全文長 9500 字，閱讀大約需要 12 分鐘
作者簡介：
周寶榮（1964—），男，河南靈寶人，博士，編審，研究員，教授，現任河南省教育科學研究院副院長、河南省教育廳教育科研實驗基地管理辦公室主任，系河南教育信息化「停課不停學」專家行動項目首席專家，研究方向為基礎教育、唐宋文化。
摘要：大數據驅動下的教學直播不應該僅僅被看作應對突發情況的手段，其價值在於能夠刷新或重構教育教學生態，但其工具性不能被無限放大。
數據技術不會導致一線教師「去專業化」，數據素養能夠幫助一線教師「再專業化」。
本文通過論述大數據時代的教學方式轉型與教師角色轉型，明確了與數位化教學相適應的「數位化教師」及「教師數據素養」的內涵，闡明了提升數據素養是教師專業成長的必然選擇，並從多維度對數據素養賦能教師專業成長進行了深入探討。
關鍵詞：教師專業成長；教師數據素養；數據驅動；教學方式轉型；教師角色轉型
在2020年的「加長版」寒假裡，一些老師因為上網課尤其是在線直播課而無所適從。
筆者非常同情這些一線教師的景況，但是歸咎於誰呢？說到底，是由於這些教師經驗不足導致專業身份認同危機。
一些教師直接照搬線下課堂，盡力保持與平日課表一樣，與學校課堂同步，未能在大數據驅動下重構教學邏輯，違背了在線教育以學習者為中心的原則。
筆者無意於測評和重新界定在線教學的功效，只是希望本文能夠為大數據時代教師專業成長提供一些思考與借鑑。
一
提升數據素養是教師專業成長的內在需求
未來學家阿爾文.託夫勒早在1980年就讚譽大數據是第三次科技浪潮的華彩樂章。大數據作為一個學術概念，則是由英國《自然》雜誌於2008年提出的。
10年之後，「教師要主動適應信息化、人工智慧等新技術變革，積極有效開展教育教學」被寫進中共中央、國務院印發的《關於全面深化新時代教師隊伍建設改革的意見》。
這一精神在2018年4月教育部印發的《教育信息化2.0行動計劃》中得以進一步明確，「人工智慧＋教師隊伍建設行動」正式啟動。
《加快推進教育現代化實施方案（2018—2022年）》在「大力推進教育信息化」部分規定，「實施人工智慧助推教師能力建設行動」，「著力構建基於信息技術的新型教育教學模式」。
可是在現實中，一些老師仍然「把教育的現存規定想當然」，習慣於穿新鞋走老路，無法應對新挑戰。
儘管《大數據時代》一書的翻譯者周濤認為，就大數據而言我國在垂直應用領域並不比國外落後多少，但是筆者以為一些中小學教師數據素養不容樂觀。這種情況難以適應大數據時代教育教學工作對教師專業成長的新要求。
1
教學方式轉型呼喚教師角色轉型
2020年3月初，《人民教育》雜誌記者採訪教育部教師工作司司長任友群時開門見山地問：「目前在線學習非常火爆，教師也面臨著資源選擇困難和信息技術教育能力不足等問題，請問，教師工作司有什麼好辦法來幫助教師嗎？」
任友群回答的「部署教師在線教學能力提升培訓」「發布教師在線教學應急攻略」「提供教師在線教學培訓資源包」「組織專家開展教師在線教學研究」「組織召開在線教學工作視頻研討會」五個方面，都說得恰到好處。
回顧教學發展史，教師的教學活動經歷了四次跨越。
第一次是從教書跨越到育人，第二次是從教知識跨越到教學習，第三次是從淺表學習跨越到深度學習，第四次是從傳統教學跨越到網際網路教學（即網課）。
按照王正青教授的觀點，我們現在正處於第四次跨越期，其核心就是讓數據驅動的智能教育成為現實。
每一次跨越都顛覆了傳統的教育結構與模式，促進著教育效率和教育品質的提升。現代信息技術的大發展，大數據必將推動教育主要業務的全面數位化。
鑑於此，國務院在《促進大數據發展行動綱要》中明確提出，探索發揮大數據對變革教育方式、促進教育公平、提升教育質量的支撐作用。
