旅游类专业高职教师数据智慧模型的构建与分析

来源:用户上传      作者:

　　[摘要]大数据的普及对高职教育产生了重要影响。文章以旅游类专业为例，采用专家评估法、问卷调研法，通过对样本旅游院校的实证研究，可以建构起由教学决策数据智慧、教学实施数据智慧、评价反馈数据智慧三大因子十二个具体指标构成的高职教师数据智慧模型，不同年龄、地域、主要教授课程的高职教师在数据智慧综合评价水平方面存在显著性差异。对此，文章提出提供系统化支持、加强数据团队建设、开展针对性培训等提升高职教师数据智慧水平的具体建议。
　　[关键词]高职教师;数据智慧;旅游类专业
　　[作者简介]张骏（1984- ），男，江苏南京人，南京旅游职业学院，宁夏旅游学校副校长，副教授，博士。（江苏  南京  211100）
　　[基金项目]本文系2018年度江苏省教育科学“十三五”规划重点课题“大数据时代高职教师数据智慧发展模型构建与提升策略研究”（课题编号：C-a/2018/03/07）的研究成果和2019年度宁夏哲学社会科学（艺术学）规划项目“文旅融合背景下宁夏文旅人才培养模式创新研究”（项目编号：19NXYACDG01）的阶段性研究成果，并受江苏省高校“青蓝工程”中青年学术带头人项目的资助。
　　[中图分类号]G715 [文献标识码]A    [文章编号]1004-3985（2020）03-0075-06
　　一、研究背景
　　国务院印发的《促进大数据发展行动纲要》中指出，大数据是以容量大、类型多、存取速度快、应用价值高为主要特征的数据集合，正快速发展为对数量巨大、来源分散、格式多样的数据进行采集、存储和关联分析，从中发现新知识、创造新价值、提升新能力的新一代信息技术。大数据的普及对各行业都产生了深刻的影响，对于高等职业教育而言，也同样如此。大数据时代对高职教师的数据敏感性提出了更高的要求，要求教师通过数据对学生产生新的认知，并根据数据，优化教学方法，提高教学效率。
　　如何把数据转化成信息、知识，升华为智慧，进而改进教学，对高职教师是很大的挑战。长期以来，教师往往是“数据供给者”而非“数据使用者”，缺乏有效利用和解释信息以帮助决策制定的思路和方法。对数据智慧的内涵有不同维度的诠释，约翰·吉拉德（John Girard）与迪安娜·克莱因（Deanna Klein）认为，数据智慧是使用技术、领导力和文化来创造、转化并保存隐含在数据中的信息和知识，从而实现组织愿景的综合性信息素养，强调了数据价值的挖掘和围绕教育目标达成的有效利用，得到了学界的普遍认可。我国的相关研究也由数据技术的单纯运用向数据思维统领下教学全过程优化的方向发展，认识到数据智慧不仅是数字技术与心理能力的简单相加，而是在人—技术（作为中介或者环境而存在）的共生性交互过程中出现的一种新质。
　　在数据智慧构成与提升方式的研究上，哈佛大学教育研究生院的“数据智慧改进过程”，即DWIP模型（the Data Wise Improvement Process）起到了奠基性作用，此模型从教学的准备、探究、行动3个环节8个维度，分析了教师数据智慧的组成要素，在宏观层面给出了有效引导。在此基础上，学者们使用不同研究方法对不同类型教师数据智慧展开了分析，如伊丽莎白·法利和琼巴·特拉姆（Farley Ripple& Buttram）使用社会网络分析法具体探讨了小学教师数据智慧的发展;Boudett和Steele在对Pond Cove中小学展开实验教学的基础上，撰写了《行动中的数据智慧：使用数据提升教学的真实学校故事》等。相较于国外相对系统的研究，目前我国相关研究大多是对DWIP模型等成果的介绍，还没有形成完整的思路。尤其对于职业教育教师数据智慧的关注更为缺乏，实证性研究尤待加强。本文针对旅游类专业高职教师群体，采用实证研究方法，对教师数据智慧的具體构成展开分析，以期架构起具有普适性的高职教师数据智慧模型，促进高职教师数据智慧提升。
