早先时候，国外知名教育垂直类媒体网站Edsurge发布了一份调查报告，发现绝大多数的受访者反映当他们使用学校的数据系统时，有帮助的数据低于 50%。另外有超过 75% 的人反映他们并不相信系统所提供的数据。显然，调查的结果告诉我们，人们觉得：

数据缺乏价值。

而解决数据的价值问题，最为常见的两种解决方法是：

1. 训练老师和学校的管理者更为高效地使用这些数据；
2. 改进数据在教师之间的分享方法，让老师能够互通有无，掌握学生不同时段的学习进度

但事实上，大家都明白，老师技能的缺乏并不能够成为数据价值缺乏的原因。任何一个系统如果去责难它的使用者并不能够高效地去使用数据，那么它本身必然是有缺陷的。

也许，这个问题的真正原因在于我们都误解了“data driven”真正的含义。收集 Data 并不是我们的最终目的，它只是我们达到最终目的中所要凭借的工具和手段。因此，“data-driven decsions”反映的是人们依据数据所思考的逻辑过程，所有的决策都必须从数据开始。

说到这里，也许我们都能够理解数据的作用，它的存在是能够让人们更为客观和全面地制定教育决策，例如如何提高学生的出勤率，如何调控教学进度。那么 另外一个问题来了，数据必须是对于我们有价值的数据，我们应该如何去定义和寻找我们真正需要的数据呢？而以下四个步骤也许能够帮助我们：

• 准确地表达对于信息的需求：我们到底需要知道什么？

事实上所有关于数据的工作都必须首先解决我们到底需要什么样的信息。许多学校对于信息的要求非常广泛，从了解学生的出勤情况到对于教师的评价等等。但是对于一个教育机构来说，真正有用的信息有一个非常显著的特征，那就是必须和学习相关。那么哪些因素与学习密切相关呢？也许最基本的只有 5 个。

1. 地点（Place）：学校需要通过数据来判断学生到底应该去哪里上学。例如是否需要特殊教育，想要学习什么样的专业等等。
2. 评测（Diagnose）：学生现在水平如何，想要完成什么样的学习目标，那么你必须获得数据为每个学生提供个性化的学习计划。
3. 监管（Inform）：随时随地了解学生的学习行为，积累他们的学习表现数据，根据数据及时提供他们所需要的帮助。
4. 预测（Predict）：学生不同的学习行为可能导致他们的表现不一样，而你必须根据数据帮助他们更好地在未来学习。
5. 总结（Summarize）：对于他们不同学习能力的掌握能够帮助正循环地成长。

• 找到最好的方式去收集数据

第一步解决是我们为什么需要数据，那么现在我们必须解决的是我们到底需要什么样子的数据，以及我们到底如何收集它们。 以下是一个简单的示意图。

我们可以简单地将我们对于数据收集分为三部分，why、what 和 How。但必须注意的是，在为什么（why）层面我们判断的依据是某一样具体的标准（例如我们根据的是 performance against grade-level standards），但是可以根据具体情况采用不同的手段（how）。例如可能通过多个标准去判断学生的未来表现（兴趣、学习时间、学业完成情况等 等），但是仅能够通过几个标准去评判学生的实际掌握情况（学习成绩、出勤率等等）。但是不管怎么样，判断数据价值的标准非常简单，第一个标准就是它是否有效地帮助老师获得学生的表现，第二个标准就是获得他们与其他伙伴之间表现的差异。

• 不仅仅是收集，还需要分析和表述你的数据

当我们获得那些我们所需要的数据了，下一步又该怎么做呢？分析者必须能够清楚地分析数据，并依据数据的反映的问题建议初下一步的计划。我们都知道：

数据之所以失去价值有一部分原因是因为我们分析和分享我们的数据是与我们想要用数据所做的事情脱节的。

例如，我们分析出去年某一个地区 5 年级的女孩比五年级的男孩在某一项小学一年级就该掌握的技能中熟练度高 6%，这样的分析并不能够帮助我们能够更好地在一年级中促进技能学习的方法改变。因此，一个好的分析和报告必须是能够与你即将采取的行为语境相符合的。

除此之外，呈现的形式也很重要。可视化的数据呈现形式帮助人们更好的获得信息。

• 监测你的数据使用情况，不断地调整它

在太多的时候，我们建立一个系统去收集、反馈和筛选我们的信息，但是我们忘记了去不断地更新信息。渐渐地，我们变成了一个信息拥有者，而并非是一个使用者。

而改变这个情况的第一步就是判断数据的使用情况。数据的使用频率在一定程度上反映了数据对于用户的有用程度。而下一步就判断数据的质量，可以在通过观察、小组讨论以及群组调查的方式去观察数据的影响力，例如评测的质量，数据的展示，是否易懂等等。

而所有的观察最终的目的，就是更新你的数据库，更好地反映学习情况。

即使，有成千上万的研究报告表明使用数据能够更好地促进教学的发展，帮助学生获得更好的学习体验。但是我们都知道数据本身并不能够真正地改变教学。 因此，学校、老师和学生都必须共同努力去确定和表达数据需求，改进我们的获取途径和分析方法。而以上所有说的这些都是与教学语境密切相关。

而最后当我们真正地弄懂数据的使用语境，那么数据才能够真正地帮助我们了。