大數據正在重構我們的教育生態。在數據驅動下，傳統的課堂結構被顛覆，課堂流程被再造，從教學理念到教學方法，從教學資源到教學環境，從教學模式到教學管理，從教學診斷到教學評價，教育教學面貌被徹底刷新。私播課（SPOC）、超級公播課（Meta-MOOC）、深度學習公播課（DLMOOC）、分布式開放協作課（DOCC）、個性化公播課（PMOOC）、大眾開放在線研究課（MOOR）、大眾開放在線實驗室（MOOL）等在線教學新範式令人眼花繚亂。
不管我們準備好了沒有，我們的教育教學文化正在被現代教育信息化「化」著，而且必將進一步「化」下去。
大數據時代教師角色正在轉變，一是由知識佔有者轉變為知識整合者，二是由知識傳授者轉變為學習引導者，三是由課程執行者轉變為課程開發者，四是由課堂主導者轉變為課堂組織者，五是由作業布置者轉變為資源匯聚者，六是由正誤裁判者轉變為意見交換者。
從學理上說，基於大數據的數位化教學是教育信息化的一個重要組成部分，教師以多媒體化和網絡化的信息技術作為教學工具，利用現實與虛擬空間的數字資源進行教學；
從實踐上說，數位化教學擺脫了傳統教學中的時空限制和學生學習的知識局限，顛覆了教學組織架構，重構了課堂師生關係，強化了學生在教學活動中的主體地位。
然而，一些教師教學觀念落後，教學實踐跟不上趟，在2020年寒假延遲開學「停課不停學，停課不停教」的特殊時期迷失了自己。
2
關於教師數據素養的內涵及「數位化教師」的提出
學術界目前尚未對數據素養的內涵達成共識，其概念框架最早是由以色列學者埃謝特.阿爾克萊2004年在《信息素養、統計素養和數據素養》一文中提出的。
美國史丹福大學教育心理學博士艾倫·曼迪納契對「數據素養」的概念界定有一定代表性，是指「準確觀察、分析和處理不斷變化的各種數據，有效使用數據並促進決策的能力，教育者可以轉換數據為信息，並最終轉化為行動化的知識，能持續促進學校或班級中的教與學」。
在國內學術界，餘慧菊、楊俊鋒把數據素養看作核心素養的重要組成部分，強調它「不是簡單的技術應用能力，而是更為綜合的一種技能」。
李青、任一姝更為明確地指出：教師的數據素養「是教師專業能力中較為複雜的一項技能」，既「是教師適應社會新發展的專業能力，也是全面了解學生學習水平和認知能力的有效工具」。
關於教師數據素養，阿薩納西斯（Athanases）團隊從教學實踐的角度出發，認為教師數據素養是教師有目的地收集、分析學生的作業和成績，並對這些學習數據進行反思和處理，以促進教師改進教學實踐，提高學生成績。
按照張進良、李保臻的觀點，教師數據素養由數據意識、數據能力和數據倫理三大部分組成。它有助於教師適應數據驅動的文化，提升教學績效。
陳娜萍則認為，教師數據素養是教師在複雜的教學情境中定位數據，進而對具體教學情境進行說理的能力。
綜上可見，教師的數據素養就是教師運用數據知識、數據技能、數據思維解決數據邏輯下的教育教學問題的專業能力。
教師應該積極主動地提升自身數據素養，做一名與大數據時代相適應的「數位化教師」。
2019年8月，阿里巴巴旗下的釘釘（中國）信息技術有限公司與河南省教育廳合作，在河南打造數位化教師省級示範區。這是全國首個數位化教師省級示範區。
在未來校園教育發展峰會上，釘釘副總裁方永新發表演講時指出：「老師只有具有數位化的思維，才能更快地推進整個教育行業的數位化建設。」
「數位化教師」是以擁有數據素養為前提的，舍之，無從談起。釘釘正是基於自身豐厚的平臺數據，才在2019年8月發布了數位化教師培養計劃：在全國賦能100萬名數位化教師，培養1萬名數位化教師帶頭人，影響1500萬個孩子。
3
提升數據素養是教師專業成長的必然選擇
由數據素養導致的教師兩極分化非常明顯。
一些教師由於年齡偏大在在線教學面前陷入焦急之中；
有一些教師鼓足勇氣去嘗試後覺得太費事，便認為其無用，從而產生沮喪、失望的情緒，最後放棄，並站到反對的立場上；
還有一些教師能夠將信息技術與學科教學較好地融合起來，他們已經嘗到了數位化教學（數位化教學概念的內涵比在線教學寬泛。此處特意使用數位化教學這一概念有基於一線教師教學實踐遞進性的考慮）既增效、提質又省事、減負的甜頭，產生一種滿足與欣喜，享受數位化教學帶來的愉悅，其中相當一部分教師正在追求甚或已經達到「得意」（數位化教學活動的意義建構）的境界。
