数据素养：教研员提升教研效能的新路径

摘  要  教研员作为中国基础教育阶段教学质量的核心保障者，承担着研究、指导、服务的专业职责。随着大数据技术的兴起与普及，教学和学习模式发生了深刻变革，社会对教研员的专业素养提出了更为严苛的要求。在此背景下，数据素养成为教研员提升其教研效能的新路径。本研究以理论演绎为基础，剖析教研员数据使用的基本流程，并结合教研员核心业务场景进行案例分析，旨在为教研员的数据素养提升提供理论支撑和实践参考。

关键词  教研员；数据素养；教研效能；教师专业发展

中图分类号  G420

文献标识码  A

文章编号  2095-5995（2024）06-0009-04

基金项目：天津市教育科学研究院2024年度院级科研课题“数字化转型背景下精准教研模型构建研究”（编号：TJJKY2024-QN-04）。

一、引言

随着我国基础教育课程改革的不断推进，教研员的角色也在不断地作出改变。在这个过程中，由于社会各界对教研员角色定位的认识不同，导致教研员工作目标不够明确，严重影响教研员的工作开展和专业发展［1］。2001年颁发的《基础教育课程改革纲要（试行）》中指出，各中小学教研机构要把基础教育课程改革作为中心，充分发挥教学研究、指导和服务等作用［2］。2019年发布的《教育部关于加强和改进新时代基础教育教研工作的意见》中明确了教研机构的职责，即服务学校教育教学、服务教师专业成长、服务学生全面发展、服务教育管理决策［3］。新时代对教研员的专业素养提出了更严格的要求，但研究课程改革、指导教学实践、服务教师发展仍然是基本职能。在大数据时代，教与学的方式发生了巨大变化，如何更好地发挥教研员的三大基本职能成了一项难题。

数据作为智能时代新的生产要素，可成为教研员突破其专业发展瓶颈的重要驱动，从过去需要长期实践积累的经验型教研转型为数据导向的实证型教研。数据素养可加强教研员与新时代教研工作新要求的匹配，成为提升其教研效能的有效路径。本研究在厘清数据素养模型的基础上，聚焦教研员研究、指导、服务三大核心业务场景，以教育中最易获得的学生学业数据为主要数据来源，阐释如何利用数据赋能教研，为教研员数据素养提升提供可参考的案例。

二、数据素养模型相关研究

数据时代催生出了数据驱动的决策，最具代表性的数据决策模型是阿科夫（Ackoff， 1989）提出的DIKW模型。该模型显示，从数据到决策，需要经过数据、信息、知识、智慧四个阶段［4］。该模型还显示，数据本身没有意义，将数据与周围的情境产生联系，数据就成为信息。对信息之间的联系赋予意义，一系列有用的信息集合构成了知识，对知识进行洞察发现，最终成为指导行动的智慧。后来的学者在此模型的基础上进行了改进，从数据到知识的连续统一体包括了六种对决策过程至关重要的认知技能或行为［5］。在数据阶段需要收集和组织数据，在信息阶段需要分析和总结信息，在知识阶段需要综合和制定优先级，经过这六个过程最终产生决策。

在数据时代，教育领域逐渐要求使用数据来提高教学质量。Mandinach提出了“教学数据素养”，强调数据使用过程需要教师结合多种专业知识，整个过程包括识别和构建问题、使用数据、将数据转换为信息、将信息转换为决策、评估结果五个基本阶段［6］。国内学者李青从知识技能、教学实践、教学探究和态度意识四个层面构建了教师数据素养能力的层次模型［7］。其中，知识技能层是使用数据的前提，教学实践层是教师对数据的恰当应用，教师探究层是教师基于数据展开合作探究的过程，态度意识层贯穿整个能力模型，要求教师具备敏锐的数据意识以及合法使用数据的数据道德。刘雅馨提出了教师数据素养的通用模型，包括意识态度层、基础知识层、核心技能层、思维方法层［8］。其中，意识态度层是数据素养的前提和动力，基础知识层是数据素养的基础，核心技能层是数据素养的核心能力，思维方法层是数据素养的最终体现。国外的数据素养模型从数据使用过程的角度，表明教师必须对数据进行组织、筛选和分析，并与自己的专业知识相结合，才能使其成为最终可操作的知识。教师数据素养的缺乏直接影响数据使用的有效性。国内的数据素养模型为如何培养教师的数据素养提供了思路，即首先要从意识态度着手，然后进行教育数据的知识学习与技能培训，最终在思维方法层培养一种利用数据解决问题的能力。

