政大機構典藏-National Chengchi University Institutional Repository(NCCUR):Item 140.119/133962

政大典藏 > College of Education > Graduate Institute of Educational Administration and Policy > Theses > Item 140.119/133962

Please use this identifier to cite or link to this item: https://nccur.lib.nccu.edu.tw/handle/140.119/133962

Title:	智慧學校推動、資料導向決策與教師專業發展關係之研究 A Study on the Relationships among Smart School Promotion, Data Driven Decision Making and Teacher Professional Development
Authors:	蘇栯安 Su, Yu-An
Contributors:	張奕華 Chang, I-Hua 蘇栯安 Su, Yu-An
Keywords:	智慧學校推動資料導向決策教師專業發展 Smart school promotion Data driven decision making Teacher professional development
Date:	2021
Issue Date:	2021-02-01 14:26:37 (UTC+8)
Abstract:	本研究旨在探討智慧學校推動、資料導向決策與教師專業發展之現況，並分析不同背景變項之教師知覺智慧學校推動、資料導向決策與教師專業發展之差異情形與線性關係。本研究採用問卷調查法，研究對象為臺灣中小學智慧學校的教師，共寄發582份問卷，回收的有效問卷共有494份，有效問卷回收率為84.87%。本研究以描述性統計、獨立樣本t檢定、單因子變異數分析及結構方程模式 (SEM) 進行統計分析，並使用IBM SPSS Statistics 26.0 及LISREL 8.80 為資料分析軟體，獲得結論如下：壹、智慧學校推動量表信效度良好。貳、中小學智慧學校推動現況良好，「科技創新」較佳，「教材準備」較低。參、中小學資料導向決策現況良好，「資料探究文化」較佳，「資料與科技素養」較低。肆、中小學教師專業發展現況良好，「課程教學實踐」較佳，「社群互動分享」較低。伍、不同年齡、教育程度、學校設置智慧教室比率之教師在知覺智慧學校推動無顯著差異。陸、不同性別、服務年資、現任職務、學校類別、學校規模之教師在知覺智慧學校推動有顯著差異。柒、不同性別、教育程度、學校類別、學校設置智慧教室比率之教師在知覺資料導向決策無顯著差異。捌、不同年齡、服務年資、現任職務、學校規模之教師在知覺資料導向決策有顯著差異。玖、不同性別、教育程度、學校類別、學校設置智慧教室比率之教師在知覺教師專業發展無顯著差異。拾、不同年齡、服務年資、現任職務、學校規模之教師在知覺教師專業發展有顯著差異。壹拾壹、整體模式適配度良好，智慧學校推動可透過資料導向決策的中介作用，正向影響教師專業發展本研究根據上述結論，提出具體建議，做為教育行政機關、學校與校內教師以及未來研究作為參考。 The purpose of this study is to understand the situation and to analyze the differences and linear relations of smart school promotion, data driven decision making and teacher professional development. In this study, a questionnaire survey method was employed. The subjects of the study were teachers from secondary and primary smart schools in Taiwan. A total of 582 questionnaires were distributed, 494 valid questionnaires were collected, and the effective questionnaire return rate was 84.87%. The data were analyzed by data analysis software, IBM SPSS Statistics 26.0 and LISREL 8.80, using descriptive statistics, independent sample t-test, one-way ANOVA, and structural equation modeling (SEM). The conclusions of this study are as follows: 1. The reliability and validity of the scale “Smart School Promotion” are fine. 2. The current states of smart school promotion in secondary and primary school are still good. “Technology innovation” is the highest, and “teaching material preparation” is the lowest. 3. The current states of data driven decision making in secondary and primary schools are still good. “Data-inquiry culture” is the highest, and “data and technology literacy” is the lowest. 4. The current states of teacher professional development in secondary and primary schools are still good. “Practice of course teaching” is the highest, and “community interaction and sharing” is the lowest. 5. For all teachers of different ages, educational backgrounds, and percentage of smart classroom setting, show no significant differences on teachers’ perceptions of smart school promotion. 6. For all teachers of different genders, in-service years, administrative duties, types of school and school sizes show the significant differences on teachers’ perceptions of smart school promotion. 7. For all teachers of genders, educational backgrounds, types of school and percentage of smart classroom setting show no significant differences on teachers’perceptions of data driven decision making. 8. For all teachers of different ages, in-service years, administrative duties and school sizes show the significant differences on teachers’ perceptions of data driven decision making. 9. For all teachers of genders, educational backgrounds, types of school and percentage of smart classroom setting show no significant differences on teachers’perceptions of teacher professional development. 10. For all teachers of different ages, in-service years, administrative duties and school sizes show the significant differences on teachers’ perceptions of teacher professional development. 11. The model fits well, and the positive effect of smart school promotion on teacher professional development could be moderated by data driven decision making. Based on the above conclusions, this study makes specific recommendations and serves as a reference for educational administration, school teachers, and future research.