隨著在線教學的風起雲湧，數位化教學越發離不開大數據的驅動。2005年美國興起的「數據質量運動」(DataQualityCampaign，DQC)將教師數據素養定義為從政府、社區、學校、班級和其他途徑和環境中，長期、合法地獲取、解釋、運用和傳播數據，以符合自身角色和職責的形式來呈現和運用數據，並將其應用於提升學生學習成果的專業技能或綜合能力。DQC在一份研究報告中明確提出教師必須具備的10種數據素養，為評價教師的數據素養提供了參考。
2009年鄧肯（Duncan）擔任美國教育部部長後著力於教師數據素養的提升，並推動美國教育部對教師數據素養加以規範。2011年，美國教育部發布了《教師利用數據指導教學：挑戰和支持》。
馬什（Marsh）等人還專門設計了數據驅動教學的指導框架，用來指導教師的教學實踐。在這一精神下，數據素養被納入美國的教師專業標準。
弗蘭克.富裡迪(Frank Furedi)在他那本著名的《知識分子都到哪裡去了》一書中專門探討知識分子的迷失問題。
面對在線教學，由於自我經驗不足導致一些教師專業身份迷失，從另一種意義上說可能是好事。
這種情況有助於教師們認識到在線教學是自己專業成長道路上必須邁過的一道門檻，教師就會努力彌補這次教學變革中自己的缺憾，切實提升自身數據素養，使之成為自身專業成長的新進階。
二
數據素養賦能教師專業成長
教育教學大數據有一大來源，即全樣本全過程的課堂教學動態生成。
一線教師在使用大數據的過程中產生更多新的數據。大數據基於一線教師的課堂教學不斷豐富，一線教師的專業成長也必然會從大數據得到滋養。
關於數據素養賦能教師專業成長，筆者既反對認識上的「數據實用主義」，也反對實踐中的「數據本位主義」，強調教師數據素養向實踐智慧轉化。
1
大數據有利於學情精準分析
基於大數據的學情精準分析作為一種理念，是指通過設計量化的測量方法來收集教育教學數據，描繪學生的學習表現，為教師實施精準教學提供科學依據。
教師在分析教育教學中的個性和差異時，一定要結合具體的教育教學內容進行量化分析，那樣我們就會發現類別的差異同時還伴隨著程度的差異。
在實踐中，當前廣泛運用的雲錄播系統，可以採集教學數據，並自動加以標記、統計，我們通過S-T分析法就可以對課堂教學進行全方位觀察，比傳統的課堂觀察量表更省事也更精準。
隨著在線教學的火爆和複雜教學環境的不斷出現，多模態學習分析會更為廣泛，將有越來越多的教育大數據產品集成為多模態學習分析技術，給教師提供更加客觀、全面、精準的學情分析服務。
從2007年起，教育部就全國基礎教育質量監測開展了試點，在實踐中取得了較好的效果，積累了大量的教育質量監測工作經驗，尤其是運用大數據後形成了較為成熟的監測機制。
《2016年新媒體聯盟中國基礎教育技術展望：地平線項目區域報告》預測：大數據學習分析技術將在未來兩至三年極具影響力，為學生學習的過程性評價提供實時反饋。
今天，這一預測已經被證實了。《加快推進教育現代化實施方案（2018—2022年）》在「大力推進教育信息化」部分明確提出：「加快推動教學與學習行為的數位化記錄和分析。」
需要強調的是，數位化記錄主要靠設施，數位化分析更多地靠教師。
從微觀層面講，大數據智能系統可以給教師提供每一位學生的畫像。
教師運用S-T分析法對學生學習過程中動態生成的底層數據進行分析，發現每一個學生的知識結構、認知風格、能力水平、思維特徵、學習偏好，尤其是缺陷，從而了解學生的學科素養，及時通過學習資源提供和學習行為改進幫助學生優化學習，提升學科素養。
在這方面，目前人工智慧還有提升空間。很多在線學習平臺，也為學生推送所謂「適合」的學習資源。
這在表面上看可能還會獲得稱讚呢，其實不然，因為學習資源的價值屬性是由學習邏輯決定的而不是由技術邏輯決定的。
在學習系統中，除了考慮學生的個人興趣，還需要緊密結合學習目標，給其提供學習資源。
