师范生数据素养模型的构建与培育思考

师范生数据素养模型的构建与培育思考*
上超望刘沈[通讯作者]
（华中师范大学教育信息技术学院，湖北武汉430079）
摘要：师范生是未来教师的后备军，加强师范生数据素养教育是加快教育现代化发展进程的核心举措之一。

文章通过分析师范生数据素养的内涵，对师范生基本数据素养、师范生学习中的数据素养以及教师专业实践中的数据素养等三个方面的发展需求进行了分析，构建了师范生数据素养模型，并开展了培育实践研究。

最后，文章结合实践中的典型案例及其分析结果构建了针对性的师范生数据素养培育课程体系。

文章的研究成果可为提升师范生的大数据应用能力提供有益参考。

关键字：大数据；师范生；数据素养；模型构建；实践案例
【中图分类号】G40-057 【文献标识码】A 【论文编号】1009—8097（2021）02—0005—07 【DOI】10.3969/j.issn.1009-8097.2021.02.001 引言
大数据技术通过对大量数据进行深度挖掘与科学分析，推动教与学由经验走向数据，为我们探索学习规律、实现精准个性化教学提供了有效手段[1]。

利用大数据进行教学实践、学科建设、教育改革和科学研究，成为新时代教师专业化能力发展的新内容。

教育部2018年印发的《教育信息化2.0行动计划》明确指出，要“以人工智能、大数据、物联网等新兴技术为基础”，“推动新技术支持下教育的模式变革和生态重构”[2]。

大数据时代，数据素养已成为未来教师从教能力的重要组成部分。

师范生扮演着学习者和未来的知识传授者的角色，师范生质量的高低直接影响到他们未来在教师职业岗位上的教学效果和质量。

提高数据素养有助于师范生充分利用教育数据解决学习和教学中的实际问题，促进大数据与专业学习及学科教学的融合。

本研究通过对大数据背景下师范生数据素养内涵与特征的分析，设计了师范生数据素养模型，依托模型开展了师范生数据素养培育实践，并构建了师范生数据素养课程体系，以期为师范生的数据素养教育提供新视角。

一师范生数据素养的内涵
素养（Literacy）是指个人从事社会实践活动所具备的能力，是通过后天的实践和训练而逐步获得的各方面品质和能力的综合。

素养主要由教养和修养组成，其中教养是通过教育教学习得的智慧、技能，而修养则是人通过不断自我完善与提升而获得的智慧、技能和态度，具有内在、稳定的特征[3]。

数据素养（Data Literacy）是大数据快速应用背景下信息素养概念的延展和补充[4]，表示人们通过受教育和自我学习获得的数据收集、处理、使用等方面的智慧和能力。

师范生未来承担着教书育人和提高民族素质的使命。

本研究认为，师范生的数据素养是指未来从事教师职业的师范大学生根据社会信息化的发展趋势，在接受学校教育和自我提升过程中逐步形成的对待数据的态度以及利用数据去解决问题、创新应用的较为稳定的内在品质和涵养。

师范生的数据素养不仅是知识积累形成的产物，也是师范生专业发展所需要的核心素质。

二师范生数据素养模型的构建
本研究结合师范生数据素养的内涵分析，提出了师范生数据素养模型，如图1所示。

师范生数据素养模型主要由基本数据素养、师范生学习中的数据素养、教师专业实践中的数据素养、师范生大数据知识与技能（含数据的收集与获取、分析与识别、处理与理解、审视与批判、评估与可视化、利用与再生）四个主要模块组成。

在师范生的学习与教研实践中，这四个模块相互关联、互相作用、相互融合，共同构成一个不可分割的统一整体。

图1 师范生数据素养模型
师范生数据素养模型中，前三个模块是核心，也是本研究的主要关注点。

基本数据素养是师范生应具备的大数据基础知识，学习中的数据素养是师范生作为当下的学生应该掌握的、能利用数据支持学习的技能，而教师专业实践中的数据素养是师范生未来作为教师需要具备的、能利用数据支持教学的能力。