教研员作为教师专业成长的领路人和指导者，也须具备数据素养。本研究聚焦教研员研究、指导、服务三大基本职能，结合国内外数据素养模型，构建教研员数据素养模型（如图 1）。

其中，数据基础层是教研员数据素养的基石，教研员应具备利用数据识别问题的能力，并持有积极学习和应用数据的态度和基本知识。数据技能层涵盖数据处理和分析技能，是教研员数据素养的核心能力，处于这个层级的教研员应该具备数据解读能力，即能够将数据转化为具有一定教研意义的信息。数据应用层指教研员能将数据应用于研究、指导、服务等业务工作中，这是教研员数据素养的集中体现，处于这个层级的教研员应该具备将信息转化为教研决策的能力。数据思维层作为教研员的顶层思维，是教研员在使用数据开展教研并不断评估数据使用效果的过程中，逐渐形成的利用数据解决问题的思维方式。

三、数据素养：提升教研效能的新路径

根据教研员数据素养模型，教研员首先要从态度上接纳数据，利用基本的数据知识定位教研问题，然后对数据进行细致解读，接着结合自己的专业知识将数据解读结果转化为具体的教研策略，并应用在具体的教研场景中，最后总结数据使用过程，完善数据解决问题的思维方法。总体而言，可以将教研员使用数据的过程分为定位问题、解读数据、精准寻策、实施干预四个基本环节。

（一）研究教学问题：剖析典型试题，创新教学策略

通过分析典型试题作答情况，教研员能够精准确定区域共性问题和学校个性问题，从而改进教学策略，提升教学质量。以某次区域数学学科教学质量测评为例，可以从以下几个步骤展开分析。

1.定位问题：找到典型试题

教研员可重点关注两类试题，第一类是题目区分度小，得分率低的试题，即大部分学生做不对的试题。第二类是题目区分度大，得分率低的试题，即只有少数学优生能做对的试题。笔者以得分率60%为分界点，找出此次数学学科教学质量测评中得分率较低的试题，有16题、19.2题、21.2题、24题、25题。再结合题目区分度进行分类，16题、24题、25题属于第一类，19.2题、21.2题属于第二类。

2.解读数据：分析试题考查的知识和能力

从知识模块来看，两类题目考查的核心概念如表1所示。从学科能力来看，第一类试题考查的学科能力如表2所示，第二类试题考查的学科能力如表3所示。

3.精准寻策：确定教学改进策略

在剖析典型试题所涵盖的知识点和能力要素后，我们应制定相应的教学改进策略。第一类典型试题中，第16题考查学生的计算与操作能力。尽管这类题目比较基础且简单，但许多学生失分，启示教师一定要重视学生的基本计算能力。教师可以结合学生的典型错误，在教学中进行重点强调和方法总结，有意识地提升学生数学计算能力；第24题、25题属于综合类的题目，教学中可采用支架式教学策略，通过逐步分析的方法，教会学生有效分解复杂问题。第二类典型试题主要考查学生的简单问题解决能力，学优生运用基本数学概念和原理解决简单问题的能力明显优于其他学生，因此在教学中可以鼓励学优生分享解题思路和方法，供其他学生借鉴学习。

4.实施干预：解决区域共性问题和学校个性问题

针对第一类试题所反映出的问题，教研员应组织教师进行深入研讨，聚焦学生需加强的知识模块和要提升学科能力，提出可行的教学改进策略，以全面强化区域教育的薄弱环节。而对于第二类题目所暴露的问题，教研员可组织教师对学优生的作答记录进行专题分析，深入剖析其思维过程，提炼出可供普通学生借鉴的思维方法。

