本文由《 電化(huà)教育研究》授權發布
作者：胡小勇 林(lín)梓柔
面對(duì)新時(shí)代教師隊伍建設的(de)要求，教研有必要向個(gè)性化(huà)、精準化(huà)轉型。依托各種智能技術對(duì)教師畫(huà)像，成了(le)破解精準教研難題的(de)創新途徑。然而，目前精準教研視域下(xià)的(de)教師畫(huà)像研究，在國内尚屬空白。文章(zhāng)從教研數據采集、分(fēn)類及其有效關聯等角度闡釋了(le)數據驅動的(de)教師畫(huà)像的(de)實施可(kě)行性;同時(shí)，剖析了(le)教師畫(huà)像的(de)實現流程，包括教研數據預處理(lǐ)、教師畫(huà)像模型建構、教師個(gè)體标簽體系建立和(hé)教師畫(huà)像質量評估四大(dà)環節，從而提供了(le)清晰的(de)框架指引。文章(zhāng)最後提出教師畫(huà)像的(de)四大(dà)應用(yòng)場(chǎng)景，涵蓋教師、決策者、教研服務提供方和(hé)學生等利益者視角。該研究從精準教研視域下(xià)教師畫(huà)像的(de)實現必要性、實施可(kě)行性、實現方法和(hé)應用(yòng)場(chǎng)景作了(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(chǎng)景
2018年1月(yuè)，新中國成立以來(lái)第一個(gè)專門面向教師隊伍建設的(de)國家政策文件《關于全面深化(huà)新時(shí)代教師隊伍建設改革的(de)意見》明(míng)确提出，要“全面提高(gāo)中小學教師質量，建設一支高(gāo)素質專業化(huà)的(de)教師隊伍”[1]。教研是一種促進中小學教師發展的(de)重要活動。然而，傳統教研方式存在著(zhe)服務“千人(rén)一面”、資源分(fēn)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(cháng)期存在效能低下(xià)的(de)現象。更加個(gè)性化(huà)和(hé)精準化(huà)，是新時(shí)代教師教研的(de)新要求。教師作爲教研服務的(de)主要對(duì)象，其特征、需求、偏好和(hé)行爲等信息的(de)準确判斷，是實現精準教研的(de)重要前提。
2018年8月(yuè)，教育部印發了(le)《關于開展人(rén)工智能助推教師隊伍建設行動試點工作的(de)通(tōng)知》[2]，提出在試點學校開展教師大(dà)數據行動，“通(tōng)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(huà)教師服務”。當前，雲計算(suàn)、大(dà)數據和(hé)人(rén)工智能等新一代信息技術快(kuài)速發展，無處不在的(de)數據構成了(le)“互聯網+”世界的(de)分(fēn)子，數據的(de)指數式增長(cháng)和(hé)數據采集技術的(de)快(kuài)速升級也(yě)讓教研邁入了(le)“數據驅動”的(de)時(shí)代。教師專業發展生涯中産生的(de)多(duō)模态數據能夠描摹出其個(gè)體畫(huà)像，爲精準教研的(de)多(duō)維應用(yòng)提供數據支撐。因此，本研究将聚焦如何通(tōng)過教研數據構建教師畫(huà)像，研究其邏輯框架和(hé)實現流程，以及教師畫(huà)像最終如何驅動和(hé)服務精準教研。
二、精準教研視域下(xià)的(de)教師畫(huà)像
(一)教研需要精準“表征、發現和(hé)預測”教師的(de)行爲特征
在教育領域，對(duì)“精準”的(de)關注最先聚焦于教學領域。Lindsley最早提出“精準教學”的(de)概念，他(tā)認爲精準教學是指學習(xí)者利用(yòng)标準化(huà)工具持續記錄和(hé)監控自身的(de)學業成就變化(huà)，爲教師決策提供數據支持的(de)過程。Lindsley 通(tōng)過實踐證明(míng)這(zhè)種方式能夠有效表征學情，便于教師提供個(gè)性化(huà)輔導，大(dà)大(dà)提高(gāo)了(le)學習(xí)者的(de)學習(xí)效益[3]。近年來(lái)，對(duì)教師發展的(de)精準性研究開始受到關注。在精準扶貧的(de)政策背景下(xià)，教育幫扶成爲重要突破口[4]，如何通(tōng)過對(duì)教師精準培訓來(lái)促進落後地區(qū)的(de)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(de)單一途徑，包含教師培訓在内的(de)各類教師教研活動更要精準關注每一位教師的(de)專業發展路徑[7]。由于教師的(de)年齡、任教經曆、學習(xí)風格等主體特征具有較大(dà)的(de)個(gè)體差異性，精準“表征、發現和(hé)預測”不同教師個(gè)體的(de)特征、需求、偏好和(hé)行爲是精準教研的(de)三大(dà)現實需求。
