面向高等教育教師的數據素養分析框架開發和評估：結構方程建模方法

王東亮，韓冰，姚健

1.無錫職業技術學院 圖書館，江蘇 無錫 214121；2.江南大學 人工智能與計算機學院，江蘇 無錫 214122

隨著21世紀可用數據量呈指數級增長,數據素養技能在工作場所和日常生活中變得越來越重要[1].來自不同學界的研究人員對數據素養的概念和能力進行了研究.例如,Raffaghelli等[2]對教育工作者的數據素養進行了系統審查,發現大多數研究都非常強調數據素養的技術和可衡量方面,如數據提取、統計分析和可視化.Burress等[3]從研究人員和數據圖書館員的角度審視了數據素養,他們定義的數據素養為“一個特定的技能集和知識庫,使個人能夠訪問、解釋、批判性評估、管理和符合道德地使用數據,從而將數據轉化為信息和可操作的知識”.Carmi等[4]研究了公民的數據素養,提出了一個由數據思考、數據處理和數據參與組成的數據公民框架,表征了公民對數據的批判性理解和日常主動參與數據的重要性.

使用數據來推動決策一直是教育改革的重要組成部分[5].現有研究表明,數據使用可以改善教師的教學實踐,并促進學生的學習和成就[6].高等教育教師作為高技能專業人士,需要具備使用“有形證據為他們的決定提供信息而不是使用軼事、直覺或個人偏好”的專業知識.越來越多的教育工作者希望使用數據來支持他們的教學.

隨著信息和通信技術的發展以及數字化教育的普及和深入,教師已經不再是傳統意義上的教學者.特別是對于高等教育教師,他們需要處理各種數據、信息和技術工具,從而有效地教授學生并評估他們的學習成果.數據素養是指教師能夠快速獲取、理解、分析和利用數據的能力,也是現代社會的一種基本能力.對于高等教育教師來說,提升數據素養可以使他們更好地開展教育工作,進行學術研究,并在職業生涯中獲得更好的機會.

因此,高等教育教師數據素養已成為現代教育領域的一項重要研究[7].教師數據素養包括3項技能:① 以問題為中心的技能,例如知道如何設計問題、識別問題并做出明智的決策.② 以數據為中心的技能,包括了解如何訪問、生成和解釋數據.③ 以過程為中心的技能,包括知道如何參與協作探究和評估因果關系.提升高等教育教師數據素養是符合時代發展的大趨勢,也是教育教學改革的一個重要方面.國內外許多大學都在積極推進數據素養的教育和培訓,加強教師數據素養能力[8-10].例如,英國高等教育委員會在2016年推出了高等教育教師數據素養框架,旨在提高教師數據素養能力.美國加州大學推出的數據素養倡議也是一項成功的實踐.在國內,多數高校也在加強對教師數據素養方面的培養.然而,高等教育教師在提升其自身數據素養能力中面臨著諸多挑戰[11].首先,教師缺乏數據素養的本質認知和基礎知識,難以有效理解和處理數據.其次,教師在教學實踐中缺乏大量的數據資料支撐,難以從實際中獲得經驗,有些教師缺乏學科知識、專業技能等條件,難以開展數據分析和挖掘工作.最后,教師在課堂教學中仍然使用傳統方式教學,缺乏創新意識和實踐經驗,難以完全落實數據素養教育.在數字能力背景下,更多的研究只是評估教師數據素養水平,對于影響教師數據素養能力提升的研究較少.為此,本研究確定了影響高等教育教師數據素養能力所涉及的因素,并使用結構方程模型來查看變量之間的相關性,通過定量分析評估并驗證模型的可行性和有效性,為提升高等教育教師數據素養能力提供了可行之徑.

本文貢獻如下:

1) 研究并提出了教師數據素養與技術整合自我效能感、技術知識水平、對技術態度以及使用社交網絡的目的之間的假設關系.

2) 采用分層整群抽樣策略來選擇樣本,使用LISREL 8.51軟件對教師數據素養進行模型構建、擬合和參數估計.