卡耐基美隆大學（Carnegie Mellon University）教育學院有一個著名的口號：「對於學生，我們知道得太少。」
用大數據分析學生的學習規律、學習特徵和學習效果時，教師們會明白真正的學習評價僅僅局限於測評知識掌握程度是不夠的，還得重視通過學習活動中的學習產品與學習經歷、學習狀態等數據的採集，通過關聯規則和決策樹等方法精準地刻畫出學生學習的個性化表徵。
大數據極大地推動了學生過程性學習評價（ProcessEvaluation），一些學校使用的「極課數據處理系統」就具備及時採集學生練習、作業中的錯誤與問題，自動匯總分析，自動生成錯題庫，自動建立習題庫，既能幫助教師實現精準診斷、精準分析、精當練習，還可以讓家長及時了解孩子完成情況。
2
大數據促進差異化教學
「關注學生的個體差異」被作為硬性要求寫進了《中華人民共和國義務教育法》，我們在任何時候都不應忽視差異化教學。
在面對猛然增長的在線課程資源及其供給渠道的差異時，我們應該把這種差異理解為課程資源的豐富性、多樣性。唯有如此，才能給師生自主選擇的可能性。
夏正江在《一個模子不適合所有的學生——差異教學的原理與實踐》裡，開篇就針對呂型偉的觀點說：「有人說『直面差異是教育智慧的核心』，我以為，這表達了一個近乎真理的信念。」
然後，他著重圍繞如何實現每個學生在原有基礎上的「充分發展」和「最佳發展」這一核心問題進行了系統研究，重點解答了如何開展和實施差異教學的實踐問題。
顧明遠先生多次呼籲教育要適合學生，他有三句經典話語：
每一個學生都有其獨特的個性與價值，都是一個豐富的寶藏，因而也都需要不同的教育策略；適合每一個學生的教育就是最好的教育，也就是最公平的教育；
最好的教師就是能夠踐行因材施教的教師。
在美國，以黛安·希考克斯（Diane Heacox）為代表的教育理論家也認為，適應學生越來越有差異的學習風格無疑是最大的挑戰。
美國教育部在2007年就發布了《教師使用學生數據系統改進教學》的報告，7年之後，又發布了《通過數據挖掘與學習分析改進教與學》的報告，旨在向教育部門和教育工作者提供了解學生怎樣學習的更多、更好、更精確的信息。
在我們國內，精準分析學情，重視差異化教學和個別化指導也被作為優化教學方式的重要內容，寫入《關於深化教育教學改革全面提高義務教育質量的意見》。
教育大數據能夠實現教學設計的數據引導與科學預測、教學互動的即時決策與個性引導、教學評價的系統評估與有效反饋。
在具體的實踐中，學生不再需要同一「課表」進行學習，即使同一班的學生，每人有自己的「課表」，這種「課表」不同於傳統的建構普適性知識結構的課表，它更大程度上屬於「學表」，引導學生通過自主性學習建構起個性化的知識結構。
以在線課堂提問為例，依靠結構化數據可把教師在線課堂提問和學生在線回答解構成以下幾個觀察點：
教師提問的目的指向，提問的方式，提問的數量、類型、層次，學生回答的方式、類型，學生回答過程中的卡殼、出錯，教師候答的時間，教師理答的方式，教師糾錯的方式等，教師對學生回答的評價……
憑藉大數據，我們可以提高教師提問的質量，也能幫助學生提高回答的質量。
我們當然不能把「滿堂灌」變成「滿堂問」，也不能簡單地把課堂中對話的次數作為評價課堂優劣的標準，以熱鬧程度來區分課堂教學水平之高下。
美國麻省理工學院教授莉莎.科菲認為，數據本身並不是動態的，也不智能，是靜態的，只有準確的提問才能讓它們動起來。
2020年1月14日，世界經濟論壇（World EconomicForum）發布《未來學校：為第四次工業革命定義新的教育模式》白皮書，首次提出了「教育4.0全球框架」，重新定義了「高質量學習」，呼籲全球教育系統實現學習內容和學習體驗的八個關鍵轉變，其中之一就是強調個性化及自主學習——從學習標準化的系統轉向基於每個學習者的多樣化、個性化需求的系統，該系統足夠靈活，能夠確保每個學習者都按自己的速度進步。
