本文由《 電化教育研究》授權發(fā)布
作者：胡小勇 林梓柔
摘要 面(miàn)對(duì)新時代教師隊伍建設的要求，教研有必要向(xiàng)個性化、精準化轉型。依托各種(zhǒng)智能(néng)技術對(duì)教師畫像，成(chéng)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的教師畫像研究，在國(guó)内尚屬空白。文章從教研數據采集、分類及其有效關聯等角度闡釋了數據驅動的教師畫像的實施可行性;同時，剖析了教師畫像的實現流程，包括教研數據預處理、教師畫像模型建構、教師個體标簽體系建立和教師畫像質量評估四大環節，從而提供了清晰的框架指引。文章最後(hòu)提出教師畫像的四大應用場景，涵蓋教師、決策者、教研服務提供方和學(xué)生等利益者視角。該研究從精準教研視域下教師畫像的實現必要性、實施可行性、實現方法和應用場景作了系統論述，旨在爲相關研究提供參考。
關鍵詞：精準教研; 教師畫像; 數據; 流程; 應用場景
一、引 言
2018年1月，新中國(guó)成(chéng)立以來第一個專門面(miàn)向(xiàng)教師隊伍建設的國(guó)家政策文件《關于全面(miàn)深化新時代教師隊伍建設改革的意見》明确提出，要“全面(miàn)提高中小學(xué)教師質量，建設一支高素質專業化的教師隊伍”[1]。教研是一種(zhǒng)促進(jìn)中小學(xué)教師發(fā)展的重要活動。然而，傳統教研方式存在著(zhe)服務“千人一面(miàn)”、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)低下的現象。更加個性化和精準化，是新時代教師教研的新要求。教師作爲教研服務的主要對(duì)象，其特征、需求、偏好(hǎo)和行爲等信息的準确判斷，是實現精準教研的重要前提。
2018年8月，教育部印發(fā)了《關于開(kāi)展人工智能(néng)助推教師隊伍建設行動試點工作的通知》[2]，提出在試點學(xué)校開(kāi)展教師大數據行動，“通過(guò)采集教師各方信息，彙聚成(chéng)教師大數據，建立教師數字畫像，以支持學(xué)校決策，改進(jìn)教師管理，優化教師服務”。當前，雲計算、大數據和人工智能(néng)等新一代信息技術快速發(fā)展，無處不在的數據構成(chéng)了“互聯網+”世界的分子，數據的指數式增長(cháng)和數據采集技術的快速升級也讓教研邁入了“數據驅動”的時代。教師專業發(fā)展生涯中産生的多模态數據能(néng)夠描摹出其個體畫像，爲精準教研的多維應用提供數據支撐。因此，本研究將(jiāng)聚焦如何通過(guò)教研數據構建教師畫像，研究其邏輯框架和實現流程，以及教師畫像最終如何驅動和服務精準教研。
二、精準教研視域下的教師畫像
(一)教研需要精準“表征、發(fā)現和預測”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(xué)領域。Lindsley最早提出“精準教學(xué)”的概念，他認爲精準教學(xué)是指學(xué)習者利用标準化工具持續記錄和監控自身的學(xué)業成(chéng)就變化，爲教師決策提供數據支持的過(guò)程。Lindsley 通過(guò)實踐證明這(zhè)種(zhǒng)方式能(néng)夠有效表征學(xué)情，便于教師提供個性化輔導，大大提高了學(xué)習者的學(xué)習效益[3]。近年來，對(duì)教師發(fā)展的精準性研究開(kāi)始受到關注。在精準扶貧的政策背景下，教育幫扶成(chéng)爲重要突破口[4]，如何通過(guò)對(duì)教師精準培訓來促進(jìn)落後(hòu)地區的教育均衡發(fā)展成(chéng)了關注焦點[5-6]。然而，精準培訓不應隻關注落後(hòu)地區，培訓也不是教師發(fā)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(fā)展路徑[7]。由于教師的年齡、任教經(jīng)曆、學(xué)習風格等主體特征具有較大的個體差異性，精準“表征、發(fā)現和預測”不同教師個體的特征、需求、偏好(hǎo)和行爲是精準教研的三大現實需求。
首先，需要實時客觀表征教師的教研特征。在教研活動中，教師希望能(néng)夠客觀認知自己的教研軌迹，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具備什麼(me)群體特征，有哪些教研行爲習慣等。客觀表征能(néng)夠爲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(fā)現教師的教研需求和偏好(hǎo)。教師參與教研的主要目的是爲了提升專業技能(néng)和自身競争力，因此，教師希望教研平台主動推薦符合自身需求和興趣的資源和服務，涵蓋教師感興趣的、近期關注的以及不擅長(cháng)但重要的教研主題，降低教師的主動檢索成(chéng)本。
