摘要：人类社会正迈向数字时代，数据在现代教育发展中的重要性不断增强。数字时代世界各国的中小学教师评价日益强调充分利用数字技术和教育测评工具，通过数据反映教师的专业价值，衡量教师的专业效能。对教师的教育实践进行数据化监控，并将教师的教育价值进行数据化换算，数字时代的教师评价正引导教师成为数据化的教师。教师的数据化作为数据化教师的生成逻辑，受来自国家、市场和专业三重逻辑的交织形塑。在国家的治理逻辑下，基于表现的教师问责制在增强教师发展效能的同时，产生了一种透明性的悖论。在市场的效率逻辑下，私人资本在提升教师评价效率的同时，导致教师面临一种数字异化的隐忧。在专业的知识生产逻辑下，数字技术在推动教师专业知识迭代更新的同时，令教师面临去专业化的风险。走出数据崇拜的迷雾，是推动现代教师评价解放教师主体性的关键。需要坚持数据为用的基本原则，以解决使用什么样的数据、如何使用数据评价等问题，赋能教师主体性建构;坚持价值为善的伦理旨趣，以公共性思维推动数据化评价，促进教师主体性发展;坚持治理为要的行动取向，以数据正义理念健全数据化评价制度，实现教师主体性解放。
基金：教育部哲学社会科学研究2023年度重大项目“依托联合国公共数字学习门户′建设参与全球数字教育治理及公共服务研究”(编号：23JZDW12)的研究成果
关键词：教师评价;数据化的教师;教师的数据化;生成逻辑
作者简介：王超，上海师范大学国际与比较教育研究院博士生;*孔令帅，上海师范大学国际与比较教育研究院教授，konglingshuai@shnu.edu.cn,上海200234
在数字信息技术推动人类社会从工业文明迈向数字时代的变迁中，数据在现代教育发展中的重要性不断增强。在数字时代，教师的教育教学活动信息作为数据被收集起来，“经过整合、计算、优化，重新反馈到现实世界，为未来更为有效的决策提供信息基础”[1]。随着教育数字化转型的推进，世界各国的中小学教师评价日益强调充分利用信息技术，结合标准化测评和观察量表等评价工具，将教师的教育实践转化为视频、图像、文字和数值等能被数字技术记录传输的数字数据(digital data)。根据这些数据对教师进行描述、分析和评断，进而影响教师的专业发展和教师的人事决策，正成为一些国家和地区教育实践中的重要现象。通过数据反映教师的专业价值和衡量教师的专业效能，从而将教师塑造成可被计算、分类、部署、定向和使用的数据化教师(datafied teachers),这一过程被称为教师的数据化(datafication of teachers)。[2]教师的数据化在一定程度上提高了现代教师评价的科学性，能够为推动教师专业发展提供有效证据。但教师的数据化并不必然有助于教师成为真正的教育者，可能导致教师“仅仅成为一种数字景观，而景观后面的人性却被遮蔽和遗忘”[3],从而陷入“自我危机、交往扭曲和行动异化的主体性困境”[4]。在教育数字化转型背景下，为疏解数字时代教师评价存在的隐忧和风险，有必要探讨数据对教师评价的影响，深入分析数据化教师的生成逻辑及其困境，审慎思考数据化评价与教师主体性的关系，以期走出数据崇拜的迷雾，实现数据赋能教师发展。
一、教师评价的数据影响
比斯塔(Biesta,G.)提出，教育中测量文化的兴起，使得关于教育政策和教师实践的各种讨论都建立在事实性数据的基础上。[5]以数据为基础、以效率为导向、以标准为依据的教师评价成为现代教育不可或缺的组成部分，在一定程度上能客观、公正和科学地推动教师专业发展。但过度追求数据化的教师评价，导致教师日益成为被计算、被塑造和追求效率的主体，逐渐被呈现为“一种数字真理(a numerical truth)”[6]。作为一种“数字真理”的教师，是被数字数据刻画和影响外在行为与内在品性的教师。这些数据一方面来自对教师教育实践进行数据化监控，弱化了教师专业的自主性;另一方面来自对教师教育价值进行数据化换算，简化了教育意义的丰富性。在数据的影响下，数字时代的教师评价正引导教师成为数据化的教师。
(一)对教师的教育实践进行数据化监控
教师专业实践活动的数据化，是数据化教师评价中最关键的环节。教师的身体及其行动成为教育数字系统凝视的对象，成为教师评价数据的生产来源。福柯(Foucault,M.)曾指出，古典时代的人发现人体是权力的对象和目标，“这种人体是被操纵、被塑造、被规训的。它服从、配合，变得灵巧、强壮”[7]。随着数字技术和教育测评技术的发展，当代教育实践中教师的身体及其行动被普遍且深入地进行量化、评估和比较。它理性、竞争，变得精确、同质，教师也被要求对自我和竞争对手进行“从不间断的制度化数据监控”[8]。当这些数据与教师的薪酬、晋升、声誉、地位、奖惩等直接相连时(1),教师的专业实践将围绕生产“好的数据”而展开，这也将弱化教师专业的自主性。