Reference:	壹、中文部分王秋敏（2018）。臺北市優質學校專業發展指標認同度與教師專業發展關係之研究。臺北市立大學教育行政與評鑑研究所碩士在職專班碩士論文（未出版）。臺北市。王令宜（2016）。面向未來的教師專業發展。教育研究月刊，270，45-53。王春平、李捷、鄭偉、李文韜（2015）。基於卓越績效管理體系的智慧校園建設探討。教育資訊技術，10，16-19。王世英、謝雅惠（2005）。從資料驅動觀點簡介國立教育資料館教育資源。教育資料與研究雙月刊，67，37-52。天下雜誌（2017）。用資通訊科技翻轉教育，讓學生適性發展培育未來。取自https://www.cw.com.tw/article/article.action?id=5086077 孔凡哲（2015）。智慧型學校：創建、經營與發展。北京：北京大學。田娟（2016）。智慧校園智慧特徵分析。無線互聯科技，13（30），30、53。李俊毅（2018）。公立高中職校長正向領導、教師學術樂觀與教師專業發展相關之研究。國立政治大學教育學系博士論文（未出版），臺北市。余鵬、李艷（2018）。基於教育大數據生態體系的高校智慧校園建設研究。中國電化教育，6，8-16。沈潔、黃宇星（2011）。智慧校園及其構建初探。福建教育學院學報，6，122-125。汪衛平（2019）。大數據在「智慧校園」信息系統建設中的應用。無線互聯科技，8，141-142。何曉東（2018）。普通中學湧動的智慧「雲」—關於普通中學智慧校園建設的研究及思考。中國現代教育裝備，18，11-13。何寶妍（2012）。臺灣地區國民小學校長科技領導對智慧教室創新擴散影響之研究。國立政治大學學校行政碩士在職專班碩士論文（未出版），臺北市。吳佩璇（2019）。泰緬邊境美索區移工學校建置教學資源中心協助教師專業發展之研究。國立暨南國際大學國際文教與比較教育學系碩士論文（未出版），南投縣。吳清山、林天祐（2006）。資料驅動決定。教育研究月刊，143，140。吳清山（2005）。優質學校中課程發展、教師教學與專業發展之指標內涵及實踐策略分析。載於吳清基、張明輝、吳清山、林天祐、王巧媛、余學敏、謝勝隆、徐作蓉（合著），優質學校（頁30-40）。臺北市：臺北市教師研習中心。林宛臻（2019）。新北市國民小學教務主任課程領導與教師專業發展關係之研究。國立臺北教育大學教育經營與管理學系碩士論文（未出版）。臺北市。林昇茂（2017）。臺北市國民中學學校組織氣氛與教師專業發展成效關係之研究。國立臺灣師範大學教育學系碩士論文（未出版）。臺北市。林進山（2016）。建構智慧校園永續發展的實務探究。取自https://tiec.wordpress.com/2016/12/27/1/ 林文婷（2010）。新北市國民中學行政人員資訊使用環境對資料導向決策影響之研究。國立政治大學學校行政碩士在職專班碩士論文（未出版），臺北市。林仕崇（2010）。臺北市國民中學行政人員資訊使用環境對資料導向決策影響之研究。國立政治大學學校行政碩士在職專班碩士論文（未出版），臺北市。林其賢、高熏芳（2009）。資料導向決策系統之設計：校長決策領導的新思維。學校行政雙月刊，62，82-97。周彤、劉文（2011）。智慧校園建設的現狀與思考。信息與電腦：理論版，10，86。洪嘉猷（2016）。臺北市國民小學兼任行政教師資料導向決定與知覺學校行政效能關係之研究。臺北市立大學教育行政與評鑑研究所碩士在職專班論文（未出版），臺北市。翁福元、廖昌珺（2017）。在職教師進修體系對國民小學教師專業發展的影響。臺灣教育評論月刊，6（7），64-70。閆明聖（2019）。基礎教育階段智慧學校建設的實踐與探索。教育與裝備研究，9，3-6。張奕華、吳權威、曾秀珠、張奕財和陳家祥（2020）。智慧學校校長科技領導：理論實務與案例。臺北市：五南。張奕華、吳權威（2014）。智慧教育：理念與實踐。臺北市：網奕資訊。張奕華（2013）。智慧教育與智慧學校理念。中國信息技術教育，6，15-17。張奕華、顏弘欽（2010）。教師專業能力發展新取向：DDDM模式的實踐。北縣教育，71，11-16。張奕華（2014）。SMART 教育與「思考力」智慧學校。取自 http://www.estmue.tp.edu.tw/~estmtc_f/101change/ 張奕財（2018）。智慧學校校長科技領導、教師專業發展與創新經營效能關係之研究。國立政治大學教育學系博士班博士論文（未出版）。臺北市。張奕財（2014）。教育雲端與智慧學校：兼談創新教學模式及個案。取自http://www4.hc.edu.tw/epaper/no78/vigor3.asp 張德銳、李俊達、蔡美錦、陳輝誠、林秀娟、楊士賢（2005）。教學檔案：促進教師專業發展。臺北市：高等教育。鹿星南（2017）。論智慧學校建設支持系統及策略。教育文化論壇，6，134。許群翊（2015）。臺北市國民小學教師資料導向決定與專業學習社群關係之研究。臺北市立大學教育行政與評鑑研究所碩士在職專班論文（未出版），臺北市。陳棟樑、黃明一、周瓊瑤（2017）。臺中市教師專業學習社群與教師專業發展之研究。管理資訊計算，6（S1），34-43。doi:10.6285/MIC.6(S1).04 陳翠珠，黃宇星（2012）。基於網路的智慧校園及其系統構建探究。福建教育學院學報，1，120-124。梁瓈月（2015）。智慧學校打造學生成長電子履歷。取自https://grinews.com/news/智慧學校-打造學生成長電子履歷-2/ 梁春曉、危妙（2015）。傅霖：智慧校園大有可為。教育資訊技術，10，8-10。彭婭（2018）。