3) 運用結構方程模型對該框架進行實證檢驗,同時采用定量數據評估驗證了本文模型的可行性和有效性.

1 文獻綜述

教師數據素養研究的流行源于2001年的“不讓一個孩子掉隊”美國聯邦法律,該法律推動了問責制運動,因此許多學校通過標準化評估建立了學生學習成果問責制.數據的重要性驅動著教育決策更多地關注培訓教育專業人員的數據素養能力[12].教師數據素養指的是教師在使用信息和通信技術時所需要的知識、能力和態度,包括數據采集、數據處理、數據分析和數據應用等技能.此外,教師數據素養還涉及到數據保護、信息安全、知識產權等法律、倫理和社會問題.隨著信息時代的到來,數據素養成為了21世紀教育的重要內容之一.在數字化教育、在線教育以及信息化教學背景下,教師數據素養日益受到重視.同時,教師數據素養也是影響學生數據素養的重要因素.因此,教師數據素養成為了教育界熱門的研究方向之一.

Raffaghelli等[13]使用層次分析法和解釋結構模型,研究接受高等教育人員的高中經歷與數據素養能力之間的關系.研究結果表明,環境、教師以及人員自身是影響數據素養高低的3個關鍵因素.同時,該研究還發現數據素養能力在不同領域之間存在差異[14].教育信息化技術、網絡素養以及信息檢索和分析是影響數據素養能力的重要領域.近年來,教師數據素養的相關研究還涉及到以下幾個方面:

1) 探究教師數據素養水平.李正芬[15]對香港地區小學教師進行了調查,旨在了解教師數據素養的水平和現狀,結果表明90%以上的教師認為信息素養是必須具備的技能,但超過70%的教師認為自己缺乏必要的技術能力,且有超過一半的教師認為缺少相關的培訓和支持.Saripudin等[16]則通過對高中歷史教師的調查,發現教師在歷史數據分析及使用網絡進行歷史教學等方面存在一定的困難.這些研究表明,教師數據素養水平需要不斷提高,并需要相關培訓和支持來促進其發展[17].

2) 分析影響教師數據素養的因素.Shreiner等[18]使用問卷調查和訪談的方法對美國教師數據素養進行研究,結果表明教師數據素養可以分為技能、知識、態度、創新和教學能力5個方面.孫玉偉等[19]對國內社會科研人員數據素養進行了一項大規模的調查研究,結果表明教師在網絡素養、技術素養和信息素養等方面均呈現出較大的差異,同時教師數據素養與性別、年齡、學科和職業經驗等因素均存在一定的關系.Weninger[20]對新加坡小學教師數據素養進行了研究,結果表明教師數據素養能力包括技術素養、信息素養、媒介素養和課程素養4個方面,同時教師數據素養能力與其對教育技術的使用頻率和方式等因素密切相關.

3) 建立教師數據素養培養體系.教師數據素養培養成為越來越多教育機構和政府部門關注的問題.郝媛玲等[21]將數據素養分為基礎知識、實踐技能、解決問題的能力3個層次,系統地構建了大學教師數據素養培養體系.

4) 探索教師數據素養在教育教學中的應用.近年來,越來越多的教師開始探索數據素養在教育教學中的應用.楊現民等[22]通過實驗教學探究了數據素養在大學課堂教學中的應用,結果表明數據素養能夠提高學生學術成就和解決問題的能力.趙榮霞等[23]則將數據素養融入到高中物理教學中,采用項目驅動的教學方法培養學生數據素養和解決實際問題的能力.

2 理論框架與假設

周林興等[24]制定了一個概念框架,概述了構成不同數據素養水平的關鍵知識領域、能力和技能集,確定了數據素養是一種結構,包括數據獲取能力、數據處理能力、數據分析能力和數據應用能力這4個主要的子維度,并以數據素養組件為中心來評估教師的數據素養能力(圖1).

