實踐項目 返回列表

精準教研視(shì)域下(xià)的教師畫(huà)像研究

2020/3/8 10:43:24

 本文(wén)由《 電化教育研究》授權發布

作(zuò)者:胡小(xiǎo)勇 林(lín)梓柔

摘要

面對(duì)新時(shí)代教師隊伍建設的要求,教研有必要向個性化、精準化轉型。依托各種智能(néng)技術對(duì)教師畫(huà)像,成了(le)破解精準教研難題的創新途徑。然而,目前精準教研視(shì)域下(xià)的教師畫(huà)像研究,在國内尚屬空(kōng)白(bái)。文(wén)章從(cóng)教研數據采集、分類及其有效關聯等角度闡釋了(le)數據驅動的教師畫(huà)像的實施可行性;同時(shí),剖析了(le)教師畫(huà)像的實現(xiàn)流程,包括教研數據預處理(lǐ)、教師畫(huà)像模型建構、教師個體标簽體系建立和(hé)教師畫(huà)像質量評估四大(dà)環節,從(cóng)而提供了(le)清晰的框架指引。文(wén)章最後提出教師畫(huà)像的四大(dà)應用(yòng)場景,涵蓋教師、決策者、教研服務提供方和(hé)學生等利益者視(shì)角。該研究從(cóng)精準教研視(shì)域下(xià)教師畫(huà)像的實現(xiàn)必要性、實施可行性、實現(xiàn)方法和(hé)應用(yòng)場景作(zuò)了(le)系統論述,旨在爲相關研究提供參考。

關鍵詞:精準教研; 教師畫(huà)像; 數據; 流程; 應用(yòng)場景

一、引 言

2018年1月,新中國成立以來(lái)第一個專門(mén)面向教師隊伍建設的國家政策文(wén)件《關于全面深化新時(shí)代教師隊伍建設改革的意見》明(míng)确提出,要“全面提高(gāo)中小(xiǎo)學教師質量,建設一支高(gāo)素質專業化的教師隊伍”[1]。教研是一種促進中小(xiǎo)學教師發展的重要活動。然而,傳統教研方式存在着服務“千人一面”、資源分配失衡以及無法精準評價和(hé)反饋調适等不足,緻使教研長期存在效能(néng)低(dī)下(xià)的現(xiàn)象。更加個性化和(hé)精準化,是新時(shí)代教師教研的新要求。教師作(zuò)爲教研服務的主要對(duì)象,其特征、需求、偏好(hǎo)和(hé)行爲等信息的準确判斷,是實現(xiàn)精準教研的重要前提。

2018年8月,教育部印發了(le)《關于開(kāi)展人工(gōng)智能(néng)助推教師隊伍建設行動試點工(gōng)作(zuò)的通知(zhī)》[2],提出在試點學校開(kāi)展教師大(dà)數據行動,“通過采集教師各方信息,彙聚成教師大(dà)數據,建立教師數字畫(huà)像,以支持學校決策,改進教師管理(lǐ),優化教師服務”。當前,雲計(jì)算(suàn)、大(dà)數據和(hé)人工(gōng)智能(néng)等新一代信息技術快(kuài)速發展,無處不在的數據構成了(le)“互聯網+”世界的分子,數據的指數式增長和(hé)數據采集技術的快(kuài)速升級也(yě)讓教研邁入了(le)“數據驅動”的時(shí)代。教師專業發展生涯中産生的多模态數據能(néng)夠描摹出其個體畫(huà)像,爲精準教研的多維應用(yòng)提供數據支撐。因此,本研究将聚焦如何通過教研數據構建教師畫(huà)像,研究其邏輯框架和(hé)實現(xiàn)流程,以及教師畫(huà)像最終如何驅動和(hé)服務精準教研。

二、精準教研視(shì)域下(xià)的教師畫(huà)像

(一)教研需要精準“表征、發現(xiàn)和(hé)預測”教師的行爲特征

在教育領域,對(duì)“精準”的關注最先聚焦于教學領域。Lindsley最早提出“精準教學”的概念,他(tā)認爲精準教學是指學習者利用(yòng)标準化工(gōng)具持續記錄和(hé)監控自(zì)身的學業成就變化,爲教師決策提供數據支持的過程。Lindsley 通過實踐證明(míng)這(zhè)種方式能(néng)夠有效表征學情,便于教師提供個性化輔導,大(dà)大(dà)提高(gāo)了(le)學習者的學習效益[3]。近年來(lái),對(duì)教師發展的精準性研究開(kāi)始受到(dào)關注。在精準扶貧的政策背景下(xià),教育幫扶成爲重要突破口[4],如何通過對(duì)教師精準培訓來(lái)促進落後地區(qū)的教育均衡發展成了(le)關注焦點[5-6]。然而,精準培訓不應隻關注落後地區(qū),培訓也(yě)不是教師發展的單一途徑,包含教師培訓在内的各類教師教研活動更要精準關注每一位教師的專業發展路徑[7]。由于教師的年齡、任教經曆、學習風(fēng)格等主體特征具有較大(dà)的個體差異性,精準“表征、發現(xiàn)和(hé)預測”不同教師個體的特征、需求、偏好(hǎo)和(hé)行爲是精準教研的三大(dà)現(xiàn)實需求。

首先,需要實時(shí)客觀表征教師的教研特征。在教研活動中,教師希望能(néng)夠客觀認知(zhī)自(zì)己的教研軌迹,教育決策者希望能(néng)夠準确了(le)解教研的總體情況,例如參與教研的教師具備什(shén)麽群體特征,有哪些(xiē)教研行爲習慣等。客觀表征能(néng)夠爲教研評價和(hé)決策提供依據,是精準教研的首要需求。

