本文由《 電(diàn)化教育研究》授權發布
作者：胡小(xiǎo)勇 林梓柔
摘要 面對新時代教師(shī)隊伍建設的要求，教研有必要向個(gè)性化、精準化轉型。依托各種智能(néng)技(jì)術(shù)對教師(shī)畫(huà)像，成了破解精準教研難題的創新途徑。然而，目前精準教研視域下(xià)的教師(shī)畫(huà)像研究，在國(guó)内尚屬空白(bái)。文章從(cóng)教研數據采集、分類及其有效關聯等角度闡釋了數據驅動的教師(shī)畫(huà)像的實施可行性;同時，剖析了教師(shī)畫(huà)像的實現流程，包括教研數據預處理、教師(shī)畫(huà)像模型建構、教師(shī)個(gè)體标簽體系建立和教師(shī)畫(huà)像質量評估四大環節，從(cóng)而提供了清晰的框架指引。文章最後提出教師(shī)畫(huà)像的四大應用場景，涵蓋教師(shī)、決策者、教研服務提供方和學生(shēng)等利益者視角。該研究從(cóng)精準教研視域下(xià)教師(shī)畫(huà)像的實現必要性、實施可行性、實現方法和應用場景作了系統論述，旨在為(wèi)相(xiàng)關研究提供參考。
關鍵詞：精準教研; 教師(shī)畫(huà)像; 數據; 流程; 應用場景
一(yī)、引 言
2018年(nián)1月(yuè)，新中國(guó)成立以來第一(yī)個(gè)專門(mén)面向教師(shī)隊伍建設的國(guó)家政策文件(jiàn)《關于全面深化新時代教師(shī)隊伍建設改革的意見(jiàn)》明确提出，要“全面提高(gāo)中小(xiǎo)學教師(shī)質量，建設一(yī)支高(gāo)素質專業(yè)化的教師(shī)隊伍”[1]。教研是一(yī)種促進中小(xiǎo)學教師(shī)發展的重要活動。然而，傳統教研方式存在著(zhe)服務“千人一(yī)面”、資源分配失衡以及無法精準評價和反饋調适等不足，緻使教研長(cháng)期存在效能(néng)低(dī)下(xià)的現象。更加個(gè)性化和精準化，是新時代教師(shī)教研的新要求。教師(shī)作為(wèi)教研服務的主要對象，其特征、需求、偏好和行為(wèi)等信息的準确判斷，是實現精準教研的重要前提。
2018年(nián)8月(yuè)，教育部印發了《關于開(kāi)展人工(gōng)智能(néng)助推教師(shī)隊伍建設行動試點工(gōng)作的通(tōng)知》[2]，提出在試點學校開(kāi)展教師(shī)大數據行動，“通(tōng)過采集教師(shī)各方信息，彙聚成教師(shī)大數據，建立教師(shī)數字畫(huà)像，以支持學校決策，改進教師(shī)管理，優化教師(shī)服務”。當前，雲計算(suàn)、大數據和人工(gōng)智能(néng)等新一(yī)代信息技(jì)術(shù)快速發展，無處不在的數據構成了“互聯網+”世界的分子，數據的指數式增長(cháng)和數據采集技(jì)術(shù)的快速升級也讓教研邁入了“數據驅動”的時代。教師(shī)專業(yè)發展生(shēng)涯中産生(shēng)的多(duō)模态數據能(néng)夠描摹出其個(gè)體畫(huà)像，為(wèi)精準教研的多(duō)維應用提供數據支撐。因此，本研究将聚焦如何通(tōng)過教研數據構建教師(shī)畫(huà)像，研究其邏輯框架和實現流程，以及教師(shī)畫(huà)像最終如何驅動和服務精準教研。
二、精準教研視域下(xià)的教師(shī)畫(huà)像
(一(yī))教研需要精準“表征、發現和預測”教師(shī)的行為(wèi)特征
在教育領域，對“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，他認為(wèi)精準教學是指學習者利用标準化工(gōng)具持續記錄和監控自(zì)身的學業(yè)成就(jiù)變化，為(wèi)教師(shī)決策提供數據支持的過程。Lindsley 通(tōng)過實踐證明這種方式能(néng)夠有效表征學情，便于教師(shī)提供個(gè)性化輔導，大大提高(gāo)了學習者的學習效益[3]。近年(nián)來，對教師(shī)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)，教育幫扶成為(wèi)重要突破口[4]，如何通(tōng)過對教師(shī)精準培訓來促進落後地區的教育均衡發展成了關注焦點[5-6]。然而，精準培訓不應隻關注落後地區，培訓也不是教師(shī)發展的單一(yī)途徑，包含教師(shī)培訓在内的各類教師(shī)教研活動更要精準關注每一(yī)位教師(shī)的專業(yè)發展路(lù)徑[7]。由于教師(shī)的年(nián)齡、任教經曆、學習風格等主體特征具有較大的個(gè)體差異性，精準“表征、發現和預測”不同教師(shī)個(gè)體的特征、需求、偏好和行為(wèi)是精準教研的三大現實需求。