一是对教师生理数据的采集与分析。以人脸识别技术、指纹扫描仪、视网膜扫描机、红外体温仪等为支撑的校园和课堂管理系统，已经广泛运用于教育实践，构成了一种对教师的全景式数字监控。从进入校园的那一刻起，教师就一直处于数据化的监控和生产过程中，教师的行为和情绪等都可以被捕捉并加以分析，这些数据分析结果又被用来评估和监管教师。例如，数字管理系统记录了教师到校和离校时间，可以自动完成对教师的出勤考核;教师进入教室前的情绪被课堂管理系统捕捉并分析，以判断教师情绪对教学效果的潜在影响。
二是对教师专业行为数据的采集与分析。20世纪80年代以来，强调政府授权和市场竞争、关注评价结果绩效和问责的新管理主义广泛渗透教育领域。[9]学校和教师被迫卷入一场以提高学生学业表现(通常是以标准化测试成绩来衡量)的“军备竞赛”中，并在学生测评成绩和教师教学效能、学校教育质量乃至国家教育声誉之间建立起简单的线性关联。于是，学校和教师更加关注学生测评成绩等指标而非教学实践。数据成了界定和区分“好教师”、“好学校”和“好教育”的重要依据，对教师教学行为的观察评估数据成为判定教师优劣的重要证据，因为教师的教学被认为是学生学业成就的重要影响因素。所以，“如果有好的教学，那么就该有好的数据;反之亦然”[10]的观念深入人心。例如，经济合作与发展组织(Organisation for Economic Co-operation and Development,OECD)开展的“全球教学洞察”(Global Teaching Insights,GTI)项目，借助视频技术记录不同国家和地区的课堂教学现场，通过标准化的程序对教师教学行为进行赋值，并辅以其他数据进行分析和比较。这说明教师的教学活动可以用数据进行刻画，并成为国际社会比较、评价、诊断和改进课堂教学质量，促进教师专业发展的重要方式。
三是教师内在品性的数据化呈现与分析。福柯曾提出，现代学校通过部署数字和表格对师生施加了规训权力，揭示了“现代灵魂与一种新的审判权力之间相互关系的历史”,结果是将师生变成了“可描述、判断、度量以及与他人比较的具有个性的人”[11]。可见，数据化的教师评价不仅满足于对这些外在可见的品行进行评价，还力图实现对教师思想、信念、热忱、渴望、心灵等内部不可见的品性进行数据化分析与判定，从而建构出数据化的教师主体。教育神经科学在教师教育领域的兴起与应用，在一定程度上反映了此种评价趋势。研究者用教师脑与心智的实证数据，来表征教师信念、思维方式和心理健康等内在要素的发展水平，在一定程度上有助于打开教师发展存在的黑箱。但它将教师教学行为定性为神经生理活动现象，即教师的专业发展和教育质量，是由教师神经生理活动及其规律决定的。[12]这将弱化甚至否定教师发展的专业自主性。
(二)对教师的教育价值进行数据化换算
标准化测试结合数据采集分析技术，可以更直接地影响教师专业价值的呈现。教师工作绩效数据的增加，为绩效至上的管理考评机制的合法性提供了辩护，[13]使崇尚量化人的价值并进行奖惩的泰勒主义深度嵌入现代教育结构。在此种考评机制下，教师的工作价值被简单地换算成可以量化的绩效指标，并在绩效数据与教师可能获得的“功名利禄”之间建立起稳固的心理联系，这又会诱使教师主动运用数据评价自我和他人。当教育数据成为教师价值的象征物，并与教师当前或未来可能获得的利益建立线性关联时，教师就会主动用数据“涂抹”自己以证明自身能力，教育的价值和意义将被简化。
一是教师评价数据联结着经济报酬。教师工作价值的数据化在现实中直观表现为教师凭借劳动获取工资，工资是教师劳动力价值的体现。教师作为专业的劳动者，主要“利用自身的专业知识和教学技能等人力资本，计算投入、产出、获取报酬和收益”[14]。在教师的绩效考评中，中小学教师的教学价值被简化为课时量、学生成绩等教育数据，教师根据这些数据来获得报酬和争取奖励，这将不断激发教师追求那些事关经济利益的教育数据，对于数值不达标的教师来说更是如此。在趋利避害的工具理性影响下，教师为了赢得竞争胜利并实现利益最大化，需要依据标准化测试、增值评估结果等数字数据来指导教育教学实践。
二是教师评价数据联结着个人荣誉与社会地位。除满足生存需要之外，教师还有自我发展和自我实现的需要。为此，教师将会努力获得能够反映其工作价值的声誉、专业发展机会和社会地位等优质资源。这些优质资源的有限性与教师自我实现需求的无限性之间的矛盾，迫使教师必须不断通过激烈竞争竭力争取，其工作重点也将围绕这些能够体现他们价值和能力的数据进行。声名、荣誉、前途、地位等类型多样的资本形式，也将通过数据的比较得到分配和积累。有学者认为，教师绩效数据特别是其中的分数“可以发挥交换功能，为学生换来升学、工作和人生前途，给教师换来功名、利禄”[15]。
当数据深度嵌入教师评价体系，成为维持这一制度不可或缺的基本装置(apparatus)时，数据化的教师评价就可能成为“科学”甚至是“唯一科学”的评价方式，进而成为一种具有规范性的知识话语。通过数据对教师进行测量、排名、比较、评判、奖励、惩罚、定向和使用，教师价值和教育意义将得到确证。因此，数据化的教师评价产生了特定的教师主体性，教师“臣服于数字并成为数字主体”,他们追求通过数据来定义自身价值。[16]这也将进一步引导教师那些能够被有效测量的东西，而不是花费时间去思考对教育、对学生以及对其本人发展真正重要的事物。