智慧學校面向未來—廣州市越秀區東風東路小學的信息化實踐。未來教育家，9，24-27。馮伯虎、武建軍（2018）。大數據理念下小學教師專業發展評價要素遴選和評價系統架構：基於連雲港市中西東聯盟校卓越型教師的調查。連雲港師範高等專科學校學報，3，88-93。黃美蓮（2019）。校長科技領導對智慧校園發展之探討 —以臺南市國小為例。南臺科技大學教育領導與評鑑研究所碩士論文（未出版），臺南市。黃呈媛（2010）。屏東縣國小教師同儕視導與專業發展關係之研究。國立屏東大學教育視導碩士學位學程碩士論文（未出版），屏東縣。黃建翔、吳清山（2013）。提升教師專業學習社群之可行策略研究：「資料導向決定」觀點。教育研究學報，47（1），39-58。黃建翔（2014）。國民小學校長知識領導、資料導向決定與學校創新經營效能關係之研究。臺北市立大學教育行政與評鑑研究所博士論文（未出版），臺北市。黃建翔、吳清山（2018）。國小校長知識領導影響學校創新經營效能之關係─ 以資料導向決定為中介變項。教育學報，46（1），1-21。黃旭鈞（2013）。促進學校改進的策略：「資料導向決定」的觀點。教育研究月刊，232，65-79。黃榮懷、張進寶、胡永斌、楊俊鋒（2012）。智慧校園：數位校園發展的必然趨勢。開放教育研究，18（4），12-17 曾偉誠（2012）。臺北市國民小學教育人員資料導向決定與學校創新經營關係之研究。臺北市立大學教育行政與評鑑研究所碩士論文（未出版），臺北市。臺灣科技領導與教學科技發展協會（2019）。全球科技領導與教學科技高峰論壇。載於2019全球科技領導與教學科技高峰論壇之「智慧教育年刊」。臺灣三星（2015）。攜手教育部宣布15所智慧學校完成佈點。取自https://www.ettoday.net/news/20150922/568582.htm 網奕資訊（2017）。桃園智慧城市之智慧教育發展計畫－智慧學校啟用。取自http://www.habook.com.tw/eTeaching/event/TY_Smarter_City/ 鄧宇君（2020）。屏東縣國民小學教師專業發展、創新教學與幸福感關係之研究。國立屏東大學教育行政研究所碩士論文（未出版）。屏東縣。鄭載德（2016）。臺北市國民中學校長學習領導、教師專業發展及學校效能關係之研究。國立政治大學學校行政碩士在職專班碩士論文（未出版）。臺北市。黎慧娟、楊國超、肖玲（2016）。融合互聯移動：泛在學習引領智慧教育，創新成就教師專業發展。新課程研究，Z1，60-64。詹秀雯（2013）。運用資料導向決策教學提升高中身障生學習成效—以數學科為例。身心障礙研究，11（1），27-43。蔣東興、付小龍、袁芳、吳海燕、劉啟新（2015）。大數據背景下的高校智慧校園建設探討。華東師範大學學報（自然科學版），S1，119-125。劉易奇（2011）。臺北市國民小學教師知覺資料導向決定與回應式介入關係之研究。臺北市立大學教育行政與評鑑研究所碩士論文（未出版），臺北市。劉鎮寧（2016）。國民小學校長教學領導與教師專業發展之個案研究。慈濟大學教育研究學刊，13，61-89。衛德彬、阮征、陳方勇、韓芬芬（2019）。智慧學校環境下習題課教學與初中生數學成績關聯性實驗研究。中小學電教，6，34-38。謝文貴、黃旭鈞（2016）。國民小學分布式領導對學校效能影響之研究—以資料導向為中介變項。學校行政，105，63-84。龔祐祿（2018）。國小校長學習領導、教師專業發展與學習型學校關係之研究。臺北市立大學教育行政與評鑑研究所碩士論文（未出版），臺北市。饒見維（2003）。教師專業發展：理論與實務。臺北市：五南。貳、西文部分 Avalos, B. (2011). Teacher professional development in “teaching and teacher. education” over ten years. Teaching and Teacher Education: An International Journal of Research and Studies, 27(1), 10-20. Retrieved from http://search.ebscohost.com.autorpa.lib.nccu.edu.tw/login.aspx?direct=true&db=eric&AN=EJ906406&lang=zh-tw&site=ehost-live Awang, M., Ismail, R., Flett, P., & Curry, A. (2011). Knowledge management in Malaysian school education: Do the smart schools do it better? Quality Assurance in Education, 19(3), 263–282. Bernhardt, V. L. (2009). Data use. Journal of Staff Development, 30(1), 24-27. Bozkuş, K. (2019). The teacher professional development student assessment scale: A tool for principals. Research in Educational Administration and Leadership, 4(2), 375-405. Chuling, L., Xie, Z., & Peng, P. (2009, November). A discussion