對(duì)外經(jīng)濟(jì)貿(mào)易大學(xué)用大數(shù)據(jù)描繪“教師畫(huà)像”

文/方丹丹 王海濤 李穎 張燁青

對(duì)外經(jīng)濟(jì)貿(mào)易大學(xué)用大數(shù)據(jù)描繪“教師畫(huà)像”

文/方丹丹 王海濤 李穎 張燁青

隨著互聯(lián)網(wǎng)和大數(shù)據(jù)技術(shù)的發(fā)展，人們可以通過(guò)網(wǎng)絡(luò)獲取到用戶的海量數(shù)據(jù)，通過(guò)對(duì)海量數(shù)據(jù)進(jìn)行多維度的數(shù)據(jù)分析，能夠?qū)崿F(xiàn)精準(zhǔn)快速地分析用戶的特征和行為習(xí)慣。用戶畫(huà)像（User Profile）的概念應(yīng)運(yùn)而生，它完美地抽象出一個(gè)用戶的信息全貌。用戶畫(huà)像應(yīng)用到學(xué)校的信息化環(huán)境中，催生出了“教師畫(huà)像”的概念。“教師畫(huà)像”是通過(guò)對(duì)學(xué)校信息化系統(tǒng)和校園網(wǎng)數(shù)據(jù)分析教師的數(shù)據(jù)信息，將教師“數(shù)據(jù)化”，本研究中的“教師畫(huà)像”均基于此概念。

職業(yè)發(fā)展是個(gè)人在自我認(rèn)知的基礎(chǔ)上，對(duì)決定個(gè)人職業(yè)發(fā)展的主客觀因素進(jìn)行分析，并結(jié)合個(gè)人發(fā)展和組織發(fā)展的雙重需要，確定職業(yè)發(fā)展目標(biāo)、規(guī)劃職業(yè)發(fā)展的各個(gè)方面，根據(jù)目標(biāo)的實(shí)現(xiàn)程度，不斷反饋和調(diào)整，最終實(shí)現(xiàn)既定目標(biāo)的過(guò)程。合理的職業(yè)發(fā)展規(guī)劃對(duì)教師的發(fā)展尤其重要，其職業(yè)發(fā)展發(fā)展如何，決定了教師的生命質(zhì)量和教育質(zhì)量。“教師畫(huà)像”通過(guò)分析挖掘教師個(gè)人信息中的知識(shí)與規(guī)律，創(chuàng)新研究教師職業(yè)發(fā)展的路徑，教師在自我認(rèn)知的數(shù)據(jù)分析基礎(chǔ)之上，制定個(gè)人的職業(yè)發(fā)展規(guī)劃。

特征工程理論

特征工程是機(jī)器學(xué)習(xí)領(lǐng)域的一個(gè)重要概念，目前并沒(méi)有普遍接受的定義，一般可以認(rèn)為是為機(jī)器學(xué)習(xí)應(yīng)用而設(shè)計(jì)特征集的相關(guān)工作。在機(jī)器學(xué)習(xí)領(lǐng)域，特征是用于預(yù)測(cè)的一種獨(dú)立的、可描述的、可測(cè)量的屬性，在結(jié)構(gòu)化的數(shù)據(jù)表中，數(shù)據(jù)由不同的變量或者屬性構(gòu)成，這里的屬性其實(shí)就是特征，但與屬性一詞不同的是，特征是對(duì)于分析解決問(wèn)題有用的、有價(jià)值的、有意義的屬性。選擇合理的、全面的、信息量足夠大的、有差別性的特征是機(jī)器學(xué)習(xí)的關(guān)鍵步驟。

特征工程的本質(zhì)是一項(xiàng)工程活動(dòng)，其目的是用目標(biāo)問(wèn)題所在的特定領(lǐng)域知識(shí)或者自動(dòng)化的方法從原始數(shù)據(jù)中提取或生成特征，以供機(jī)器學(xué)習(xí)所使用。

基于特征工程構(gòu)建“教師畫(huà)像”