二、教师评价数据化的生成逻辑
教师的数据化主要指将教师的行为与互动转化为数字数据的过程，这些数据可以由政府、私营企业和专业组织搜集、分类、分析或商品化。这是一种新型的权力模式，通过微妙的方式逐步将教师导向特定的行为和实践。[17]数据化成为看待和感受教师价值角色与成就的思维方式，并通过数据影响教师内在的自我认同和外部的社会期待，日益成为教师评价改革中的“真理制度”(regime of truth)。[18]福柯认为，“真理以流通方式与一些生产并支持它的权力制度相联系，并与由它引发并使它继续流通的权力效能相联系。这就是真理制度”[19]。真理是由权力关系构造和维系的，权力决定了什么可以被视作真理。因此，“不相应地建构一种知识领域就不可能有权力关系，不同时预设和建构权力关系就不会有任何知识”[20]。数据化作为数字时代教师评价的真理制度，是由不同评价主体所形成的权力关系共同构造的。所以数据化的教师往往不是由教师自我选择的，而是由来自国家、市场、专业等外部机构基于数据分析建构的。[21]处在权力关系中的数据化教师评价受来自国家、市场和专业三重逻辑的交织形塑，共同生成数据化教师，并由于不同价值诉求而产生相应困境。
(一)国家的治理逻辑：基于表现的教师问责与透明性的悖论
数据是现代政府治理的关键技术之一，也是现代教育治理不可或缺的手段。相较于传统基于经验判断的“人治”模式，基于数据的治理通常“更符合人们对理性决策的认知，满足了人们的确定性表达”[22],并使个人的利益和偏好服从于共同利益和公共标准。现代国家在教育治理与决策过程中，也倾向于使用数据对教育及其问题进行解读和分析。随着新公共管理成为教育改革新范式，测量地方、国家或国际的教育表现，成为教育问责制的重要组成部分。[23]基于表现的教师问责成为政府治理教师的重要政策工具，并强化了数据化的教师评价的合法性。
首先，基于表现的教师问责制度有赖于数据化的教师评价的发展。新公共管理主张运用结果导向的理念取代基于投入与过程的管理理念，因此，政府需要以排名、学生成绩、教师质量调查等方式公开学校和教师的表现数据，以便改善管理和分配资源。[24]基于表现的问责制结合各种测评工具、标准化测试和调查数据，在全球范围内逐渐成为指导教师实践、定义和评价教师质量的重要手段。教育数据已经成为架构和维系这一制度的核心要素，借助数据建立起一个层层监督和规范化裁决的教育体制，提升了各国教师治理效能。它“确立了个人的能见度，由此人们可以区分和判断个人”[25],并通过“相互观看”形成了一种自我克制和社会管制的效果，[26]使教师自愿接受数据化评价，并按照业已划定的发展道路努力前进。
其次，基于表现的教师问责制度强化了数据化的教师评价的合法性。例如，美国联邦政府发起的力争上游项目(Race to the Top Program)要求各州开发教育数据系统，将学生成绩(student achievement)和学生成长(student growth)数据与教师效能相联系。即用学生在特定时期内接受教育前后的成绩变化来反映教师效能，并据此对学校和教师质量进行监督与问责。[27]教师不得不更加关注那些能够衡量其价值和贡献的教育数据而非教育实践，也倾向于使用数据来评价自我和他人。这导致教师自身的教育理念不再重要，重要的是那些可被测量的产出。[28]进而“诱致教师教学行为发生偏移，部分教师将大量时间用于备考应试，甚至部分
教师为获取更高增值分值，刻意在学生标准化测试中协助学生作弊、篡改学生成绩”[29]。
政府运用数据对教师工作进行治理，在提升教师发展效能的同时，也在教师评价中产生了一种透明性的悖论。政府通过数据化的教师评价，将复杂的教育实践过程转化为数据来展示、比较和定义教师的质量和价值，力图科学地揭示教师发展的真实情况，给予教师客观公正的评价。但这只是“看上去很美”,因为“这种似乎使公共部门更加透明的技术和更加复杂的计算，实际上可能导致它们变得更加不透明”[30]。数据化的教师评价的透明性“并不意味着人性的优秀品行显现化，而是指以某种可显示的表层让人显示出可评价的资质，从而能够被征用”[31]。数据化的教师评价并不必然准确反映教师的真实品质，却因为数据的可比性而对教师进行价值排序，鼓励教师相互竞争。对教师而言，获得好的数据就是自我价值的实现，也是自由意志的展现，但也产生了一种自我生成的约束。[32]教师为了获得成功，或迎合标准，或捏造数据，据此进行的教师评价将真实的教师及其实践隐藏在看似透明的数据之下。
(二)市场的效率逻辑：教师评价数据的商品化与数字异化的隐忧
