由證據本位教育與大數據理念論教育發展策略

壹、前言
常言道：「決策錯誤比貪污更可怕。」任何教育政策之推動及教育行政作為，若僅憑領導決策者之意識形態或個人經驗，容易使決策產生災難。近來英美兩國的教育政策決定者與實務工作者對於教育研究的品質與實用性，產生不少質疑，其呼籲教育要有一種重視證據（Evidence）之文化（簡虹珠，2007），故要使各種重大之政策決定合乎理性及邏輯，以實證理性之證據資料作為決策之基礎，成為當前重要之政策理念。再者，隨著資料庫之建立及資訊統計分析技術的進展，讓「數據說話」的大數據觀點成為決策者政策推動的手段之一，亦成為政策論述及推動之重要工作。本文即以「證據本位教育」及「大數據」為探討重點，首先剖析「證據本位教育」及「大數據」之意涵，再介紹相關概念，並論述有效證據的依據、來源及證據等級，接著再說明「證據本位教育」研究流程及步驟，最後再論述教育組織在運用「證據本位教育」及「大數據」可行之作法，以提供給讀者參酌及思考。
貳、證據本位教育的意義及相關概念
一、證據（Evidence）意涵
又稱為「實證」，依Merrian-Webster字典有三種意義：a.一種明顯的徵象（An Outward Sign）；b.提供證明的東西（Something That Furnishes Proof）；c.目擊者（One Who Bears Witness）（引自賴志峰，2004）。是以，證據可定義為經由多種途徑或方式所獲得或產生符合需求、具有明顯徵象、並可提供證明的資料（葉連祺、張盈霏，2001）。就嚴格而言，證據係指利用科學方法及程序所獲得之資訊，其目的為增加對自然世界或人類社會的瞭解，此一科學方法與程序具有自我偵錯、重複實驗、可複製性等特性，依此途徑所產生的證據通常具有客觀性和普遍性。若採寬鬆定義，證據則指有關某一現象的實存的、認知的資訊，包括個人主觀的價值信仰或意識形態在內，雖不必然具有客觀性和普遍性，但同樣也有助於對自然世界或人類社會的瞭解（莊文宗，2018）。
二、證據本位（Evidence-Based）的意涵
又譯為「循證」、「實證本位」，即指以證據為基礎。基本上，證據是來自於利用一套客觀的、嚴謹的、可複製的科學方法進行有系統地探究和追求，包括系統評估、研究調查、科學實驗及專家意見等，均是生產知識的重要來源，而科學家或研究人員因掌握了研究方法與分析技術，對問題與政策有能力進行理性且客觀的評估，為政策論證提供有力的證據。是以，要使各種政策、教育、教學等合乎理性，不偏於民粹，應以證據為本位，讓證據說話。
三、證據本位教育（Evidence-Based Education, EBE）
又稱「證據為本教育」、「證據導向教育」或「循證教育」，此一名詞最早係由1996年英國劍橋大學教授David Hargreaves提出。吳清山（2017）指出，證據本位教育係指在教育政策、學校行政或教學實務上，採取科學研究的可信賴數據做為支持的決定，以提升教育品質（吳清山，2017）。Wynd則指出，證據本位教育為有效的學生中心（Student-Based）、教育者評鑑（Educator-Evaluated）與研究獲得（Research-Derived）發現之蒐集、解釋和應用（引自賴志峰，2004）。
證據本位受到重視，實務上應由1990年代醫學領域的「證據本位醫學」（Evidence-Based Medicine, EBM）開始，後續影響至農業、科技、企業管理、教育等領域。因醫學領域涉及人的生命，所進行之任何決定均須有證據支持，方能避免錯誤判斷，影響人的性命。對教育而言，雖未如醫學人命關天，但任何教育政策或教師教學實務之決定，均對學生學習產生深遠影響，是以，必須有證據的支持，才不會做成不當的政策或實務決定。（吳清山，2017）
