分析的数据包括：学生的学习历史和背景，前一天的评估数据以及可用的内容、教室、人员和技术；确定哪些课时内容在统计学上最适合哪种类型的学生。然后，它会为每个学生和每名教师生成一个独特的每日时间表，且每个时间表和教学计划都是自动调整的，以适应每个学生的学习节奏、能力和最有效的学习方式。比如，引导学生参加大组教学、小组教学、小组合作、虚拟教学、自主学习、实时远程辅导等各种方式的学习。
在SO1项目中，教师可以修改系统生成的时间表，且教师本身也是计划的一部分，参与到学生学习环境中。这里，技术并没有完全替代教师，而是在线学习和面对面教学的结合，以及技术和教师的结合。
2011年，美国教育发展中心的儿童和技术中心对该项目2010年的实施进行了独立评估，结果显示：参与该项目的学生数学成绩明显领先未参与的学生。在2009年《时代》杂志评选的50项最佳发明中，该项目是唯一的一项教育创新。
教育专家说，在课堂上，几乎任何显著的变化最终都是学校文化的改变，这清晰地发生在数据驱动教育决策的行动中。从美国埃弗雷特公立学校到弗农山高中，再到法明顿小学，当教师和学生使用数据不是一种不得已的行为，而是成为一种自觉内发的行动时，新的科学评估文化便在教育中生根了。这是一个最困难的过程，而技术不是。