頗能體現學生個性化學習需求的是學生的在線學習求助。教師一定要時刻關注學生的在線學習求助。
廣義而言，學習求助是指個體在學習過程中遇到困難向他人尋求幫助的行為。教師既要關注學生向明確對象的「正式求助」，更要關注學生向未知對象的「非正式求助」（例如通過「問答網站」求助）。
如果一個學生在線學習的「非正式求助」佔比過高，教師就該考慮其「交遠疏近」的習性尤其要在學生為什麼不「親其師而信其道」方面做反思了,因為這一點直接影響學生在線學習質量。
3
大數據便於教師精準教研
隨著大數據時代的進一步發展，精準教研（PrecisionTeaching）被普遍關注。
基於大數據的精準教研，有的學者已經給出比較明晰的概念界定，林梓柔、胡小勇認為，它是以教師專業發展為願景，基於信息技術環境收集多模態數據進行分析和應用，以支持課堂教學改進、教學行為優化與宏觀教研精準決策的一種教研形態。
許多學校圍繞「課」做了一系列文章，如青年教師上賽獎課，中級教師上研究課，高級教師上示範課，省市名師上優質課。這並沒有什麼不妥，關鍵是怎樣通過觀摩與評課放大效益。
筆者一直主張教師集體備課的要義在於構築教學底線，上不封頂；集體備課的關鍵在於教師個人的二次創新。
圖1是筆者總結的教研組集體教研在大數據驅動下備課、評課的層層下沉圖。
在過去，一個講課老師的背後是一個團隊在備課，教學案是眾籌的。大數據驅動的集體教研最顯著的一點是教研活動的重心由教學案設計轉變為問題研討。
專業化水平高的教師不是沒有教學難題，隨著大數據時代「融課堂」與項目式學習的興起，一線教師面臨的教學問題越來越多，這時候追求共性的教學案不僅難度增加，而且壓根就沒意義。
由關注教學結果到關注教學過程，由關注教學流程到關注教學現象，由關注教學現象到關注教學問題，由關注教學問題到關注教學啟示，這樣的教研離不開教學大數據的支持。
大數據驅動的集體教研引領著一線教師更加關注教學過程，從教學過程中梳理教學現象，將教學現象聚類為教學問題。
問題研討不僅能提升教師精準教研的水平，而且能促使一線教師轉變參與教研活動的目的與動機：由獲得現成的教學案轉向提升教學創新能力。
4
基於大數據的作業建設
作業一直是教改的一個難點，久攻不克。一提到學業負擔，全社會幾乎異口同聲地將矛頭指向作業。
作業過多、過濫、過難，加上測驗過頻繁，導致學生厭學、教師倦怠、家長焦慮……在此背景下，作業建設成為教改的一個重頭戲，但是真正提升作業建設質量是引入大數據以後的事情。
鄭州四中以作業改革倒逼教學改革。該校依託大數據，建立作業題庫。這是在大數據支撐下，推動作業結構化管理。
要求每位老師布置的作業達到三個1/3：1/3的題可直接使用別人的現成題（可以是習題冊上的，也可以是網上題庫的）；1/3的題是借鑑別人的現成題，但必須根據教情學情加以改造；1/3的題必須是教師自己的原創題。
作業建設是大數據很具優勢的領域。很多大數據智能教學平臺都設有「作業中心」，其智能題庫不僅涵蓋各類習題、例題和考試模擬題，而且提供快速選題、智能組卷、作業布置、網絡錯題本、在線考試、作業點評功能。
除了具備教師在線布置作業、學生在線提交作業和作業數據分析外，其特別突出的地方是依託大數據快速選題、智能組卷。
組卷中心有手工組卷和智能組卷兩種組卷方式供教師選擇，教師可以通過篩選年級、學科、知識點、題型、難度等關鍵指標搜到所需要的習題，生成個性化試卷，也可以系統性地設置試題類型、難度係數、考查的知識點等指標，一鍵生成符合要求的試卷。
智能文檔一鍵匹配答題卡，隨時添加，滿足互動教學的需要。
在線作業和在線考試實現自動批改、自動生成網絡錯題本、分析報告、錯題重做和同類題推送。
在線課堂實現互動教學、實時統計與分析、學生討論與搶答等。教師可以通過「智慧課堂」系統，將要求學生掌握的基本知識設置「課中回顧」和「課後檢測」，系統自動根據艾賓浩斯記憶法進行訓練，安排學生鞏固相關知識。
教學數據還可以自動生成一節課或一單元的知識樹，方便學生複習學過的內容或預習新課，實現真正的高效學習。