其次,需要準确發現(xiàn)教師的教研需求和(hé)偏好(hǎo)。教師參與教研的主要目的是爲了(le)提升專業技能(néng)和(hé)自(zì)身競争力,因此,教師希望教研平台主動推薦符合自(zì)身需求和(hé)興趣的資源和(hé)服務,涵蓋教師感興趣的、近期關注的以及不擅長但(dàn)重要的教研主題,降低(dī)教師的主動檢索成本。

最後,需要動态預測教師的教研行爲變化。在海量教研數據的基礎上(shàng),能(néng)夠預測和(hé)預警教師的教研行爲,是精準教研在大(dà)數據時(shí)代的新需求,多模态數據采集技術的發展爲此提供了(le)可能(néng)。決策者基于預測或預警結果可以有效管理(lǐ)和(hé)監控教研活動,爲教師提供更加優化的教研服務。

(二)通過教師畫(huà)像能(néng)夠有效服務精準教研

用(yòng)戶畫(huà)像的概念源于企業。随着互聯網的發展,數據不斷積累、更新,呈爆炸式增長。電子商務企業爲實現(xiàn)最大(dà)盈利,采集大(dà)量用(yòng)戶數據以分析其行爲習慣,助力産品的精準設計(jì)和(hé)精準營銷。交互設計(jì)之父Alan Cooper最早提出用(yòng)戶畫(huà)像(Persona)的概念,他(tā)認爲用(yòng)戶畫(huà)像是基于大(dà)量真實數據構建出來(lái)的虛拟用(yòng)戶模型[8]。實際上(shàng),用(yòng)戶畫(huà)像就是爲特定對(duì)象打上(shàng)“數字化标簽”的過程,畫(huà)像構建需要采集大(dà)量真實有效的用(yòng)戶數據,對(duì)這(zhè)些(xiē)數據進行聚類和(hé)抽象,利用(yòng)數據集訓練和(hé)優化畫(huà)像模型,生成一個個具有明(míng)确含義、可表征和(hé)預測用(yòng)戶行爲的語義化标簽。

文(wén)獻顯示,近年來(lái)用(yòng)戶畫(huà)像的應用(yòng)研究主要集中于醫(yī)學、心理(lǐ)學、情報(bào)科學和(hé)行爲科學等領域,其共同點是通過人的外(wài)顯行爲挖掘内隐因素,如人的病因、行爲動機或需求。大(dà)數據支持将人“數據化”,進而更客觀地挖掘和(hé)解讀内隐信息。同時(shí),計(jì)算(suàn)機科學爲用(yòng)戶畫(huà)像提供了(le)技術支持,關注如何借助用(yòng)戶畫(huà)像技術實現(xiàn)個性化表征和(hé)精準推薦[9],涵蓋用(yòng)戶标簽體系的創建[10]、畫(huà)像建模[11]、用(yòng)戶畫(huà)像應用(yòng)效果評估[12]等方面。

教育是研究人的學習行爲的學科。基于此,用(yòng)戶畫(huà)像技術在教育領域的應用(yòng)同樣具有需求指向性和(hé)實施可行性。當前,教育領域的用(yòng)戶畫(huà)像研究已經興起,有研究者對(duì)學習者畫(huà)像在精準教學中的意義和(hé)實現(xiàn)途徑進行了(le)闡述。例如,陳海建等人構建了(le)遠程學習者畫(huà)像并證明(míng)這(zhè)對(duì)個性化教學有積極作(zuò)用(yòng)[13];而肖君等人[14]和(hé)張雪等人[15]分别聚焦不同類型的線上(shàng)學習者,通過構建畫(huà)像來(lái)聚類不同特征的學習者群體,旨在研究影響不同群體學習效果的因素或指标。在教師畫(huà)像研究領域,陳堯在技術實現(xiàn)上(shàng),通過學生評教數據構建了(le)教師畫(huà)像模塊[16];方丹丹等人則對(duì)教師畫(huà)像的理(lǐ)論構建和(hé)應用(yòng)作(zuò)了(le)闡述[17]。目前國内僅有可查的兩項教師畫(huà)像研究,但(dàn)并未聚焦于教師教研,在教研視(shì)域下(xià)開(kāi)展的教師畫(huà)像系統研究尚屬空(kōng)白(bái)。本研究提出的教師畫(huà)像是指通過抓取和(hé)分析與教師教研緊密相關的數據,通過數據挖掘和(hé)用(yòng)戶畫(huà)像技術來(lái)構建的虛拟教師模型。該模型是教師個體标簽體系的集合,能(néng)夠描述教師的特征、需求、偏好(hǎo)和(hé)行爲。

三、數據驅動教師畫(huà)像的實現(xiàn)

數據是指對(duì)客觀事(shì)件進行記錄并可以鑒别的符号,具有描述現(xiàn)象、發現(xiàn)關系、評價效果及預測趨勢的功能(néng)。根據DIKW金(jīn)字塔層次體系[18],從(cóng)下(xià)往上(shàng)依次是數據、信息、知(zhī)識和(hé)智慧,處于上(shàng)方的信息、知(zhī)識和(hé)智慧全都離不開(kāi)數據的表征。教師畫(huà)像的構建需要有效運用(yòng)全過程多模态的教研數據,才能(néng)有效地表征教研情況、發現(xiàn)隐性信息和(hé)預測教師教研行爲變化,以支持教研決策智慧的生成。