1 基本数据素养模块
基本数据素养主要包括意识态度、技术应用和道德责任三个维度。

意识态度主要是指师范生在积极参加信息化学习与教学活动中，具有积极学习获取数据、分析数据及应用数据的意识，能够理解大数据在教育教学工作中的重要价值[5]。

技术应用是在意识态度的基础上，师范生能够了解大数据时代对教师培养的新要求，理解大数据对改进教与学的重要作用，了解以数据挖掘、机器学习、学习分析技术、模式识别、社会网络分析（Social Network Analysis，SNA）等为核心的大数据学习支持技术，掌握数据处理的相关核心知识，助力优化大数据环境下的“学”与“教”[6]。

道德责任是指师范生在数据信息的获取、分析、利用、传播和评价过程中应该具有职业道德修养，能够遵守相关的伦理道德与法律法规，树立数据道德与安全意识，注重自身对他人的示范作用，确保对数据信息的规范利用及对他人隐私的保护，并形成与信息社会相适应的价值观和责任感，树立育人为本、德育为先的教育理念。

2 师范生学习中的数据素养模块
师范生学习中的数据素养是指师范生在学习先进的教育理念、储备丰富的教育教学知识、形成基本的学科能力时应具备的数据能力，它主要包括大数据支持下的问题定向、自主学习、交流与协作以及研究与创新四个维度。

师范生的主要学习任务是夯实学科专业知识，为未来专业发展打下知识基础。

学习中的数据素养有助于发现、明确和判断学习进程与方法上出现的问题，让师范生在学习过程中进行“问题定向”。

有效的数据处理分析能力有助于师范生自主规划学习进程、尝试不同学习模式，能够以易于理解的方式阐释学习过程数据，进行学习决策，并在具体的学习情境中与学习同伴或老师进行有效沟通、分享和协作，使个体学习得到持续优化。

大数据对师范生学习中研究与创新的有效支持，主要体现在通过数据工具帮助师范生根据学科专业理论对学习中的课题进行科学探索，新颖而独特地解决问题，获得有价值的新成果，实现学科知识体系的充实和升华[7]。

3 教师专业实践中的数据素养模块
教师专业实践中的数据素养是师范生把基本数据素养和学习中的数据素养内化、迁移并运用到教学实践中的高阶能力[8]。

教师专业实践中数据素养的高低直接关系到师范生职后教学的质量，它主要包括大数据支持下的教学设计、教学实施、教学评价与诊断、教学反思与提高四个维度，这四个维度是大数据技术支持教育工作者开展教学活动的关键环节，聚焦于师范生未来职后教学技能的提升与发展。

教师专业实践中的数据素养模块中，大数据支持的教学设计是指师范生通过大数据技术进行学习需求分析，根据学生特点分析选择合适的教学资源、设计相应教学活动过程的素养[9]。

在教学活动的实施过程中，大数据能够发掘隐藏的教学问题，支持教学活动和学习活动的有效组织、管理、调节，并对教学效果进行及时评价和精准诊断，促进教学效率提升和教学目标的实现。

大数据也可以帮助师范生有效运用多种教学反思方式，根据整体教学活动的回顾，检视教学中的不足，为师范生职后教学能力的发展提供新思路[10]。

三师范生数据素养的培育
本研究选取H大学本科通识核心课程“互联网思维与数字化自主学习”，在师范生数据素养模型的指导下开展培育实践研究。

选修该课程的学生是来自H大学不同专业、不同年级的32名本科师范生，学生自由组合为8个学习小组。

在课程开课第一周通过调查问卷对32名师范生的数据素养能力进行前测，经过16周（课堂讲授+活动实施）的学习后再进行后测和比较研究。

1 师范生数据素养能力的前测
课题组采用文献研究方法分析数据素养相关理论，通过大范围参考国内外专家学者关于数据素养能力的量表编制了《师范生数据素养能力调查问卷》。