構(gòu)建教師畫(huà)像的核心工作是為教師打標(biāo)簽，打標(biāo)簽的目的是為了用數(shù)據(jù)描述人物，方便人們理解，并且能夠讓計(jì)算機(jī)進(jìn)行處理。標(biāo)簽可以看做特征的一種表現(xiàn)方式，因此，教師畫(huà)像比其他的機(jī)器學(xué)習(xí)更加依賴特征工程，利用特征工程來(lái)提取教師這些“標(biāo)簽化”的特征。在提取“標(biāo)簽化”特征的過(guò)程中，模型和算法的選擇非常重要，合適的模型和算法更能夠逼近真實(shí)的特征。

教師畫(huà)像的特征提取和預(yù)處理

1.數(shù)據(jù)采集

本研究的原始數(shù)據(jù)提取主要來(lái)自業(yè)務(wù)數(shù)據(jù)、用戶日志數(shù)據(jù)、網(wǎng)頁(yè)公開(kāi)數(shù)據(jù)爬取等方式。來(lái)自學(xué)校業(yè)務(wù)系統(tǒng)的數(shù)據(jù)一般都是存在MySQL、Oracle、SQlserver等數(shù)據(jù)庫(kù)中，比如教師的基本屬性、專(zhuān)業(yè)技能、獎(jiǎng)勵(lì)榮譽(yù)、培訓(xùn)進(jìn)修等數(shù)據(jù)來(lái)自學(xué)校人力資源管理系統(tǒng)，科研成果來(lái)自科研管理系統(tǒng)，教學(xué)成果來(lái)自教務(wù)管理系統(tǒng)；上網(wǎng)行為來(lái)自校內(nèi)網(wǎng)絡(luò)日志數(shù)據(jù)，記錄用戶的瀏覽搜索等行為；消費(fèi)數(shù)據(jù)、閱讀偏好數(shù)據(jù)來(lái)自對(duì)主流互聯(lián)網(wǎng)平臺(tái)的公開(kāi)數(shù)據(jù)的爬取。

2. 數(shù)據(jù)清洗

數(shù)據(jù)清洗主要解決原始數(shù)據(jù)的異常數(shù)據(jù)、重復(fù)數(shù)據(jù)、缺失數(shù)據(jù)和不規(guī)范數(shù)據(jù)。

（1）數(shù)據(jù)類(lèi)型檢查

原始數(shù)據(jù)里的數(shù)據(jù)類(lèi)型可能有很多不一致的，比如出生日期，有的是字符串類(lèi)型，有的是日期類(lèi)型，需要轉(zhuǎn)換成同一類(lèi)型或者從身份證號(hào)里截取。比如年齡，有的是數(shù)值類(lèi)型，有的是字符串類(lèi)型，可以根據(jù)身份證號(hào)來(lái)計(jì)算，并設(shè)置成同一類(lèi)型。

圖1 數(shù)據(jù)采集和預(yù)處理流程

（2）缺失值處理

原始數(shù)據(jù)存在大量缺失值，有很多重要屬性數(shù)據(jù)的缺失，改變了原始數(shù)據(jù)的真實(shí)有效性，對(duì)數(shù)據(jù)模型的效果存在很大的影響，因此，需要對(duì)缺失值進(jìn)行處理，本研究采用了人工干預(yù)的方法和機(jī)器學(xué)習(xí)的插補(bǔ)方法，人工干預(yù)主要應(yīng)用在業(yè)務(wù)系統(tǒng)數(shù)據(jù)上，教師的基本屬性、科研成果、教學(xué)成果、獎(jiǎng)勵(lì)榮譽(yù)等信息存在缺失值時(shí)，進(jìn)行人工補(bǔ)錄；機(jī)器學(xué)習(xí)的插補(bǔ)方法主要應(yīng)用在無(wú)法進(jìn)行人工補(bǔ)錄的業(yè)務(wù)系統(tǒng)數(shù)據(jù)、用戶日志數(shù)據(jù)和網(wǎng)頁(yè)公開(kāi)爬取的數(shù)據(jù)上，插補(bǔ)方法多數(shù)采用均值插補(bǔ)或多重插補(bǔ)。