(一)智能(néng)技術與教研數據采集

智能(néng)技術的興起和(hé)教育應用(yòng),使各類教研數據以更大(dà)容量和(hé)更快(kuài)速度産生和(hé)彙聚于各類便捷的智能(néng)設備中,形成“教研大(dà)數據”。教育是一個複雜(zá)的育人系統,對(duì)包括教研在内的一切教育決策的容錯性較小(xiǎo),數據驅動的教師畫(huà)像要求科學精準;此外(wài),參與教研隻是教師衆多社會(huì)屬性之一,指向精準教研的教師畫(huà)像需要聚焦于與教研活動緊密相關的數據,相比數據體量的絕對(duì)大(dà)小(xiǎo),本研究更強調數據的“教研相關性”和(hé)“價值密度”。與教研數據采集相關的智能(néng)技術可以分爲網絡技術、富媒體技術和(hé)感知(zhī)技術。

網絡技術支持抓取描摹教師教研行爲軌迹的網絡數據,如教研社交網站(zhàn)公開(kāi)數據和(hé)教研管理(lǐ)平台用(yòng)戶日志。教研管理(lǐ)平台面向所有參研教師,提供教師需要的教研資源以及同伴交流、聽評課和(hé)個人電子檔案袋等線上(shàng)功能(néng)模塊,這(zhè)些(xiē)數據具有較高(gāo)教研相關性和(hé)價值;教研社交網站(zhàn)爲教師提供了(le)跨時(shí)空(kōng)的同伴交流平台,教師可以組建志同道(dào)合的教研共同體。

富媒體技術支持抓取圖文(wén)聲像和(hé)超鏈接等多種媒體形式的交互式教研數據。教研管理(lǐ)平台中海量的教研資源和(hé)數字化教研實踐成果多以富媒體形式呈現(xiàn),如教學設計(jì)、課例視(shì)頻等,這(zhè)類非結構化數據提升了(le)教研數據的可挖掘性,但(dàn)也(yě)對(duì)數據采集和(hé)處理(lǐ)提出了(le)更大(dà)挑戰。

感知(zhī)技術支持抓取教師在教研過程中産生的聽覺、視(shì)覺和(hé)觸覺等感知(zhī)交互數據,這(zhè)類技術借助智能(néng)終端或可穿戴設備實時(shí)獲取教師的感官數據,如教師的語言、行爲、面部情緒、眼神等,能(néng)夠輔助發現(xiàn)教師教研的内隐信息。

相較于一般網絡用(yòng)戶數據,教研數據具有更高(gāo)更特殊的用(yòng)戶價值,因其關乎教師群體的隐私,并且伴有學生數據以及其他(tā)教育數據,因此,在數據采集前應使利益相關者知(zhī)情并取得其許可,同時(shí),在數據處理(lǐ)中規範脫敏,保護隐私。

(二)五類數據描摹教師教研全過程

爲了(le)從(cóng)多維度對(duì)教師進行精準畫(huà)像,需要對(duì)教師的教研數據進行分類。綜合考慮教師畫(huà)像需求和(hé)數據的可及性,涵蓋教師的人口統計(jì)學、内隐心理(lǐ)和(hé)外(wài)顯行爲等特征,本研究提出了(le)教師畫(huà)像所需的五大(dà)類教研數據,具體見表1。

表 1 教師教研數據的類别與來(lái)源

image001.jpg

(1)教師特征數據包括教師的個人信息,能(néng)夠唯一地表征某位教師,初步描摹教師畫(huà)像的輪廓,此類數據結構較爲簡單,包含明(míng)确的屬性和(hé)元組,可以通過教師人事(shì)系統或教研管理(lǐ)平台直接導入完成采集。(2)教研心理(lǐ)數據是指反映教師參與教研過程的心理(lǐ)狀态數據,例如滿意度、效能(néng)感等,由于這(zhè)類數據具有較強的主觀性,需要通過問卷調查或訪談等方法獲取,爲了(le)減少主觀因素的幹擾,目前也(yě)可以利用(yòng)可穿戴設備實時(shí)捕獲和(hé)分析教師的心跳、眼動、表情等生物特征數據。(3)社會(huì)交互數據映射出教師參與教研的内隐交互情況,側重教師的網絡交互,如交互同伴、交互主題、交互時(shí)間和(hé)交互頻率等,此類數據可以判斷和(hé)預測教師的興趣和(hé)偏好(hǎo)。(4)教研行爲數據涵蓋教師線上(shàng)浏覽、評論和(hé)下(xià)載教研資源、在線磨課、在線聽評課等教研行爲。對(duì)于發生在線下(xià)的教研行爲,可以通過視(shì)頻采集系統記錄、标注和(hé)分析,實現(xiàn)線下(xià)數據的數字化轉換。(5)教研成果數據是教師在教研過程中伴随式産出的數字化成果,如教學設計(jì)、教學案例、科研論文(wén)等,該類數據能(néng)夠反映教師關注的學科主題和(hé)教研的階段性成效。五類數據相輔相成,共同構建出教師畫(huà)像。