首先，需要實時客觀表征教師(shī)的教研特征。在教研活動中，教師(shī)希望能(néng)夠客觀認知自(zì)己的教研軌迹，教育決策者希望能(néng)夠準确了解教研的總體情況，例如參與教研的教師(shī)具備什麽群體特征，有哪些教研行為(wèi)習慣等。客觀表征能(néng)夠為(wèi)教研評價和決策提供依據，是精準教研的首要需求。
其次，需要準确發現教師(shī)的教研需求和偏好。教師(shī)參與教研的主要目的是為(wèi)了提升專業(yè)技(jì)能(néng)和自(zì)身競争力，因此，教師(shī)希望教研平台主動推薦符合自(zì)身需求和興趣的資源和服務，涵蓋教師(shī)感興趣的、近期關注的以及不擅長(cháng)但重要的教研主題，降低(dī)教師(shī)的主動檢索成本。
最後，需要動态預測教師(shī)的教研行為(wèi)變化。在海量教研數據的基礎上(shàng)，能(néng)夠預測和預警教師(shī)的教研行為(wèi)，是精準教研在大數據時代的新需求，多(duō)模态數據采集技(jì)術(shù)的發展為(wèi)此提供了可能(néng)。決策者基于預測或預警結果可以有效管理和監控教研活動，為(wèi)教師(shī)提供更加優化的教研服務。
(二)通(tōng)過教師(shī)畫(huà)像能(néng)夠有效服務精準教研
用戶畫(huà)像的概念源于企業(yè)。随著(zhe)互聯網的發展，數據不斷積累、更新，呈爆炸式增長(cháng)。電(diàn)子商務企業(yè)為(wèi)實現最大盈利，采集大量用戶數據以分析其行為(wèi)習慣，助力産品的精準設計和精準營銷。交互設計之父Alan Cooper最早提出用戶畫(huà)像(Persona)的概念，他認為(wèi)用戶畫(huà)像是基于大量真實數據構建出來的虛拟用戶模型[8]。實際上(shàng)，用戶畫(huà)像就(jiù)是為(wèi)特定對象打上(shàng)“數字化标簽”的過程，畫(huà)像構建需要采集大量真實有效的用戶數據，對這些數據進行聚類和抽象，利用數據集訓練和優化畫(huà)像模型，生(shēng)成一(yī)個(gè)個(gè)具有明确含義、可表征和預測用戶行為(wèi)的語義化标簽。
文獻顯示，近年(nián)來用戶畫(huà)像的應用研究主要集中于醫(yī)學、心理學、情報(bào)科學和行為(wèi)科學等領域，其共同點是通(tōng)過人的外顯行為(wèi)挖掘内隐因素，如人的病因、行為(wèi)動機(jī)或需求。大數據支持将人“數據化”，進而更客觀地挖掘和解讀(dú)内隐信息。同時，計算(suàn)機(jī)科學為(wèi)用戶畫(huà)像提供了技(jì)術(shù)支持，關注如何借助用戶畫(huà)像技(jì)術(shù)實現個(gè)性化表征和精準推薦[9]，涵蓋用戶标簽體系的創建[10]、畫(huà)像建模[11]、用戶畫(huà)像應用效果評估[12]等方面。
教育是研究人的學習行為(wèi)的學科。基于此，用戶畫(huà)像技(jì)術(shù)在教育領域的應用同樣具有需求指向性和實施可行性。當前，教育領域的用戶畫(huà)像研究已經興起，有研究者對學習者畫(huà)像在精準教學中的意義和實現途徑進行了闡述。例如，陳海建等人構建了遠(yuǎn)程學習者畫(huà)像并證明這對個(gè)性化教學有積極作用[13];而肖君等人[14]和張雪等人[15]分别聚焦不同類型的線上(shàng)學習者，通(tōng)過構建畫(huà)像來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(shī)畫(huà)像研究領域，陳堯在技(jì)術(shù)實現上(shàng)，通(tōng)過學生(shēng)評教數據構建了教師(shī)畫(huà)像模塊[16];方丹丹等人則對教師(shī)畫(huà)像的理論構建和應用作了闡述[17]。目前國(guó)内僅有可查的兩項教師(shī)畫(huà)像研究，但并未聚焦于教師(shī)教研，在教研視域下(xià)開(kāi)展的教師(shī)畫(huà)像系統研究尚屬空白(bái)。本研究提出的教師(shī)畫(huà)像是指通(tōng)過抓取和分析與教師(shī)教研緊密相(xiàng)關的數據，通(tōng)過數據挖掘和用戶畫(huà)像技(jì)術(shù)來構建的虛拟教師(shī)模型。該模型是教師(shī)個(gè)體标簽體系的集合，能(néng)夠描述教師(shī)的特征、需求、偏好和行為(wèi)。
三、數據驅動教師(shī)畫(huà)像的實現
數據是指對客觀事(shì)件(jiàn)進行記錄并可以鑒别的符号，具有描述現象、發現關系、評價效果及預測趨勢的功能(néng)。根據DIKW金字塔層次體系[18]，從(cóng)下(xià)往上(shàng)依次是數據、信息、知識和智慧，處于上(shàng)方的信息、知識和智慧全都離不開(kāi)數據的表征。教師(shī)畫(huà)像的構建需要有效運用全過程多(duō)模态的教研數據，才能(néng)有效地表征教研情況、發現隐性信息和預測教師(shī)教研行為(wèi)變化，以支持教研決策智慧的生(shēng)成。