最後(hòu)，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，能(néng)夠預測和預警教師的教研行爲，是精準教研在大數據時代的新需求，多模态數據采集技術的發(fā)展爲此提供了可能(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，爲教師提供更加優化的教研服務。
(二)通過(guò)教師畫像能(néng)夠有效服務精準教研
用戶畫像的概念源于企業。随著(zhe)互聯網的發(fā)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盈利，采集大量用戶數據以分析其行爲習慣，助力産品的精準設計和精準營銷。交互設計之父Alan Cooper最早提出用戶畫像(Persona)的概念，他認爲用戶畫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，用戶畫像就是爲特定對(duì)象打上“數字化标簽”的過(guò)程，畫像構建需要采集大量真實有效的用戶數據，對(duì)這(zhè)些數據進(jìn)行聚類和抽象，利用數據集訓練和優化畫像模型，生成(chéng)一個個具有明确含義、可表征和預測用戶行爲的語義化标簽。
文獻顯示，近年來用戶畫像的應用研究主要集中于醫學(xué)、心理學(xué)、情報科學(xué)和行爲科學(xué)等領域，其共同點是通過(guò)人的外顯行爲挖掘内隐因素，如人的病因、行爲動機或需求。大數據支持將(jiāng)人“數據化”，進(jìn)而更客觀地挖掘和解讀内隐信息。同時，計算機科學(xué)爲用戶畫像提供了技術支持，關注如何借助用戶畫像技術實現個性化表征和精準推薦[9]，涵蓋用戶标簽體系的創建[10]、畫像建模[11]、用戶畫像應用效果評估[12]等方面(miàn)。
教育是研究人的學(xué)習行爲的學(xué)科。基于此，用戶畫像技術在教育領域的應用同樣(yàng)具有需求指向(xiàng)性和實施可行性。當前，教育領域的用戶畫像研究已經(jīng)興起(qǐ)，有研究者對(duì)學(xué)習者畫像在精準教學(xué)中的意義和實現途徑進(jìn)行了闡述。例如，陳海建等人構建了遠程學(xué)習者畫像并證明這(zhè)對(duì)個性化教學(xué)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學(xué)習者，通過(guò)構建畫像來聚類不同特征的學(xué)習者群體，旨在研究影響不同群體學(xué)習效果的因素或指标。在教師畫像研究領域，陳堯在技術實現上，通過(guò)學(xué)生評教數據構建了教師畫像模塊[16];方丹丹等人則對(duì)教師畫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(liǎng)項教師畫像研究，但并未聚焦于教師教研，在教研視域下開(kāi)展的教師畫像系統研究尚屬空白。本研究提出的教師畫像是指通過(guò)抓取和分析與教師教研緊密相關的數據，通過(guò)數據挖掘和用戶畫像技術來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)和行爲。
三、數據驅動教師畫像的實現
數據是指對(duì)客觀事(shì)件進(jìn)行記錄并可以鑒别的符号，具有描述現象、發(fā)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]，從下往上依次是數據、信息、知識和智慧，處于上方的信息、知識和智慧全都(dōu)離不開(kāi)數據的表征。教師畫像的構建需要有效運用全過(guò)程多模态的教研數據，才能(néng)有效地表征教研情況、發(fā)現隐性信息和預測教師教研行爲變化，以支持教研決策智慧的生成(chéng)。
(一)智能(néng)技術與教研數據采集
智能(néng)技術的興起(qǐ)和教育應用，使各類教研數據以更大容量和更快速度産生和彙聚于各類便捷的智能(néng)設備中，形成(chéng)“教研大數據”。教育是一個複雜的育人系統，對(duì)包括教研在内的一切教育決策的容錯性較小，數據驅動的教師畫像要求科學(xué)精準;此外，參與教研隻是教師衆多社會(huì)屬性之一，指向(xiàng)精準教研的教師畫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)大小，本研究更強調數據的“教研相關性”和“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、富媒體技術和感知技術。
