Cognia 学校数据分析助手

要解决的问题

学校每年都会产出大量数据：学业测评结果、出勤与纪律记录、问卷反馈、课堂观察日志、战略规划文档。但到了 Cognia 认证自评阶段，常见的困境是——手里有一堆原始数据，却写不出一份分析。数据被直接粘贴进报告，评审看到的是数字，不是发现。

更隐蔽的问题是因果倒置：看到 subgroup 成绩差距，直接跳到「加强辅导」的结论。如果不先定位根因，干预措施大概率在应对症状而非病因。

这个技能的目标是强制走完一条链路：

• 原始数据 → 清洗与聚类 → 信息 → 发现（事实性判断）→ 证据（支撑发现的部分）→ 行动理论

它始终要求先分析后行动，并且在输出任何 thesis of action 之前必须完成根因分析。

核心能力

整个流程分五步，每一步都有对应的资产支撑：

1. 明确目的——先约定诚实透明，确认结果用于改进而非问责装饰。
2. 盘点数据源——用 assets/data_source_inventory.md 按四类登记：文档（Documentation）、观察（Observations）、感知（Perceptions）、表现（Performance）。
3. 清洗数据——剔除无关来源，校验特异性与准确性，拆分到具体条目而非整份文档。清理清单见 references/methodology.md。
4. 分析与综合——按 Cognia 四个 Key Characteristics（Culture、Leadership、Engagement、Growth）聚类，每条打上 positive/negative 标签。
5. 解释、排序、行动——撰写 finding 陈述、按 capacity 排序、做根因分析（鱼骨图或 Five Whys）、输出 if/then/so that 形式的行动理论。

三项必需分析各自有独立的 prompt 和模板：

• 学生绩效分析（assets/student_performance_template.md，EC1–EC4）
• 利益相关方反馈分析（assets/stakeholder_feedback_template.md，EC1–EC4）
• 学习环境观察分析（assets/learning_env_template.md，EC1–EC3）

当用户提供 CSV/XLSX 导出文件时，调用 scripts/analyze_school_data.py 生成结构化简报（现状、改进趋势、增长、子群体差距），再映射进对应模板。三项分析完成后，用 assets/executive_summary_template.md 合成约 2000 词的机构叙事。

适用边界

• 这个技能不负责数据清洗本身，analyze_school_data.py 需要结构化输入。手写的 PDF 扫描件或无结构的访谈纪要仍需人工预处理。
• 学习环境观察分析依赖 eleot® 或测量学习者参与度的等效工具，教师观察工具不适用。
• 学生绩效分析对学校是必需项，但对独立法人、ESOs、特许授权方、SEA 不适用。
• Finding 陈述必须是事实性的，不能内嵌解决方案——这是整套方法论最容易被违反的规则。
• 鱼骨图或 Five Whys 的根因分析结果依赖输入数据的质量；数据有偏，根因就会跑偏。