(一(yī))智能(néng)技(jì)術(shù)與教研數據采集
智能(néng)技(jì)術(shù)的興起和教育應用，使各類教研數據以更大容量和更快速度産生(shēng)和彙聚于各類便捷的智能(néng)設備中，形成“教研大數據”。教育是一(yī)個(gè)複雜(zá)的育人系統，對包括教研在内的一(yī)切教育決策的容錯(cuò)性較小(xiǎo)，數據驅動的教師(shī)畫(huà)像要求科學精準;此外，參與教研隻是教師(shī)衆多(duō)社會(huì)屬性之一(yī)，指向精準教研的教師(shī)畫(huà)像需要聚焦于與教研活動緊密相(xiàng)關的數據，相(xiàng)比數據體量的絕對大小(xiǎo)，本研究更強調數據的“教研相(xiàng)關性”和“價值密度”。與教研數據采集相(xiàng)關的智能(néng)技(jì)術(shù)可以分為(wèi)網絡技(jì)術(shù)、富媒體技(jì)術(shù)和感知技(jì)術(shù)。
網絡技(jì)術(shù)支持抓取描摹教師(shī)教研行為(wèi)軌迹的網絡數據，如教研社交網站公開(kāi)數據和教研管理平台用戶日志(zhì)。教研管理平台面向所有參研教師(shī)，提供教師(shī)需要的教研資源以及同伴交流、聽評課和個(gè)人電(diàn)子檔案袋等線上(shàng)功能(néng)模塊，這些數據具有較高(gāo)教研相(xiàng)關性和價值;教研社交網站為(wèi)教師(shī)提供了跨時空的同伴交流平台，教師(shī)可以組建志(zhì)同道合的教研共同體。
富媒體技(jì)術(shù)支持抓取圖文聲像和超鏈接等多(duō)種媒體形式的交互式教研數據。教研管理平台中海量的教研資源和數字化教研實踐成果多(duō)以富媒體形式呈現，如教學設計、課例視頻等，這類非結構化數據提升了教研數據的可挖掘性，但也對數據采集和處理提出了更大挑戰。
感知技(jì)術(shù)支持抓取教師(shī)在教研過程中産生(shēng)的聽覺、視覺和觸覺等感知交互數據，這類技(jì)術(shù)借助智能(néng)終端或可穿戴設備實時獲取教師(shī)的感官數據，如教師(shī)的語言、行為(wèi)、面部情緒、眼神等，能(néng)夠輔助發現教師(shī)教研的内隐信息。
相(xiàng)較于一(yī)般網絡用戶數據，教研數據具有更高(gāo)更特殊的用戶價值，因其關乎教師(shī)群體的隐私，并且伴有學生(shēng)數據以及其他教育數據，因此，在數據采集前應使利益相(xiàng)關者知情并取得其許可，同時，在數據處理中規範脫敏，保護隐私。
(二)五類數據描摹教師(shī)教研全過程
為(wèi)了從(cóng)多(duō)維度對教師(shī)進行精準畫(huà)像，需要對教師(shī)的教研數據進行分類。綜合考慮教師(shī)畫(huà)像需求和數據的可及性，涵蓋教師(shī)的人口統計學、内隐心理和外顯行為(wèi)等特征，本研究提出了教師(shī)畫(huà)像所需的五大類教研數據，具體見(jiàn)表1。
表 1 教師(shī)教研數據的類别與來源
(1)教師(shī)特征數據包括教師(shī)的個(gè)人信息，能(néng)夠唯一(yī)地表征某位教師(shī)，初步描摹教師(shī)畫(huà)像的輪廓，此類數據結構較為(wèi)簡單，包含明确的屬性和元組，可以通(tōng)過教師(shī)人事(shì)系統或教研管理平台直接導入完成采集。(2)教研心理數據是指反映教師(shī)參與教研過程的心理狀态數據，例如滿意度、效能(néng)感等，由于這類數據具有較強的主觀性，需要通(tōng)過問卷調查或訪談等方法獲取，為(wèi)了減少主觀因素的幹擾，目前也可以利用可穿戴設備實時捕獲和分析教師(shī)的心跳、眼動、表情等生(shēng)物(wù)特征數據。(3)社會(huì)交互數據映射出教師(shī)參與教研的内隐交互情況，側重教師(shī)的網絡交互，如交互同伴、交互主題、交互時間和交互頻率等，此類數據可以判斷和預測教師(shī)的興趣和偏好。(4)教研行為(wèi)數據涵蓋教師(shī)線上(shàng)浏覽、評論和下(xià)載教研資源、在線磨課、在線聽評課等教研行為(wèi)。對于發生(shēng)在線下(xià)的教研行為(wèi)，可以通(tōng)過視頻采集系統記錄、标注和分析，實現線下(xià)數據的數字化轉換。(5)教研成果數據是教師(shī)在教研過程中伴随式産出的數字化成果，如教學設計、教學案例、科研論文等，該類數據能(néng)夠反映教師(shī)關注的學科主題和教研的階段性成效。五類數據相(xiàng)輔相(xiàng)成，共同構建出教師(shī)畫(huà)像。