教育数字化转型产生了海量的教育数据，为形成一个庞大的教育数据流通市场提供了物质平台与技术支撑，使督导、监测和评估手段逐渐常态化。[33]教师的教育实践被转化为数字数据，再经过数字教育平台的生产加工后产生经济收益。这吸引了数据分析公司、数字平台企业等众多私人资本介入教师评价，推动了教师评价的数字化。数据化的教师评价作为教师治理或教师专业发展的有效手段被使用，并逐渐成为一项产业被大力推动。以美国田纳西州的“教育者提升模式”(Tennessee Educator Accelerator Model,TEAM)评价系统为例，私人资本为获取经济利益，广泛参与评价数据的搜集、分析和集成等环节，并提高了教师评价的监控效能。
首先，挖掘教师评价数据的经济价值，成为私人资本推动教师评价数据化的基本动力。一是教师评价数据的私人监管。田纳西州大部分标准化测评项目的开发与管理都委托给私营机构进行付费管理，如2019年至2020年间，田纳西州仅综合评估项目(Tennessee Comprehensive Assessment Program,TCAP)就支付企业2010万美元。[34]二是教师评价数据的私人分析。田纳西州采用增值评价法评价教师，部分营利性数据分析公司因拥有一套相对成熟的教育增值评价系统(Education Value-Added Assessment System,EVAAS),而成为田纳西州教师评价数据分析的长期供应商。三是教师评价数据的再生产。教师评价数据最终成为数据商品乃至数据资本，还需经过教育数字平台的转化。田纳西州使用数字平台对所有教师的简历、认证状态、增值评价分数、观察评估数据、薪酬等多种数据进行搜集、存储和显示。[35]一些私营企业参与了该平台的开发和维护，并通过对这些数据进行再生产获得经济收益。
其次，增强对教师的数字监控效能，成为私人资本参与教师评价数据化的主要结果。教育数字平台汇集了教师从接受职前教师教育开始，到参加教师资格认证、教学评估、专业晋升、奖惩记录等多种类型的数字数据，不仅优化了教师评价流程，提高了教师评价效率，而且形成了对教师专业生命历程的全程记录与监控。平台的权限设置也反映出教师评价数据化中的权力关系。《田纳西州指南针评价数据管理指南》(TNCompass Evaluation Data Management Guide)规定，用户只能访问其下属的数据。如副校长可以访问他们学校教师的评价数据，但不能查看校长数据。[36]现实教育世界中的行政权力直观表现为数字教育平台中的数据访问权限，教师只能成为被凝视和评价的对象。教师评价数据直接或间接地影响其晋升或报酬。于是，尽力改善自己的“数据形象”,几乎成为教师参加专业发展活动的重要动力。
私人资本推动教师评价的数据化，使教师评价面临数字异化的隐忧。尽管人们认识到，教师的“数据化身”不是教师的“真身”,教师评价数据也不等于教师本身。特别是教育者的心灵指向的是教育者精神的整体构成与变革，无法直接成为科学的对象，即科学无法在经验层面揭示心灵本身的整体性。[37]然而，推崇人性尊严与灵魂美善的理性主义的教育理想，却无法阻挡追求精确与依赖数据的实证主义在教育实践中的普遍应用。尤其是私人资本的介入使数据变得比人更重要，造成原本作为推动教师专业发展手段的教师数据化，成为私人资本追求经济利益的主要目的。这种“手段一目的”关系的颠倒导致了教师的数字异化。马克思(Marx,K.)曾将人的劳动产品反对人自身的现象称为“异化”,劳动产品成为异己的存在物，作为不依赖于生产者的力量，同劳动相对立。[38]当教师自身产生的数据成为判定教师价值、影响教师观念、改变教师行动的强制力量时，当教师成为评价数据商品化中的一个要素和环节时，当教师与世界和自我之间的关系都以数字作为连接时，数字异化就成为教师新的异化形式，也成为教师无法逃避的现代命运。[39]
(三)专业的知识生产逻辑：数据形态的教师知识与去专业化的风险
教师专业的发展进步与科学知识的增长更新紧密相连。是否拥有科学的知识和技能体系，并通过教育和培训的机制或过程对此进行传授和掌握，是判断一个专业是否成熟的重要标准。[40]教师能否依靠专业知识实现对工作内容和组织的专业控制，是教师专业地位的重要体现。现代信息技术的发展，催生了将理论、实验和计算仿真统一起来的数据密集型科学范式(eScience),强调通过数据来发现并理解世界。[41]这深刻改变了教师专业知识的生产主体、生产方式和呈现形态。教师评价作为确定教师专业身份、促进教师专业发展的“指挥棒”,其合法性建立在教师专业知识的基础之上。当教师专业知识生产围绕数据进行时，数据化成为教师评价发展的专业逻辑。在提升教师专业性的同时，也使教师面临去专业化的风险。
首先，数据化的教师评价改变了教师专业知识的生产主体。传统的教师知识观念首先从教师专业知识的结构出发，假定教师本人、学科专家或教育研究者是学科教学知识、学科知识和教育学知识的生产者，这样才能展现和保障教师作为知识生产者的专业性。但数字技术的发展，特别是生成式人工智能在教育中的应用，教师专业内外的所有人类教育利益相关者与数字化教育技术等，共同构成了教师专业知识生产的行动者网络。人类不再是教师专业知识生产的唯一主体，机器也是新的知识生产主体，教师专业知识的生产“不是基于人的独立思考或主观意识，而是建立在基于大量训练数据的模型生成基础上，是人与机器合作形成的”[42]。
