教育数字化转型实践｜数据驱动的教学决策效果总览与视野突破——基于十项元分析的伞型评价

       基于文献筛选，本研究从以下角度对元分析搜集结果进行总体定性分析：（1） 数据驱动教学决策有效作用范畴，以定量研究数据作为主要汇总指标，从范围、主题和程度多方面分析数据驱动的教学决策应用状况；（2）数据干预有效作用周期，分析数据干预作用时长，频率和周期变化等影响情况；（3）数据干预有效措施， 分析不同干预措施的设计背景和有效特征因素；（4）数据干预有效路径，分析相关数据应用干预的作用方式和途径。

数据干预有效作用范畴

       1、从文献总体来看

       教育数据干预的总体效应大小普遍低于0.8，位于小到中等程度，与事先人们所期待的“立竿见影”和“包治百病”式的作用效果有一定落差，也预示着教育数据应用并非一蹴而就的过程。

       2、从数据干预的作用群体来看

       虽然 DBDM 旨在最大限度地提高所有学生的成绩，但针对不同层次、经济地位和年级的学生干预效果差异较为明显。

       3、从干预规模与效应大小的关系来看

       随着学生数量的增多，效应随之逐渐减少。

数据干预有效作用周期

       对于数据驱动的最佳干预周期，并没有定论。数据干预的持续成效需要教师教学内容知识的介入，干预存在一定的上限效应，即学生学习成绩在最初的增长后趋于平稳，只有当数据使用与教师教学内容知识相结合时，才会取得更加可观的增长。

数据干预的有效路径

       教育领域中“数据路径”指数据在学校中的传播和作用路线，主要研究不同类型数据如何在不同级别进行流转以及不同层次的参与者如何就数据的使用进行相互交流。从数据干预的目的和学校的特点寻找适合的路径。

• 开展数据驱动教学决策的教育工作者可以根据数据采取的行动主要分为三种不同的类别：问责、指导教学和学校发展的行动，但它们之间并不是相互排斥的关系，用于问责目的的数据行动也可用于学校发展目的。
• 学校应根据自身学校文化、学校领导方法、教师发展水平、学校环境和运作水平等因素选择最为适合的数据使用路径。Archer 等研究发现，学校的数据路径主要包括团队、级联和自上而下三种方式。