on the framework of smarter campus. Paper presented at the Third International Symposium on Intelligent Information Technology Applicatio, Shanghai, China. Abstract retrieved from https://ieeexplore.ieee.org/abstract/document/5369469 Darling-Hammond, L., & McLaughlin, M. (1995). Policies that support professional. development in an era of reform. Phi Delta Kappan, 76, 597-604. Datnow, A., & Hubbard, L. (2016). Teacher capacity for and beliefs about data-driven decision making: A literature review of international research. Journal of Educational Change, 17(1), 7-28. Damore, S. J., & Kapustka, K. (2007). Using research to inform fledgling, professional development schools: Data-driven decision making. Mid-Western Educational Researcher, 20(4), 2–12. Desimone, L. M. (2009). Improving impact studies of teachers` professional development: Toward better conceptualizations and measures. Educational Researcher, 38(3), 181-199. doi: 10.3102/0013189x08331140 Doyle, D. P. (2003). Data-driven decision. T. H. E. Journal, 30(10), 19. Easton, J. Q. (2009, July). Using data systems to drive school improvement. Keynote address at the STATS-DC 2009 Conference, Bethesda, Mary Land. Gall, M. D., & Renchler, R. S. (1985). Effective Staff Development for Teachers: A Research-Based Model. Publication Sales, ERIC Clearinghouse on Educational Management, Center for Advanced Technology in Education, University of Oregon, OR. Garet, M. S., Porter, A. C., Desimone, L., Birman, B. F., & Yoon, K. S. (2001). What makes professional development effective? Results from a national sample of teachers. American Educational Research Journal, 38(4), 915-945. doi: 10.3102/00028312038004915 Guskey, T. R. (2000). Evaluating professional development. Thousand Oaks, CA: Corwin Press. Mandinach, E. B., & Honey, M. (2008). Data-driven school improvement: Linking data and learning. New York, NY: Teachers College Press. Mandinach, E. B., & Jackson, S. S. (2012). Transforming teaching and learning through data-driven decision making. Thousand Oaks, CA: Corwin. Marsh, J. A., & Farrell, C. C. (2015). How leaders can support teachers with data-driven decision making: A framework for understanding capacity building. Educational Management Administration & Leadership, 43(2), 269-289. Marsh, J. A., Pane, J. F., & Hamilton, L. S. (2006). Making sense of data-driven decision making in education. Retrieved