　　二、研究思路
　　课程是学校教育的基础，也是当代教育改革的核心。因此，本文对高职教师数据智慧模型的研究，主要基于课程教学的开展过程。在调研专业选择上，旅游高等职业教育专业门类齐全，既涉及操作技能要求较高的烹调工艺与营养、西餐工艺、导游等专业，又涉及管理、策划等能力要求较高的旅行社经营管理、会展策划与管理等专业;同时，旅游电子商务、旅游市场营销、景区规划等旅游管理专业方向对学生数据处理能力又有较高的要求。可见，旅游类高等职业教育是综合性较强的专业大类，以此为例开展高职教师数据智慧的研究，具有一定的普适性和科学性。
　　目前，我国尚没有体系完善的职业教育教师专业素质积累机制，评价范式的缺陷，导致机制建设的滞后。高职教师数据智慧的评估与测量更是困难。Boudett通过实证研究认为，由于学生难以了解教师课程教学探究、决策、实施等的全过程，因此以教师的直接领导者或业务搭档的评价判断教师数据智慧的水平更有意义。本文听从其建议，以一线教学管理人员评价作为主要评估方式。具体评估问卷指标设计方面，在借鉴DWIP模型指标的基础上，针对我国职业教育特点修正后形成35项测量指标，所有指标皆进行了前测净化处理。其中，以数据智慧的使用意识、使用能力、使用效果三项指标，表征对教师数据智慧的综合性评价，其余32项指标参考DWIP模型从不同维度分别展开调查。问卷题项皆使用李克特表的5分制来表示评估专家对于所回答问题的评价程度，以很好、好、一般、较差、差的递减顺序加以排列。需要说明的是，在对教师主要授课类型的调研中，根据专业和课程特点，将其归纳为管理类、实操类、基础类三种类型，管理类课程以企业的基层管理和运营能力培养为主，实操类课程则更为注重一线对实践技能的养成，基础类课程重视职业基本素养的培养。
　　样本院校方面，选择我国不同区域具有代表性、旅游类专业开设规模较大、专业设置较齐全的8所高职院校：华东地区的南京旅游职业学院、浙江旅游职业学院;西北地区的宁夏工商职业技术学院、甘肃工业职业技术学院;东北地区的黑龙江旅游职业技术学院、长春职业技术学院;华中地区的郑州旅游职业学院、江西旅游商贸职业学院。邀请受访院校的8位旅游类专业负责人作为评估专家，对本专业教师的数据智慧水平进行评估。为保障调研的科学性，在评估开展前，以会议形式，通过访谈、研讨和对10名样本教师的情况分析与试评估，统一了专家评价标准。本研究于2018年11月25日至12月15日向专家发放评估问卷共300份，回收220份，回收率为73.3%，经检验回收问卷有效率为100%。所得数据经梳理，通过SPSS20.0分析，得到人口统计学特征如表1所示。 　　三、数据分析与模型构建
　　1.因子分析。对问卷中数据智慧的使用意识、使用能力、使用效果三组指标数据间的关系进行信度检验，测量项间的内部一致性较高，因子F1命名为“高职教师数据智慧综合水平评价”可以较好地体现出专家对于样本教师数据智慧水平的整体判断。可将因子F1作为因变量与旅游类专业高职教师数据智慧若干构成要素即自变量开展进一步分析。F1的具体取值设定为三个测量指标的均值，以简化数据统计过程。
　　使用SPSS软件的主成分分析法，进行因子分析，所有可识别指标归入F2、F3、F4三大因子内，结合指标内容与题意，将F2命名为“教学决策数据智慧因子”;F3命名为“教学实施数据智慧因子”;F4命名为“评价反馈数据智慧因子”。三大因子、12个指标共解释总方差51.075%，具体分析结果如表2。
　　2.模型构建与分析。对三因子进行信度检验，可见因子及其内部识别指标组成的量表稳定性较强，自变量可以解释大部分信息，具有一定的科学性。经上文分析，可以构建基于专家评价的高职教师数据智慧构成模型，见下页图1。