首先，需要實時(shí)客觀表征教師的(de)教研特征。在教研活動中，教師希望能夠客觀認知自己的(de)教研軌迹，教育決策者希望能夠準确了(le)解教研的(de)總體情況，例如參與教研的(de)教師具備什(shén)麽群體特征，有哪些教研行爲習(xí)慣等。客觀表征能夠爲教研評價和(hé)決策提供依據，是精準教研的(de)首要需求。
其次，需要準确發現教師的(de)教研需求和(hé)偏好。教師參與教研的(de)主要目的(de)是爲了(le)提升專業技能和(hé)自身競争力，因此，教師希望教研平台主動推薦符合自身需求和(hé)興趣的(de)資源和(hé)服務，涵蓋教師感興趣的(de)、近期關注的(de)以及不擅長(cháng)但重要的(de)教研主題，降低教師的(de)主動檢索成本。
最後，需要動态預測教師的(de)教研行爲變化(huà)。在海量教研數據的(de)基礎上，能夠預測和(hé)預警教師的(de)教研行爲，是精準教研在大(dà)數據時(shí)代的(de)新需求，多(duō)模态數據采集技術的(de)發展爲此提供了(le)可(kě)能。決策者基于預測或預警結果可(kě)以有效管理(lǐ)和(hé)監控教研活動，爲教師提供更加優化(huà)的(de)教研服務。
(二)通(tōng)過教師畫(huà)像能夠有效服務精準教研
用(yòng)戶畫(huà)像的(de)概念源于企業。随著(zhe)互聯網的(de)發展，數據不斷積累、更新，呈爆炸式增長(cháng)。電子商務企業爲實現最大(dà)盈利，采集大(dà)量用(yòng)戶數據以分(fēn)析其行爲習(xí)慣，助力産品的(de)精準設計和(hé)精準營銷。交互設計之父Alan Cooper最早提出用(yòng)戶畫(huà)像(Persona)的(de)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(de)虛拟用(yòng)戶模型[8]。實際上，用(yòng)戶畫(huà)像就是爲特定對(duì)象打上“數字化(huà)标簽”的(de)過程，畫(huà)像構建需要采集大(dà)量真實有效的(de)用(yòng)戶數據，對(duì)這(zhè)些數據進行聚類和(hé)抽象，利用(yòng)數據集訓練和(hé)優化(huà)畫(huà)像模型，生成一個(gè)個(gè)具有明(míng)确含義、可(kě)表征和(hé)預測用(yòng)戶行爲的(de)語義化(huà)标簽。
文獻顯示，近年來(lái)用(yòng)戶畫(huà)像的(de)應用(yòng)研究主要集中于醫學、心理(lǐ)學、情報科學和(hé)行爲科學等領域，其共同點是通(tōng)過人(rén)的(de)外顯行爲挖掘内隐因素，如人(rén)的(de)病因、行爲動機或需求。大(dà)數據支持将人(rén)“數據化(huà)”，進而更客觀地挖掘和(hé)解讀内隐信息。同時(shí)，計算(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)像技術實現個(gè)性化(huà)表征和(hé)精準推薦[9]，涵蓋用(yòng)戶标簽體系的(de)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(rén)的(de)學習(xí)行爲的(de)學科。基于此，用(yòng)戶畫(huà)像技術在教育領域的(de)應用(yòng)同樣具有需求指向性和(hé)實施可(kě)行性。當前，教育領域的(de)用(yòng)戶畫(huà)像研究已經興起，有研究者對(duì)學習(xí)者畫(huà)像在精準教學中的(de)意義和(hé)實現途徑進行了(le)闡述。例如，陳海建等人(rén)構建了(le)遠(yuǎn)程學習(xí)者畫(huà)像并證明(míng)這(zhè)對(duì)個(gè)性化(huà)教學有積極作用(yòng)[13];而肖君等人(rén)[14]和(hé)張雪(xuě)等人(rén)[15]分(fēn)别聚焦不同類型的(de)線上學習(xí)者，通(tōng)過構建畫(huà)像來(lái)聚類不同特征的(de)學習(xí)者群體，旨在研究影(yǐng)響不同群體學習(xí)效果的(de)因素或指标。在教師畫(huà)像研究領域，陳堯在技術實現上，通(tōng)過學生評教數據構建了(le)教師畫(huà)像模塊[16];方丹丹等人(rén)則對(duì)教師畫(huà)像的(de)理(lǐ)論構建和(hé)應用(yòng)作了(le)闡述[17]。目前國内僅有可(kě)查的(de)兩項教師畫(huà)像研究，但并未聚焦于教師教研，在教研視域下(xià)開展的(de)教師畫(huà)像系統研究尚屬空白。本研究提出的(de)教師畫(huà)像是指通(tōng)過抓取和(hé)分(fēn)析與教師教研緊密相關的(de)數據，通(tōng)過數據挖掘和(hé)用(yòng)戶畫(huà)像技術來(lái)構建的(de)虛拟教師模型。該模型是教師個(gè)體标簽體系的(de)集合，能夠描述教師的(de)特征、需求、偏好和(hé)行爲。