由于区域发展不平衡问题，各个学校也有自己个性化的问题。教研员可以根据学校平均得分率与区域平均得分率差值的绝对值（以下简称“得分率平均差值”），找到每个学校具体的改进方向。对于优势学校，可重点分析得分率差值比较小的题目，代表学校在这些知识模块上的优势不明显，分析这些题目所反映的知识和能力情况，作为学校进一步提升的方向。

对于弱势学校，可重点分析得分率差值比较大的题目，分析这些题目背后所考查的知识和能力要素，作为学校优先努力的方向。

（二）指导教学实践：依据学科能力，实行分层教研

教研员应充分利用数据资源，对教师进行同质或异质分组，确保教研活动能够针对教师的实际需求和水平差异，实现精准施策。

1.定位问题：确定教研主题

教研员可以通过学生测评数据，找到区域得分率较低的试题所涉及的知识点，确定教研主题。例如，学生有关一次函数的题目得分率较低，可确定教研主题为一次函数的教法分析。

2.解读数据：分析学校差异

按照布鲁姆认知目标分类，可将核心概念考查的学科能力层级分为学习理解能力（记忆、理解）、应用实践能力（应用、分析）、迁移创新能力（综合、评价）。分析本次考试中一次函数考查的学科能力，包括学习理解能力——会用待定系数法确定一次函数的表达式；应用实践能力——能根据一次函数图像解决简单实际问题，能根据图像的大致位置估计k和b的值；迁移创新能力——能综合利用一次函数的知识解决问题。按照学科能力达标的程度将学校进行分类（得分率大于50%即为达标，可根据教学实际进行调整）。第一类是学习理解能力未达标的基础薄弱类学校，第二类是应用实践能力未达标（学习理解能力已达标）的应用实践能力欠缺类学校，第三类是迁移创新能力未达标（学习理解、应用实践能力已达标）的有待创新类学校。

3.精准寻策：确定分层教研策略

同类学校因面临共性问题，适宜开展集中学习，例如观摩优秀课例、专家讲座等集体培训方式。不同类的学校之间更适宜开展优势互补类教研活动，比如优势学校可以开设研究课，为其他学校提供观摩学习的机会。

4.实施干预：开展分层教研活动

依据学校的实际情况灵活开展分层教研活动。对于同质分层，教研员可组织同一层级的教师进行集体学习。例如，针对第一类学校在计算与操作能力上未达标的情况，可邀请专家组织专题研讨，重点探讨如何提升学生的计算与操作能力。对于第二类、第三类学校，可以围绕如何通过一次函数教学培养学生的应用实践、迁移创新能力开展教学评比，探索能有效提升学生高阶思维的教学方法。对于异质分层，我们可邀请不同层级的教师共同参与，但对其分配不同的教研任务。比如，可让表现优异的第三类学校教师开设公开课以供其他学校教师观摩学习，也可以让第一类或第二类学校的教师承担公开课主讲任务，邀请第三类学校的教师参与协同备课和教学点评。

（三）服务教师发展：追踪常态数据，提升教学能力

常态数据的追踪与分析不仅是教研员诊断教师教学绩效的科学依据，更是其提供个性化专业帮扶的重要参考。

1.定位问题：确定关注学校

教研员通过常态数据的积累与对比，能够精准定位需要关注的学校。例如，当某校考试排名出现持续下降的趋势时，教研员可将其列为重点关注对象。

2.解读数据：分析学校优势与不足

通过测评发现，尽管某校整体得分率低于区平均水平，存在明显劣势，但通过对该校学生具体知识点的得分情况进行细致分析，教研员仍能挖掘出学校在相关知识点教学方法上的亮点。

3.精准寻策：帮助教师建立教学自信

对于排名靠后且持续退步的学校，教师往往会对自己的教学能力产生怀疑。然而，根据数据，教研员能够发现学生在解答涉及某些知识点的题目上有较好的表现。教研员可以鼓励教师针对这些知识点开展教材分析或公开课展示，从而发现自己的教学风格，增强教学自信。