（3）異常值分析過(guò)濾

異常值分析過(guò)濾是分析檢查原始數(shù)據(jù)中是否有錯(cuò)誤數(shù)據(jù)或者不合理數(shù)據(jù)，如果有，需要對(duì)這些數(shù)據(jù)進(jìn)行處理，不重要的屬性可以刪除，重要的屬性要進(jìn)行修改。常見(jiàn)的異常值分析過(guò)濾的方法有簡(jiǎn)單統(tǒng)計(jì)量分析法，設(shè)定數(shù)據(jù)值的范圍，如果超過(guò)了最大值和最小值的范圍，即判定為異常值，例如在職教師的年齡，設(shè)定最大值為65，最小值為20，超過(guò)這一數(shù)值范圍的即判定為異常，篩選出來(lái)后進(jìn)行相應(yīng)的處理。

還有一種異常值分析過(guò)濾方法為正態(tài)分布3σ原則，正態(tài)分布又名高斯分布，曲線以x=μ為對(duì)稱(chēng)軸，σ代表標(biāo)準(zhǔn)差，μ代表均值，3σ原則為：數(shù)值分布在（μ-σ,μ+σ)中的概率為0.6826，數(shù)值分布在（μ-2σ,μ+2σ)中的概率為0.9544，數(shù)值分布在（μ-3σ,μ+3σ)中的概率為0.9974，分布在（μ-3σ,μ+3σ)區(qū)間外的取值概率不到0.3%。可以認(rèn)為凡分布在（μ-3σ,μ+3σ)區(qū)間外的數(shù)值，就屬于異常值，應(yīng)予以剔除。該方法僅局限于對(duì)正態(tài)或近似正態(tài)分布的樣本數(shù)據(jù)處理。

（4） 特殊字符處理

原始數(shù)據(jù)的某些字段中包含空格、換行符、制表符等特殊字符，這些特殊字符會(huì)影響到數(shù)據(jù)統(tǒng)計(jì)分析，因此有必要清洗掉這些字符。

3. 數(shù)據(jù)預(yù)處理

數(shù)據(jù)預(yù)處理是對(duì)原始數(shù)據(jù)里面的臟數(shù)據(jù)進(jìn)行處理，這些臟數(shù)據(jù)會(huì)極大地影響最后模型的效果，所以數(shù)據(jù)預(yù)處理是非常重要的一個(gè)步驟。數(shù)據(jù)預(yù)處理包括數(shù)據(jù)集成、數(shù)據(jù)變換、數(shù)據(jù)歸約等。

教師畫(huà)像特征選擇

標(biāo)簽是特征空間中的維度，是特征的一種呈現(xiàn)方式，因此，我們利用特征工程來(lái)提取這些“標(biāo)簽化”的特征。

特征分為直接特征和間接特征，直接特征是一些顯而易見(jiàn)的，能夠直接從信息系統(tǒng)獲取到，比如教師的性別、年齡、民族、政治面貌、籍貫、學(xué)歷、學(xué)位、研究方向、科研成果等。而間接特征是從直接特征或者各種數(shù)據(jù)組合里計(jì)算推導(dǎo)出來(lái)的，可能需要復(fù)雜的模型計(jì)算，比如閱讀偏好、科研偏好、消費(fèi)偏好、運(yùn)動(dòng)偏好等。