數據是指對(duì)客觀事件進行記錄并可(kě)以鑒别的(de)符号，具有描述現象、發現關系、評價效果及預測趨勢的(de)功能。根據DIKW金字塔層次體系[18]，從下(xià)往上依次是數據、信息、知識和(hé)智慧，處于上方的(de)信息、知識和(hé)智慧全都離不開數據的(de)表征。教師畫(huà)像的(de)構建需要有效運用(yòng)全過程多(duō)模态的(de)教研數據，才能有效地表征教研情況、發現隐性信息和(hé)預測教師教研行爲變化(huà)，以支持教研決策智慧的(de)生成。
(一)智能技術與教研數據采集
智能技術的(de)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(de)智能設備中，形成“教研大(dà)數據”。教育是一個(gè)複雜(zá)的(de)育人(rén)系統，對(duì)包括教研在内的(de)一切教育決策的(de)容錯性較小，數據驅動的(de)教師畫(huà)像要求科學精準;此外，參與教研隻是教師衆多(duō)社會屬性之一，指向精準教研的(de)教師畫(huà)像需要聚焦于與教研活動緊密相關的(de)數據，相比數據體量的(de)絕對(duì)大(dà)小，本研究更強調數據的(de)“教研相關性”和(hé)“價值密度”。與教研數據采集相關的(de)智能技術可(kě)以分(fēn)爲網絡技術、富媒體技術和(hé)感知技術。
網絡技術支持抓取描摹教師教研行爲軌迹的(de)網絡數據，如教研社交網站公開數據和(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(de)教研資源以及同伴交流、聽(tīng)評課和(hé)個(gè)人(rén)電子檔案袋等線上功能模塊，這(zhè)些數據具有較高(gāo)教研相關性和(hé)價值;教研社交網站爲教師提供了(le)跨時(shí)空的(de)同伴交流平台，教師可(kě)以組建志同道合的(de)教研共同體。
富媒體技術支持抓取圖文聲像和(hé)超鏈接等多(duō)種媒體形式的(de)交互式教研數據。教研管理(lǐ)平台中海量的(de)教研資源和(hé)數字化(huà)教研實踐成果多(duō)以富媒體形式呈現，如教學設計、課例視頻(pín)等，這(zhè)類非結構化(huà)數據提升了(le)教研數據的(de)可(kě)挖掘性，但也(yě)對(duì)數據采集和(hé)處理(lǐ)提出了(le)更大(dà)挑戰。
感知技術支持抓取教師在教研過程中産生的(de)聽(tīng)覺、視覺和(hé)觸覺等感知交互數據，這(zhè)類技術借助智能終端或可(kě)穿戴設備實時(shí)獲取教師的(de)感官數據，如教師的(de)語言、行爲、面部情緒、眼神等，能夠輔助發現教師教研的(de)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(de)用(yòng)戶價值，因其關乎教師群體的(de)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情并取得(de)其許可(kě)，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)從多(duō)維度對(duì)教師進行精準畫(huà)像，需要對(duì)教師的(de)教研數據進行分(fēn)類。綜合考慮教師畫(huà)像需求和(hé)數據的(de)可(kě)及性，涵蓋教師的(de)人(rén)口統計學、内隐心理(lǐ)和(hé)外顯行爲等特征，本研究提出了(le)教師畫(huà)像所需的(de)五大(dà)類教研數據，具體見表1。
表 1 教師教研數據的(de)類别與來(lái)源
(1)教師特征數據包括教師的(de)個(gè)人(rén)信息，能夠唯一地表征某位教師，初步描摹教師畫(huà)像的(de)輪廓，此類數據結構較爲簡單，包含明(míng)确的(de)屬性和(hé)元組，可(kě)以通(tōng)過教師人(rén)事系統或教研管理(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(de)心理(lǐ)狀态數據，例如滿意度、效能感等，由于這(zhè)類數據具有較強的(de)主觀性，需要通(tōng)過問卷調查或訪談等方法獲取，爲了(le)減少主觀因素的(de)幹擾，目前也(yě)可(kě)以利用(yòng)可(kě)穿戴設備實時(shí)捕獲和(hé)分(fēn)析教師的(de)心跳、眼動、表情等生物(wù)特征數據。(3)社會交互數據映射出教師參與教研的(de)内隐交互情況，側重教師的(de)網絡交互，如交互同伴、交互主題、交互時(shí)間和(hé)交互頻(pín)率等，此類數據可(kě)以判斷和(hé)預測教師的(de)興趣和(hé)偏好。(4)教研行爲數據涵蓋教師線上浏覽、評論和(hé)下(xià)載教研資源、在線磨課、在線聽(tīng)評課等教研行爲。對(duì)于發生在線下(xià)的(de)教研行爲，可(kě)以通(tōng)過視頻(pín)采集系統記錄、标注和(hé)分(fēn)析，實現線下(xià)數據的(de)數字化(huà)轉換。(5)教研成果數據是教師在教研過程中伴随式産出的(de)數字化(huà)成果，如教學設計、教學案例、科研論文等，該類數據能夠反映教師關注的(de)學科主題和(hé)教研的(de)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(de)有效關聯，使教師畫(huà)像更豐富精準