美國在2000年之後，證據本位教育愈來愈受重視，美國總統George W. Bush於2001年簽署《沒有孩子落後法》（No Child Left Behind Act of 2001, NCLB），更引起教育界對證據本位教育之關注。NCLB旨在確保所有學生都擁有公正、平等與顯著的機會，獲得高品質的教育，並且至少在基本的學業成就上，要達到精熟的程度；其中NCLB強調教育計畫與實務須以「科學研究為基礎」（Scientifically-Based Research, SBR），如此才能獲得良好的教育成效（United States Department of Education, 2002）。NCLB規定，科學本位研究的發現將使用作為聯邦補助教育方或計畫之證據本位的教育政策，具備隨機分派之實驗或準實驗設計，是產生科學研究發現之較佳的教育研究方法。（賴志峰，2004）
2002年美國John Hopkins大學教授Robert E. Slavin在《教育研究者》（Educational Researcher）期刊發表〈證據本位教育政策：轉化教育實務與研究〉（Evidence-Based Education Policies：Transforming Educational Practice and Research）一文，提到為建立政策制定者與教育工作者對教育研究的信心，重視嚴謹的實驗方案評估是必要的，因而應投入更多經費於實驗研究上。2004年，R. Pring與G. Thomas合編《證據本位的教育實務》（Evidence-Based Practice in Education）一書，包括三大篇十四章，對於證據本位教育實務有諸多論述，亦闡析研究與政策及實務的關聯性，極具參考價值。（吳清山，2017）
四、證據本位決策（Evidence-Based Policy-Making）
又稱「循證決策」，係指進行決策必須以證據為基礎。政府政策若僅單純考量偏好而缺乏專業的分析與評估，便很有可能淪為討好選民的「買票式」政策，不具有經濟效益，例如過去臺灣各地有不少以選票為考量的公共建設，最後淪為「蚊子館」即是一例。是以，證據本位決策必須以資料及證據作為決策之基礎，讓數字及證據說話，以實證理性策略之途徑進行論述，作好良好溝通，而非操弄政治或迎合民意，最終方可達成政策目標。（施克和，2022）
五、證據本位實務（Evidence-Based Practice, EBP）
係指該實務或介入方案「有實證研究支持」（Empirically Supported），EBP乃透過蒐集證明有效的作法，在提供服務介入時作為決策的重要依據。EBP產生主要係因在過去實務上，教育工作者或其他專業領域工作者常依據自身的專業能力和經驗來做臨床決定，如此未能參考實證研究的結果經常流於主觀，而影響臨床服務介入的品質。（陳明聰，2009）
目前EBP理念被運用特殊教育及社會工作領域，Cook與Schirmer（2003）即主張特殊教育的特殊性在於徹底地實施有效、有研究為基礎的實務。教育上實施EBP的理由有三：（鈕文英，2010）
(一)因為無法保證介入方案對不同對象和目標都有相同的效果，因此需要介入方案適用於何種對象和目標的實證資料。選擇有堅固研究基礎的介入方案，嚴謹地實施之，蒐集學生進步表現的資料，就能提高學生正向改變的機會。
(二)僅依理論、專家意見及主觀評鑑，尚未經過實證方法驗證的介入方案，有可能是無效的方案。
(三)持續實施無效的介入方案會延遲有效方案的實施；若介入方案無法對學生有正向結果，就應中止，轉而採用有效的介入方案。學生和其家庭有權要求學校嚴謹地實施有效的介入方案，並客觀地描述學生之進步情形。
參、大數據的意涵及相關概念
在證據本位教育之理念下，資料蒐集、整理、分析及應用成為相當重要之關鍵，經由大量資料的蒐集形成有用資訊成為決策者判斷的依據，大數據理念便因運而生，以下針對大數據之意涵及其相關概念進行說明：
一、大數據（Big Data）
(一)意涵：
