基于数据的学校决策：本质、过程及其实践问题

奥鹏网院作业

基于数据的学校决策：本质、过程及其实践问题

摘要：基于数据的学校决策，在本质上是学校持续的、系统化、协同性地利用数据做出判断的过程。学校利用数据进行决策有两种不同的过程，一种以清晰呈现的目标或过程为导向，强调利用数据清晰地定义问题和最终进行学校改进的评估；另一种以发现问题为导向，强调将数据作为促进各方讨论的支点，进而建立数据驱动的学校文化建设。对于学校而言，成功地使用数据依赖于对以下几个方面问题的解决：数据的代表性问题、数据解读的“多样化”问题、第三方机构及数据顾问的角色定位问题、“不利”数据的公开问题、数据驱动学校持续改进的问题。
关键词：数据；学校决策；持续改进；数据公开；第三方机构
在教育评价日益兴盛的时代，建立在评价基础上的学校改进，本质上是利用数据进行决策的过程。至少有两方面原因正在推动学校领导者抛弃简单的凭借直觉和经验做出决定的传统模式，转而将数据作为更加具有说服力的决策基础。一方面是教育体制中对于问责制的成熟运作，必然要求学校越来越多地证明其工作的合理性与成效。[1]需求分析、SWOT分析、乃至于教育督导等以数据为中心的活动，构成了决策的必要环节，而学生成绩、升学、教师获奖等级等数据，构成了绩效的依据，这使得数据成为了办学情况的主要证据。另一方面，随着技术的发展，数据通过各种途径被不断地大量生产，教育者开始有可能更为便利地获得诸如学生学习行为、课堂对话等（与相较于考试成绩数据）更贴近教育本质的信息反馈。教育者开始认为数据所提供的信息足以支撑深思熟虑的计划并且做出合理的、有针对性的决定，从而实现持续改进。[2]基于数据的决策既是学校领导者必须直面的挑战，也是学校实现现代化转型发展的重要契机。
因此，基于数据的学校决策在本质上是教育现代化进程中制度驱动和技术推动的共同后果。在我国的基础教育实践领域，并没有如英美那样的问责制基础，即学校并没有直接和明确地接受政府基于数据的考核；数据概念之所以在中小学被迅速接受，更多是源自学校对于社会技术变革趋势的感知。数据本身作为现代性的一个典型隐喻，和科学性、可观察性、可操作性、有效性等一系列特征天然地联系在一起，乃至于人们会认为基于数据的学校决策具有不证自明的先进性与合理性。但目前实际上，学校对于数据的使用，仍存在一些内涵、过程和问题需要厘清。
一、基于数据的学校决策之本质内涵
关于学校利用数据决策在国外的研究中有不同的名称，比如基于数据的决策(Data-based decision making or Data-informed decision making)或基于证据的决策(Evidence-based decision making)，也有人将其称之为数据驱动的决策(Data-driven decision making)。这表明人们对于相关概念的理解存在着一定的差异，大致可以将其划分为三类。
第一类定义侧重数据的准备作用，认为这是一个为制定行动方案提供证据的过程。有学者认为基于数据的决策是通过有目的地选择、收集和分析相关数据来确定学校的问题、制定方案、比较不同方案的结果并最终选择首选方案的过程，[3][4]或是认为基于数据的决策是使用原始数据转化为信息和知识以进行教学决策的过程。[5]这种视角下，数据往往并没有真正进入决策过程，而是作为支撑学校领导决定的“证据”存在，或是在某些紧急的情况下选择应对方案时使用。如当学生吃午餐出现呼吸不畅时，学校利用数据系统迅速判断学生属于何种过敏症状，就属于此类应用。可见在这一取向下，因为数据储备缺乏针对性，数据的使用很难支撑重大的决定。