數據并非僅有單一的(de)使用(yòng)維度和(hé)價值指向，不同數據之間的(de)動态關聯可(kě)産生不可(kě)估量的(de)價值。要構建豐富精準的(de)教師畫(huà)像，需要在保證核心教研數據完整采集的(de)基礎上，盡可(kě)能多(duō)地有效關聯其他(tā)對(duì)教師畫(huà)像有價值的(de)數據。如圖1所示，從不同主體的(de)視角看，與教師教研相關的(de)還(hái)有教師的(de)課程教學數據、學生學情大(dà)數據、學校的(de)公開教育數據以及區(qū)域教育部門的(de)教育大(dà)數據，組成了(le)構建教師畫(huà)像的(de)外延數據。這(zhè)些數據通(tōng)過多(duō)維度和(hé)多(duō)層次關聯，能夠搭載不同的(de)教研應用(yòng)場(chǎng)景并發揮作用(yòng)。
圖 1 不同主體之間的(de)教育數據關聯
(1)教師的(de)課程教學數據是指教師日常教學實踐産生的(de)行爲數據，此類數據不在教研範疇内，但教研與教學息息相關，分(fēn)析課程教學行爲能夠更好地指向教師在教研中存在的(de)問題;(2)學生的(de)學情大(dà)數據可(kě)以構建學生畫(huà)像，爲師生畫(huà)像的(de)匹配應用(yòng)提供基礎;(3)學校公開教育數據可(kě)以反映教師個(gè)體的(de)專業發展情境;(4)教育部門擁有的(de)區(qū)域教育大(dà)數據能夠豐富教師群體畫(huà)像的(de)數據維度。聚焦核心教研數據可(kě)以使教師畫(huà)像更精準，而有效關聯核心數據和(hé)外延數據可(kě)以使教師畫(huà)像更豐富。
四、數據挖掘技術支持的(de)教師畫(huà)像邏輯框架與實現流程
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(de)行爲方式，能夠塑造一個(gè)虛拟化(huà)的(de)真實教師模型，爲教研服務的(de)提質增效提供事實性參考和(hé)預測性依據。本研究提出了(le)精準教研視域下(xià)的(de)教師畫(huà)像的(de)邏輯框架和(hé)實現流程，如圖2所示。
圖 2 教師畫(huà)像的(de)邏輯實現框架
(一)教研數據預處理(lǐ)
在智能技術的(de)支持下(xià)，教研數據采集得(de)以完成。由于數據來(lái)源于多(duō)個(gè)異構的(de)原始數據庫，會存在格式不統一、噪聲幹擾、數值缺失或不規範等情況，因此，有必要在數據分(fēn)析之前進行預處理(lǐ)，這(zhè)更方便計算(suàn)機進行後續數據處理(lǐ)。關鍵的(de)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(de)值進行偏差檢測，再利用(yòng)清理(lǐ)工具進行變換或處理(lǐ)。例如采集社會交互數據過程中可(kě)能爬取了(le)教師在公開網站上的(de)日常交互數據，這(zhè)些數據沒有指向教研活動，價值甚微。數據集成是指把采集到的(de)異源教研數據集成至同一邏輯視圖中。爲保證教師畫(huà)像後續構建的(de)準确性和(hé)易操作性，需要先建立一個(gè)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(duō)源異構的(de)教研數據，該步驟需要解決的(de)關鍵問題有實體識别和(hé)數據值沖突的(de)檢測和(hé)解決。接下(xià)來(lái)需要對(duì)這(zhè)些可(kě)能非常龐大(dà)的(de)數據集進行歸約，通(tōng)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(de)格式[20]。
(二)教師畫(huà)像模型構建
教師畫(huà)像模型的(de)構建是至關重要的(de)一步，本研究的(de)教師畫(huà)像模型基于前面的(de)五大(dà)類教研數據分(fēn)别進行建模，形成教師特征模型、教研心理(lǐ)模型、社會交互模型、教研行爲模型和(hé)教研成果模型，每類模型的(de)數據處理(lǐ)和(hé)訓練方法因數據屬性差異有所不同，最終生成事實标簽、模型标簽或預測标簽。
統計分(fēn)析生成事實标簽。對(duì)于描述既定事實的(de)數據，可(kě)以利用(yòng)文本挖掘算(suàn)法、自然語言處理(lǐ)方法将原始數據按照(zhào)特定的(de)統計算(suàn)法生成事實标簽，事實标簽是預測标簽的(de)基礎。比如通(tōng)過教研管理(lǐ)系統中的(de)用(yòng)戶設置獲取教師的(de)個(gè)人(rén)信息，如性别、年齡和(hé)教齡等，直接統計轉化(huà)生成教師特征标簽。