(三)數據間的有效關聯,使教師畫(huà)像更豐富精準

數據并非僅有單一的使用(yòng)維度和(hé)價值指向,不同數據之間的動态關聯可産生不可估量的價值。要構建豐富精準的教師畫(huà)像,需要在保證核心教研數據完整采集的基礎上(shàng),盡可能(néng)多地有效關聯其他(tā)對(duì)教師畫(huà)像有價值的數據。如圖1所示,從(cóng)不同主體的視(shì)角看(kàn),與教師教研相關的還有教師的課程教學數據、學生學情大(dà)數據、學校的公開(kāi)教育數據以及區(qū)域教育部門(mén)的教育大(dà)數據,組成了(le)構建教師畫(huà)像的外(wài)延數據。這(zhè)些(xiē)數據通過多維度和(hé)多層次關聯,能(néng)夠搭載不同的教研應用(yòng)場景并發揮作(zuò)用(yòng)。

image002.jpg

圖 1 不同主體之間的教育數據關聯

(1)教師的課程教學數據是指教師日常教學實踐産生的行爲數據,此類數據不在教研範疇内,但(dàn)教研與教學息息相關,分析課程教學行爲能(néng)夠更好(hǎo)地指向教師在教研中存在的問題;(2)學生的學情大(dà)數據可以構建學生畫(huà)像,爲師生畫(huà)像的匹配應用(yòng)提供基礎;(3)學校公開(kāi)教育數據可以反映教師個體的專業發展情境;(4)教育部門(mén)擁有的區(qū)域教育大(dà)數據能(néng)夠豐富教師群體畫(huà)像的數據維度。聚焦核心教研數據可以使教師畫(huà)像更精準,而有效關聯核心數據和(hé)外(wài)延數據可以使教師畫(huà)像更豐富。

四、數據挖掘技術支持的教師畫(huà)像邏輯框架與實現(xiàn)流程

畫(huà)像建構要以真實性、科學性和(hé)精準性爲原則。表征和(hé)預測教師在教研過程中的行爲方式,能(néng)夠塑造一個虛拟化的真實教師模型,爲教研服務的提質增效提供事(shì)實性參考和(hé)預測性依據。本研究提出了(le)精準教研視(shì)域下(xià)的教師畫(huà)像的邏輯框架和(hé)實現(xiàn)流程,如圖2所示。

image003.jpg

圖 2 教師畫(huà)像的邏輯實現(xiàn)框架

(一)教研數據預處理(lǐ)

在智能(néng)技術的支持下(xià),教研數據采集得以完成。由于數據來(lái)源于多個異構的原始數據庫,會(huì)存在格式不統一、噪聲幹擾、數值缺失或不規範等情況,因此,有必要在數據分析之前進行預處理(lǐ),這(zhè)更方便計(jì)算(suàn)機進行後續數據處理(lǐ)。關鍵的技術思路和(hé)步驟包括數據清理(lǐ)(Data Cleaning)、數據集成(Data Integration)、數據歸約(Data Reduction)和(hé)數據變換(Data Transforming)[19]。

數據清理(lǐ)主要是對(duì)屬性缺失和(hé)不符合畫(huà)像目标的值進行偏差檢測,再利用(yòng)清理(lǐ)工(gōng)具進行變換或處理(lǐ)。例如采集社會(huì)交互數據過程中可能(néng)爬取了(le)教師在公開(kāi)網站(zhàn)上(shàng)的日常交互數據,這(zhè)些(xiē)數據沒有指向教研活動,價值甚微。數據集成是指把采集到(dào)的異源教研數據集成至同一邏輯視(shì)圖中。爲保證教師畫(huà)像後續構建的準确性和(hé)易操作(zuò)性,需要先建立一個教師畫(huà)像數據庫管理(lǐ)系統,在該系統中合并、處理(lǐ)和(hé)管理(lǐ)多源異構的教研數據,該步驟需要解決的關鍵問題有實體識别和(hé)數據值沖突的檢測和(hé)解決。接下(xià)來(lái)需要對(duì)這(zhè)些(xiē)可能(néng)非常龐大(dà)的數據集進行歸約,通常有維歸約、數量歸約和(hé)數據壓縮三種思路和(hé)策略。數據變換是指将數據變換統一成适合畫(huà)像挖掘的格式[20]。

(二)教師畫(huà)像模型構建

教師畫(huà)像模型的構建是至關重要的一步,本研究的教師畫(huà)像模型基于前面的五大(dà)類教研數據分别進行建模,形成教師特征模型、教研心理(lǐ)模型、社會(huì)交互模型、教研行爲模型和(hé)教研成果模型,每類模型的數據處理(lǐ)和(hé)訓練方法因數據屬性差異有所不同,最終生成事(shì)實标簽、模型标簽或預測标簽。

統計(jì)分析生成事(shì)實标簽。對(duì)于描述既定事(shì)實的數據,可以利用(yòng)文(wén)本挖掘算(suàn)法、自(zì)然語言處理(lǐ)方法将原始數據按照特定的統計(jì)算(suàn)法生成事(shì)實标簽,事(shì)實标簽是預測标簽的基礎。比如通過教研管理(lǐ)系統中的用(yòng)戶設置獲取教師的個人信息,如性别、年齡和(hé)教齡等,直接統計(jì)轉化生成教師特征标簽。

建模分析生成模型标簽。建模分析是教師畫(huà)像構建最重要的技術步驟,模型标簽是指原始數據中不存在直接對(duì)應的數據,而是需要通過定義規則和(hé)關聯數據才能(néng)生成的标簽實例,它是教師标簽體系的核心。教師畫(huà)像模型可以通過機器學習算(suàn)法進行特征提取和(hé)選擇,輸入大(dà)量數據訓練集,選擇适宜算(suàn)法進行訓練,不斷優化并達到(dào)訓練标準。比如要爲M教師參與某教研活動的滿意度打上(shàng)數字化标簽,需要綜合關聯教師在參研中浏覽活動内容的時(shí)長、頻率,與教研同伴交互讨論的頻率、主題,以及在此次教研活動中産出的成果等數據,并計(jì)算(suàn)定義不同行爲标簽的權重,标簽權重由衰減因子、行爲權重、接觸點權重、數據量和(hé)随機誤差之間的數學關系決定[21],最終得到(dào)一個M教師滿意程度的标簽。