(三)數據間的有效關聯，使教師(shī)畫(huà)像更豐富精準
數據并非僅有單一(yī)的使用維度和價值指向，不同數據之間的動态關聯可産生(shēng)不可估量的價值。要構建豐富精準的教師(shī)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(duō)地有效關聯其他對教師(shī)畫(huà)像有價值的數據。如圖1所示，從(cóng)不同主體的視角看(kàn)，與教師(shī)教研相(xiàng)關的還(hái)有教師(shī)的課程教學數據、學生(shēng)學情大數據、學校的公開(kāi)教育數據以及區域教育部門(mén)的教育大數據，組成了構建教師(shī)畫(huà)像的外延數據。這些數據通(tōng)過多(duō)維度和多(duō)層次關聯，能(néng)夠搭載不同的教研應用場景并發揮作用。
圖 1 不同主體之間的教育數據關聯
(1)教師(shī)的課程教學數據是指教師(shī)日常教學實踐産生(shēng)的行為(wèi)數據，此類數據不在教研範疇内，但教研與教學息息相(xiàng)關，分析課程教學行為(wèi)能(néng)夠更好地指向教師(shī)在教研中存在的問題;(2)學生(shēng)的學情大數據可以構建學生(shēng)畫(huà)像，為(wèi)師(shī)生(shēng)畫(huà)像的匹配應用提供基礎;(3)學校公開(kāi)教育數據可以反映教師(shī)個(gè)體的專業(yè)發展情境;(4)教育部門(mén)擁有的區域教育大數據能(néng)夠豐富教師(shī)群體畫(huà)像的數據維度。聚焦核心教研數據可以使教師(shī)畫(huà)像更精準，而有效關聯核心數據和外延數據可以使教師(shī)畫(huà)像更豐富。
四、數據挖掘技(jì)術(shù)支持的教師(shī)畫(huà)像邏輯框架與實現流程
畫(huà)像建構要以真實性、科學性和精準性為(wèi)原則。表征和預測教師(shī)在教研過程中的行為(wèi)方式，能(néng)夠塑造一(yī)個(gè)虛拟化的真實教師(shī)模型，為(wèi)教研服務的提質增效提供事(shì)實性參考和預測性依據。本研究提出了精準教研視域下(xià)的教師(shī)畫(huà)像的邏輯框架和實現流程，如圖2所示。
圖 2 教師(shī)畫(huà)像的邏輯實現框架
(一(yī))教研數據預處理
在智能(néng)技(jì)術(shù)的支持下(xià)，教研數據采集得以完成。由于數據來源于多(duō)個(gè)異構的原始數據庫，會(huì)存在格式不統一(yī)、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，這更方便計算(suàn)機(jī)進行後續數據處理。關鍵的技(jì)術(shù)思路(lù)和步驟包括數據清理(Data Cleaning)、數據集成(Data Integration)、數據歸約(Data Reduction)和數據變換(Data Transforming)[19]。
數據清理主要是對屬性缺失和不符合畫(huà)像目标的值進行偏差檢測，再利用清理工(gōng)具進行變換或處理。例如采集社會(huì)交互數據過程中可能(néng)爬取了教師(shī)在公開(kāi)網站上(shàng)的日常交互數據，這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(dào)的異源教研數據集成至同一(yī)邏輯視圖中。為(wèi)保證教師(shī)畫(huà)像後續構建的準确性和易操作性，需要先建立一(yī)個(gè)教師(shī)畫(huà)像數據庫管理系統，在該系統中合并、處理和管理多(duō)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數據值沖突的檢測和解決。接下(xià)來需要對這些可能(néng)非常龐大的數據集進行歸約，通(tōng)常有維歸約、數量歸約和數據壓縮三種思路(lù)和策略。數據變換是指将數據變換統一(yī)成适合畫(huà)像挖掘的格式[20]。
(二)教師(shī)畫(huà)像模型構建
教師(shī)畫(huà)像模型的構建是至關重要的一(yī)步，本研究的教師(shī)畫(huà)像模型基于前面的五大類教研數據分别進行建模，形成教師(shī)特征模型、教研心理模型、社會(huì)交互模型、教研行為(wèi)模型和教研成果模型，每類模型的數據處理和訓練方法因數據屬性差異有所不同，最終生(shēng)成事(shì)實标簽、模型标簽或預測标簽。
統計分析生(shēng)成事(shì)實标簽。對于描述既定事(shì)實的數據，可以利用文本挖掘算(suàn)法、自(zì)然語言處理方法将原始數據按照(zhào)特定的統計算(suàn)法生(shēng)成事(shì)實标簽，事(shì)實标簽是預測标簽的基礎。比如通(tōng)過教研管理系統中的用戶設置獲取教師(shī)的個(gè)人信息，如性别、年(nián)齡和教齡等，直接統計轉化生(shēng)成教師(shī)特征标簽。