建模分(fēn)析生成模型标簽。建模分(fēn)析是教師畫(huà)像構建最重要的(de)技術步驟，模型标簽是指原始數據中不存在直接對(duì)應的(de)數據，而是需要通(tōng)過定義規則和(hé)關聯數據才能生成的(de)标簽實例，它是教師标簽體系的(de)核心。教師畫(huà)像模型可(kě)以通(tōng)過機器學習(xí)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(huà)并達到訓練标準。比如要爲M教師參與某教研活動的(de)滿意度打上數字化(huà)标簽，需要綜合關聯教師在參研中浏覽活動内容的(de)時(shí)長(cháng)、頻(pín)率，與教研同伴交互討(tǎo)論的(de)頻(pín)率、主題，以及在此次教研活動中産出的(de)成果等數據，并計算(suàn)定義不同行爲标簽的(de)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(de)數學關系決定[21]，最終得(de)到一個(gè)M教師滿意程度的(de)标簽。
模型預測生成預測标簽。在事實标簽和(hé)模型标簽的(de)基礎上，可(kě)以通(tōng)過預測算(suàn)法和(hé)聚類算(suàn)法對(duì)模型進行訓練優化(huà)，輸出更多(duō)具有概率預測和(hé)價值預測功能的(de)标簽。例如基于教研數據挖掘來(lái)判斷教師的(de)專業發展短闆，或是通(tōng)過識别教師高(gāo)頻(pín)浏覽的(de)教研資源來(lái)預測教師下(xià)一步需要的(de)服務和(hé)資源以實現智能推送。此外，預測标簽還(hái)能彌補事實标簽的(de)缺失。假設教師任教學科的(de)信息丢失了(le)，而在社會交互模型中，預測算(suàn)法通(tōng)過語義判斷教師與同伴交流過程中主題關鍵詞多(duō)爲英語教學方面的(de)内容，初步判别該教師的(de)交互圈中多(duō)爲英語學科教師，則該教師在一定概率上也(yě)可(kě)能是英語教師，基于這(zhè)個(gè)預測結果，可(kě)以爲教師推薦更多(duō)相關的(de)資源。
在實際建模中，需要根據不同畫(huà)像标簽的(de)特點和(hé)需求選擇建模算(suàn)法，以此優化(huà)教師畫(huà)像，更加精準地描摹出教研教師的(de)虛拟特征。
(三)教師個(gè)體标簽體系建立
面向場(chǎng)景應用(yòng)的(de)教師個(gè)體标簽體系(Personal Tags System)是在教研數據基礎上，通(tōng)過合理(lǐ)有效的(de)模型和(hé)算(suàn)法爲不同教師打上的(de)數字化(huà)語義标簽集。标簽體系的(de)分(fēn)類需要遵循相互獨立、完全窮盡的(de)原則，每一個(gè)子标簽集應能覆蓋父标簽集的(de)所有數據。本研究構建的(de)完整教師畫(huà)像标簽體系如圖3所示，X、Y、Z三個(gè)維度分(fēn)别描述了(le)标簽體系的(de)不同屬性，立體化(huà)指向精準教研應用(yòng)場(chǎng)景。
圖 3 教師畫(huà)像的(de)個(gè)體标簽體系
教師畫(huà)像标簽體系的(de)X維是五類标簽，由左往右分(fēn)别是教師特征标簽、教研心理(lǐ)标簽、社會交互标簽、教研行爲标簽和(hé)教研成果标簽，每類标簽的(de)原始數據對(duì)應表1的(de)數據分(fēn)類。從數據的(de)時(shí)效性看，從左往右也(yě)可(kě)以将标簽分(fēn)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(de)教研數據，例如人(rén)口統計學屬性的(de)數據：教師的(de)基本信息、教育背景和(hé)工作經曆。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(de)教研數據，例如教研行爲标簽。
教師畫(huà)像标簽體系的(de)Y維是每一類标簽的(de)下(xià)級标簽集合。标簽體系共劃分(fēn)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(de)語義化(huà)标簽實例，其他(tā)标簽同理(lǐ)類推。
教師畫(huà)像标簽體系的(de)Z維是标簽屬性。由教師畫(huà)像構建可(kě)知，事實标簽、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(de)平衡搭配能夠提高(gāo)教師畫(huà)像表征、發現與預測教研行爲的(de)精準性和(hé)可(kě)靠性。
(四)教師畫(huà)像質量評估