模型預測生成預測标簽。在事(shì)實标簽和(hé)模型标簽的基礎上(shàng),可以通過預測算(suàn)法和(hé)聚類算(suàn)法對(duì)模型進行訓練優化,輸出更多具有概率預測和(hé)價值預測功能(néng)的标簽。例如基于教研數據挖掘來(lái)判斷教師的專業發展短闆,或是通過識别教師高(gāo)頻浏覽的教研資源來(lái)預測教師下(xià)一步需要的服務和(hé)資源以實現(xiàn)智能(néng)推送。此外(wài),預測标簽還能(néng)彌補事(shì)實标簽的缺失。假設教師任教學科的信息丢失了(le),而在社會(huì)交互模型中,預測算(suàn)法通過語義判斷教師與同伴交流過程中主題關鍵詞多爲英語教學方面的内容,初步判别該教師的交互圈中多爲英語學科教師,則該教師在一定概率上(shàng)也(yě)可能(néng)是英語教師,基于這(zhè)個預測結果,可以爲教師推薦更多相關的資源。

在實際建模中,需要根據不同畫(huà)像标簽的特點和(hé)需求選擇建模算(suàn)法,以此優化教師畫(huà)像,更加精準地描摹出教研教師的虛拟特征。

(三)教師個體标簽體系建立

面向場景應用(yòng)的教師個體标簽體系(Personal Tags System)是在教研數據基礎上(shàng),通過合理(lǐ)有效的模型和(hé)算(suàn)法爲不同教師打上(shàng)的數字化語義标簽集。标簽體系的分類需要遵循相互獨立、完全窮盡的原則,每一個子标簽集應能(néng)覆蓋父标簽集的所有數據。本研究構建的完整教師畫(huà)像标簽體系如圖3所示,X、Y、Z三個維度分别描述了(le)标簽體系的不同屬性,立體化指向精準教研應用(yòng)場景。

image004.jpg

圖 3 教師畫(huà)像的個體标簽體系

教師畫(huà)像标簽體系的X維是五類标簽,由左往右分别是教師特征标簽、教研心理(lǐ)标簽、社會(huì)交互标簽、教研行爲标簽和(hé)教研成果标簽,每類标簽的原始數據對(duì)應表1的數據分類。從(cóng)數據的時(shí)效性看(kàn),從(cóng)左往右也(yě)可以将标簽分爲靜态屬性标簽和(hé)動态屬性标簽。前者是指相對(duì)穩定不變的教研數據,例如人口統計(jì)學屬性的數據:教師的基本信息、教育背景和(hé)工(gōng)作(zuò)經曆。動态屬性标簽是指根據用(yòng)戶行爲産生而不斷動态更新的教研數據,例如教研行爲标簽。

教師畫(huà)像标簽體系的Y維是每一類标簽的下(xià)級标簽集合。标簽體系共劃分爲三級,教師基本特征是一級标簽,基本信息是二級标簽,姓名是三級标簽,第四級是具體描述姓名的語義化标簽實例,其他(tā)标簽同理(lǐ)類推。

教師畫(huà)像标簽體系的Z維是标簽屬性。由教師畫(huà)像構建可知(zhī),事(shì)實标簽、模型标簽和(hé)預測标簽三種不同屬性标簽基于不同數據處理(lǐ)方法而産生,三種标簽的平衡搭配能(néng)夠提高(gāo)教師畫(huà)像表征、發現(xiàn)與預測教研行爲的精準性和(hé)可靠性。

(四)教師畫(huà)像質量評估

面對(duì)每位教師的個性化畫(huà)像,如何對(duì)畫(huà)像的質量進行評估是畫(huà)像輸出應用(yòng)之前的重要環節。質量評估需要評價已生成的畫(huà)像在多大(dà)程度滿足精準教研的需求,即表征、發現(xiàn)和(hé)預測教師的教研特征、需求、偏好(hǎo)和(hé)行爲有效程度多高(gāo),常用(yòng)的評估指标包括準确率、覆蓋率和(hé)時(shí)效性。

首先,準确率是畫(huà)像質量評估的首要指标。準确率的驗證可以通過抽取部分測試數據集來(lái)計(jì)算(suàn)正确的教師标簽數量占教師标簽總樣本的比值。其次,覆蓋率的驗證則通過計(jì)算(suàn)标簽覆蓋的教師比值來(lái)評價标簽覆蓋廣度,計(jì)算(suàn)覆蓋教師的人均标簽數來(lái)評價标簽覆蓋密度。值得注意的是,準确率和(hé)覆蓋率是一組互斥指标,在畫(huà)像的評估和(hé)叠代改進中需要權衡取舍,在保證準确率的前提下(xià),盡可能(néng)提高(gāo)畫(huà)像模型的覆蓋率。最後,時(shí)效性對(duì)某些(xiē)标簽的質量評估至關重要,例如,教研興趣标簽、教研偏好(hǎo)标簽以及教研行爲變化軌迹标簽等,需要有良好(hǎo)的更新機制來(lái)保障此類标簽的時(shí)效性。