调查问卷围绕师范生基本数据素养、师范生学习中的数据素养和师范生教师专业实践中的数据素养三个方面共设置了20道单选题。

问卷采用“李克特量表五级评分法”进行分数评定，所有指标均采用5级打分法，其中“3”代表中间状态。

实际发放问卷32份，有效回收32份。

课题组利用Cronbach‟s Alpha系数检验和Bartlett 球形检验分别对调查问卷各维度与整体问卷的信度和效度进行了检验，检验结果表明师范生数据素养能力调查问卷信效度良好。

通过问卷调查，所选取班级师范生数据素养前测结果的描述性分析如表1所示。

表1 师范生数据素养前测结果的描述性分析
表2 课程活动简介
通过前测的描述性分析结果可以看出，师范生整体数据素养能力处于中间状态（数据素养总均值为3.091），师范生数据素养能力表现出一定的离散性（数据素养总标准差为0.971），这可能是由于“互联网思维与数字化自主学习”属于公共选修课，师范生来自不同专业和不同年级，知识背景与基础不同，因而数据能力有一定差异。

2 课程活动的开展与实施
经过长时间的探讨和调研后，课题组决定分别围绕前文所构建的师范生数据素养模型的三个模块（师范生基本数据素养模块、学习中的数据素养模块和教师专业实践中的数据素养模块）展开针对性培育的学习活动，以期达到提高师范生数据素养能力的目的，如表2所示。

3 师范生数据素养能力的后测
本研究在期末通过发放与前测同样的调查问卷，对师范生进行数据素养能力的后测，其结果的描述性分析如表3所示，可以看出：师范生数据素养能力平均值在3.585～3.693之间，数据素养总均值达到了3.623。

由此可见，相较于前测结果，数据素养整体得分有明显提高，说明课程中依托数据素养模型开展的一系列学习活动在较大程度上提升了师范生数据素养能力；后测得分的标准差相对于前测得分的标准差有所降低，显示出同一门课程较为集中的数据知识培育实践缩小了师范生数据能力的差异，师范生数据素养呈现出一致性发展和稳定提升的趋势。

表3 师范生数据素养后测结果的描述性分析
促进与反思
图2 师范生数据素养培育课程体系
四师范生数据素养培育的课程体系建构
结合前面师范生数据素养培育实践中的结果统计分析，课题组认为根据数据素养开展的一
系列学习活动对提升师范生数据素养能力有较大帮助，依托师范生数据素养模型进一步构建出师范生数据素养培育的课程体系是可行的。

本研究构建的师范生数据素养培育课程体系如图2所示。

整个课程体系将师范生数据素养培育过程主要分为认知、学习聚焦和专业探索三个递进的阶段。

这三个阶段分别根据师范生数据素养模型中的三个模块展开针对性知识培养。

1 认知阶段
认知阶段是师范生步入师范类专业的初级阶段，该阶段大数据思维等课程有助于师范生认知数据对学习和教研的价值，培养师范生对数据的感知能力和批判意识。

在技术应用方面，计算机应用基础等课程有助于师范生掌握数据的基本处理技能，具有合理利用信息化设备对数据进行高效获取、分析、编码及评估的能力[11]。

在道德责任方面，教师职业道德等课程有助于师范生具备数据道德与安全意识，从而健康、规范地使用数据。

2 学习聚焦阶段
学习聚焦阶段重点面向师范生学习中的数据素养，该阶段主要培养师范生作为学生利用大数据支持学习的能力。

社会网络分析、学习科学与技术等课程有助于师范生通过技术追踪、分析学习的过程和结果，获取有效的学习反馈信息，并根据学习反馈信息及时调整学习进程，选择合适的学习伙伴进行学习协作，实现以自我管理和自我调节为特征的学习研究和创新。

3 专业探索阶段
专业探索阶段面向教师专业实践中的数据素养，该阶段主要培养师范生在教学中利用大数据促进学习者个性化发展，构建以学生为中心的学习环境，针对教学目标有效地组织、比较、描述、解释和呈现教学知识。