面對(duì)每位教師的(de)個(gè)性化(huà)畫(huà)像，如何對(duì)畫(huà)像的(de)質量進行評估是畫(huà)像輸出應用(yòng)之前的(de)重要環節。質量評估需要評價已生成的(de)畫(huà)像在多(duō)大(dà)程度滿足精準教研的(de)需求，即表征、發現和(hé)預測教師的(de)教研特征、需求、偏好和(hé)行爲有效程度多(duō)高(gāo)，常用(yòng)的(de)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(de)首要指标。準确率的(de)驗證可(kě)以通(tōng)過抽取部分(fēn)測試數據集來(lái)計算(suàn)正确的(de)教師标簽數量占教師标簽總樣本的(de)比值。其次，覆蓋率的(de)驗證則通(tōng)過計算(suàn)标簽覆蓋的(de)教師比值來(lái)評價标簽覆蓋廣度，計算(suàn)覆蓋教師的(de)人(rén)均标簽數來(lái)評價标簽覆蓋密度。值得(de)注意的(de)是，準确率和(hé)覆蓋率是一組互斥指标，在畫(huà)像的(de)評估和(hé)叠代改進中需要權衡取舍，在保證準确率的(de)前提下(xià)，盡可(kě)能提高(gāo)畫(huà)像模型的(de)覆蓋率。最後，時(shí)效性對(duì)某些标簽的(de)質量評估至關重要，例如，教研興趣标簽、教研偏好标簽以及教研行爲變化(huà)軌迹标簽等，需要有良好的(de)更新機制來(lái)保障此類标簽的(de)時(shí)效性。
五、教師畫(huà)像支持的(de)教研應用(yòng)場(chǎng)景
在評估、反饋和(hé)叠代優化(huà)之後，可(kě)以通(tōng)過教師畫(huà)像管理(lǐ)系統的(de)可(kě)視化(huà)工具輸出教師畫(huà)像。通(tōng)常使用(yòng)标簽雲來(lái)呈現出教師個(gè)體的(de)完整畫(huà)像，繼而統計生成專業詳盡的(de)教師教研分(fēn)析報告，爲頂層的(de)教研應用(yòng)場(chǎng)景提供服務，如圖3所示。
(一)對(duì)照(zhào)個(gè)體畫(huà)像，促進教師自身認知與發展
教師既是畫(huà)像的(de)核心對(duì)象，也(yě)是畫(huà)像的(de)首要服務用(yòng)戶。語義明(míng)确的(de)數字化(huà)标簽構成了(le)教師個(gè)人(rén)的(de)專業發展報告，可(kě)視化(huà)呈現了(le)教師參與教研過程的(de)績效表現，是教師數據化(huà)的(de)自我，能夠促進其對(duì)自身更加客觀和(hé)深層次的(de)認知與評價。
首先，教師借助畫(huà)像進行教研績效的(de)自我診斷和(hé)評價。教師往往缺乏對(duì)所參與的(de)教研活動反思的(de)自主性，教師畫(huà)像作爲工具輔助教師回憶和(hé)審視教研活動全過程，幫助其多(duō)維度認知行爲表現、優缺點和(hé)現存疑問等，摒棄以往片面的(de)經驗性感知。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(de)導向下(xià)，教師參照(zhào)優秀教師的(de)畫(huà)像，對(duì)比自身不足，了(le)解自身的(de)角色定位，制定專業發展規劃，這(zhè)能夠督促和(hé)引導教師不斷提升自我。最後，教師借助自身畫(huà)像優化(huà)課堂教學。教師畫(huà)像中包含同伴聽(tīng)課的(de)評價标簽，同時(shí)，關聯學生學習(xí)數據和(hé)評教數據。積極的(de)評價能極大(dà)增強教師的(de)效能感，激勵他(tā)們朝更高(gāo)目标繼續努力，較低的(de)評價也(yě)能幫助教師診斷自身教學能力，有針對(duì)性地訓練特定的(de)教學技能。
(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(de)畫(huà)像樣本量足夠大(dà)的(de)時(shí)候，教師的(de)群體畫(huà)像整合而成的(de)發展報告可(kě)以呈現本校或本區(qū)域全體教師的(de)教研總體情況，支持循證化(huà)管理(lǐ)和(hé)監控教研活動的(de)組織和(hé)開展，制定教研決策方案。
其一是教研活動的(de)評價和(hé)管理(lǐ)。在國家日益重視教師隊伍建設的(de)背景下(xià)，通(tōng)過數據實現更加适配教師專業發展的(de)精準評價，是反促教研效能提升的(de)重要抓手，教師畫(huà)像可(kě)以更加客觀地對(duì)教師進行基于過程的(de)伴随式教研評價。基于教師畫(huà)像報告，決策者可(kě)以在區(qū)域範圍内将優秀學校或優秀教師隊伍的(de)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(de)分(fēn)享，帶動新手教師快(kuài)速成長(cháng)，促進協同發展。