五、教師畫(huà)像支持的教研應用(yòng)場景

在評估、反饋和(hé)叠代優化之後,可以通過教師畫(huà)像管理(lǐ)系統的可視(shì)化工(gōng)具輸出教師畫(huà)像。通常使用(yòng)标簽雲來(lái)呈現(xiàn)出教師個體的完整畫(huà)像,繼而統計(jì)生成專業詳盡的教師教研分析報(bào)告,爲頂層的教研應用(yòng)場景提供服務,如圖3所示。

(一)對(duì)照個體畫(huà)像,促進教師自(zì)身認知(zhī)與發展

教師既是畫(huà)像的核心對(duì)象,也(yě)是畫(huà)像的首要服務用(yòng)戶。語義明(míng)确的數字化标簽構成了(le)教師個人的專業發展報(bào)告,可視(shì)化呈現(xiàn)了(le)教師參與教研過程的績效表現(xiàn),是教師數據化的自(zì)我,能(néng)夠促進其對(duì)自(zì)身更加客觀和(hé)深層次的認知(zhī)與評價。

首先,教師借助畫(huà)像進行教研績效的自(zì)我診斷和(hé)評價。教師往往缺乏對(duì)所參與的教研活動反思的自(zì)主性,教師畫(huà)像作(zuò)爲工(gōng)具輔助教師回憶和(hé)審視(shì)教研活動全過程,幫助其多維度認知(zhī)行爲表現(xiàn)、優缺點和(hé)現(xiàn)存疑問等,摒棄以往片面的經驗性感知(zhī)。其次,教師借助畫(huà)像規劃專業發展路線。在時(shí)代和(hé)政策的導向下(xià),教師參照優秀教師的畫(huà)像,對(duì)比自(zì)身不足,了(le)解自(zì)身的角色定位,制定專業發展規劃,這(zhè)能(néng)夠督促和(hé)引導教師不斷提升自(zì)我。最後,教師借助自(zì)身畫(huà)像優化課堂教學。教師畫(huà)像中包含同伴聽課的評價标簽,同時(shí),關聯學生學習數據和(hé)評教數據。積極的評價能(néng)極大(dà)增強教師的效能(néng)感,激勵他(tā)們朝更高(gāo)目标繼續努力,較低(dī)的評價也(yě)能(néng)幫助教師診斷自(zì)身教學能(néng)力,有針對(duì)性地訓練特定的教學技能(néng)。

(二)整合群體畫(huà)像,驅動教育決策者循證管理(lǐ)

對(duì)于決策者而言,當教師畫(huà)像管理(lǐ)系統存儲的畫(huà)像樣本量足夠大(dà)的時(shí)候,教師的群體畫(huà)像整合而成的發展報(bào)告可以呈現(xiàn)本校或本區(qū)域全體教師的教研總體情況,支持循證化管理(lǐ)和(hé)監控教研活動的組織和(hé)開(kāi)展,制定教研決策方案。

其一是教研活動的評價和(hé)管理(lǐ)。在國家日益重視(shì)教師隊伍建設的背景下(xià),通過數據實現(xiàn)更加适配教師專業發展的精準評價,是反促教研效能(néng)提升的重要抓手,教師畫(huà)像可以更加客觀地對(duì)教師進行基于過程的伴随式教研評價。基于教師畫(huà)像報(bào)告,決策者可以在區(qū)域範圍内将優秀學校或優秀教師隊伍的專業發展軌迹進行特征抽取,形成優秀教師畫(huà)像數據庫進行經驗和(hé)方法的分享,帶動新手教師快(kuài)速成長,促進協同發展。對(duì)于教研效能(néng)低(dī)下(xià)的學校或教師隊伍,需要仔細分析成因,吸收優秀教師隊伍的經驗,從(cóng)教研資源分配、教研環境規劃、教研專家輔助各方面對(duì)症下(xià)藥,針對(duì)教研的痛點、難點調整和(hé)規劃新一輪教研計(jì)劃,并持續監控和(hé)預警該群體的發展狀況。

其二是區(qū)域教研資源精準配置。我國地域間信息化水(shuǐ)平差異巨大(dà),不同地區(qū)的教師隊伍發展需求不同。教研員作(zuò)爲教師專業發展的指導者和(hé)引領者、教研活動的設計(jì)組織者,需要爲不同實際的區(qū)域提供個性化解決方案。一方面,教研員可以利用(yòng)教師群體畫(huà)像爲不同需求的教師設計(jì)個性化教研活動。以往教師培訓爲所有教師提供“千人一面”的研修服務,有了(le)教師畫(huà)像,教研員可以在設計(jì)研修活動之前對(duì)教師群體進行特征分析,抽取存在相似需求的,來(lái)自(zì)不同學科、不同學校甚至不同區(qū)域的教師組成小(xiǎo)型工(gōng)作(zuò)坊,提供更加沉浸适切的研修活動,提高(gāo)教師興趣和(hé)教研效率,讓每一次研修都能(néng)産生實質性效能(néng)。另一方面,教研員可以爲貧困落後地區(qū)提供精準化教研幫扶方案,如适配當地實際的教研活動、教研資源和(hé)教師發展策略,提升專業發展機會(huì)公平性,改善貧困地區(qū)教育落後帶來(lái)的惡性循環發展困境。

其三是關于教師隊伍建設的政策制定。政策制定具有宏觀導向性,以往由于數據采集和(hé)分析技術的落後,限制了(le)決策者對(duì)大(dà)範圍教師專業發展現(xiàn)狀的考察,隻能(néng)通過抽樣調查和(hé)實地走訪等形式了(le)解小(xiǎo)樣本的情況,難免存在數據不全面、不準确,甚至“一刀(dāo)切”的現(xiàn)象,而基于教師畫(huà)像庫,教師隊伍建設政策和(hé)方針的制定可從(cóng)經驗決策轉向數據決策。