又稱「巨量資料」，係指透過新型的資訊科技方法快速擷取、處理與分析大量資料，成為可解讀且有用的資訊，以供理解現象、預測趨勢及決策之參考（吳清山，2014）。大數據，顧名思義，必須是大量資料，而且複雜，須在最短時間處理，利用資料探勘方法，解析相關資料。而隨著資訊科技高度發達，大數據統計、比對、分析更為快速與精確，亦提升對資訊管理專家的需求，具有經濟效益（郭添財，2016；郭添財、林憶雄，2017）。
(二)特徵：
1.Volume（大量）：
處理過去技術無法管理之資料量，資料量的單位可由TB（Terabyte，一兆位元組）到PB（Petabyte，千兆位元組）。
2.Variety（多樣性）：
包括組織銷售、庫存資料；網站使用者動態、客服中心的通話紀錄；社交媒體上的文字影像等資料庫難以儲存的「非結構化資料」。
3.Velocity（速度）：
資料每分每秒均在更新，技術也能做到即時儲存、處理。
4.Veracity（真實性）：
能分析並過濾資料有偏差、偽造、異常的部分，防止髒數據（Dirty Data）損害到資料系統的完整跟正確性，進而影響決策。
因此，大數據具有4V特徵，具有資料量龐「大」（Volume）、變化飛「快」（Velocity），種類繁「雜」（Variety），及真偽存「疑」（Veracity）等特徵。
(三)在教育上的三大概念：
Mayer-Schönberger與Cukier在《大數據：教育篇─教學與學習的未來趨勢》（Learning with Big Data：The Future of Education）一書提到大數據對提升學習效果具三大概念：（林俊宏譯，2014）
1.回饋：
提供回饋，即時讓學生知道學習成效。
2.個人化：
因材施教，達到適性化學習。
3.可能性預測：
進行可能性預測，調整學習內容與方式。
二、資料科學（Data Science）
又稱「數據科學」，是一門利用資料學習知識的學科，其目的是經由資料中提取出有價值的部分來生產資料產品，學科範圍涵蓋：資料取得、資料處理、資料分析等過程，舉凡與數據有關的科學均屬資料科學。
三、資料探勘（Data Mining）
又稱「資料採礦」，係指利用一個龐大數據庫建立模型，並從中找出隱藏的特殊關聯性及特徵。例如某企業組織握有顧客相關資訊（包含：年齡、資產、交易頻率、交易量等），再利用此資料庫找出其顧客消費的模式、習慣，並據此將顧客群分類，藉此針對不同顧客做出行銷。
四、資料驅動決定（Data-driven Decision-Making, 3D-M, DDDM）
又稱「資料導向決定」，係指由資料倉儲中抓取適用的資料，加以分析後，以為解決問題及做決定的依據歷程。亦即在做決定的過程中，以適當的、經過分析的資料作為診斷工具，讓決策者能善用這些資料，作為解決問題及選定行動方案的依據，進而改進教育及改善學校教育的成效。前面所提NCLB，為落實「績效責任」（Accountability）制度，即鼓勵學校透過資料的建立與分析，制訂有效方案，達到改進教育績效目的的做法。故對學校而言，可用資料作為協助學校中的成員（校長、教師、行政人員）做出決策，以幫助學生學習的管理方式，透過資料的轉化與分析，最後獲取的資訊將有助學校品質與效能的提升，亦使家長能夠透過資料瞭解學生的學習成效。（林倩文，2014；吳清山、林天祐，2006）
五、資料領導（Data Leadership）
係指領導者透過資料的分析及探究，進行決策，引領組織成員，並強化學校團隊解決學校問題的能力，以達成教育目的之歷程。隨著大數據時代來臨，績效責任要求、證據本位教育改進的興起，教育機構愈來愈重視資料分析，以產生可據以行動的資訊，或是作為對話討論的基礎。所以教育領導者應善用資料，進行證據本位決策，改進並提升學校效能。（王麗雲，2021）
六、厚數據（Thick Data）
係相對於大數據一詞。「厚」來自於人類學家Clifford Geertz所提到的「厚描法」（Thick Descrip