圖1 數據素養深度框架

2.1 研究假設

假設1:數據素養與教師的技術整合自我效能感(H1)

當特定情況或觀點的信念和態度與真實情況、概念或觀點相遇時,它們將影響這些相關的行為模式.因此,教師可以根據其在課堂內外的技術經驗建立自己的信念.同時,相信技術實用性的教師更有可能將技術整合到他們的課堂中,從而使技術能夠推動學習目的產生積極的效果.數據素養不僅是技術融入教育教學過程的認知空間,還包括感性領域,因為技術自我效能是技術整合的重要因素.

假設2:數據素養與教師的技術知識水平(H2)

信息技術在具有讀寫能力和有效教學技能的教師技術整合方面表現更好,同時強調教師的數字能力也隨著該領域的技術集成而發展.技術知識支持有效學習,重要的是要學習如何在課堂環境中為未來的教師提供有效的學習途徑.開發數字能力使用的課程/在職培訓對教師數據素養水平有積極的影響,在配備新技術且基礎設施組織得當的課堂環境中,教師是組織教學活動和使用這些技術的一方.

假設3:數據素養和教師對技術的態度(H3)

教師對數字能力的積極態度對于有效提升其數據素養水平非常重要.對技術支持的活動采取積極的態度,且具有高水平數字能力的人會更加容易提升其數據素養水平.因此,教師對技術的態度以及他們使用技術的知識和技能對提升數據素養十分重要.為了支持教師提升數據素養水平,需要經常開展有益的活動.

假設4:數據素養和教師使用社交網絡的目的(H4)

Web 2.0 工具和社交媒體環境(Facebook、Twitter 等)的潛在使用是新一代學生日常生活的重要組成部分,亦是將技術整合到教育環境中的體現.近年來,流行將博客、Facebook、社交媒體等技術融入學校,因此可以確定數據素養與社交媒體使用之間的關系.

另一方面,學生愿意完成由多媒體元素組成的基于互聯網的家庭作業,通過社交媒體和共享網站共享信息,完成這種技術集成需要將技術集成到學生的生活中,并利用它來解決實際問題.因此,至關重要的是教師應該具備必要的數據素養技能,將確保學生通過社交媒體環境在教學過程中實現認知和行為參與,確保他們能夠有效地將技術應用于課程.

2.2 理論模型框架

在本研究中,目的是創建一個模型來解釋和預測教師數據素養能力水平與不同變量之間的關系.基于2.1章節的假設,建立如下模型如圖2所示.該研究在關系篩選模型中進行,因此相關篩選方法的目的是求證不同變量是否有差異,如果有差異則區分其差異水平.由于假設是單獨檢查組成數據素養的每個子維度的關系以獲得更詳細的結果,因此本研究開發了每個子維度的假設,如表1所示.

表1 教師數據素養觀測變量指標

圖2 基于假設的理論模型

在圖2中,從數據素養指向左側的箭頭表示潛在數據素養結構由4個觀察到的因素或指標來衡量,也意味著圖2中的模型有4個外生變量(技術整合自我效能感、技術知識水平、對技術的態度、使用社交網絡的目的)和4個內生變量(數據獲取能力、數據處理能力、數據分析能力和數據應用能力).

與假設模型相關的3個基本方程式為:

J=λη+ε

(1)

I=λξ+δ

(2)

η=γξ+βη+ζ

(3)

式(1)和式(2)是測量方程,它們將潛在變量與其觀察到的指標聯系起來.式(3)為結構方程,描述了模型中潛在變量之間的因果關系.式(1)將內生概念與內生指標聯系起來,式(2)將外生變量與外生指標聯系起來.其中,η代表內生變量,ξ表示外生變量,J表示內生變量η的觀測變量,I表示外生變量ξ的觀測變量,γ表示外生變量對內生變量的作用,β表示內生變量之間的關系,λ表示因子載荷,ζ表示內生變量的測量誤差,ε表示變量J的測量誤差,δ表示變量I的測量誤差.