　　根据模型可见，高职教师数据智慧主要由教学决策数据智慧、教学实施数据智慧、评价反馈数据智慧三大因子构成，教学决策是教师通过对教学实践的预测、分析，从而确定最有效教学方案的动态过程。教学实施和评价反馈则是课程教学活动具体开展与后期调整的过程。三者涉及准备、探究、行动、反思等教学前、中、后的系统行为，这与DWIP模型的基本理念一致。
　　教学决策数据智慧与课程教学前期的预测、分析工作密切相关，由下页图1可见其主要包括四个因子：数据的收集、学生学情特点的分析、行业需求的了解、课程内容的选取。数据的收集与获取是教师数据智慧培养和功能发挥的基础，孤立数据的意义往往是有限的，教师只有尽可能多地掌握有关课程教学的数据，才可能进一步找到其间的规律，得到具有意义的信息。学生学情特点的分析则是挖掘学生数据的过程，通过对学生显性数据（年龄、性别、成绩等）和隐形数据（兴趣爱好、学习态度等）的梳理与分析，明确学情，了解群体学习者中心问题及个体学习者特征，从而有的放矢地开展教学。行业需求的了解，具有鲜明的职业教育特点。高职教育为行业的发展服务，通过对行业规模、岗位构成、人才缺口等行业数据的分析，可以为课程教学明确目标。课程内容的选取，本质上也是教学信息的筛选，无论是知识点还是技能点，最基本的构成要素仍然是信息，因此，课程内容的选取也是对课程教学信息的筛选和重组。
　　教学实施数据智慧影响着课程教学中的教师行为，由图1可见，其包括教学资源推送、教學内容呈现、自学环节的设计、教学过程校企和师生的互动沟通四个因子。信息化的教学资源是数字形态存在的教学材料，包括教学过程中所需要的各种数字化的素材、教学软件、补充材料等，信息化教学资源收集、制作和推送的丰富程度体现出教师的数据意识和数据使用能力。随着智慧课堂的普及，教学内容也借助信息化的技术手段以更加直观的形式加以呈现，如导游专业教学中景区点虚拟现实场景的使用。随着颠倒课堂等教学理念的盛行，学生的自学环节越显重要，具有数据智慧的教师应善于使用信息化教学平台，设计符合学生认知特点的自学环节和内容。教学还应是互动的过程，教师的数据智慧还体现在借助科技手段，在教学中有效及时地沟通教师、学生、企业等不同的主体，开展互动，尤其对于高等职业教育而言，利用信息技术，使得企业专家远程走入课堂、开展指导和交流尤为重要。
　　评价反馈数据智慧主要包括学习过程性评价、课程及时调控优化、教学资源不断更新、教师自我定位认知四个因子。过程性评价中数据智慧的运用，是以量化的方式对学生课程学习各个阶段的行为和效果进行记录、考评，不仅可以了解学生的学习状况，也可以为后期起到教学诊断、预测预警的作用。教学的过程也是反思的过程，教学实施后对前期教学资源进行审视，进一步完善数字资源库，是提升新一轮课程教学效果的有效手段，也是数据智慧发展的关键。与之相联系的是教师要通过对教学开展效果的评估，对课程的教学目标、内容等进行有效的调控优化。此外，教师对自身综合性数据智慧水平进行客观的自我认知与定位，也是不断完善自我、改善教学行为、提升数据智慧的基础。
　　3.方差分析。为进一步了解不同类型高职教师在数据智慧方面是否存在明显差异，使用方差分析法，从人口统计学的角度测量不同控制变量是否给指标变量造成了显著性差异。分别以教师的年龄、性别、课程、学历、职称、地域为自变量，以F1因子即“高职教师数据智慧综合水平评价”为因变量，展开分析。使用SPSS20.0的方差齐性检验功能，所得结果显示，不同性别、学历、职称的高职教师在数据智慧综合水平上不存在显著差异。而年龄、课程、地域的因子检验结果皆小于0.05，可见这三个自变量对数据智慧评价水平的影响显著。