建模分析生(shēng)成模型标簽。建模分析是教師(shī)畫(huà)像構建最重要的技(jì)術(shù)步驟，模型标簽是指原始數據中不存在直接對應的數據，而是需要通(tōng)過定義規則和關聯數據才能(néng)生(shēng)成的标簽實例，它是教師(shī)标簽體系的核心。教師(shī)畫(huà)像模型可以通(tōng)過機(jī)器(qì)學習算(suàn)法進行特征提取和選擇，輸入大量數據訓練集，選擇适宜算(suàn)法進行訓練，不斷優化并達到(dào)訓練标準。比如要為(wèi)M教師(shī)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(shī)在參研中浏覽活動内容的時長(cháng)、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，并計算(suàn)定義不同行為(wèi)标簽的權重，标簽權重由衰減因子、行為(wèi)權重、接觸點權重、數據量和随機(jī)誤差之間的數學關系決定[21]，最終得到(dào)一(yī)個(gè)M教師(shī)滿意程度的标簽。
模型預測生(shēng)成預測标簽。在事(shì)實标簽和模型标簽的基礎上(shàng)，可以通(tōng)過預測算(suàn)法和聚類算(suàn)法對模型進行訓練優化，輸出更多(duō)具有概率預測和價值預測功能(néng)的标簽。例如基于教研數據挖掘來判斷教師(shī)的專業(yè)發展短闆，或是通(tōng)過識别教師(shī)高(gāo)頻浏覽的教研資源來預測教師(shī)下(xià)一(yī)步需要的服務和資源以實現智能(néng)推送。此外，預測标簽還(hái)能(néng)彌補事(shì)實标簽的缺失。假設教師(shī)任教學科的信息丢失了，而在社會(huì)交互模型中，預測算(suàn)法通(tōng)過語義判斷教師(shī)與同伴交流過程中主題關鍵詞多(duō)為(wèi)英語教學方面的内容，初步判别該教師(shī)的交互圈中多(duō)為(wèi)英語學科教師(shī)，則該教師(shī)在一(yī)定概率上(shàng)也可能(néng)是英語教師(shī)，基于這個(gè)預測結果，可以為(wèi)教師(shī)推薦更多(duō)相(xiàng)關的資源。
在實際建模中，需要根據不同畫(huà)像标簽的特點和需求選擇建模算(suàn)法，以此優化教師(shī)畫(huà)像，更加精準地描摹出教研教師(shī)的虛拟特征。
(三)教師(shī)個(gè)體标簽體系建立
面向場景應用的教師(shī)個(gè)體标簽體系(Personal Tags System)是在教研數據基礎上(shàng)，通(tōng)過合理有效的模型和算(suàn)法為(wèi)不同教師(shī)打上(shàng)的數字化語義标簽集。标簽體系的分類需要遵循相(xiàng)互獨立、完全窮盡的原則，每一(yī)個(gè)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(shī)畫(huà)像标簽體系如圖3所示，X、Y、Z三個(gè)維度分别描述了标簽體系的不同屬性，立體化指向精準教研應用場景。
圖 3 教師(shī)畫(huà)像的個(gè)體标簽體系
教師(shī)畫(huà)像标簽體系的X維是五類标簽，由左往右分别是教師(shī)特征标簽、教研心理标簽、社會(huì)交互标簽、教研行為(wèi)标簽和教研成果标簽，每類标簽的原始數據對應表1的數據分類。從(cóng)數據的時效性看(kàn)，從(cóng)左往右也可以将标簽分為(wèi)靜(jìng)态屬性标簽和動态屬性标簽。前者是指相(xiàng)對穩定不變的教研數據，例如人口統計學屬性的數據：教師(shī)的基本信息、教育背景和工(gōng)作經曆。動态屬性标簽是指根據用戶行為(wèi)産生(shēng)而不斷動态更新的教研數據，例如教研行為(wèi)标簽。
教師(shī)畫(huà)像标簽體系的Y維是每一(yī)類标簽的下(xià)級标簽集合。标簽體系共劃分為(wèi)三級，教師(shī)基本特征是一(yī)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，其他标簽同理類推。
教師(shī)畫(huà)像标簽體系的Z維是标簽屬性。由教師(shī)畫(huà)像構建可知，事(shì)實标簽、模型标簽和預測标簽三種不同屬性标簽基于不同數據處理方法而産生(shēng)，三種标簽的平衡搭配能(néng)夠提高(gāo)教師(shī)畫(huà)像表征、發現與預測教研行為(wèi)的精準性和可靠性。
(四)教師(shī)畫(huà)像質量評估