為了保證結構方程模型輸出結果的精確性和準確性,需要對信度、效度和適應度進行檢驗.本研究首先采用信度分析來衡量數據的可靠程度,即問卷結果的穩定性和一致性.其次,通過有效性分析來衡量所研究內容的效度.最后,通過適應性測試評估調查數據與假設模型之間的適應度.

通過驗證性因素分析(CFA)評估模型的可靠性和有效性,并判斷假設模型是否根據預期結構發揮作用.采用綜合信度(Composite Reliability,CR)來衡量信度,原則上需要大于0.8.可采用平均方差提取值(AVE)來衡量有效性,原則上需要大于0.5.由式(4)和式(5)可得.

(4)

(5)

其中,λ表示因子載荷,δ表示測量誤差(均為標準化參數);n表示一個因子的測量指標個數.

3 研究結果分析與評估

3.1 數據采集

采用方便的分層整群抽樣策略來選擇樣本,參加者為來自江蘇省不同高校的415名在職高等教育教師.刪除15份無效問卷,剩下400份有效問卷,回應率為96.4%.其中,41.9%的參與者為男性,58.1%為女性.在年齡分布方面,有25.4%的教師年齡在31～35歲之間,占比最多.大多數教師的學歷為研究生(64.8%).

3.2 假設結果分析

通過考察教師數據素養能力水平與不同變量之間的關系,本研究構建了解釋和預測數據素養能力水平與不同變量之間關系的模型.在觀測變量的預測和建立模型中,使用了LISREL 8.51軟件將模型輸入IBM AMOS 20.0并運行,然后估計本文假設模型的擬合指數.圖3顯示了結構方程模型的系數.

圖3 結構方程模型的標準系數

根據圖3可知,結構方程模型與指標一致,卡方值顯著(283.90;p=0.000).在與數據素養相關的觀測變量中,相關系數最高的變量是ξ=0.38,即最顯著的變量是技術整合自我效能感; 然后分別是使用社交網絡的目的(ξ=0.04),技術知識水平(ξ=0.03)和對技術的態度(ξ=-0.07).數據素養內部變量有4個子維度.在這些子維度中,“數據應用能力”具有最高的因子載荷.

根據表2,H1,H1a,H1b,H1c和H1d 假設“教師數據素養能力水平(數據獲取能力、數據處理能力、數據分析能力和數據應用能力)對技術整合自我效能感有積極影響”被接受(β數據素養=0.611,t數據素養=15.349;β數據獲取能力=0.447,t數據獲取能力=9.817;β數據處理能力=0.526,t數據處理能力=12.256;β數據分析能力=0.597,t數據分析能力=14.650;β數據應用能力=0.608,t數據應用能力=15.307; 數據素養、數據獲取能力、數據處理能力、數據分析能力和數據應用能力均顯著(p<0.05).此外,H3,H3a,H3b,H3c和H3d 假設結果表明:β數據素養=-0.152,t數據素養=-3.478;β數據獲取能力=-0.119,t數據獲取能力=-2.388;β數據處理能力=-0.134,t數據處理能力=-2.835;β數據分析能力=-0.120,t數據分析能力=-2.671;β數據應用能力=-0.164,t數據應用能力=-3.750;p數據素養、數據獲取能力、數據處理能力、數據分析能力和數據應用能力均顯著(p<0.05).

表2 假設接受/拒絕表

由表2可知,H1,H1a,H1b,H1c,H1d與H3,H3a,H3b,H3c和H3d假設被接受,其余假設被拒絕.因此,基于結構方程模型可以得出結論,技術整合自我效能感和對技術的態度這兩個預測變量對教師數據素養及子維度顯著有效.

3.3 框架評估

本研究收集了3項定量數據來評估教師數據素養分析框架.首先,生成影響因素在各個子維度上的描述性統計數據,其結果可解釋為教師數據素養能力下4個子維度與預測變量之間的相關性.其次,通過驗證性因素分析(CFA)評估教師數據素養假設模型的可行性.最后,采用綜合信度(CR)與平均方差提取值(AVE)來評估教師數據素養分析模型的有效性和可靠性.