網絡技術支持抓取描摹教師教研行爲軌迹的網絡數據，如教研社交網站公開(kāi)數據和教研管理平台用戶日志。教研管理平台面(miàn)向(xiàng)所有參研教師，提供教師需要的教研資源以及同伴交流、聽評課和個人電子檔案袋等線上功能(néng)模塊，這(zhè)些數據具有較高教研相關性和價值;教研社交網站爲教師提供了跨時空的同伴交流平台，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聲像和超鏈接等多種(zhǒng)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(chéng)果多以富媒體形式呈現，如教學(xué)設計、課例視頻等，這(zhè)類非結構化數據提升了教研數據的可挖掘性，但也對(duì)數據采集和處理提出了更大挑戰。
感知技術支持抓取教師在教研過(guò)程中産生的聽覺、視覺和觸覺等感知交互數據，這(zhè)類技術借助智能(néng)終端或可穿戴設備實時獲取教師的感官數據，如教師的語言、行爲、面(miàn)部情緒、眼神等，能(néng)夠輔助發(fā)現教師教研的内隐信息。
相較于一般網絡用戶數據，教研數據具有更高更特殊的用戶價值，因其關乎教師群體的隐私，并且伴有學(xué)生數據以及其他教育數據，因此，在數據采集前應使利益相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)五類數據描摹教師教研全過(guò)程
爲了從多維度對(duì)教師進(jìn)行精準畫像，需要對(duì)教師的教研數據進(jìn)行分類。綜合考慮教師畫像需求和數據的可及性，涵蓋教師的人口統計學(xué)、内隐心理和外顯行爲等特征，本研究提出了教師畫像所需的五大類教研數據，具體見表1。
表 1 教師教研數據的類别與來源
(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，初步描摹教師畫像的輪廓，此類數據結構較爲簡單，包含明确的屬性和元組，可以通過(guò)教師人事(shì)系統或教研管理平台直接導入完成(chéng)采集。(2)教研心理數據是指反映教師參與教研過(guò)程的心理狀态數據，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(guò)問卷調查或訪談等方法獲取，爲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、交互時間和交互頻率等，此類數據可以判斷和預測教師的興趣和偏好(hǎo)。(4)教研行爲數據涵蓋教師線上浏覽、評論和下載教研資源、在線磨課、在線聽評課等教研行爲。對(duì)于發(fā)生在線下的教研行爲，可以通過(guò)視頻采集系統記錄、标注和分析，實現線下數據的數字化轉換。(5)教研成(chéng)果數據是教師在教研過(guò)程中伴随式産出的數字化成(chéng)果，如教學(xué)設計、教學(xué)案例、科研論文等，該類數據能(néng)夠反映教師關注的學(xué)科主題和教研的階段性成(chéng)效。五類數據相輔相成(chéng)，共同構建出教師畫像。
(三)數據間的有效關聯，使教師畫像更豐富精準
數據并非僅有單一的使用維度和價值指向(xiàng)，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像，需要在保證核心教研數據完整采集的基礎上，盡可能(néng)多地有效關聯其他對(duì)教師畫像有價值的數據。如圖1所示，從不同主體的視角看，與教師教研相關的還(hái)有教師的課程教學(xué)數據、學(xué)生學(xué)情大數據、學(xué)校的公開(kāi)教育數據以及區域教育部門的教育大數據，組成(chéng)了構建教師畫像的外延數據。這(zhè)些數據通過(guò)多維度和多層次關聯，能(néng)夠搭載不同的教研應用場景并發(fā)揮作用。
圖 1 不同主體之間的教育數據關聯
(1)教師的課程教學(xué)數據是指教師日常教學(xué)實踐産生的行爲數據，此類數據不在教研範疇内，但教研與教學(xué)息息相關，分析課程教學(xué)行爲能(néng)夠更好(hǎo)地指向(xiàng)教師在教研中存在的問題;(2)學(xué)生的學(xué)情大數據可以構建學(xué)生畫像，爲師生畫像的匹配應用提供基礎;(3)學(xué)校公開(kāi)教育數據可以反映教師個體的專業發(fā)展情境;(4)教育部門擁有的區域教育大數據能(néng)夠豐富教師群體畫像的數據維度。聚焦核心教研數據可以使教師畫像更精準，而有效關聯核心數據和外延數據可以使教師畫像更豐富。
四、數據挖掘技術支持的教師畫像邏輯框架與實現流程
畫像建構要以真實性、科學(xué)性和精準性爲原則。表征和預測教師在教研過(guò)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)實性參考和預測性依據。本研究提出了精準教研視域下的教師畫像的邏輯框架和實現流程，如圖2所示。