第二类表述则强调数据对于决策的过程性支持作用，即对于数据信息的明智判断过程。这一取向认为，基于数据的决策是利用数据对学生的进步做出明智的决定，而不是依赖直觉或不完整的数据。[6]关于这一点，Wagaman更有针对性地指出基于数据的决策是利用数据对教育做出明智的决定，但是他认为使用数据并不能取代经验、专业知识、直觉、判断力和教育者的能力。[7]这种看待学校数据的视角，实际还是认为最终做出判断的依据，应该是学校领导的经验，数据的作用是丰富决策的基础。这一取向要求决策者对于数据的使用本身有较为专业的掌握，并能清晰认识到数据的优势和不足。
第三类表述注重系统性地实现学校目标，强调基于数据的决策对于行动目的达成。比如，Ikemoto & Marsh指出基于数据的决策是一个系统地收集各类考核数据和分析数据来指导一系列的决策以帮助提高学生成绩的过程。[8]Marsh,Pane,& Hamilton认为数据驱动决策是教师、校长和管理人员系统地收集和分析各种类型的数据，包括输入、过程、结果和满意度的数据，来指导一系列决策从而帮助提高学生和学校的成功。[9]对此，当前教育界的学者更认可第三类的表述，在这一类表述中，数据的“系统性”和决策的“协同性”得到了强调。一方面，这意味着使用数据的决策者要对与某问题或目标相关的所有数据做出全面的考量，从而尽可能地洞察问题的根本；另一方面，这一类表述表明再好的决策都没有办法一劳永逸地改进学校，学校的持续改进需要一系列明智的决策协同发挥作用，良好的数据文化需要学校领导者、教师、家长和第三方专业机构的共同支撑和持续跟进。
定义的差异源自于人们对于数据本质的认识的不同。从内涵来讲，有学者认为只有定量数据才是数据，而有的学者则认为定量数据的覆盖面有限，那些无法通过数据形式获取的材料也是数据；从外延来讲，有学者认为学校数据是仅指各类测评数据，而有的学者则认为有关学生年级水平、种族、语言熟练度及评估成绩等都是学校数据；从价值来讲，有学者认为数据的价值是澄清问题，而有的学者则认为数据的价值是帮助我们发现问题。从作用来讲，有学者认为数据仅是决策的依据，而有的学者则认为数据除了作为决策依据，还能驱动决策的制定。学校应当根据自己的特点（如是否有第三方支持，本校是否有熟悉数据使用的专业人员，学校共同体成员的参与度等）来判断使用何种取向来实现数据驱动的决策。
二、学校利用数据决策的过程
由于理解和焦点的差异，学校利用数据进行决策的过程，可以分为两种不同的类型，一种以预设的目标为导向，一种以发现问题为导向。
（一）以清晰呈现的问题或目标为导向的决策过程
将清晰呈现的问题或目标作为决策过程的逻辑起点，得到了很多研究者的肯定，也是多数学校实践的思路，他们认为此决策过程的理论基础是利用数据表征的信息可以帮助澄清问题、找出导致问题的根本原因从而做出最恰当的决策。针对此类取向的数据驱动决策过程，国内外学者提出的模型包括数据团队程序、评估过程的一般机制、基于数据的决策过程等。[10][11][12]通过对相关程序的整合，我们认为基于数据的决策过程应该包括以下七个步骤。
第一，定义问题或目标。决策团队要决定其想要集中精力关注的学校问题或要实现的目标。基于数据的决策，对于问题或目标的界定应该有具体的数字要求，如“不同性别学生毕业成绩差异不超过5%”或“5年级学生在家完成作业时间不超过4年级同期水平”。
第二，收集数据。问题或目标一旦确定，决策团队需要收集与其相关的系统数据。这里，收集的数据是否全面、是否有效可靠直接关系到决策的质量，因此，检查数据的质量至关重要。往往对于一个学校而言，至少要包括学校层面、教师层面和学生层面三层数据，否则很难做出系统的分析。