其次，数据化的教师评价改变了教师专业知识的生产方式和呈现形态。教师专业知识主要有显性知识和隐性知识两类。前者是系统规范、科学实证、稳定明确和可编码呈现的知识，后者是“存在于人们的经验和诀窍中、存在于员工头脑中”的只可意会不可言传的知识。[431前者的发现和生产主要通过理论学习与系统推理而获得，后者则主要依靠经验的传承与累积并体现为经验。信息技术通过将教师的教育实践转化为可以分析编码的数字数据，利用计算机进行大量的模拟计算和分析，借助算法阐释教师的专业行为，有助于教师隐性专业知识的显性化。教师专业知识的生产方式也从主要依靠经验积累和理论思辨，走向基于大数据与算法等技木的数据分析。这也促使教帅的专业知识形态，从经验形态和原埋形态，走同两者基础上的“信息技木支撑的交登形态”[44]。
以数据建构现实的量化是发现科学知识，促进社会科学取得进展的关键，[45]以数据为本的知识生产也是现代教师专业知识生产的重要方式。当数据化成为教师评价的主导理念时，统计或算法知识将取代教师知识指引教师专业发展。只有在数理逻辑范围内生产的知识，才被认为具有科学性;只有经过统计分析后的大量教育数据，才能成为现代教师评价的证据。杜威(Dewey,J.)提醒我们，不能仅仅因为从已确立并能用量化公式加以解释的科学中借用已被接受的方法得出了某些结果，便认为这些结果就具有了科学价值。[46]数据化本身不是问题，但过度使用数据化的教师评价，忽视教师专业发展中那些不可简单被量化的经验与体验，将教师定位为被凝视、描述、评价、比较、问责和使用的对象与资源，就会存在“去专业化的风险”。
三、教师评价数据化的价值旨归
福柯提出，权力形式一旦在日常生活中直接运作，就会对个体进行归类。正是权力形式，使得个体成为主体。[47]数据化的教师评价通过对教师专业成长中的关键要素及其相互关系进行定量刻画与价值判断，逐渐使教师成为数据化的主体。政府、企业和专业组织根据数据将教师区分为有用和无用的、高效和低能的、“正常”和“不正常”的教师，教师也开始主动运用数据对自我与他人的价值进行比较。当教师的教育实践和价值都必须用数据进行陈述时，教师作为专业主体所具有的复杂性、丰富性、人文性和精神性等内在品性就会遭到侵蚀与削弱。教师也会自然而然地接受、认同甚至膜拜评价数据建构起来的社会规则，[48]从而形成数据崇拜。随着信息技术的发展，数据日益成为现代教师评价不可或缺的基本要素，但这并不意味着教师的专业发展完全由数据所决定，因为教师是具有自觉性、自主性、能动性和创造性的教育主体。只有审慎地思考教师与数据之间的关系，才可能走出数据崇拜的迷雾，推动现代教师评价成为教师主体性的解放之路。
(一)坚持数据化评价赋能教师主体性建构的基本原则
迈尔-舍恩伯格(Mayer-Schönberger,V.)曾提出，大数据发展的核心动力来源于人类测量、记录和分析世界的渴望。[49]通过数字技术及数据来描述、分析、评价和引导教师专业发展，是人们科学认识和把握教师专业成长规律的理性需要。但人们往往以一种实体性的思维看待数据与教师的关系，不仅用数据表示教师，而且认为教师就是数据，这是生成数据化教师形象的认识论根源。这导致数据化的教师评价过度依赖数据的客观性，忽视了评价数据生产的情境性与潜在的强制性。对此，关键是要坚持数据为用的基本原则，以关系性思维看待教师与数据的关系，着重解决使用什么样的数据评价教师、如何使用数据评价教师等问题。
首先，综合使用多种类型的数据，全面立体地描绘教师的数据形象。当前，教师评价数据的整合性较为有限，数据来源的多样性有待提高，教师评价数据的个体性仍需加强。虽然政府、市场、专业、学校等不同主体共同参与生产教师评价数据，来自国际、国家、学校等不同层面的教学行为数据、学生成绩数据、教育管理数据等不同数据被用于教师评价，但这些数据的清理、整合与使
用存在制度性壁垒，难以实现互联互通。[50]对此，一是借助新兴数字技术，全方位、全过程地搜集和整合教师数据，提高教师评价数据的真实性和针对性。二是在关注测评成绩等结构化评价数据的同时，也要注重对教学日志与视频等半结构化或非结构化数据的分析和使用。三是重视教师评价数据生成与运用的过程性与情境性。教师的数据化是在多方对话、协作和反思的过程中实现的，需要重视教师评价数据生成与运用的具体情境并解读其意义，才能有效发挥数据化评价的赋能作用。