圖 2 教師畫像的邏輯實現框架
(一)教研數據預處理
在智能(néng)技術的支持下，教研數據采集得以完成(chéng)。由于數據來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(jìn)行預處理，這(zhè)更方便計算機進(jìn)行後(hòu)續數據處理。關鍵的技術思路和步驟包括數據清理(Data Cleaning)、數據集成(chéng)(Data Integration)、數據歸約(Data Reduction)和數據變換(Data Transforming)[19]。
數據清理主要是對(duì)屬性缺失和不符合畫像目标的值進(jìn)行偏差檢測，再利用清理工具進(jìn)行變換或處理。例如采集社會(huì)交互數據過(guò)程中可能(néng)爬取了教師在公開(kāi)網站上的日常交互數據，這(zhè)些數據沒(méi)有指向(xiàng)教研活動，價值甚微。數據集成(chéng)是指把采集到的異源教研數據集成(chéng)至同一邏輯視圖中。爲保證教師畫像後(hòu)續構建的準确性和易操作性，需要先建立一個教師畫像數據庫管理系統，在該系統中合并、處理和管理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數據值沖突的檢測和解決。接下來需要對(duì)這(zhè)些可能(néng)非常龐大的數據集進(jìn)行歸約，通常有維歸約、數量歸約和數據壓縮三種(zhǒng)思路和策略。數據變換是指將(jiāng)數據變換統一成(chéng)适合畫像挖掘的格式[20]。
(二)教師畫像模型構建
教師畫像模型的構建是至關重要的一步，本研究的教師畫像模型基于前面(miàn)的五大類教研數據分别進(jìn)行建模，形成(chéng)教師特征模型、教研心理模型、社會(huì)交互模型、教研行爲模型和教研成(chéng)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，最終生成(chéng)事(shì)實标簽、模型标簽或預測标簽。
統計分析生成(chéng)事(shì)實标簽。對(duì)于描述既定事(shì)實的數據，可以利用文本挖掘算法、自然語言處理方法將(jiāng)原始數據按照特定的統計算法生成(chéng)事(shì)實标簽，事(shì)實标簽是預測标簽的基礎。比如通過(guò)教研管理系統中的用戶設置獲取教師的個人信息，如性别、年齡和教齡等，直接統計轉化生成(chéng)教師特征标簽。
建模分析生成(chéng)模型标簽。建模分析是教師畫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(guò)定義規則和關聯數據才能(néng)生成(chéng)的标簽實例，它是教師标簽體系的核心。教師畫像模型可以通過(guò)機器學(xué)習算法進(jìn)行特征提取和選擇，輸入大量數據訓練集，選擇适宜算法進(jìn)行訓練，不斷優化并達到訓練标準。比如要爲M教師參與某教研活動的滿意度打上數字化标簽，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(chéng)果等數據，并計算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、數據量和随機誤差之間的數學(xué)關系決定[21]，最終得到一個M教師滿意程度的标簽。
模型預測生成(chéng)預測标簽。在事(shì)實标簽和模型标簽的基礎上，可以通過(guò)預測算法和聚類算法對(duì)模型進(jìn)行訓練優化，輸出更多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的專業發(fā)展短闆，或是通過(guò)識别教師高頻浏覽的教研資源來預測教師下一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。假設教師任教學(xué)科的信息丢失了，而在社會(huì)交互模型中，預測算法通過(guò)語義判斷教師與同伴交流過(guò)程中主題關鍵詞多爲英語教學(xué)方面(miàn)的内容，初步判别該教師的交互圈中多爲英語學(xué)科教師，則該教師在一定概率上也可能(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，需要根據不同畫像标簽的特點和需求選擇建模算法，以此優化教師畫像，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(miàn)向(xiàng)場景應用的教師個體标簽體系(Personal Tags System)是在教研數據基礎上，通過(guò)合理有效的模型和算法爲不同教師打上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像标簽體系如圖3所示，X、Y、Z三個維度分别描述了标簽體系的不同屬性，立體化指向(xiàng)精準教研應用場景。