面對每位教師(shī)的個(gè)性化畫(huà)像，如何對畫(huà)像的質量進行評估是畫(huà)像輸出應用之前的重要環節。質量評估需要評價已生(shēng)成的畫(huà)像在多(duō)大程度滿足精準教研的需求，即表征、發現和預測教師(shī)的教研特征、需求、偏好和行為(wèi)有效程度多(duō)高(gāo)，常用的評估指标包括準确率、覆蓋率和時效性。
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(tōng)過抽取部分測試數據集來計算(suàn)正确的教師(shī)标簽數量占教師(shī)标簽總樣本的比值。其次，覆蓋率的驗證則通(tōng)過計算(suàn)标簽覆蓋的教師(shī)比值來評價标簽覆蓋廣度，計算(suàn)覆蓋教師(shī)的人均标簽數來評價标簽覆蓋密度。值得注意的是，準确率和覆蓋率是一(yī)組互斥指标，在畫(huà)像的評估和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，時效性對某些标簽的質量評估至關重要，例如，教研興趣标簽、教研偏好标簽以及教研行為(wèi)變化軌迹标簽等，需要有良好的更新機(jī)制來保障此類标簽的時效性。
五、教師(shī)畫(huà)像支持的教研應用場景
在評估、反饋和叠代優化之後，可以通(tōng)過教師(shī)畫(huà)像管理系統的可視化工(gōng)具輸出教師(shī)畫(huà)像。通(tōng)常使用标簽雲來呈現出教師(shī)個(gè)體的完整畫(huà)像，繼而統計生(shēng)成專業(yè)詳盡的教師(shī)教研分析報(bào)告，為(wèi)頂層的教研應用場景提供服務，如圖3所示。
(一(yī))對照(zhào)個(gè)體畫(huà)像，促進教師(shī)自(zì)身認知與發展
教師(shī)既是畫(huà)像的核心對象，也是畫(huà)像的首要服務用戶。語義明确的數字化标簽構成了教師(shī)個(gè)人的專業(yè)發展報(bào)告，可視化呈現了教師(shī)參與教研過程的績效表現，是教師(shī)數據化的自(zì)我，能(néng)夠促進其對自(zì)身更加客觀和深層次的認知與評價。
首先，教師(shī)借助畫(huà)像進行教研績效的自(zì)我診斷和評價。教師(shī)往往缺乏對所參與的教研活動反思的自(zì)主性，教師(shī)畫(huà)像作為(wèi)工(gōng)具輔助教師(shī)回憶和審視教研活動全過程，幫助其多(duō)維度認知行為(wèi)表現、優缺點和現存疑問等，摒棄以往片面的經驗性感知。其次，教師(shī)借助畫(huà)像規劃專業(yè)發展路(lù)線。在時代和政策的導向下(xià)，教師(shī)參照(zhào)優秀教師(shī)的畫(huà)像，對比自(zì)身不足，了解自(zì)身的角色定位，制定專業(yè)發展規劃，這能(néng)夠督促和引導教師(shī)不斷提升自(zì)我。最後，教師(shī)借助自(zì)身畫(huà)像優化課堂教學。教師(shī)畫(huà)像中包含同伴聽課的評價标簽，同時，關聯學生(shēng)學習數據和評教數據。積極的評價能(néng)極大增強教師(shī)的效能(néng)感，激勵他們朝更高(gāo)目标繼續努力，較低(dī)的評價也能(néng)幫助教師(shī)診斷自(zì)身教學能(néng)力，有針對性地訓練特定的教學技(jì)能(néng)。
(二)整合群體畫(huà)像，驅動教育決策者循證管理
對于決策者而言，當教師(shī)畫(huà)像管理系統存儲的畫(huà)像樣本量足夠大的時候，教師(shī)的群體畫(huà)像整合而成的發展報(bào)告可以呈現本校或本區域全體教師(shī)的教研總體情況，支持循證化管理和監控教研活動的組織和開(kāi)展，制定教研決策方案。
其一(yī)是教研活動的評價和管理。在國(guó)家日益重視教師(shī)隊伍建設的背景下(xià)，通(tōng)過數據實現更加适配教師(shī)專業(yè)發展的精準評價，是反促教研效能(néng)提升的重要抓手，教師(shī)畫(huà)像可以更加客觀地對教師(shī)進行基于過程的伴随式教研評價。基于教師(shī)畫(huà)像報(bào)告，決策者可以在區域範圍内将優秀學校或優秀教師(shī)隊伍的專業(yè)發展軌迹進行特征抽取，形成優秀教師(shī)畫(huà)像數據庫進行經驗和方法的分享，帶動新手教師(shī)快速成長(cháng)，促進協同發展。對于教研效能(néng)低(dī)下(xià)的學校或教師(shī)隊伍，需要仔細分析成因，吸收優秀教師(shī)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症下(xià)藥，針對教研的痛點、難點調整和規劃新一(yī)輪教研計劃，并持續監控和預警該群體的發展狀況。