第三，分析数据。为了使数据进一步澄清我们既定的问题或目标，我们可以对上一步骤中筛选出的有效数据进行总结、计算、比较，可以是简单的数据分析，比如描述性分析、总结访谈资料，也可以是更多复杂的分析技术。如果学校本身没有专门的数据小组，那么第三方的支持将至关重要。
第四，解读数据。我们需要将数据分析的结果转化为情境化的、可读性较强的信息，即通过理解数据的呈现形式、数据背后的因果联系等理解数据的深层意味以及它们对未来行动的暗示。需要注意的是，在分析数据的过程中，我们可能会遇到一些之前并未预见的情况，如会有很多负面数据，包括学生成绩和家长对学校评价下降等。这时学校需要进一步收集更多的数据并对其进行分析，并结合已有的分析结果进行新的解读。
第五，制定决策。即根据解读数据的结果，制定具体的行动方案，确定相应的干预措施及评估计划。决策过程中，仍然需要关注系统性问题。不能因为“数学成绩下降”，就盲目地投入更多资源和时间到数学课程的改进上。这往往会导致“拆了东墙补西墙”。过一段时间，数学成绩回升，但学校其他学科则受到负面影响。学校应该做出一个整体的优先性问题排序，对问题进行依次解决，并注意决策不能影响到一些基本的底线数据，如教师的休息时间、工资水平等。
第六，执行计划。即将制定的干预行动付诸实施的阶段。在此阶段，我们要全程进行跟踪评估，目的是希望通过形成性评价中获得的实时数据提供有价值的信息帮助调适干预策略，从而实现干预效果的最大化。
第七，评估结果。即确定我们采取的行动是否有效，我们的目标是否实现或是问题是否解决。要评估结果，我们要重新收集干预后产生的新数据并分析、解读，如果干预并没有导致预期的变化，决策团队需要重新回到决策阶段调整干预或者制定新的干预计划，这一过程要一直持续到实现预期的积极的结果，如果干预取得了预期的结果，则进行最后一步分享结果，即将决策的成功实践与学校共同体成员分享，一方面可以增强学校共同体成员对学校利用数据决策的信心，另一方面也能为学校接下来的决策赢得更多的支持。
（二）以发现问题为导向的决策过程
以问题或目标为导向的决策过程通常用于学校解决明确被提出的问题或是实现某个既定的目标，在此过程中，数据的核心价值体现为澄清学校问题或是具体化实现目标的重要依据。当然，也有学者指出，数据另一个重要的价值是它能够揭露学校中一些有待改进的方面或是需要被关注的领域，基于此，他们提出了以数据驱动问题显现的决策过程，数据明智的过程就是其中一种。[13]我们认为该决策过程包括五个步骤。
区别于前一种决策过程，该决策过程的首要步骤就是收集数据。由于数据收集并没有具体明确的指向，因此，我们需要将所有可采集的数据（或某方面的系统数据）都纳入考虑范围，当然，数据质量的检查同样必不可少。第二，创建数据概览。这一阶段的重要目的就是将收集到的数据以一种容易被决策团队访问的方式呈现，从而初步确定已有数据的适切性。第三，挖掘数据。也就是说，我们需要通过客观的统计和分析,从已有的可利用的数据中发现潜在的制约学校发展的因素。第四，确定目标问题。这是对学校问题的显性表征，更是学校决定下一步行动的必要条件。第五，制定决策。不同于前一种决策过程，优先解决的问题一旦确定，我们就可以制定相应的干预措施。接下来的步骤就同前一种决策过程一致，即执行计划、评估结果及分享结果。
在以发现问题为导向的决策过程中，“基于数据的讨论”应是贯穿整个过程的关键。“发现问题”的前提是凝聚共识。教师们并不习惯解读数据。他们往往认为数据没有经验可靠；或者认为数据虽然揭露了现实，却不能呈现原因，对于发现真正的问题无能为力。以下一位数学老师的观点非常典型：