其次，明确评价数据运用的合理边界，强化以人为本的数据价值。教师评价不能只关注结果的有效性，还需要对价值作出规范性的判断。教师评价数据不是纯粹客观的，而是具有深刻的社会属性与文化意义。对此，一是确定评价数据使用边界，明确其使用的特定时空限制。教师作为具有人格尊严的“活生生的人”,教育事业作为具有崇高性的复杂实践，无法轻易被数据完全表征与呈现。需要在评价过程中对数据背后特定的历史与文化进行深度理解，[51]主张数据是一种参照而非定论，肯定教师的价值而非强调教师的缺陷，关注教师成长和幸福的潜力、可能性和机会，[52]才能坚持以教师专业生命的生长与发展为目的。二是确定评价数据的价值边界，将教师评价的价值判断权牢牢掌握在人而非机器手里，特别是要尊重和观照作为被评价者的教师所具备的价值属性。现代教师评价中的数据崇拜表现为数据对教师的僭越与控制，将教师简化为“数据人”。只有增强人类教师评价者的能动性，特别是提高作为被评价者的教师搜集、分析和运用评价数据的能力，才能完善教师主体性的建构。
(二)坚持数据化评价推动教师主体性发展的伦理旨趣
任何形式的教师评价都是对教师的价值判断，蕴含着通过评价发现教师善好并促进教师善好或追求善好的内在规定。杜威曾将评价区分为“作为欣赏的评价”与“作为估量事物价值的评价”。他认为，“作为欣赏的评价”是“珍视一个事物的态度，觉得事物本身有价值”,评价就是欣赏;“作为估量事物价值的评价”是“一种有特色的理智行为———种比较和判断的行动，估量事物的价值”[53]。作为欣赏的评价必然要求以发现并推动教师的善好为伦理旨趣，作为估值行动的评价则因评价情境或评价主体价值诉求不同而有所差异。如政府将评价作为问责工具，私营部门将评价作为盈利方式，专业机构将评价视为发现和生产专业知识的途径等。即便如此，数据化的教师评价仍然是以追求实现评价主体的善好为基本价值取向。对此，需要坚持价值为善的伦理旨趣，以公共性思维推动数据化评价促进教师主体性发展。
首先，树立评价为公的价值观念，增强不同评价主体关于“数据化评价作为社会公器”的理念认同。从教师的角度出发，教师是立教之本、兴教之源，教师的重要性就在于“教师的工作是塑造灵魂、塑造生命、塑造人的工作”[54]。教师质量事关公共利益，教师评价自然成为一种社会公器。从数据化评价的角度出发，需要所有评价主体相互协作、共同行动，才能实现以数据化评价促进教师发展的目的。公共性是数据化评价的重要特征。但现代教师评价对数据的误用和滥用，则将数据化的评价本身视为目的，不仅抑制了教师批判性思考的自主性，而且也使属于公共领域的教师评价更多受私人利益而非公共利益的支配。[55]对此，需要坚持以数据化评价促进教师作为公共人的主体性发展为核心，引导教师回归教书育人的本职工作，而不是仅成为被数据治理和支配的对象，成为生产和使用数据谋利的数据主体。
其次，发掘数据化评价的多重功能，构建不同评价主体关于“数据化评价作为欣赏”的价值系统。在实践中，数据化的教师评价通常等同于“作为估量教师的评价”,根据评价主体不同的价值诉求，发挥政治、经济、文化等不同功能。当不同评价主体的价值诉求发生竞争或冲突时，就需要进行比较、排序和选择。受评价主体权力分布的影响，这时就会过度追求某种特定价值(如经济价值),弱化其他价值(如专业发展价值)。对此，需要进一步突出数据化评价的欣赏属性，以关心、爱护、珍视的态度对待教师，在对话合作中构建一个发展价值、政治价值、经济价值、知识价值并重的价值体系。其中，政府要发挥对数据化评价的价值引领，推动作为问责的数据化评价转向作为欣赏的数据化评鉴;市场主体要发挥数据化评价推动教师发展的优先性，严格遵守评价伦理;教师专业机构要在数据化评价中保持专业自主性，在经验形态、原理形态和两者基础上交叠形态的专业知识生产方面做好平衡;教师自身要审慎地看待数据评价结果，提高对评价数据的分析、反思和批判能力，才能推动教师主体性的发展。
(三)坚持数据化评价促进教师主体性解放的行动取向
数据化的教师评价是解放还是束缚了教师的主体性发展，其关键在于能否提供公正合理的制度保障。在实践中，由于评价数据使用权限不公、评价算法不透明和歧视等问题，数据化的教师评价加强了对教师的数字监控，加剧了教师之间的过度竞争，侵蚀了教师的专业自主性，也侵犯了教师的个人隐私。对此，应以数据正义的理念健全数据化评价的治理制度，推动解放教师的主体性。泰勒(Taylor,L.)认为，构成数据正义概念的三大支柱是可见性(visibility)、技术伴随(engagement with technology)和反对歧视(antidiscrimination)。其中，可见性涉及信息隐私，技术伴随包括共享数据利益和技术选择的自主性，反对歧视强调在数据使用中拥有识别、质疑的能力和不受歧视的自由。[56]相应地，可以从这三个方面尝试探索数据化评价治理的制度体系。
第一，从可见性原则出发，建立健全教师评价数据的确权授权机制。2022年12月，《关于构建数据基础制度更好发挥数据要素作用的意见》明确提出，“建立健全个人信息数据确权授权机制”,要求“保障使用个人信息数据时的信息安全和个人隐私”[57]。教师评价数据涉及教师个人隐私信息，政府、企业和专业机构等在搜集、分析和使用教师评价数据时，应按照相应的规范公开教师评价数据的来源、范围、内容、目的及具体流程，确保教师有知情权、参与权和监督权;在访问和使用教师评价数据时要注重隐私保护，保障教师评价数据不被误用和滥用。