圖 3 教師畫像的個體标簽體系
教師畫像标簽體系的X維是五類标簽，由左往右分别是教師特征标簽、教研心理标簽、社會(huì)交互标簽、教研行爲标簽和教研成(chéng)果标簽，每類标簽的原始數據對(duì)應表1的數據分類。從數據的時效性看，從左往右也可以將(jiāng)标簽分爲靜态屬性标簽和動态屬性标簽。前者是指相對(duì)穩定不變的教研數據，例如人口統計學(xué)屬性的數據：教師的基本信息、教育背景和工作經(jīng)曆。動态屬性标簽是指根據用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。
教師畫像标簽體系的Y維是每一類标簽的下級标簽集合。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，其他标簽同理類推。
教師畫像标簽體系的Z維是标簽屬性。由教師畫像構建可知，事(shì)實标簽、模型标簽和預測标簽三種(zhǒng)不同屬性标簽基于不同數據處理方法而産生，三種(zhǒng)标簽的平衡搭配能(néng)夠提高教師畫像表征、發(fā)現與預測教研行爲的精準性和可靠性。
(四)教師畫像質量評估
面(miàn)對(duì)每位教師的個性化畫像，如何對(duì)畫像的質量進(jìn)行評估是畫像輸出應用之前的重要環節。質量評估需要評價已生成(chéng)的畫像在多大程度滿足精準教研的需求，即表征、發(fā)現和預測教師的教研特征、需求、偏好(hǎo)和行爲有效程度多高，常用的評估指标包括準确率、覆蓋率和時效性。
首先，準确率是畫像質量評估的首要指标。準确率的驗證可以通過(guò)抽取部分測試數據集來計算正确的教師标簽數量占教師标簽總樣(yàng)本的比值。其次，覆蓋率的驗證則通過(guò)計算标簽覆蓋的教師比值來評價标簽覆蓋廣度，計算覆蓋教師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組互斥指标，在畫像的評估和叠代改進(jìn)中需要權衡取舍，在保證準确率的前提下，盡可能(néng)提高畫像模型的覆蓋率。最後(hòu)，時效性對(duì)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(hǎo)标簽以及教研行爲變化軌迹标簽等，需要有良好(hǎo)的更新機制來保障此類标簽的時效性。
五、教師畫像支持的教研應用場景
在評估、反饋和叠代優化之後(hòu)，可以通過(guò)教師畫像管理系統的可視化工具輸出教師畫像。通常使用标簽雲來呈現出教師個體的完整畫像，繼而統計生成(chéng)專業詳盡的教師教研分析報告，爲頂層的教研應用場景提供服務，如圖3所示。
(一)對(duì)照個體畫像，促進(jìn)教師自身認知與發(fā)展
教師既是畫像的核心對(duì)象，也是畫像的首要服務用戶。語義明确的數字化标簽構成(chéng)了教師個人的專業發(fā)展報告，可視化呈現了教師參與教研過(guò)程的績效表現，是教師數據化的自我，能(néng)夠促進(jìn)其對(duì)自身更加客觀和深層次的認知與評價。
首先，教師借助畫像進(jìn)行教研績效的自我診斷和評價。教師往往缺乏對(duì)所參與的教研活動反思的自主性，教師畫像作爲工具輔助教師回憶和審視教研活動全過(guò)程，幫助其多維度認知行爲表現、優缺點和現存疑問等，摒棄以往片面(miàn)的經(jīng)驗性感知。其次，教師借助畫像規劃專業發(fā)展路線。在時代和政策的導向(xiàng)下，教師參照優秀教師的畫像，對(duì)比自身不足，了解自身的角色定位，制定專業發(fā)展規劃，這(zhè)能(néng)夠督促和引導教師不斷提升自我。最後(hòu)，教師借助自身畫像優化課堂教學(xué)。教師畫像中包含同伴聽課的評價标簽，同時，關聯學(xué)生學(xué)習數據和評教數據。積極的評價能(néng)極大增強教師的效能(néng)感，激勵他們朝更高目标繼續努力，較低的評價也能(néng)幫助教師診斷自身教學(xué)能(néng)力，有針對(duì)性地訓練特定的教學(xué)技能(néng)。
(二)整合群體畫像，驅動教育決策者循證管理
對(duì)于決策者而言，當教師畫像管理系統存儲的畫像樣(yàng)本量足夠大的時候，教師的群體畫像整合而成(chéng)的發(fā)展報告可以呈現本校或本區域全體教師的教研總體情況，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。