其二是區域教研資源精準配置。我國(guó)地域間信息化水(shuǐ)平差異巨大，不同地區的教師(shī)隊伍發展需求不同。教研員(yuán)作為(wèi)教師(shī)專業(yè)發展的指導者和引領者、教研活動的設計組織者，需要為(wèi)不同實際的區域提供個(gè)性化解決方案。一(yī)方面，教研員(yuán)可以利用教師(shī)群體畫(huà)像為(wèi)不同需求的教師(shī)設計個(gè)性化教研活動。以往教師(shī)培訓為(wèi)所有教師(shī)提供“千人一(yī)面”的研修服務，有了教師(shī)畫(huà)像，教研員(yuán)可以在設計研修活動之前對教師(shī)群體進行特征分析，抽取存在相(xiàng)似需求的，來自(zì)不同學科、不同學校甚至不同區域的教師(shī)組成小(xiǎo)型工(gōng)作坊，提供更加沉浸适切的研修活動，提高(gāo)教師(shī)興趣和教研效率，讓每一(yī)次研修都能(néng)産生(shēng)實質性效能(néng)。另一(yī)方面，教研員(yuán)可以為(wèi)貧困落後地區提供精準化教研幫扶方案，如适配當地實際的教研活動、教研資源和教師(shī)發展策略，提升專業(yè)發展機(jī)會(huì)公平性，改善貧困地區教育落後帶來的惡性循環發展困境。
其三是關于教師(shī)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分析技(jì)術(shù)的落後，限制了決策者對大範圍教師(shī)專業(yè)發展現狀的考察，隻能(néng)通(tōng)過抽樣調查和實地走訪等形式了解小(xiǎo)樣本的情況，難免存在數據不全面、不準确，甚至“一(yī)刀切”的現象，而基于教師(shī)畫(huà)像庫，教師(shī)隊伍建設政策和方針的制定可從(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，基于學習者認知模型構建智能(néng)推薦引擎，自(zì)适應地為(wèi)用戶提供個(gè)性化的資源服務推薦是具有重要意義的。教師(shī)在教研活動中作為(wèi)參與者，也是自(zì)主發展的特殊學習者，更加需要優質的資源和服務來支持其專業(yè)發展。精準的教師(shī)畫(huà)像可以客觀描述教師(shī)的個(gè)體特征，還(hái)可以跟蹤發現和動态預測教師(shī)的興趣和需求變化，這為(wèi)教研資源供應方的服務優化提供了參考方向。
一(yī)方面，教師(shī)畫(huà)像能(néng)夠支持已有教研資源的精準推薦。教師(shī)畫(huà)像中社會(huì)交互類标簽和教研行為(wèi)标簽能(néng)夠表征和預測教師(shī)的需求及偏好，這些數據在個(gè)性化推薦引擎中表征不同教師(shī)的學習需求和學習風格。教研管理系統據此以良好的資源組織形式和推送途徑，為(wèi)不同教師(shī)提供個(gè)性化的優質教研資源、教研活動、教研同伴、教研共同體組織和信息化教學工(gōng)具等，還(hái)可以為(wèi)教師(shī)制定專業(yè)發展路(lù)線。具體的實現思路(lù)為(wèi)：将教師(shī)群體畫(huà)像導入教研資源智能(néng)推薦引擎，通(tōng)過改進符合教師(shī)特征的學習者模型，訓練教研資源的語義表征，完成教師(shī)個(gè)體和資源的雙向匹配。
另一(yī)方面，教師(shī)畫(huà)像還(hái)能(néng)輔助面向需求的教研資源精準設計。在開(kāi)發教研資源之前，傳統用戶研究的方式是進行走訪調查，隻了解部分教師(shī)代表的訴求，沒法量化對某一(yī)資源設計的系統性評價，盲目開(kāi)發而導緻資源浪費(fèi)。如果能(néng)夠精确了解目标用戶的需求，例如通(tōng)過标簽聚類對教師(shī)群體進行同質或異質的聚合，了解到(dào)年(nián)輕教師(shī)偏好資源的功能(néng)豐富性，年(nián)長(cháng)教師(shī)更注重資源的易用性，教研資源服務提供方将能(néng)精準地為(wèi)不同類型的教師(shī)設計資源并精準投放(fàng)，實現雙赢。
(四)搭載學生(shēng)畫(huà)像，支持師(shī)生(shēng)個(gè)性化配對
教師(shī)通(tōng)過教研促進專業(yè)發展，最終是為(wèi)了服務教學而促進學生(shēng)發展。教育界對“因材施教”的個(gè)性化教學的要求和呼聲越來越高(gāo)，傳統學校教育中每一(yī)位學科教師(shī)固定負責一(yī)群學生(shēng)的教學，學生(shēng)之間的學習風格迥異，對知識點的接受方式和接受頻率不一(yī)，即使目前已經開(kāi)始在課堂教學中引入大數據分析技(jì)術(shù)，教師(shī)能(néng)夠了解不同學生(shēng)的學情，但一(yī)位教師(shī)在課堂上(shàng)仍無力滿足幾十位學生(shēng)的個(gè)性化需求。“雙師(shī)服務”提出為(wèi)每位學生(shēng)匹配在線教師(shī)，提供一(yī)對一(yī)的個(gè)性化輔導[22]。