(三)關聯教研資源服務,實現(xiàn)自(zì)适應式精準推薦

智能(néng)推薦引擎是教育領域的關注焦點,基于學習者認知(zhī)模型構建智能(néng)推薦引擎,自(zì)适應地爲用(yòng)戶提供個性化的資源服務推薦是具有重要意義的。教師在教研活動中作(zuò)爲參與者,也(yě)是自(zì)主發展的特殊學習者,更加需要優質的資源和(hé)服務來(lái)支持其專業發展。精準的教師畫(huà)像可以客觀描述教師的個體特征,還可以跟蹤發現(xiàn)和(hé)動态預測教師的興趣和(hé)需求變化,這(zhè)爲教研資源供應方的服務優化提供了(le)參考方向。

一方面,教師畫(huà)像能(néng)夠支持已有教研資源的精準推薦。教師畫(huà)像中社會(huì)交互類标簽和(hé)教研行爲标簽能(néng)夠表征和(hé)預測教師的需求及偏好(hǎo),這(zhè)些(xiē)數據在個性化推薦引擎中表征不同教師的學習需求和(hé)學習風(fēng)格。教研管理(lǐ)系統據此以良好(hǎo)的資源組織形式和(hé)推送途徑,爲不同教師提供個性化的優質教研資源、教研活動、教研同伴、教研共同體組織和(hé)信息化教學工(gōng)具等,還可以爲教師制定專業發展路線。具體的實現(xiàn)思路爲:将教師群體畫(huà)像導入教研資源智能(néng)推薦引擎,通過改進符合教師特征的學習者模型,訓練教研資源的語義表征,完成教師個體和(hé)資源的雙向匹配。

另一方面,教師畫(huà)像還能(néng)輔助面向需求的教研資源精準設計(jì)。在開(kāi)發教研資源之前,傳統用(yòng)戶研究的方式是進行走訪調查,隻了(le)解部分教師代表的訴求,沒法量化對(duì)某一資源設計(jì)的系統性評價,盲目開(kāi)發而導緻資源浪費。如果能(néng)夠精确了(le)解目标用(yòng)戶的需求,例如通過标簽聚類對(duì)教師群體進行同質或異質的聚合,了(le)解到(dào)年輕教師偏好(hǎo)資源的功能(néng)豐富性,年長教師更注重資源的易用(yòng)性,教研資源服務提供方将能(néng)精準地爲不同類型的教師設計(jì)資源并精準投放(fàng),實現(xiàn)雙赢。

(四)搭載學生畫(huà)像,支持師生個性化配對(duì)

教師通過教研促進專業發展,最終是爲了(le)服務教學而促進學生發展。教育界對(duì)“因材施教”的個性化教學的要求和(hé)呼聲越來(lái)越高(gāo),傳統學校教育中每一位學科教師固定負責一群學生的教學,學生之間的學習風(fēng)格迥異,對(duì)知(zhī)識點的接受方式和(hé)接受頻率不一,即使目前已經開(kāi)始在課堂教學中引入大(dà)數據分析技術,教師能(néng)夠了(le)解不同學生的學情,但(dàn)一位教師在課堂上(shàng)仍無力滿足幾十位學生的個性化需求。“雙師服務”提出爲每位學生匹配在線教師,提供一對(duì)一的個性化輔導[22]。将教師畫(huà)像和(hé)學生畫(huà)像進行匹配,将能(néng)夠支持這(zhè)一應用(yòng)場景的有效實現(xiàn)。學生在學業上(shàng)遇到(dào)難題,平台能(néng)夠爲其推薦和(hé)匹配最擅長該知(zhī)識點的在線教師;平台能(néng)夠将教師的教學風(fēng)格和(hé)學生的學習風(fēng)格進行模型構建,輸出相互适配的師生組合;教師可以基于學生畫(huà)像,精确了(le)解學生的認知(zhī)結構、學習需求、學習短闆等,反過來(lái)激勵教師更有針對(duì)性地參與教研活動,提升教學技能(néng)和(hé)水(shuǐ)平。

六、結 語

教師隊伍建設邁入了(le)新時(shí)代,教師教研也(yě)面臨着精準化的需求和(hé)契機。數據驅動的教師畫(huà)像,爲此提供了(le)一種技術解決方案。當前,在國内對(duì)教研視(shì)域下(xià)的教師畫(huà)像研究尚屬空(kōng)白(bái)的背景下(xià),本文(wén)系統探讨了(le)教師畫(huà)像構建的必要性、可行性和(hé)具體實施方法,并闡釋了(le)相關應用(yòng)場景。對(duì)教師畫(huà)像的關注必将引發更多相關研究,未來(lái),教師畫(huà)像在精準教研中的應用(yòng)落地和(hé)實踐檢驗是重點,同時(shí),還需要重點加強教師畫(huà)像實現(xiàn)技術中的多源數據采集、數據标準統一、數據開(kāi)放(fàng)共享和(hé)數據隐私保護等工(gōng)作(zuò)和(hé)研究。

【參考文(wén)獻】

[1] 中共中央國務院關于全面深化新時(shí)代教師隊伍建設改革的意見[EB/OL].(2018-01-31)[2018-11-12].http://www.gov.cn/zhengce/2018-01/31/content_5262659.htm.

[2] 教育部辦公廳關于開(kāi)展人工(gōng)智能(néng)助推教師隊伍建設行動試點工(gōng)作(zuò)的通知(zhī)[EB/OL].(2018-08-08)[2018-11-12].http://www.moe.gov.cn/srcsite/A10/s7034/201808/t20180815_345323.html.