　　以年龄作为分组变量，青年、中年、中老年旅游类专业高职教师的数据智慧评价水平的指标均值分别为2.8、4.2和1.7。中年高职教师的数据智慧评价水平最高，这一年龄段教师既具有较为丰富的教学经验，又对新的教学理念、技术、方法具有较强的适应能力;中老年教师的数据智慧评价水平较低，与这一群体相较而言对新鲜事物的接受程度下降有关，尤其是“银色数字鸿沟”会加剧科技恐惧感，影响其数据智慧的提升;青年教师群体往往具有很大的创造性和灵活性，但从教时间有限，会影响其对职教规律的把握，从而制约对新教学方式的探索，导致此群体数据智慧水平整体低于中年教师。
　　以教授的主要课程作为分组变量，管理类课程、实操类课程、基础类课程授课教师的数据智慧评价水平指标均值分别为4.6、2.3、3.4。可见，管理类课程教师的数据智慧评价水平高于基础类、实操类群体。这与课程性质相关，管理类课程往往侧重学生的理性思考、逻辑推演、知识学习等，而实操类课程更侧重动手操作、技能练习、行为养成，较管理类课程更为形象、直观，也更利于调动高职学生的学习兴趣。因此，管理类课程教师会更加注重运用数据智慧进行学情分析、教学情境的营造、教学资源的设计等以提升学生的学习兴趣。在此过程中，教师得到更多的锻炼，水平提升的可能性更大。旅游类基础课程既有一部分偏重理论教学，也有部分侧重实践练习，处于管理类课程与实操类课程的中间状态，教师数据智慧特点不凸显。 　　以地域作为分组变量，华东、西北、东北、华中四个区域旅游类专业高职教师的数据智慧评价水平指标均值分别为4.5、2.2、2.8、3.7。可见，数据智慧评价水平按华东、华中、东北、西北的次序递减。这与我国职业教育资源分布的特点是基本一致的。我国各省、自治区、直辖市职业教育所获资源情况，大致呈现由东部沿海省市向内陆地区逐次递减的阶梯形结构分布，表现为区域性职业教育不平衡的发展状态。数据教学资源作为当代教学资源的重要组成部分，区域分布的特点直接关乎高职教师使用相关资源的频次和质量，影响使用的态度和意识，最终导致不同区域高职教师数据智慧水平的差异。
　　四、讨论与建议
　　1.提供系统化支持，辅助教师运用数据智慧。高职教师对数据的挖掘、分析、使用需要有外界的支持，其中学校的辅助是关键。上述研究表明，职业教育资源区域不平衡直接影响了教师数据智慧的提升。高职院校应提供系统化的资源性支持，给予教师数据智慧使用的契机与平台，在实践中得以锻炼。具体而言，结合高职教师数据智慧构成模型，高职院校应重点关注三方面的资源性支持。其一，数据收集和分析系统的建设。对于学情、行业特点等数据的收集与分析是教师制定教学决策，开展教学环节，促进数据智慧提升的基础。由表2可见，目前高职教师在“数据收集充分性”上的评价均值较低，这既有教师原因，也有院校相关系统未完善的责任。高职院校可建立数据收集与分析系统，一方面联合行业企业扩大数据来源，另一方面对学生显性、隐性数据进行规范性收集、整理，同时设计分析模型，使得数据更丰富、可控制、易管理，为教师的数据获取和分析提供便利。其二，教学资源数据库的建设。院校可通过购买、共建、自建等多种方式针对重点专业和课程，建设、完善教学资源数据库，促进教师主动使用信息化教学方式，丰富教学内容，提升学生学习兴趣和主动性。引导本校教师参与教学资源数据库的建设，增强资源库建设意识和能力，也是提升数据智慧的重要途径。其三，教学信息化平台的建设。高职院校可以通过不同模块的设计，整合学校数据资源，开发课程教学新方法，促进教师、学生、行业的对接沟通等，为教师的教学决策、教学实施和评价反馈的信息化实施提供技术性支持。
