职业教育教师数据智慧差异的方差分析

为进一步了解不同类型职业教育教师在数据智慧方面是否存在明显差异，使用方差分析法，从人口统计学的角度测量不同控制变量是否给指标变量造成了显著性差异。分别以教师的年龄、性别、课程、学历、职称、地域为自变量，以F1因子即“职业教育教师数据智慧综合水平评价”为因变量，展开分析。利用Levene方差齐检验，得到的相伴概率皆大于显著性水平0.05，可见满足检验所需的方差相等条件，继续使用SPSS20.0的方差齐性检验功能，得到如表3-5所示的结果：

表3-5　自变量方差分析

性别、学历、职称的因子检验结果皆大于0.05，可见原假设成立，不同性别、学历、职称的高职教师在数据智慧综合水平上不存在显著差异。年龄、课程、地域的因子检验结果皆小于0.05，原假设被否定，这三个自变量对数据智慧评价水平的影响显著。将这三个自变量各自指标的均值以柱状图形式呈现于图3-4。

图3-4　年龄、课程、地域变量均值分析图

结合表3-5和图3-4可见，以年龄作为分组变量，中年职业教育教师的数据智慧评价水平最高。这一年龄段教师既具有较为丰富的教学经验，又对新的教学理念、技术、方法具有较强的适应能力；中老年教师的数据智慧评价水平较低，与这一群体相较而言对新鲜事物的接受程度下降有关，尤其是“银色数字鸿沟”的存在会加剧科技恐惧感，影响其数据智慧的提升^[28]；青年教师群体往往具有很大的创造性和灵活性，但从教时间有限，会影响其对职教规律的把握，从而制约对新教学方式的探索，导致此群体数据智慧水平整体低于中年教师。

以教授的主要课程作为分组变量，可见管理类课程教师的数据智慧评价水平高于基础类、实操类群体。这与课程性质相关，管理类课程往往侧重学生的理性思考、逻辑推演、知识学习等，而实操类课程更侧重动手操作、技能练习、行为养成，较管理类课程更为形象、直观，也更利于调动学生的学习兴趣，因此，管理类课程教师会更加注重运用数据智慧进行学情分析、教学情境的营造、教学资源的设计等，以提升学生学习兴趣。在此过程中，教师得到更多的锻炼，水平提升的幅度可能更大。旅游类基础课程既有一部分偏重理论教学，也有部分侧重实践练习，处于管理类课程与实操类课程的中间状态，教师数据智慧特点不凸显。

以地域作为分组变量，可见数据智慧评价水平按华东、华中、东北、西北的次序递减。这与我国职业教育资源分布的特点是基本一致的。我国各省区和直辖市从职业教育所获资源情况，大致呈现由东部沿海省市向内陆地区逐次递减的阶梯型结构分布，表现为区域性职业教育不平衡的发展状态^[29]。数据教学资源作为当代教学资源的重要组成部分，区域分布的特点直接关乎职业教育教师使用相关资源的频次和质量，影响使用的态度和意识，最终导致不同区域职业教育教师数据智慧水平的差异。

【注释】

[1]祝智庭.智慧教育新发展：从翻转课堂到智慧课堂及智慧学习空间［J］.开放教育研究，2016（1）：18-26.

[2]唐烨伟，等.信息技术环境下智慧课堂构建方法及案例研究［J］.中国电化教育，2014（11）：23-34.

[3]彭绍东.基于SCORM标准的“学习路径”设计［J］.现代教育技术，2010（8）：114-119.

[4]黄伯平，赵蔚，余延冬.自适应学习系统参考模型比较分析研究［J］.中国电化教育，2009（8）：97-101.

[5]曹良亮.在线学习中学习路径分析与学习行为特点研究［J］.中国远程教育，2014（4）：25-30.

[6]钟士军.高中物理探究学习工具设计研究［D］.东北师范大学，2013.

[7]任友群.建构主义学习理论的哲学社会学源流［J］.全球教育展望，2002（11）：15-19.

[8]陈威.建构主义学习理论综述［J］.学术交流，2007（3）：175-177.

[9]孙永强.高中语文阅读网络学习空间设计研究［D］.东北师范大学，2015.

[10]贾林祥.认知心理学的联通主义理论研究［D］.南京师范大学，2002.(www.xing528.com)

[11]张巧乐，黄如民.联通主义视域下的移动学习环境设计［J］.现代教育技术，2013（2）：115-119.

[12]何克抗.从Blending Learning看教育技术理论的新发展［J］.国家教育行政学院学报，2005（9）：37-48.

[13]李克东，赵建华.混合学习的原理与应用模式［J］.电化教育研究，2004（7）：1-6.

[14]吕景霞.大学英语教学中的混合学习理论初探［J］.长春理工大学学报（社会科学版），2009，22（4）：639-640.

[15]黄荣怀，周跃良，王迎.混合式学习的理论与实践［M］.北京：高等教育出版社，2006.

[16]Pearson K.The Problem of the Random Walk［J］.Nature.1905，72（1865）：294.

[17]陈琦.人工蜂群算法的研究及应用［D］.扬州大学，2016.

[18]胡春雨.基于群体智能的人群疏散建模与仿真方法研究［D］.山东师范大学，2015.

[19]党莹莹.群体智能优化算法在自动扇区优化软件中的研究与应用［D］.北京邮电大学，2015.

[20]于建芳.大学英语六级词汇自适应测试系统的研制［D］.山东师范大学，2016.

[21]张美芹.基于信息技术环境下的颠倒课堂的研究［J］.电脑知识与技术，2013（30）：6938-6840.

[22]祝智庭，贺斌.智慧教育：教育信息化的新境界［J］.电化教育研究，2012，33（12）：5-13.

[23]怀特海著.教育的目的［M］.庄莲平，王立中译，上海：文汇出版社，2010.

[24]袁振国.当代教育学［M］.北京：教育科学出版社，1999.

[25]闫智勇，吴全全.职业教育教师专业素质评价的困境表征与原因探析［J］.中国职业技术教育，2017（03）：68-75.

[26]Boudett K.P.，＆Steele J.L.Data wise in action：Stories of schools using data to improve teaching and learning［M］.Cambridge，MA：Harvard Education Press，2007.

[27]［美］威伦，［美］哈奇森，［美］博斯；李森，王纬虹，译.有效教学决策（第6版）［M］.北京：教育科学出版社，2009.

[28]王吉，潘彬.跨越银色数字鸿沟：老年人信息技术教育初探［J］.江苏广播电视大学学报，2013，24（02）：19-22.

[29]吴健.新时代职业教育发展不平衡不充分若干问题的探讨［J］.职业教育研究，2019（01）：50-56.