3.3.1 描述性統計分析

在本研究中,模型的近似均方根誤差(RMSEA)估計為 0.082,獲得的值指向可接受的一致性程度.同樣,規范擬合指數(NFI)、不規范擬合指數(NNFI)和優度指數(GFI)的估計值分別為 0.88,0.87和0.92,表明模型顯示出可接受的一致性.此外,模型的一致性指數[卡方、RMSEA、NNFI、NFI、GFI和CFI(指標擬合指數)]被發現在p<0.05的水平上顯著.

與教師數據素養、技術整合自我效能感、對技術的態度、技術知識水平和使用社交網絡的目的相關的值如圖4、圖5和圖6所示.

圖4 教師數據素養水平的描述性統計

圖5 教師技術整合自我效能感和技術知識水平的描述性統計

圖6 教師對技術的態度和使用社交網絡的目的的描述性統計

由圖4可知,教師數據素養得分為95.62[標準偏差(SD)=28.87],數據處理能力維度得分為28.25(SD=7.71),數據應用能力維度得分為 35.38(SD=10.93),數據分析能力維度得分為 18.13(SD=2.87),數據獲取能力維度得分為 16.32(SD=1.55).當數據素養得到的分數與多個子維度項目成比例時,觀察到最高子維度是數據應用能力,其次分別是數據處理能力和數據分析能力,最低的維度是數據獲取能力.

由圖5可知,教師技術整合自我效能感得分為65.10(SD=13.17),技術知識水平得分為97.68(SD=28.96).與其他維度相比,數據應用能力維度得分最高(平均k值=3.11),技術與社會維度得分最低(平均k值=2.85).

從圖6可知,教師對技術的態度得分為51.34(SD=10.57),當分析教師使用社交網絡的目的時,觀察到其在“以了解他人和被他人了解為目的的使用”維度上得分低于其他維度,而“以教育為目的的用法”這個維度的分數僅比“以了解他人和被他人了解為目的的使用”維度高.

3.3.2 信度和有效性分析

驗證性因素分析(CFA)用于檢查結構內部有效性.刪除因子載荷值低于 0.5 的項目,然后從每個結構中刪除具有較高殘值的項目,達到一階驗證性因子分析閾值,并通過數據分析驗證模型結構的內部有效性和可行性.使用綜合信度(CR)確定內部一致性,且綜合信度可以估計結構本身的一致性,包括結構穩定性和等價性(表3).從表3可以看出,4個變量的CR值都超過了0.8,符合推薦的閾值.收斂效度表示結構指標收斂和具有大量共同方差的程度.收斂效度根據平均方差提取值(AVE)進行評估,AVE值在 0.737～0.811之間,所有結構的因子加載值都超過0.7,達到了推薦值.因此,模型的收斂有效性得到確認.

表3 可靠性和有效性分析

4 結論

教師數據素養能力是學校效率和學生成績的關鍵決定因素.本文采用問卷調查方式,以技術整合自我效能感、技術知識水平、對技術的態度和使用社交網絡的目的作為重要變量,研究了這些變量與教師數據素養4個子維度(數據獲取能力、數據處理能力、數據分析能力和數據應用能力)之間的關系.實驗結果表明,影響教師數據素養水平的關鍵因素是教師的技術整合自我效能感,其次是教師對技術的態度.本研究結果可為高校和教師提供有針對性、可實踐性的指導意見,從而進一步提升教師在教育信息化環境下的教學實踐能力.

雖然本研究結果得出了技術整合自我效能感是預測教師數據素養能力最重要的變量這一結論,但本研究僅考慮了數據素養這一維度,未考慮其他可能的變量,在未來的研究中仍需繼續探索更多可能影響教師數據素養水平的變量和因素,進一步完善本研究提出的數據素養分析框架,為教師數據素養水平的提高提供更全面、更可靠的支持.