第二，从技术伴随原则出发，建立健全教师评价数据的资源共享机制。教师评价数据一般有多个来源，可以通过技术改进等方式，巩固强化现有教师评价数据来源，完善利用已有的国家级与省级教师专业发展数字平台。这些都要事先告知教师哪些数据将被搜集，如何使用数据进行评价，评价数据可能会产生哪些利益，教师如何共享利益等。赋予教师充分的技术选择自主权，提高对自身数据的掌控力，从而在数据化评价中实现主体性解放。
第三，从反歧视原则出发，建立健全教师评价数据的风险预防与伦理保障机制。由于数据化的教师评价算法往往掌握在私人机构手中，教师及相关专业人员并不了解算法分析的具体规则，容易产生算法偏见，也无法对评价结果进行有效判断，存在技术引发的伦理风险。对此，需要以解放而非束缚教师主体性为中心，要以目的而非技术为中心实施数据化评价。大数据和数字工具虽然在教育领域具有巨大潜力，但“必须抵制因为数字分析软件呈现的假定的客观性而沉迷其中”,尤其要注意“从公正和公平的角度不断评估我们采用的数字研究方法的偏见和盲点”[58]。我们要避免对教师作为人的复杂性和教育活动的崇高性进行简化处理，推动现代教师评价真正成为激活教师专业发展的正向力量，才能实现教师主体性的解放。
参考文献
[1]王天夫.数字时代的社会变迁与社会研究[J].中国社会科学，2021,(12).
[2][18]Bradbury,A,Roberts-Holmes,G.The Datafication of Primary and Early Years Education:Playing with Numbers[M].
New York:Routledge,2018.6—7,13—14.
[3]金生竑.大数据教育测评的规训隐忧——对教育工具化的哲学审思[J].教育研究，2019,(8).
[4]孙瑞芳，滕洋.人工智能时代教师主体性的遮蔽与复归[J].教育研究与实验，2023,(1).
[5]格特比斯塔.测量时代的好教育：伦理、政治和民主的维度[M].北京：北京师范大学出版社，2022.13.
[6]Emiliano,G.An Archaeology of Educational Evaluation:Epistemological Spaces and Political Paradoxes[M].New York:Routledge,2020.xv.
[7][11][20][25]米歇尔·福柯.规训与惩罚：监狱的诞生[M].北京：生活读书·新知三联书店，2019.146、205、29、199.
[8]Williamson,B.The Datafication of Primary and Early Years Education:Playing With Numbers[J].Journal of EducationPolicy,2019,(4).
[9]刘梦婷，黄嘉莉.新管理主义思想下英格兰教师教育质量保障体系研究[J].外国教育研究，2022,(7).
[10]Roberts-Holmes,G.The"Datafication"of Early Years Pedagogy:"If the Teaching Is Good,the Data Should Be Good and If There's Bad Teaching,There Is Bad Data"[J].Journal of Education Policy,2015,(3).
[12]江峰.教育学方法论探源———门有儿童的教育学导论[M].福州：福建教育出版社，2020.283—284.
[13]Stevenson,H.The"Datafication"of Teaching:Can Teachers Speak Back to the Numbers?[J].Peabody Journal of Educa
tion,2017,(4).
[14][26]孔令帅，王超.教师表现性评价的困境与超越[J].教育研究，2022,(7).
[15]邱昆树.新异化的隐忧——对现代教育速度逻辑的反思[J].教育研究，2022,(9).
[16]Ball,S.J.Education,Governance and the Tyranny of Numbers[J].Journal of Education Policy,2015,(3).
[17]Pangrazio,L,Sefton-Green,J.Learning to Live with Datafication:Educational Case Studies and Initiatives from Acrossthe World[M].New York:Routledge,2022.3—4.
[19]福柯集[M].上海：远东出版社，1998.447.