tion），強調對眼前現象意義的掌握，要具有對於其背後文化厚度的理解。正因為此數據係蒐集自確切的社會互動、生活場景、使用脈絡、語言認知以及人的真實需要，更能使組織在創新過程中掌握到人與市場的隱藏需求，厚數據正能協助組織理解服務顧客或織織成員運作時所產生的情感以及內在的脈絡，亦更能協助組織面對瞬息萬變的挑戰。（宋世祥，2016）
肆、有效證據的依據、來源及證據等級
證據本位教育是結合研究、政策與實務之關聯性，為較客觀且又具實務導向之決定，以及其價值性。而其中關鍵之處，就是證據的蒐集與判斷有效的證據。關於證據的依據、來源及證據等級加以說明如下：
一、有效證據的依據
Morrison（2001）指出，要採用何種證據作為判斷政策有效的依據，有下列議題須正視：a.定義什麼是有效（What Works）；b.採取誰的觀點去定義有效；c.有效性本身具有複雜性及組成的多面向性；d.認知是否有效之判斷是充滿倫理及道德的議題；e.應確認了解有效的資料類型及方法論；f.陳述隨機化試驗的限制與可能性，以提供有效的證據；g.提供隨機化試驗在抽樣、普遍化、後設分析、信度、效度等技術議題之範圍。
再者，證據大部分來自於研究，如何以證據建構知識，Ellis與Fouts曾提出三層次的系統：（賴志峰，2004）
(一)基礎研究和理論建立，包含相關、陳述性資料及質化個案研究，當第一層次教育研究大量存在，其效用很有限，可用來反駁效能的主張，但只有使用相關和陳述性資料並無法證明教學措施是有效的。
(二)理論考驗，採取措施在教室中被考驗是否比其他方法更有效率，研究者使用統計方法分析資料，以決定結果是偶然的或是可預測再度發生。
(三)研究是評估教學方案大規模使用的效果。
為建立健全的專業知識庫，並評估教學方案使用的效果，以利複製與運用於其他類似教育情境，證據本位教育政策較重視第三層次的研究，即評估教學方案大規模實施的有效性。
二、良好證據的來源
證據是來自使用科學方式的實證探索與研究。進行教育措施介入前，需先蒐集目前已有之科學研究證據，結合證據及考量個案的特性設計適當的介入計畫，並於介入後提出介入成效的證據。而在資訊爆炸時代，蒐集的相關研究證據十分龐雜且良莠不齊，需具有「慧眼」方能分辨證據品質的能力。
評估研究證據的品質，應系統性地對該類研究歷史脈絡有完整理解，蒐集相關研究，並進行批判性的閱讀。評估各研究所提供證據的優劣，來自良好研究之良好證據。對於相關研究證據的蒐集，經由搜尋領域有關的期刊或論文資料庫，可得到許多介入問題相關的研究證據。
證據品質主要來自證據產生的方式，如研究的設計與方法，一個具有好品質的證據是來自於好的研究設計與方法，在理念和介入成效間有清楚的因果關係存在，證據說服性亦較強；是以，一個研究的實驗設計及方法對產出證據的強度具有影響性。（劉靜宜，2010）
三、證據等級
證據之提供應具有嚴謹性，倘若採取非實證方式將可能產生六項問題：（鈕文英，2010）
(一)訴諸錯誤的權威，尤其當該權威人士專長的領域與研究主題不搭配，或其說法並無實證資料為依據時。
(二)產生月暈效應（Halo Effect）：
即當一個人表現良好時，眾人對他的評價便遠高於他實際的表現；反之，一個人表現不佳時，眾人眼中認為的差勁程度，亦會遠大於其真正表現，以個人直覺與經驗瞭解事物現象，可能造成月暈效應。
(三)選擇性觀察記錄符合既有想法的資料，而忽略掉反面或變異的資料。
(四)將某些情境獲得的資料，過度推論應用至其他情境。
(五)過早結束：
通常發生在當人們認為已有答案，而不再蒐集資料時，過早結束會加深選擇性觀察及過度推論二項問題。
(六)邏輯的謬誤：
在運用邏輯推理來了解事物現象時可能會出現。
若要採用有效證據，應考量到證據之嚴謹性，盡可能地採取最嚴講之證據，Whitehurst曾指出，證據的等級由最嚴謹到最不嚴謹分別為：（賴志峰，2004）
(一)隨機化控制試驗（Randomized Controlled Trials）：
隨機分派至二組或二組以上，具有前測及後測，隨機化控制試驗又被稱為研究的黃金標準（Gold Standard）。
(二)前後測的準實驗研究（Quasi-Experimental Studies）：