　　2.加强数据团队建设，促进教师整体数据智慧发展。数据团队是指不同的教师与学校领导者共同组成的学习如何使用数据的团体，共同体验数据使用的过程，以求提升教育者决策的水平、培养教师的数据智慧。数据团队的组建以群体的方式帮助教师更加准确地分析数据特征，了解学校组织特点，开展针对性的数据化教学和评价。数据团队的组建有两个要点：其一是学校领导者的参与，领导的参与和切身体验有助于从学校层面有效解决数据来源、平台构建、校企对接等由教师个体难以完成的任务，从学校数据使用的氛围、条件等方面促进教师整体数据智慧的发展。其二是教师混建数据团队，通过数据团队的形式，不同年龄、不同课程专业的教师相互借鉴，加强协作，可建立学习型组织，以协作学习和群体智力开发的方式促进教师队伍整体数据智慧的发展。
　　3.开展针对性培训，提升教师各环节数据智慧水平。对于高职教师数据智慧的培训，可以从共性与个性两个方面入手：一方面，高职教师数据智慧构成模型体现的正是高职教师数据智慧的共性特征。在师资培训过程中要树立教师信心，正确评价自身数据智慧水平，消除“数据恐惧”，并有针对性地从教学决策、教学实施、评价反馈三个维度入手，引导教师形成主动收集数据、丰富教学信息化素材、关注教学过程性数据记录等意识;增长教师正确分析判断数据价值、不断优化教学信息资源等知识;提升教师利用数据技术加强行企、师生有效沟通，根据数据特点诊断优化教学内容和方法等能力。另一方面，不同高职教师群体数据智慧水平存在个性化差异。对于中老年教师而言，数据意识和信息化思维的养成、教学新技术的普及尤为重要，对于青年教师群体则更需关注其对专业性质、学生特点等职教规律的掌握。对于不同课程教师的培养也应因人而异，如对管理类课程的任课教师就可着重培养其利用数据智慧提升学生学习兴趣，直观呈现抽象教学内容等能力，以通过教学效果的提升进一步激发其提高数据智慧的动力。对实操类课程的任课教师需提升其对数据智慧的敏感度，引导其将数据化教学决策、实施、评价反馈的过程与实操性训练有机结合。
　　[参考文献]
　　[1]陈明星，钱鹏.让数据使用有效：数据素养在教育者决策中的应用[J].图书馆杂志，2018（2）：33-38.
　　[2]史焕聪，陶红.教师数据智慧的内涵及数据智慧提升实践过程与方法[J].中国职业技术教育，2017（30）：48-53.
　　[3]王吉，潘彬.跨越银色数字鸿沟：老年人信息技术教育初探[J].江苏广播电视大学学报，2013（2）：19-22.
　　[4]王萍.大数据时代提升教师数据智慧研究[J].开放教育研究，2015（3）：30-39.
　　[5]（美）威伦，（美）哈奇森，（美）博斯.有效教学决策：第6版[M].李森，王緯虹，译.北京：教育科学出版社，2009.
　　[6]吴健.新时代职业教育发展不平衡不充分若干问题的探讨[J].职业教育研究，2019（1）：50-56.
　　[7]闫智勇，吴全全.职业教育教师专业素质评价的困境表征与原因探析[J].中国职业技术教育，2017（3）：68-75.
　　[8]袁振国.当代教育学[M].北京：教育科学出版社，1999.
　　[9]祝智庭，贺斌.智慧教育：教育信息化的新境界[J].电化教育研究，2012（12）：5-13.
　　[10]Boudett K P，City E A，Murnane R J.Data Wise：A Step by Step Guide to Using Assessment Results to Improve Teaching and Learning[M].Cambridge， MA：Harvard Education Press， 2013.
　　[11]Farley Ripple，E.，Buttram，J.The Development of Capacity for Data Use：the Role of Teacher Networks in an Elementary School[J].Teachers College，2015（4）：1-34.
转载注明来源:https://www.xzbu.com/1/view-15123468.htm