文/张喜崇老师（教育研究与发展组组长）
数据与教学工作
苏源恭博士首先透过谷歌表单（Google Form）对在场的教师做了一次简单的调查。这些问题包括：教师是否了解学生在自己执教科目的去年和前几年的成绩、教师是否了解学生在其它科目的去年或前几年的成绩、教师是否了解学生在去年或前几年的行为记录、教师是否了解学生目前的课外活动、教师是否了解学生的通勤时间（或寄宿）、学生家长的最高学历、父母的婚姻状况（夫妻/离婚/再婚），以及学生的毕业小学。透过教师对这些问题的回馈，苏博士带出这些问题如何与教学工作相关。
教师关心学生在学术成绩的表现，但是学生成绩的表现并不能单纯从一个独立的数字中获得解释。譬如A、B和C三个学生同样在数学考试中考获70分，背后的意义或许大有不同。如果A学生在上一次的数学考试只考获60分，那么70分对这个学生来说就是一个进步、B学生在上一次数学考试也考获70分，则这一次的考试只是保持水准、而C学生在上一次的数学考试分数是80分，那么同样的70分对这个同学来说却是退步。因此同样分数的解读，如果在配合其它数据的运用，教师就会看到不同的画面，也会更了解学生，就能够采取更适当的措施来协助有关的学生。
从数据到有价值的信息
了解了数据与教学工作的关系后，苏博士接着让教师思考如何让数据转化成有价值的信息。每位教师都被分派了一个工作单——“影响学生学习与成就之因素”。这一份工作单列出了五个面向，即学生、教师、班级、学校及家庭。教师需要讨论影响每一个面向的关键因素，以及可能的假设。譬如在学生面向的部分，学生的学术背景是一个关键因素，假设则可以是“学生去年的学科成绩与今年的学科成绩成正比”。透过这样的假设检视，教师更能够熟悉数据的运用，也能够将大量的数据简化成有价值的信息。
经过教师热烈的讨论，对这五个面向提出了许多的关键因素，其中包括了学生的学习态度、学习动机、学习风格、时间管理、朋友圈、身心状况、睡眠时间、学习价值观、补习班、学习方法、思考能力、性别，教师的教学取向、教学策略，班级大小、常态分班以及能力分班，学校的学习文化、校园环境，父母的教育程度、父母关系、家庭的氛围、学生在家里的排行、兄弟姐妹是否是校友、休闲活动与频密度，以及兄弟姐妹的关系等都可以成为有意义的假设。
当然，从数据到有价值的信息，分析方法的运用极为关键。由于这一次的工作坊时间有限，苏博士无法现场教导教师如何分析数据。不过他提出了一个简单的原则，以便教师在陈述数据时，可以更有价值以及更有说服力。这个原则就是数据的呈现要有参照组（Control Group）的对照、同时要有前后的测量（Pre and Post-test）。如果教师能够在陈述数据时采用时间系列的设计（Time-series Design）则更为理想。
学校数据库的建立
学校新政的实施或是教师采用新的教学法，一般的评估方式都会在新措施进行后对涉及者收集回馈意见。可是这样的评估方式缺乏说服力，一来是这样的自评（Self-evaluation）都会有一定的主观性，二来是缺乏新措施实施前的数据，无法论证新措施的实际效率。苏博士建议学校应该建置完整的数据库，常年收集特定利益相关者（Stakeholders）如学生、教师、家长，以及校友对学校的观感和师生的身心状况。这类的数据库对于学校进行各类新政策或措施的评估都极为有效，并有极高的参考价值。
一所学校的学术表现牵涉许多复杂的因素，其中包括了国家教育政策的改变、学校政策的改变、社区的文化、家庭背景、教学行为、学习行为等因素的影响。如果过程中缺乏完整的数据来进行分析，教育工作者便无法准确的掌握什么因素造成了学生学术表现的变化。因此周详规划的数据收集非常重要，这不仅是学校重要的资产，也方便教师获取数据以进行分析，省却了个别教师收集数据的时间和工作量，也加强了数据管理的效率。
四个小时的工作坊在中午1时结束。从教研组发出的回馈中了解有多达80%的教师表示这项活动让他们更了解数据在教学上的运用。唯大家都认为此次工作坊在实际操作方面稍嫌不够，不足50%的教师认为他们能够掌握数据的分析。教研组在和苏博士的沟通中了解这一次的活动设定主要在介绍教师认识数据的概念。后续的进阶活动就是要组织教师产生研究议题，并运用学校的数据库来解决相关的假设。苏博士也表示愿意再到我校指导教师分析数据的操作。根据多达80%教师表达对数据运用的兴趣，相信后续的进阶活动也可以获得教师的热烈响应。让我们期待以数据为导向的教学文化可以在兴华扎根壮大，进而提升学校的教育素质。
No comments:
Post a Comment