“你们数据小组告诉我，我们的学生在解决实际问题方面表现低于常模平均水平。这个我承认。但你们知不知道我们学生的数学成绩在区里的质量检测中一直是全区第一？不是我不想锻炼学生的能力，而是家长更关注的是成绩，而不是能力。”
这是研究者在与小学合作推动“数据驱动的课程建设”的过程中出现的一个案例。面对这样的“抵抗”，校长应该将其视为建立“学校数据文化”的契机。教师的观点并非没有道理，但也并非完全合理。数据的作用在此时“暴露问题”而非直接地解决问题。家长是不是真的只关注成绩？学校需要有家长加入到数据小组的会议中，真正表明他们的看法。也许家长在社会氛围的影响下会“更关注成绩”，但不会“只看成绩”。当他们真正面对孩子“解决实际问题能力下降”的数据时，他们往往会和教师协商，尽力地在“成绩”和“能力”之间做出折中，而这就是改变的开始。
以上两种决策过程都可以作为学校持续改进的重要推动力量，因此，不论是学校有意识地利用数据致力于已有问题的改进，还是利用数据对学校进行“自我体检”，都是学校在积极主动地寻求发展。需要注意的是，这两种决策过程均是基于数据解读的结果准确可靠，因而当干预未取得预期效果时，我们会重新考虑制定新的干预措施或是对其进行调整。事实上，当干预并未取得预期结果时，也有可能是由于初期的数据分析解读有误，甚至是数据本身就有问题，这时我们就需要返回更初期的阶段重新开始。因此，在学校利用数据决策的过程中，对数据携带的信息的挖掘就成为整个决策过程的关键，数据诊断得越准确，我们才越有可能进行恰当的干预，也才有可能改进学校，这就反过来提醒我们发展决策团队的数据素养的重要性及必要性。另外，我们在上述两种过程中重点强调了数据对诊断问题的重要作用，然而，数据在反映问题的同时也可以描绘学校的优势，这一点在决策过程中也应该被重视，因为我们相信学校的优势既可以作为学校采取干预措施的重要依托，同时它也可以暗示学校特色化发展的方向，从而更好地整合于学校的顶层设计。
三、基于数据的学校决策能否为学校发展提供助力
和以往以经验驱动的决策不同，基于数据的决策要求学校摆脱习惯的决策方式，通过明确的证据、资料和讨论流程来做出客观的判断和明智的决定。为了支持这一过程，从2000年开始，不少国家就已经建立区域层面的“数据中心”，通过专门的机构和服务人员对学校提供数据支持。[14][15]
如果从历史的视角看，基于数据的决策对于学校发展的意义是毋庸置疑的。很多人都认为“基于数据的学校决策”是一个全新的事物，实则不然。虽然这个概念出现的时间不长，但本质上利用证据来辅助决策的过程已经有了多年的历史。[16]例如，行动研究对于实践中所搜集的资料和分析，往往会影响到学校层面的重要决定；而再近一步，教师对于学生成绩和课堂表现等的评分与记录，如果恰当整理和利用，早已为“基于数据的决策”做好了准备。[17]而PISA等国际大型测试的影响力日益增大，更是唤起了人们系统利用数据的热情。美国的“不让一个孩子掉队法案”，之所以倡导“基于证据的研究”，本质上是校本层面实践研究不断发展的必然结果。以美国为例，许多调查研究与准实验研究已经充分证明了数据驱动学校决策的效果。[18][19]
通过数据对学校的发展产生推动作用，关键是对于数据的“系统”使用。基于数据的学校决策是“教师、校长和行政人员系统地收集与分析数据，用以指导一系列的决策，帮助促进学生和学校的成功”的过程。[20]学校需要对所能获得的各方面数据进行充分地挖掘，在不同的数据之间进行不断比较和解释，从而获得整体性的认识。