[21]Selwyn,N.,et al.Knowing the(Datafied)Student:The Production of the Student Subject through School Data[J].British Journal of Educational Studies,2022,(3).
[22]张庆玲，胡建华.大学评价中的“计算主义”倾向分析[J].现代大学教育，2021,(4).
[23][24]Grek,S.,et al.World Yearbook of Education 2021Accountability and Datafication in the Governance of Education[M].London and New York:Routledge,2021.xix,xvii.
[27]U.S.Department of Education.Race to the Top Program Executive Summary[EB/OL].https://files.eric.ed.gov/fulltext/ED557422.pdf.
[28]Ball,S.J.The Teacher's Soul and the Terrors of Performativity[J].Journal of Education Policy,2003,(2).
[29]韩玉梅，等.探索增值评价的中国路向：基于美国实践经验的批判性分析[J].华东师范大学学报(教育科学版),2023,(2).
[30]林小英.素质教育20年：竞争性表现主义的支配及反思[J].北京大学教育评论，2019,(4).
[31]金生鉱.教育涂层的象征机制及社会效应[J].高等教育研究，2022,(2).[32]韩炳哲.透明社会[M].北京：中信出版社，2021.82.
[33]余晖，朱俊华.算法时代嵌入技术变革的教育权力关系重构[J].教育研究，2023,(11).
[34]Research and Education Accountability.TN Ready Test Development:Process and Costs[EB/OL].https://comptroll
er.tn.gov/office-functions/research-and-education-accountability/publications/pre-12/tn-ready-test-development--pro
cess-and-costs.html.
[35]TN Dapartment of Education.TNCompass[EB/OL].https://team-tn.org/tncompass/.
[36]TN Dapartment of Education.TNCompass Evaluation Data Management Guide[EB/OL].https://team-tn.org/wp-c
ontent/uploads/2022/07/TNCompass-Evaluation-Data-Management-Guide_July2021_Final-Updated-July-2022.pdf.
[37]金生鉱.教育者的心灵诗学[M].北京：教育科学出版社，2022.14—18.
[38]马克思.1844年经济学哲学手稿[M].北京：人民出版社，2018.47.
[39]孔令帅，王超.“数字人”的诞生：现代教育数字逻辑的隐忧与超越[J].教育研究，2023,(11).
[40]赵康.专业、专业属性及判断成熟专业的六条标准———个社会学角度的分析[J].社会学研究，2000,(5).
[41]朱德全，吴虑.大数据时代教育评价专业化何以可能：第四范式视角[J].现代远程教育研究，2019,(6).
[42]陈晓珊，戚万学.知识机器生产模式与教育新隐喻[J].教育研究，2023,(10).
[43]张民选，等.让教师成为教育知识的发现者和建构者——来自上海的经验[J].全球教育展望，2015,(7).
[44]韩震.知识形态演进的历史逻辑[J].中国社会科学，2021,(6).
[45]袁振国.实证研究是教育学走向科学的必要途径[J].华东师范大学学报(教育科学版),2017,(3).
[46]杜威全集·晚期著作：1925—1953,第五卷[M].上海：华东师范大学出版社，2013.10.
[47]福柯文选：自我技术[M].北京：北京大学出版社，2015.114.
[48]徐艳如.数字拜物教的秘密及其背后的权力机制[J].马克思主义研究，2022,(6).
[49]维克多迈尔-舍恩伯格，肯尼思·库克耶.大数据时代：生活、工作与思维的变革[M].杭州：浙江人民出版社，2013.97.
[50]檀慧玲，王玥.教育评价数字化转型的内生动力与核心议题[J].教育研究，2023,(12).
[51]曹渡帆，朱德全.新时代教育评价改革的数字正义何以可能[J].电化教育研究，2023,(12).
[52]肯尼斯·格根，等.关系性评价和新时代教育转型[J].南京师范大学学报(社会科学版),2023,(4).
[53]约翰·杜威.民主主义与教育[M].北京：人民教育出版社，2015.267.
[54]习近平.做党和人民满意的好老师——同北京师范大学师生代表座谈时的讲话[N].人民日报，2014-09-10.
[55]亨利A.吉鲁教育与公共价值的危机——驳斥新自由主义对教师、学生和公立教育的攻击[M].北京：中国人民大学出版社，2016.3—4.
[56]Taylor,L.What Is Data Justice?The Case for Connecting Digital Rights and Freedoms Globally[J].Big Data&Society,
2017,(2).
[57]关于构建数据基础制度更好发挥数据要素作用的意见[EB/OL].https://www.gov.cn/zhengce/202212/content_6720768.h
tm.
[58]联合国教科文组织.一起重新构想我们的未来：为教育打造新的社会契约[M].北京：教育科学出版社，2022.131.
注释
(1)以我国东部省份某小学现行教师考核方案为例，该方案中明确提出：过关考核，与定级、职称聘任或晋升、增量绩效发放等挂钩。在该文件中，过关考核是指教师的师德修养、教学技能、教科研考核、教育管理必须达到一定的分值方为过关，如教学技能考核必须达到75分才可过关。可见，数据影响着教师的专业发展和人事决策，在一些地区的教育实践中是一个重要现象。