from http://www.rand.org/pubs/occasional_papers/2006/RAND_OP170.pdf McLeod, S. (2009). Data driven teachers. Tech & Learning, 30(1), 18. Means, B., Gallagher, L., & Padilla, C. (2007). Teachers` use of student data systems to improve instruction. Retrieved from https://files.eric.ed.gov/fulltext/ED501547.pdf Ming, T. S., Murugaiah, P., Wah, L. K., Azman, H., Yean, T. L., & Sim, L. Y. (2010). Grappling with technology: A case of supporting malaysian smart school teachers’ professional development. Educational Technology, 26(3), 400-416. NCREL. (2004). Guide to using data in school improvement efforts. Retrieved from http://www.learningpt.org/pdfs/datause/guidebook.pdf Niemeyer, K. D. (2012). Data driven decision making in schools: The influence of professional development on educator perceptions. (Doctoral dissertation, University of Memphis). Retrieved from https://eric.ed.gov/?id=ED545719 Picciano, A. G. (2012). The evolution of big data and learning analytics in american higher education. Journal of Asynchronous Learning Networks, 16(3), 9-20. Soegoto, E., Yunus, I., & Valentina, T. (2018). Smart school for senior high school. Materials Science and Engineering, 407, 12003-12012. Sun, J. P. (2015). Principals’ evidence-based decision making: Its nature and impacts.In S. Chitpin & C. W. Evers (Eds.), Decision making in educational leadership: Principles, policies, and practices (pp. 21-37). New York, NY: Routledge. Taleb, Z., & Hassanzadeh, F. (2015). Toward smart school: A comparison between smart school and traditional school for mathematics learning. Procedia-Social and Behavioral Sciences, 171, 90–95. Wang, Y. (2019). Is data-driven decision making at odds with moral decision making? A critical review of school leaders’ decision making in the era of school accountability. Values and Ethics in Educational Administration, 14(2), 1-8. Zhou, K., Fu, C., & Yang, S. (2016). Big data driven smart energy management: From big data to big insights. Renewable and Sustainable Energy Reviews, 56, 215-225.
Description:	碩士國立政治大學教育行政與政策研究所 107171007
Source URI:	http://thesis.lib.nccu.edu.tw/record/#G0107171007
Data Type:	thesis
DOI:	10.6814/NCCU202100132
Appears in Collections:	[Graduate Institute of Educational Administration and Policy] Theses

Files in This Item:

File	Description	Size	Format
100701.pdf		4091Kb	Adobe PDF2	0	View/Open

社群 sharing

Loading...