何谓“系统化的使用数据”，这是未来学界需要重点关注的问题。虽然随着技术的进步，已经有了诸如“数据仓库”、“学校信息管理平台”等一系列技术基础，但这并不能充分地解决问题。目前的各种软硬件平台大多对于数据的搜集缺乏针对性，并且很难自然切入到学校领导者的具体决策过程之中。“搭建一个数据系统”不等于“利用数据系统做出决策”。学校需要有专门的数据小组，并通过形成共同体的“数据文化”才能有效地使用数据，进而促进学校发展。
四、学校利用数据决策的实践问题
事实上，目前我国大多数学校对这种决策方式仍抱着一种敬而远之的态度，即使是少数学校尝试实践，也是秉持一种谨慎的心态。究其原因，对学校来讲，学校利用数据决策似乎并没有简化决策的复杂性，反而是在增加学校决策成本的基础上，将学校置于更大的决策困境。因而，正确审视相关的实践问题对于合理实施基于数据的决策，具有重要的现实意义。
（一）数据的现实“代表性”问题
学校利用数据决策强调数据的“代表性”，是保证决策科学性的重要因素。基于学校目前收集到的都是针对总体的全样本数据，往往不存在一般的教育科学研究的抽样问题。更多的时候，需要考虑的是如何与第三方专业机构充分合作，在合理的层面上，相对简单准确地呈现数据，同时又保证对于数据的理解不会脱离学校中复杂的情境性因素。
这里强调的“代表性”，要求我们在收集数据和分析数据时要考虑包含横向及纵向两方面的数据，即我们既要关注与某问题相关的当下的各种数据，比如我们要解决学生学习效率低下的问题，则与其相关的学习习惯、学习内容本身和表征方式及学生学习力等等各种数据都是我们要考虑的内容，也需要关注某问题随着时间变化其不同表现状况的数据。然而，在现实中，实践者认为暂不考虑数据收集工具是否可靠，学校中可以通过数据表征的事实只是全部的冰山一角（即便在大数据时代也是如此），那么如何判断收集到的全部可用数据就能真实的代表现实成为很多实践者的疑问，也成为实践者犹豫是否要利用数据决策的重要原因。
（二）数据解读的“多样化”问题
数据解读是将数据分析结果转化为情境化的信息的关键环节，也是做出最终决策的重要参考。然而，现实中面临的问题并不是数据解读被搁置，而是有太多种的数据解读结果使决策者陷入困境。学校利用数据决策需要学校共同体成员的积极参与，这也就从客观上导致了多样化的数据解读结果，学校领导、教师、第三方合作机构及数据顾问基于不同的思维假定表达各自的认识，而传统上由学校领导直接做出决断的方式在学校利用数据决策的共同体中是不被欢迎的，也是违背其实践民主化本质的，加之学校还缺乏共同体成员建构共识的机制，陷入困境在所难免。
显然，在数据解读的过程中达成共识是推进实践的必要前提。因此，使共同体成员可以搁置己见，实现意义共享就变得至关重要。戴维·伯姆认为，每个人都有各自的思维假定，是这些思维假定导致我们对同样的认识对象产生不同的看法，由于人们并不能超越自己已有的观点，因此每个人的认识都存在局限性。我们要认识到，对话过程中的冲突是必要的，正是这些冲突使每个人可以冲破自己的思维假定，从而有机会看到认识对象的全貌。[21]基于此，学校利用数据决策需要建立长效的对话机制。学校数据小组的成员如果能举行会议进行对话，在对话的过程中悬置自己的想法，以一个观察者的身份去审视共同的对象，则这种对话机制就会逐渐被建立起来。这就要求学校改革常规的、制度化的各种会议，建立具有反思空间的对话机制。
（三）第三方机构及数据顾问的角色定位问题
学校成员普遍缺乏数据素养，是学校向第三方机构及数据顾问寻求帮助的主要原因。目前，学校在利用数据决策的过程中，往往会将数据的分析及解读委托于第三方机构和数据顾问。学校则通过他们提供的报告进行决策，这就导致学校在利用数据决策的过程中失去部分主动权。一方面，第三方机构及数据顾问对学校的实际情况很难在短期内有全局的把握，另一方面，他们对学校的具体实践也没有清晰的认识，因此，他们的报告中虽然很容易呈现一些技术性的数据处理结果，但是其解读还是需要谨慎对待的。