信息化教学设计等课程有助于师范生激发并维持学习者的学习动机和学习投入，整合多种类型数据，将丰富的科学文化知识加工成不同层次学生都能乐于接受的信息，及时捕捉学习者的反馈信息，不断修正、完善、反思教学要素的组合方式，达到教学持续优化和创新的效果[12]。

五结语
师范生是未来基础教育课程改革的重要力量，大数据与教育的融合对新时代教师的专业素质提出了全新的要求。

本研究从师范生基本数据素养、师范生学习中的数据素养以及教师专业实践中的数据素养三个方面设计并构建了师范生数据素养模型，并在师范生教学中积极开展实践研究，参考实践成果构建了师范生数据素养培育的课程体系。

后续课题组准备对所提出的师范生数据素养模型进行细化，构建简明有效和具可操作性的师范生数据素养评价指标体系，为师范生数据素养教育的实践提供参考。

————————
参考文献
[1]李新,杨现民,晋欣泉.美国教师数据素养发展现状及其对我国的启示[J].现代教育技术,2019,(4):5-11.
[2]教育部.教育部关于印发《教育信息化2.0行动计划》的通知[OL].
</srcsite/A16/s3342/201804/t20180425_334188.html>
[3]胡旭珽,张新明,叶方舟.学生发展核心素养视角下智慧教育的建设方向[J].现代教育技术,2019,(3):32-38.
[4]张斌,刘三女牙,刘智,等.基于大数据的师范生数据素养培养策略研究[J].电化教育研究,2017,(12):86-91、120.
[5]刘雅馨,杨现民,李新,等.大数据时代教师数据素养模型构建[J].电化教育研究,2018,(2):109-116.
[6]上超望,韩梦,刘清堂.大数据背景下在线学习过程性评价系统设计研究[J].中国电化教育,2018,(5):90-95.
[7]Wolff A, Cavero Montane J J, Kortuem G. Urban data in the primary classroom: Bringing data literacy to the UK curriculum[J]. The Journal of Community Informatics, 2016,(3):57-82.
[8]李青,任一姝.教师数据素养能力模型及发展策略研究[J].开放教育研究,2016,(6):65-73.
[9]唐瓷.信息化教学能力的提升路径[J].中国教育学刊,2019,(9):104.
[10]朱桂琴.核心素养视域下的师范生实践教学变革:方向、困境与路径[J].教育发展研究,2017,(12):46-51.
[11][12]上超望,韩梦,杨梅.基于大数据的在线学习过程性评价设计研究[J].现代教育技术,2018,(10):94-99.
Reflecting on the Construction and Cultivation of Normal Students’ Data Literacy Model
SHANG Chao-wang LIU Shen[Corresponding Author]
(College of Education and Information Technology, Central China Normal University, Wuhan, Hubei, China 430079) Abstract: Normal students are the reserve force of future teachers, and strengthening normal students‟ data literacy education is one of the core measures to accelerate the education modernization development. Through analyzing the connotation of normal students‟ data literacy, this paper analyzed the normal students‟ basic data literacy, the data literacy in the normal students‟ learning, and the data literacy in teachers‟ professional practice, constructed the normal students‟ data literacy model, and carried out cultivation practice research. Finally, combining with typical cases in practice and the analysis results, this paper constructed a targeted data literacy training curriculum for normal students. The results of this paper could provide useful reference for improving the big data application ability of normal students. Keywords: big data; normal students; data literacy; model building; practical case
————————
*基金项目：本文为国家自然科学基金‚信息生命周期视角下教育大数据隐私泄露的风险评估与追溯消解机制研究‛（项目编号：61977036）、湖北省研究生教学改革研究项目‚学习分析支持下公费师范教育硕士在线自主学习拖延诊断与干预研究‛、华中师范大学本科教学研究项目‚基于关键知识链的教育技术专业技术应用类课程体系优化研究‛（项目编号：2018019）的阶段性研究成果。

作者简介：上超望，副教授，博士，研究方向为教育大数据、远程教育原理等，邮箱为*************。

收稿日期：2020年3月24日
编辑：小新。