数据驱动式教学指导

一对一：90秒钟，说明一切

在校长迈克·曼的领导之下，北极星高级中学的教室里，总是进行着安排严谨的学习活动。通常情况下，在这家新泽西州纽瓦克市的特许学校内，学生们聚精会神地分析托尼·莫里森的写作风格，攻克代数难题，或者在社区自办的剧场内演出节目。不过，今天，一切都与众不同。每年，北极星的学生们都需要完成期中测验，共计四次，以追踪其学业进展。随后，教师将会在教室中与教学指导的主管领导会面，共同讨论测验成绩，同样也是每年四次。

对于史提芬·齐格——北极星学校十一年级的英文指导师而言，他需要面见的领导，就是经验丰富的教师——柏丝·魏瑞利。他们的谈话内容从柏丝的一个问题开始：按照相关标准来衡量，你注意到自己的学生表现如何？

史提芬答道：学生们在阅读类似学习能力倾向测验中的困难文章时，存在基本的语义理解方面的障碍。

“我教给他们的知识，不足以帮助他们克服这些障碍。”史提芬说道。

柏丝马上回应说：“那么，他们在遇到困难的学习内容时，会有哪些表现？我们应该如何教导他们呢？”

“让我思考一下……”史提芬想了一会儿，继续道：“这个嘛……我们可以按照当初全班学生在阅读《麦克白》而难以理解时，所使用的那些方法，教导孩子们。”

“说的不错”，柏丝点头赞许道。

史提芬继续解释说，全班同学在阅读《麦克白》时，“我们会寻找关键的短语或者单词，以便理解文章内容。我们知道大家不可能完全理解所有的文字，但是，至少我们可以重点关注那些关键语段，了解文章大意的落脚点在哪里——这段文字的意义是积极的还是消极的？它的上下文中哪些语句是我们可以理解的？它们是否符合文章背景？”

“的确”，柏丝肯定道：“那么，我们就遵循班级在阅读《麦克白》时所使用的方法。这样一来”，她接着说：“学生们就可以清楚地了解，在阅读复杂文本时，应该使用哪些策略，并如何实践。”

史提芬一边点头，一边在下一周的课程计划本上详细记录。“下一周我们可以这样做，就按照阅读《麦克白》第五幕时的方法来做。”

在90秒钟的讨论过程中，柏丝引领着史提芬领悟到了一种工作策略，可明显促进其教学效果。半个小时的会面之后，两个人已经制定出了9～10种解决方案，包括：将非小说类文学作品整合到小说类单元中来；通过“迷你课程”，教授议论文与抒情文之差异；并且增添一些活动，以便通过课堂数据构建学生的主导性。一年的时间内，经过类似的会面，他们一共找出了30～40个解决方案。借此，每一周，史提芬都会将1～2种变革引入到课堂中，逐渐让自己的教学工作效果愈加提升——事实上，其成功程度如此之高，以至于在接下来的四年时间里，该校通过大学预修课程（AP）英文测验的学生比例，从11%一路飙升至60%，同时，参加此考试的学生人数亦增加四倍左右。

从本质上讲，数据驱动式教学指导（DDI）的起点及其延续方式，都是刚才我们介绍的柏丝与史提芬之间的会面。借助类似的会面，校长或者其他教学指导领导者，可以尽最大可能地开展高杠杆水平、注定改变工作局面的30分钟对话——也是必将有所收获的对话。这些会面顺利开展之际，它们也就成为数据回路的顶端，并且将全校的关注点，都转移到了教育领域内最为基本的一个问题：并非“我们教课了吗？”而是——“学生们学会了吗？如果没有，那么，我们应该如何授课，才能帮助他们掌握相关知识呢？”

实践如此简单的原则，可从根本上转变一所校园的风貌。更为重要的是，它可以改变所有类型的学校，从乡村学校，到薄弱学校（turnaround school，在美国，“turnaround”一词通常用来指在长期表现不佳之学校里，改善学生的学习表现。——译者注），到特许学校，本章之后也将介绍多个类似的成功案例。过去十年间，全美国各式各样的学校领导者，在采用了数据驱动式教学指导之后，无不取得了优异的工作业绩。以巴尔的摩市的莫瑞尔公园小学为例，短短三年期间，学生平均成绩提高了60分；位于华盛顿特区的瑟古德·马歇尔高级中学，以及芝加哥市的道奇小学，在五年的期间内，学生成绩也上升了40分。

正如笔者在上一本书《数据驱动：提升教学指导水平的实用指南》中所述，类似的例子不胜枚举。通过对相关教育体系长达十年的细致观察，我深信，数据驱动式教学指导，乃是学校领导者对于自己时间唯一一种最有效的利用方式。或者，恰如柏丝的校长迈克·曼所言：“至关重要之事，就是学生的实际收获是大是小，而数据——它的形式多种多样——是确保学校达成目标的唯一方法。”不过，了解数据所具有的重要性固然容易，切实地运用它们驱动教学指导的展开，并且达到工作业绩的显著提升，则实属不易。从上文来看，柏丝和史提芬之间30分钟的对话，就可以带来如此令人惊异的效果，那么，如果要创建一所这样的学校，具体来说需要做些什么呢？对于像迈克·曼这样的校长而言，它意味着创建起一套定期召开数据会议的体系，同时培训教师进行数据分析的能力。对于像柏丝这样的系主任而言，它意味着要提出试探性的问题，并且深入思考史提芬的测验结果揭示了什么内涵。当然，为了达到这个状态，无论是柏丝，还是史提芬，都需遵循一套成熟的模式。

数据驱动式教学指导的四大关键点

一、测量。制定通往严谨教学指导工作的路线图。

二、分析。确定学生的困难所在及其原因。

三、行动。将全新的教学计划加以实施，以回应分析结果。

四、体系。创建出相关体系及流程，以确保持续地改进数据驱动。