我们要肯定第三方机构及数据顾问参与学校利用数据决策的实践的必要性，而准确定位他们的角色也是必须要认真对待的问题。理想的三方关系是基于最大程度的改进学校的共识。因此，他们之间应该是彼此支持的，校方必须明确第三方机构提供的报告中必须包含的内容并赋予其一定的自主权以进行非常规的数据挖掘；而第三方机构需要在满足校方要求的同时，对数据挖掘过程中一些非典型性的现象加以关注并告知校方；数据顾问则应该对第三方机构的分析报告及校方的决策意向进行专业评估，包括学校采用现有数据分析结果进行决策的风险评估及决策意向的科学性及可操作性评估。
（四）“不利”数据的公开问题
学校办学过程中的信息公开既是自我宣传的手段，也是外界了解及监督学校办学的重要窗口。从理论上讲，通过信息公开，学校与学生家长、社会人士之间建立起联系，这客观上能维护学校共同体的稳定、团结，有利于学校争取到他们更多的支持，从而实现更长远的发展。然而，信息公开似乎是把“双刃剑”，反映学校成果的数据公开自然会得到更多积极正面的回应，而学校较不理想的实践的公开似乎往往更多的是引发家长的抱怨与社会的问责，这往往会使学校陷入两难的境地，一方面，根据教育部颁布的《关于推进中小学信息公开工作的意见》，学校不能采取回避的方式面对此类问题；另一方面，学校将其在利用数据决策的实践中的“无效”做法公之于众时又需承担巨大的压力与风险。
数据公开不可避免，明智的做法是不止让家长作为结果的知晓者，而应该让他们也成为学校利用数据决策实践的全程参与者，一方面在整个实践过程中我们需要得到家长的帮助，更重要的是作为参与者，他们必定更能以一种主人翁的立场理解这些数据，从而避免“不利”数据公开造成负面的影响。
（五）数据驱动学校持续改进的问题
学校利用数据决策的本质暗示其既希望借此更科学地解决学校面临的问题，更希望它能成为学校持续改进的驱动力。目前，在我国，学校利用数据决策并没有成为学校工作的常态化形式，通常，它们是以项目的方式在推进，因此，项目的结束往往意味着它们的终结。
只有使学校利用数据决策成为日常工作方式才是实现其持续改进学校的根本。学校文化作为推动学校发展的重要抓手使这一想法有可能变为现实。因此，我们可以在学校领导、管理者及师生中培养与建立“以数据说话”的意识与习惯，养成收集数据、保存数据、利用数据、分析数据等工作习惯，建立学校“数据文化”。当然，我们也要完善统计数据与调查数据、过程数据与结果数据、线上数据与线下数据等多维数据的统一标准，建立与完善教师专业发展数据系统、学生成长数据系统等，[22]为基于数据进行即时的决策建立支持性的学校数据文化。甚至数据本身还可以生成数据。在一个具有数据文化的学校中，教师们围绕原始的数据进行讨论、绘制规划草图，进行决策投票等过程性的资料，往往会成为推动学校持续变革的更加重要的质性数据。
参考文献：
[1]Carlson, D., Borman, G., & Robinson, M. A multistate district-level cluster randomized trial of the impact of data-driven reform on reading and mathematics achievement[J].Educational Evaluation and Policy Analysis,2011:33(3), 378-398.