使用非隨機分派。
(三)統計控制的相關研究（Correlational Studies with Statistical Controls）：
使用一組隨機抽取樣本，檢視兩個變項的關係，但無法推論或決定其因果關係。
(四)無統計控制的相關研究（Correlational Studies Without Statistical Controls）：
檢視兩個變項的關係，但無法決定其因果關係。
(五)個案研究（Case Studies）：
獲得個體的詳細資訊，以了解行為的一般原則，但無法普遍化至整體。
伍、證據本位教育之研究階段及實施步驟
一、研究四大階段
要推動證據本位教育理念或證據本位實務，其研究應包括四個階段（如封面圖）：（鈕文英，2010）
(一)第一階段：
提出初步想法及假設，進行觀察與前導性研究，前導性研究可以是相關、調查或質性研究等，使究者對相關變項與現象有初步理解。
(二)第二階段：
進行實驗研究，包括在實驗室中做控制實驗，以及在教室中做實地實驗。
(三)第三階段：
進行隨機化的教室實驗研究，亦即在更多不同特性的教室中進行實驗研究。
(四)第四階段：
根據上述研究所得的實證資料進行教室實務，而後仍要持續探究實施成效，進一步發現值得探討的議題，回饋給前面的研究階段，繼續做研究。
二、實施步驟
證據本位實務一般包括三個步驟：
(一)獲得最佳證據：
最好來自針對特定教學介入方式所做的一系列實證研究之結果，所形成實證之共識（Empirical Consensus）。
(二)考量個別需求：
在考慮個案的獨特價值觀與需要下，由具專業知識的臨床人員依據最佳證據提供服務。
(三)對有效性進行評估：
提供服務持續改進的回饋，為在進行介入工作之後，設計回饋性的評估。
陸、證據本位教育與大數據的綜合運用策略
一、應建立以資料為中心的證據本位決策模式
教育行政主管機關過往較缺乏運用資料科學進行政策研究的經驗及文化，故應培養在教育政策制定過程應有之資料思維，熟悉證據本位決策之治理模式，導入資料科學觀念，思考如何整合其他外部資料，並加以運用發揮最大效益。此種在證據本位決策的理念，不但能界定與校正現有教育政策，更能透過資料整合來提升教育政策之決策品質。
二、學校領導者應扮演資料領導者之角色
學校領導者應積極落實資料領導之功能，透過實證資料的分析及探究，進行決策，引領學校教職員工，強化團隊解決問題之能力。領導者應由現有的實證資料，例如學生的成就表現、學齡人口的分布、教師教學的之反饋資料等數據，設計並規劃對應的解決策略及方案，以確保學生學習品質及學校效能。
三、鼓勵教育資料探勘及提升各部門之整合量能
證據本位教育之證據強調嚴謹、系統以及客觀，故應鼓勵各部門將既有行政資料開放釋出並運用於資料探勘上，例如可評估導入地理資訊系統（Geographic Information System, GIS），結合各數據資料庫進行變數的分析，重新定義重要教育議題，進而協助進行教育資源的重分配，以改善及教育所面臨之問題。
四、善用大數據提升學生學習成效
大數據於學生學習上具有回饋、個別化及預測性之功能。故教育工作者可善用大數據及資訊科技，讓學生能即時得知學習成效，並能針對學生之個別差異，進行適性化學習及差異化教學，更能對未來的學習進行有效預測，適時調整學生學習之內容與方式。
柒、結語
教育政策之推動或教育行政之決策若僅憑個人自身經驗或主觀判斷實施，容易使教育方向有所偏失，透過證據本位教育理念之推動，將使決策更有所本，亦更能使教育運作合乎理性與邏輯。職此，教育工作者應透過大數據之運用，進行資料驅動決定，教學介入採取證據本位實務服務，將可使教育運作不致空轉，而達到有效性之目的，更能確保教育品質，提升教育效能。
本文章出自國試論壇
本文作者-劉邵
文章連結: 【高普特考教育行政‧教師資格考‧教師甄試】由證據本位教育與大數據理念論教育發展策略 - 國試論壇 (superbox.com.tw)