對(duì)于教研效能低下(xià)的(de)學校或教師隊伍，需要仔細分(fēn)析成因，吸收優秀教師隊伍的(de)經驗，從教研資源分(fēn)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(de)痛點、難點調整和(hé)規劃新一輪教研計劃，并持續監控和(hé)預警該群體的(de)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(huà)水(shuǐ)平差異巨大(dà)，不同地區(qū)的(de)教師隊伍發展需求不同。教研員(yuán)作爲教師專業發展的(de)指導者和(hé)引領者、教研活動的(de)設計組織者，需要爲不同實際的(de)區(qū)域提供個(gè)性化(huà)解決方案。一方面，教研員(yuán)可(kě)以利用(yòng)教師群體畫(huà)像爲不同需求的(de)教師設計個(gè)性化(huà)教研活動。以往教師培訓爲所有教師提供“千人(rén)一面”的(de)研修服務，有了(le)教師畫(huà)像，教研員(yuán)可(kě)以在設計研修活動之前對(duì)教師群體進行特征分(fēn)析，抽取存在相似需求的(de)，來(lái)自不同學科、不同學校甚至不同區(qū)域的(de)教師組成小型工作坊，提供更加沉浸适切的(de)研修活動，提高(gāo)教師興趣和(hé)教研效率，讓每一次研修都能産生實質性效能。另一方面，教研員(yuán)可(kě)以爲貧困落後地區(qū)提供精準化(huà)教研幫扶方案，如适配當地實際的(de)教研活動、教研資源和(hé)教師發展策略，提升專業發展機會公平性，改善貧困地區(qū)教育落後帶來(lái)的(de)惡性循環發展困境。
其三是關于教師隊伍建設的(de)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(fēn)析技術的(de)落後，限制了(le)決策者對(duì)大(dà)範圍教師專業發展現狀的(de)考察，隻能通(tōng)過抽樣調查和(hé)實地走訪等形式了(le)解小樣本的(de)情況，難免存在數據不全面、不準确，甚至“一刀(dāo)切”的(de)現象，而基于教師畫(huà)像庫，教師隊伍建設政策和(hé)方針的(de)制定可(kě)從經驗決策轉向數據決策。
(三)關聯教研資源服務，實現自适應式精準推薦
智能推薦引擎是教育領域的(de)關注焦點，基于學習(xí)者認知模型構建智能推薦引擎，自适應地爲用(yòng)戶提供個(gè)性化(huà)的(de)資源服務推薦是具有重要意義的(de)。教師在教研活動中作爲參與者，也(yě)是自主發展的(de)特殊學習(xí)者，更加需要優質的(de)資源和(hé)服務來(lái)支持其專業發展。精準的(de)教師畫(huà)像可(kě)以客觀描述教師的(de)個(gè)體特征，還(hái)可(kě)以跟蹤發現和(hé)動态預測教師的(de)興趣和(hé)需求變化(huà)，這(zhè)爲教研資源供應方的(de)服務優化(huà)提供了(le)參考方向。
一方面，教師畫(huà)像能夠支持已有教研資源的(de)精準推薦。教師畫(huà)像中社會交互類标簽和(hé)教研行爲标簽能夠表征和(hé)預測教師的(de)需求及偏好，這(zhè)些數據在個(gè)性化(huà)推薦引擎中表征不同教師的(de)學習(xí)需求和(hé)學習(xí)風格。教研管理(lǐ)系統據此以良好的(de)資源組織形式和(hé)推送途徑，爲不同教師提供個(gè)性化(huà)的(de)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(huà)教學工具等，還(hái)可(kě)以爲教師制定專業發展路線。具體的(de)實現思路爲：将教師群體畫(huà)像導入教研資源智能推薦引擎，通(tōng)過改進符合教師特征的(de)學習(xí)者模型，訓練教研資源的(de)語義表征，完成教師個(gè)體和(hé)資源的(de)雙向匹配。
另一方面，教師畫(huà)像還(hái)能輔助面向需求的(de)教研資源精準設計。在開發教研資源之前，傳統用(yòng)戶研究的(de)方式是進行走訪調查，隻了(le)解部分(fēn)教師代表的(de)訴求，沒法量化(huà)對(duì)某一資源設計的(de)系統性評價，盲目開發而導緻資源浪費。如果能夠精确了(le)解目标用(yòng)戶的(de)需求，例如通(tōng)過标簽聚類對(duì)教師群體進行同質或異質的(de)聚合，了(le)解到年輕教師偏好資源的(de)功能豐富性，年長(cháng)教師更注重資源的(de)易用(yòng)性，教研資源服務提供方将能精準地爲不同類型的(de)教師設計資源并精準投放，實現雙赢。
(四)搭載學生畫(huà)像，支持師生個(gè)性化(huà)配對(duì)