[2]Earl, L., & Katz, S. (2006). Leading schools in a data-rich world: Harnessing data for school improvement[M]. Thousand Oaks: Corwin.[3]O’Reilly, C. A. The use of information in organizational decision-making: A model and some propositions[M]. Research in Organizational Behavior, 1983,5:103-139.
[4]Streifer, P. A. Using data to make better educational decisions[M]. Lanham,MD:Scarecrow Press,2002.
[5]Mandinach, E., Honey, M. & Light, D. A theoretical framework for data-driven decision making[C]. Paper presented at the annual meeting of AERA, San Francisc, 2006.
[6]White, V. C. Relationships among principal’s beliefs about data-driven decision making,principal and school characteristics, and student achievement in elementary schools[EB/OL].https://search.proquest.com/docview/2508 43620/888D89853E1E45B7PQ/3?accountid=13819,2008.
[7]Wagaman, R. M. Understanding the private school: How do private school teachers understand and describe data-driven decision making?[EB/OL]. https://search.proquest.com/docv ... E9A2D444FPQ/2?accou ntid=13819, 2015.
[8]Ikemoto, G., & Marsh, J. Cutting through the“data-driven” mantra: Different conceptions of data-driven decision making[R]. Yearbook for the National Society for the Study of Education, 2007, 106(1): 105-131.
[9]Marsh, J., Pane, J., & Hamilton, L.Making sense of data-driven decision making in education: Evidence from recent RAND research[R].Santa Monica, CA: RAND Corporation, 2006.
[10]Schildkamp, K., & Handelzalts, A. Data teams for school improvement[C]. Paper presented at the American Educational Research Association Conference, 2011.
[11]Wright, B. D. Closing the loop: How to do it and why it matters[R]. Minneapolis, MN:Western Association of Schools and Colleges,2008.
[12]Poynton, T. A., & Carey, J. C. An Integrative model of data-based decision making for school counseling[J]. Professional School Counseling, 2006: 10(2): 123-128.
[13]Boudett, K. P., City, E. A., & Murnane, R.J. Data Wise: A step-by-step guide to using assessment results to improve teaching and learning[M]. Cambridge, MA: Harvard Education Press, 2005.
[14]Goren, P. Data, data, and more data---What’s an educator to do? [J] American Journal of Education, 2012, 118(2): 233-237.
[15]Grissom, J. A., Rubin, M., Neumerski, C. M.,Cannata, M., Drake, T. A., Goldring, E. &Schuermann, P. Central office supports for data-driven talent management decisions:Evidence from the implementation of new systems for measuring [J]. Educational Researcher, 2017, 46(1): 21-31.
[16]Jimerson, J. B. & McGhee, M. W. Leading inquiry in schools: Examining mental models of data-informed practice [J]. Current Issues in Education, 2013, 16(1): 1-21.
[17]Mandinach, E. B. A perfect time for data use:Using data-driven decision making to inform practice [J]. Educational Psychologist, 2012,47(2): 71-85.
[18]谢文贵, 黄旭钧. 国民小学分布式领导对学校效能影响之研究——以资料导向为中介变量[J]. 学校行政双月刊（台）, 2016(9): 63-84.
[19]van Geel, M., Keuning, T., Visscher, A. J. &Fox, J. Assessing the effects of a schoolwide data-based decision-making intervention on student achievement growth in primary schools. American Educational Research Journal[J], 2016, 53(2): 360-390.
[20]Ikemoto, G. S. & Marsh, J. A. Cutting through the “data-driven” mantra: Different conceptions of data-driven decision making[A]. In P. A. Moss (Ed.), Evidence and decision making: Yearbook of the national society of education [C], London: Wiley-Blackwell，2007: 105-131.
[21]（英）戴维·伯姆. 王松涛译.论对话 [M]. 北京:教育科学出版社.2004.
[22]范国睿.基于数据的学校治理什么样[J]. 中国民族教育, 2016,(6): 15.