其一是教研活動的評價和管理。在國(guó)家日益重視教師隊伍建設的背景下，通過(guò)數據實現更加适配教師專業發(fā)展的精準評價，是反促教研效能(néng)提升的重要抓手，教師畫像可以更加客觀地對(duì)教師進(jìn)行基于過(guò)程的伴随式教研評價。基于教師畫像報告，決策者可以在區域範圍内將(jiāng)優秀學(xué)校或優秀教師隊伍的專業發(fā)展軌迹進(jìn)行特征抽取，形成(chéng)優秀教師畫像數據庫進(jìn)行經(jīng)驗和方法的分享，帶動新手教師快速成(chéng)長(cháng)，促進(jìn)協同發(fā)展。對(duì)于教研效能(néng)低下的學(xué)校或教師隊伍，需要仔細分析成(chéng)因，吸收優秀教師隊伍的經(jīng)驗，從教研資源分配、教研環境規劃、教研專家輔助各方面(miàn)對(duì)症下藥，針對(duì)教研的痛點、難點調整和規劃新一輪教研計劃，并持續監控和預警該群體的發(fā)展狀況。
其二是區域教研資源精準配置。我國(guó)地域間信息化水平差異巨大，不同地區的教師隊伍發(fā)展需求不同。教研員作爲教師專業發(fā)展的指導者和引領者、教研活動的設計組織者，需要爲不同實際的區域提供個性化解決方案。一方面(miàn)，教研員可以利用教師群體畫像爲不同需求的教師設計個性化教研活動。以往教師培訓爲所有教師提供“千人一面(miàn)”的研修服務，有了教師畫像，教研員可以在設計研修活動之前對(duì)教師群體進(jìn)行特征分析，抽取存在相似需求的，來自不同學(xué)科、不同學(xué)校甚至不同區域的教師組成(chéng)小型工作坊，提供更加沉浸适切的研修活動，提高教師興趣和教研效率，讓每一次研修都(dōu)能(néng)産生實質性效能(néng)。另一方面(miàn)，教研員可以爲貧困落後(hòu)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、教研資源和教師發(fā)展策略，提升專業發(fā)展機會(huì)公平性，改善貧困地區教育落後(hòu)帶來的惡性循環發(fā)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(xiàng)性，以往由于數據采集和分析技術的落後(hòu)，限制了決策者對(duì)大範圍教師專業發(fā)展現狀的考察，隻能(néng)通過(guò)抽樣(yàng)調查和實地走訪等形式了解小樣(yàng)本的情況，難免存在數據不全面(miàn)、不準确，甚至“一刀切”的現象，而基于教師畫像庫，教師隊伍建設政策和方針的制定可從經(jīng)驗決策轉向(xiàng)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(néng)推薦引擎是教育領域的關注焦點，基于學(xué)習者認知模型構建智能(néng)推薦引擎，自适應地爲用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爲參與者，也是自主發(fā)展的特殊學(xué)習者，更加需要優質的資源和服務來支持其專業發(fā)展。精準的教師畫像可以客觀描述教師的個體特征，還(hái)可以跟蹤發(fā)現和動态預測教師的興趣和需求變化，這(zhè)爲教研資源供應方的服務優化提供了參考方向(xiàng)。
一方面(miàn)，教師畫像能(néng)夠支持已有教研資源的精準推薦。教師畫像中社會(huì)交互類标簽和教研行爲标簽能(néng)夠表征和預測教師的需求及偏好(hǎo)，這(zhè)些數據在個性化推薦引擎中表征不同教師的學(xué)習需求和學(xué)習風格。教研管理系統據此以良好(hǎo)的資源組織形式和推送途徑，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、教研共同體組織和信息化教學(xué)工具等，還(hái)可以爲教師制定專業發(fā)展路線。具體的實現思路爲：將(jiāng)教師群體畫像導入教研資源智能(néng)推薦引擎，通過(guò)改進(jìn)符合教師特征的學(xué)習者模型，訓練教研資源的語義表征，完成(chéng)教師個體和資源的雙向(xiàng)匹配。
另一方面(miàn)，教師畫像還(hái)能(néng)輔助面(miàn)向(xiàng)需求的教研資源精準設計。在開(kāi)發(fā)教研資源之前，傳統用戶研究的方式是進(jìn)行走訪調查，隻了解部分教師代表的訴求，沒(méi)法量化對(duì)某一資源設計的系統性評價，盲目開(kāi)發(fā)而導緻資源浪費。如果能(néng)夠精确了解目标用戶的需求，例如通過(guò)标簽聚類對(duì)教師群體進(jìn)行同質或異質的聚合，了解到年輕教師偏好(hǎo)資源的功能(néng)豐富性，年長(cháng)教師更注重資源的易用性，教研資源服務提供方將(jiāng)能(néng)精準地爲不同類型的教師設計資源并精準投放，實現雙赢。