教師通(tōng)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(de)個(gè)性化(huà)教學的(de)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(de)教學，學生之間的(de)學習(xí)風格迥異，對(duì)知識點的(de)接受方式和(hé)接受頻(pín)率不一，即使目前已經開始在課堂教學中引入大(dà)數據分(fēn)析技術，教師能夠了(le)解不同學生的(de)學情，但一位教師在課堂上仍無力滿足幾十位學生的(de)個(gè)性化(huà)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(de)個(gè)性化(huà)輔導[22]。将教師畫(huà)像和(hé)學生畫(huà)像進行匹配，将能夠支持這(zhè)一應用(yòng)場(chǎng)景的(de)有效實現。學生在學業上遇到難題，平台能夠爲其推薦和(hé)匹配最擅長(cháng)該知識點的(de)在線教師;平台能夠将教師的(de)教學風格和(hé)學生的(de)學習(xí)風格進行模型構建，輸出相互适配的(de)師生組合;教師可(kě)以基于學生畫(huà)像，精确了(le)解學生的(de)認知結構、學習(xí)需求、學習(xí)短闆等，反過來(lái)激勵教師更有針對(duì)性地參與教研活動，提升教學技能和(hé)水(shuǐ)平。
教師隊伍建設邁入了(le)新時(shí)代，教師教研也(yě)面臨著(zhe)精準化(huà)的(de)需求和(hé)契機。數據驅動的(de)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)教研視域下(xià)的(de)教師畫(huà)像研究尚屬空白的(de)背景下(xià)，本文系統探討(tǎo)了(le)教師畫(huà)像構建的(de)必要性、可(kě)行性和(hé)具體實施方法，并闡釋了(le)相關應用(yòng)場(chǎng)景。對(duì)教師畫(huà)像的(de)關注必将引發更多(duō)相關研究，未來(lái)，教師畫(huà)像在精準教研中的(de)應用(yòng)落地和(hé)實踐檢驗是重點，同時(shí)，還(hái)需要重點加強教師畫(huà)像實現技術中的(de)多(duō)源數據采集、數據标準統一、數據開放共享和(hé)數據隐私保護等工作和(hé)研究。
【參考文獻】
[1] 中共中央國務院關于全面深化(huà)新時(shí)代教師隊伍建設改革的(de)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展人(rén)工智能助推教師隊伍建設行動試點工作的(de)通(tōng)知[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(de)轉移邏輯與價值選擇——基于教育公平的(de)視角[J].電化(huà)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)代鄉村(cūn)教師深度培訓模式[J].電化(huà)教育研究，2018，39(4)：86-92.
[7] 王陸，彭玏，馬如霞，楊佳辰.大(dà)數據知識發現的(de)教師成長(cháng)行爲路徑[J].電化(huà)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(huáng)河(hé)笑(xiào).開放式教學下(xià)的(de)學習(xí)者畫(huà)像及個(gè)性化(huà)教學探討(tǎo)[J].開放教育研究，2017，23(3)：105-112.
[14] 肖君，喬惠，李雪(xuě)嬌.基于xAPI的(de)在線學習(xí)者畫(huà)像的(de)構建與實證研究[J].中國電化(huà)教育，2019(1)：123-129.
[15] 張雪(xuě)，檀悅穎，羅恒.在線學習(xí)非母語學習(xí)者群體研究：類别畫(huà)像與行爲特征分(fēn)析[J].現代遠(yuǎn)距離教育，2019(1)：18-26.
[16] 陳堯.教師畫(huà)像與評分(fēn)系統的(de)設計與實現[D].重慶：重慶大(dà)學，2018.
[17] 方丹丹，王海濤，李穎， 等.對(duì)外經濟貿易大(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(huáng)亞樓.數據挖掘中的(de)數據預處理(lǐ)[J].計算(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(běi)京：機械工業出版社，2012：61-66.
[21] 陳臣，馬曉亭.基于小數據的(de)圖書(shū)館用(yòng)戶精準畫(huà)像研究[J].情報資料工作，2018(5)：57-61.
[22] 陳玲，餘勝泉，楊丹.個(gè)性化(huà)教育公共服務模式的(de)新探索——“雙師服務”實施路徑探究[J].中國電化(huà)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
基金項目：國家社會科學基金教育學一般課題“面向'互聯網+’的(de)教師教研形态轉型與變革研究”(課題編号：BCA180094)
作者簡介：胡小勇(1978—)，男(nán)，江西奉新人(rén)。教授，博士，主要從事信息化(huà)教學教研、智慧教學的(de)理(lǐ)論與應用(yòng)等方面的(de)研究。