将教師(shī)畫(huà)像和學生(shēng)畫(huà)像進行匹配，将能(néng)夠支持這一(yī)應用場景的有效實現。學生(shēng)在學業(yè)上(shàng)遇到(dào)難題，平台能(néng)夠為(wèi)其推薦和匹配最擅長(cháng)該知識點的在線教師(shī);平台能(néng)夠将教師(shī)的教學風格和學生(shēng)的學習風格進行模型構建，輸出相(xiàng)互适配的師(shī)生(shēng)組合;教師(shī)可以基于學生(shēng)畫(huà)像，精确了解學生(shēng)的認知結構、學習需求、學習短闆等，反過來激勵教師(shī)更有針對性地參與教研活動，提升教學技(jì)能(néng)和水(shuǐ)平。
六、結 語
教師(shī)隊伍建設邁入了新時代，教師(shī)教研也面臨著(zhe)精準化的需求和契機(jī)。數據驅動的教師(shī)畫(huà)像，為(wèi)此提供了一(yī)種技(jì)術(shù)解決方案。當前，在國(guó)内對教研視域下(xià)的教師(shī)畫(huà)像研究尚屬空白(bái)的背景下(xià)，本文系統探讨了教師(shī)畫(huà)像構建的必要性、可行性和具體實施方法，并闡釋了相(xiàng)關應用場景。對教師(shī)畫(huà)像的關注必将引發更多(duō)相(xiàng)關研究，未來，教師(shī)畫(huà)像在精準教研中的應用落地和實踐檢驗是重點，同時，還(hái)需要重點加強教師(shī)畫(huà)像實現技(jì)術(shù)中的多(duō)源數據采集、數據标準統一(yī)、數據開(kāi)放(fàng)共享和數據隐私保護等工(gōng)作和研究。
【參考文獻】
[1] 中共中央國(guó)務院關于全面深化新時代教師(shī)隊伍建設改革的意見(jiàn)[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(shī)隊伍建設行動試點工(gōng)作的通(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+”教育精準幫扶的轉移邏輯與價值選擇——基于教育公平的視角[J].電(diàn)化教育研究，2018，39(5)：5-11.
[5] 陳恩倫，郭璨.以教師(shī)精準培訓推動教育精準扶貧[J].中國(guó)教育學刊，2018(4)：42-46.
[6] 趙興龍.互聯網時代鄉村(cūn)教師(shī)深度培訓模式[J].電(diàn)化教育研究，2018，39(4)：86-92.
[7] 王陸，彭玏，馬如霞，楊佳辰.大數據知識發現的教師(shī)成長(cháng)行為(wèi)路(lù)徑[J].電(diàn)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，黃河笑(xiào).開(kāi)放(fàng)式教學下(xià)的學習者畫(huà)像及個(gè)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(guó)電(diàn)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)像與行為(wèi)特征分析[J].現代遠(yuǎn)距離教育，2019(1)：18-26.
[16] 陳堯.教師(shī)畫(huà)像與評分系統的設計與實現[D].重慶：重慶大學，2018.
[17] 方丹丹，王海濤，李穎， 等.對外經濟貿易大學用大數據描繪“教師(shī)畫(huà)像”[J].中國(guó)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] 劉明吉，王秀峰，黃亞樓.數據挖掘中的數據預處理[J].計算(suàn)機(jī)科學，2000(4)：54-57.
[20] 韓家炜，KAMBER M，PEI J，等.數據挖掘：概念與技(jì)術(shù)(第3版)[M].範明，等譯.北(běi)京：機(jī)械工(gōng)業(yè)出版社，2012：61-66.
[21] 陳臣，馬曉亭.基于小(xiǎo)數據的圖書館用戶精準畫(huà)像研究[J].情報(bào)資料工(gōng)作，2018(5)：57-61.
[22] 陳玲，餘勝泉，楊丹.個(gè)性化教育公共服務模式的新探索——“雙師(shī)服務”實施路(lù)徑探究[J].中國(guó)電(diàn)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
基金項目：國(guó)家社會(huì)科學基金教育學一(yī)般課題“面向'互聯網+’的教師(shī)教研形态轉型與變革研究”(課題編号：BCA180094)
作者簡介：胡小(xiǎo)勇(1978—)，男，江西(xī)奉新人。教授，博士，主要從(cóng)事(shì)信息化教學教研、智慧教學的理論與應用等方面的研究。