(四)搭載學(xué)生畫像，支持師生個性化配對(duì)
教師通過(guò)教研促進(jìn)專業發(fā)展，最終是爲了服務教學(xué)而促進(jìn)學(xué)生發(fā)展。教育界對(duì)“因材施教”的個性化教學(xué)的要求和呼聲越來越高，傳統學(xué)校教育中每一位學(xué)科教師固定負責一群學(xué)生的教學(xué)，學(xué)生之間的學(xué)習風格迥異，對(duì)知識點的接受方式和接受頻率不一，即使目前已經(jīng)開(kāi)始在課堂教學(xué)中引入大數據分析技術，教師能(néng)夠了解不同學(xué)生的學(xué)情，但一位教師在課堂上仍無力滿足幾十位學(xué)生的個性化需求。“雙師服務”提出爲每位學(xué)生匹配在線教師，提供一對(duì)一的個性化輔導[22]。將(jiāng)教師畫像和學(xué)生畫像進(jìn)行匹配，將(jiāng)能(néng)夠支持這(zhè)一應用場景的有效實現。學(xué)生在學(xué)業上遇到難題，平台能(néng)夠爲其推薦和匹配最擅長(cháng)該知識點的在線教師;平台能(néng)夠將(jiāng)教師的教學(xué)風格和學(xué)生的學(xué)習風格進(jìn)行模型構建，輸出相互适配的師生組合;教師可以基于學(xué)生畫像，精确了解學(xué)生的認知結構、學(xué)習需求、學(xué)習短闆等，反過(guò)來激勵教師更有針對(duì)性地參與教研活動，提升教學(xué)技能(néng)和水平。
六、結 語
教師隊伍建設邁入了新時代，教師教研也面(miàn)臨著(zhe)精準化的需求和契機。數據驅動的教師畫像，爲此提供了一種(zhǒng)技術解決方案。當前，在國(guó)内對(duì)教研視域下的教師畫像研究尚屬空白的背景下，本文系統探讨了教師畫像構建的必要性、可行性和具體實施方法，并闡釋了相關應用場景。對(duì)教師畫像的關注必將(jiāng)引發(fā)更多相關研究，未來，教師畫像在精準教研中的應用落地和實踐檢驗是重點，同時，還(hái)需要重點加強教師畫像實現技術中的多源數據采集、數據标準統一、數據開(kāi)放共享和數據隐私保護等工作和研究。
【參考文獻】
[1] 中共中央國(guó)務院關于全面(miàn)深化新時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)展人工智能(néng)助推教師隊伍建設行動試點工作的通知[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(guó)教育學(xué)刊，2018(4)：42-46.
[6] 趙興龍.互聯網時代鄉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.大數據知識發(fā)現的教師成(chéng)長(cháng)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，黃河笑.開(kāi)放式教學(xué)下的學(xué)習者畫像及個性化教學(xué)探讨[J].開(kāi)放教育研究，2017，23(3)：105-112.
[14] 肖君，喬惠，李雪嬌.基于xAPI的在線學(xué)習者畫像的構建與實證研究[J].中國(guó)電化教育，2019(1)：123-129.
[15] 張雪，檀悅穎，羅恒.在線學(xué)習非母語學(xué)習者群體研究：類别畫像與行爲特征分析[J].現代遠距離教育，2019(1)：18-26.
[16] 陳堯.教師畫像與評分系統的設計與實現[D].重慶：重慶大學(xué)，2018.
[17] 方丹丹，王海濤，李穎， 等.對(duì)外經(jīng)濟貿易大學(xué)用大數據描繪“教師畫像”[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].計算機科學(xué)，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，等譯.北京：機械工業出版社，2012：61-66.
[21] 陳臣，馬曉亭.基于小數據的圖書館用戶精準畫像研究[J].情報資料工作，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(guó)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
基金項目：國(guó)家社會(huì)科學(xué)基金教育學(xué)一般課題“面(miàn)向(xiàng)'互聯網+’的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，江西奉新人。教授，博士，主要從事(shì)信息化教學(xué)教研、智慧教學(xué)的理論與應用等方面(miàn)的研究。