[3] LINDSLEY O R. Precision teaching:discoveries and effects[J]. Journal of applied behavior analysis, 1992, 25(1):51.

[4] 廖宏建,張倩葦.“互聯網+”教育精準幫扶的轉移邏輯與價值選擇——基于教育公平的視(shì)角[J].電化教育研究,2018,39(5):5-11.

[5] 陳恩倫,郭璨.以教師精準培訓推動教育精準扶貧[J].中國教育學刊,2018(4):42-46.

[6] 趙興龍.互聯網時(shí)代鄉(xiāng)村教師深度培訓模式[J].電化教育研究,2018,39(4):86-92.

[7] 王陸,彭玏,馬如霞,楊佳辰.大(dà)數據知(zhī)識發現(xiàn)的教師成長行爲路徑[J].電化教育研究,2019,40(1):95-103.

[8] COOPER A. The inmates are running the asylum:'why high-tech products drive us crazy and how to restore the sanity'[M]. Indianapolis:SAMS, 2004.

[9] YIN H, CUI B, CHEN L, et al. Modeling location-based user rating profiles for personalized recommendation[J]. ACM transactions on knowledge discovery from data (TKDD), 2015, 9(3):19.

[10] XIE H, LI X, WANG T, et al. Incorporating sentiment into tag-based user profiles and resource profiles for personalized search in folksonomy[J]. Information processing & management, 2016, 52(1):61-72.

[11] STANESCU A, NAGAR S, CARAGEA D. A hybrid recommender system:user profiling from keywords and ratings[C]//International Joint Conferences on Web Intelligence (WI) and Intelligent Agent Technologies (IAT). Warsaw:IEEE, 2013, 1:73-80.

[12] WU Y C J, CHANG W H, YUAN C H. Do Facebook profile pictures reflect user's personality?[J]. Computers in human behavior, 2015, 51:880-889.

[13] 陳海建,戴永輝,韓冬梅,馮彥傑,黃河(hé)笑(xiào).開(kāi)放(fàng)式教學下(xià)的學習者畫(huà)像及個性化教學探讨[J].開(kāi)放(fàng)教育研究,2017,23(3):105-112.

[14] 肖君,喬惠,李雪嬌.基于xAPI的在線學習者畫(huà)像的構建與實證研究[J].中國電化教育,2019(1):123-129.

[15] 張雪,檀悅穎,羅恒.在線學習非母語學習者群體研究:類别畫(huà)像與行爲特征分析[J].現(xiàn)代遠距離教育,2019(1):18-26.

[16] 陳堯.教師畫(huà)像與評分系統的設計(jì)與實現(xiàn)[D].重慶:重慶大(dà)學,2018.

[17] 方丹丹,王海濤,李穎, 等.對(duì)外(wài)經濟貿易大(dà)學用(yòng)大(dà)數據描繪“教師畫(huà)像”[J].中國教育網絡,2017(7):61-63.

[18] JIFA G, LINGLING Z. Data, DIKW, big data and data science[J]. Procedia computer science, 2014, 31:814-821.

[19] 劉明(míng)吉,王秀峰,黃亞樓.數據挖掘中的數據預處理(lǐ)[J].計(jì)算(suàn)機科學,2000(4):54-57.

[20] 韓家炜,KAMBER M,PEI J,等.數據挖掘:概念與技術(第3版)[M].範明(míng),等譯.北京:機械工(gōng)業出版社,2012:61-66.

[21] 陳臣,馬曉亭.基于小(xiǎo)數據的圖書館用(yòng)戶精準畫(huà)像研究[J].情報(bào)資料工(gōng)作(zuò),2018(5):57-61.

[22] 陳玲,餘勝泉,楊丹.個性化教育公共服務模式的新探索——“雙師服務”實施路徑探究[J].中國電化教育,2017(7):2-8.

Research on Portrait of Teachers from the Perspective of Precise Teaching and Research

HU Xiaoyong, LIN Zirou

(Educational Informational Technology College, South China Normal University, Guangzhou Guangdong 510631)

[Abstract] Because of the demands for the construction of teaching staff in the new era, teaching and research need to be personalized and precise. Portraying teachers with various intelligent technologies is becoming an innovative way to solve the problem of precise teaching and research. However, at present, the study on the teachers' portraits from the perspective of precise teaching and research is still a blank in China. This paper illustrates the feasibility of data-driven teachers' portraits in the view of data collection, classification and effective correlation about teaching and research. Meanwhile, this paper analyzes the implementation process of teachers' portraits, including the data preprocessing, the modeling of teachers' portraits, the establishment of teachers' individual label system, and the quality evaluation of teachers' portraits, which provides a clear framework. Finally, this paper proposes four application scenarios for portraits of teachers, covering the perspectives of teachers, decision makers, service providers of teaching and research and students. This study makes a systematic discussion on the necessity, feasibility, methods and application scenarios of teachers' portraits form the perspective of precise teaching and research, aiming to provide reference for the related research.

[Keywords] Precise Teaching and Research; Portraits of Teachers; Data; Process; Application Scenario

基金(jīn)項目:國家社會(huì)科學基金(jīn)教育學一般課題“面向'互聯網+’的教師教研形态轉型與變革研究”(課題編号:BCA180094)

作(zuò)者簡介:胡小(xiǎo)勇(1978—),男(nán),江西奉新人。教授,博士,主要從(cóng)事(shì)信息化教學教研、智慧教學的理(lǐ)論與應用(yòng)等方面的研究。