在《人民教育》編輯部列出的30個中國基礎教育典型案例中，浙江省的作業設計入圍。從2016年至今，浙江省基於全省課程改革和實際教學情況，指導教師從學與教的視角思考作業內涵、研製作業內容、開展作業實施，讓作業貫穿整個學習過程，有效擺脫作業設計的隨機性、重複性。
其作業建設有三條經驗：一是系統性原則。主要表現在課前、課中、課後的學習相關性和學習任務之間的內在邏輯聯繫。二是單元整體性原則。這包括單元內的整體性，也包括單元與單元之間學科知識的統整性。三是在作業中設計學習支架。其中，知識支架提供學習資料的提示，方法支架指向具體任務的解決路徑，程序支架導引學生順利完成整個學習過程。
三
餘論：大數據給教師畫像
在大數據時代，每位教師備課、上課、網絡研修、教學反思，以及各種教研活動都會在各類終端上留下數據碎片，當大量的數據碎片被採集、匯總，進而形成大數據以後，就可以對教師專業發展的軌跡做出過程性評估。
現在很多學校都有直播教室，不僅實現了教師上課過程數位化，而且伴隨式採集了大量的課堂教學數據。
教學過程中被採集的數據是底層數據，即非結構化數據，任何數據不分析是不會彰顯什麼價值的，通過對教學底層數據的清洗過濾、格式統一和分類重組等程序，這些數據便會轉化成結構化教學數據。
而且資料庫處於不斷豐富之中，每位教師有自己的子庫，完整記錄教學軌跡。這樣不僅可以用以教學監控、點播回放、質量分析和教學評價，而且能夠幫助教師提煉教學風格。
如某老師上課經常怎麼導入，怎麼上下銜接，講課中哪些詞語出現頻次高，甚至愛用哪些口頭禪和肢體語言等，都會通過大數據記錄下來。
教師教學風格提煉的過程，實際上是通過教學數據歸約，即以不損害分析結果準確性為前提縮減數據集規模，實現數據集簡化，提高數據的價值密度。大數據給教師的畫像，會隨著數據的積累豐富而無限接近教師真實教學風格。
在落實教育部《關於數字教育資源公共服務體系建設與應用的指導意見》過程中，平臺不能只強調「好管」，還要「好用」，一定要突出開放性，增強系統的可擴展性和兼容性。
要儘可能將以往基於FTP管理的文件夾資源變成更為科學化、體系化的動態資源庫，防止區域教育雲消解學校教育雲的校本性和教師個人的教學風格。
在技術上，用戶通過單點登錄實現與數位化校園建設無縫對接，滿足學校和師生的個性化需求，為每所學校和每位師生提供具有很強適應性的資源應用服務，同時有利於採集教學過程中具有教師鮮明個性特徵的底層數據。
課堂不僅是教與學的場域，也是教師專業成長的階梯。大數據為教師成長提供了生成性機制。
我們通過「名師工程」已經培養出不少具有鮮明教學風格的王牌教師。大數據不僅描述名師們的個人教學風格，而且正在將教學理念相近、教學方法相仿、教學風格相似的名師聚類成若干個教學流派。各個教學流派的核心成員脫穎而出，就成為屹立於大數據潮頭引領教改的教學名家。
筆者還要強調一點：不能簡單地將數據素養等同於信息技術運用。美國學者科勒(Koehler)和米什拉(Mishra)在改良了舒爾曼(Shulman) PCK（Pedagogical Content Know-ledge，學科教學知識）基礎上提出的TPACK（TechnologicalPedagogical ContentKnowledge，整合技術的學科教學知識）在國際上已經很流行。
我們在推進教育教學信息化過程中一定要防止信息技術與教育教學的簡單相加，必須強力推進從信息技術應用向數據素養轉變，而這正是《教育信息化2.0行動計劃》的實踐指向之一。
如果連融合應用都做不到，何談創新發展？所以，落實「立德樹人」， 不能簡單地寄希望於大數據人工智慧，而要依靠具有深厚數據素養的現代化教師隊伍。
筆者最後要說的是，數據資源是一種幫教師「藏慧於數」的戰略資源，數據思維是一種幫教師「克服局限」的戰略思維，數據資源加持數據思維幫教師成長為「數位化教師」，而卓越的「數位化教師」又必須努力擺脫數據羈絆，將教師工作的專業成長推向更高階段。