以閱讀偏好特征的生成為例，根據(jù)圖書(shū)分類(lèi)可將閱讀偏好類(lèi)型分為經(jīng)濟(jì)類(lèi)、文化類(lèi)、藝術(shù)類(lèi)、語(yǔ)言文學(xué)類(lèi)、歷史地理類(lèi)、科學(xué)類(lèi)、教育類(lèi)、工業(yè)技術(shù)類(lèi)等，值處理為1、2、3、4、5、6、7、8，樣本數(shù)據(jù)選擇性別、年齡、研究方向、講授課程、研究成果、借閱圖書(shū)類(lèi)別、購(gòu)買(mǎi)圖書(shū)類(lèi)別等7個(gè)內(nèi)容，每個(gè)樣本用一個(gè)多維向量來(lái)描述，x=[x1,x2,x3,x4,x5,x6,x7]，其中x1=性別，x2=年齡，x3=研究方向，x4=講授課程，x5=研究成果，x6=借閱圖書(shū)類(lèi)別，x7=購(gòu)買(mǎi)圖書(shū)類(lèi)別。采樣足夠多的樣本數(shù)據(jù)構(gòu)造訓(xùn)練集，樣本數(shù)據(jù)集規(guī)模要足夠大，一般情況下，數(shù)據(jù)集規(guī)摸越大，機(jī)器學(xué)習(xí)的效果越好， 通過(guò)監(jiān)督式學(xué)習(xí)（Supervised learning）對(duì)訓(xùn)練集進(jìn)行學(xué)習(xí)，學(xué)習(xí)出“閱讀偏好”的相關(guān)變量，得出閱讀偏好特征，并把該特征作為標(biāo)簽輸出。

教師畫(huà)像特征構(gòu)建

教師畫(huà)像的特征構(gòu)建需要對(duì)實(shí)際樣本數(shù)據(jù)進(jìn)行處理，思考數(shù)據(jù)的結(jié)構(gòu)，并需要依靠知識(shí)經(jīng)驗(yàn)，以教師職業(yè)發(fā)展規(guī)劃為目標(biāo)，結(jié)合教師的個(gè)人特征、職業(yè)特征和社會(huì)特征來(lái)構(gòu)建，一般包括教師的基本屬性、專(zhuān)業(yè)技能、科研成果、獎(jiǎng)勵(lì)榮譽(yù)、培訓(xùn)進(jìn)修、性格特征、興趣愛(ài)好、行為偏好等幾個(gè)方面，本研究中特征構(gòu)建以標(biāo)簽的形式展現(xiàn)。

標(biāo)簽是人為規(guī)定的高度精煉的特征標(biāo)識(shí)，呈現(xiàn)出兩個(gè)重要特征：語(yǔ)義化，人們能夠很方便地理解每個(gè)標(biāo)簽的含義，這也使得教師畫(huà)像模型具備實(shí)際意義；短文本，每個(gè)標(biāo)簽通常只是表示一種含義，標(biāo)簽本身無(wú)需再做過(guò)多文本分析等預(yù)處理工作，這為利用機(jī)器提取標(biāo)準(zhǔn)化信息提供了便利。以這兩個(gè)特征為依據(jù)，歸納出上表中的教師畫(huà)像標(biāo)簽。

模型與算法

不同的特征需要選擇不同的機(jī)器學(xué)習(xí)算法，選擇模型和算法的因素包括訓(xùn)練集的大小、問(wèn)題是否線性可分、特征維度大小、特征獨(dú)立性等，本研究的特征工程多采用樸素貝葉斯(Naive Bayes, NB)或Logistic回歸(Logistic Regression, LR)模型，如果條件獨(dú)立假設(shè)成立的話，樸素貝葉斯模型比Logistic回歸模型收斂的更快，只需要少量的訓(xùn)練數(shù)據(jù)即可得到有效的結(jié)果，即使條件獨(dú)立假設(shè)不成立，NB在實(shí)際中仍然表現(xiàn)出驚人的好處。比起NB的條件獨(dú)立性假設(shè)，LR不需要考慮樣本是否是相關(guān)的，LR有很多方法來(lái)對(duì)模型正則化。

變量之間很多情況下存在非線性關(guān)系，采用線性模型可能會(huì)帶來(lái)結(jié)果的偏差，因此可選擇人工神經(jīng)網(wǎng)絡(luò)或者決策樹(shù)來(lái)完成非線性的模型設(shè)計(jì)，采樣足夠多的樣本數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，建立神經(jīng)網(wǎng)絡(luò)模型,結(jié)合樣本的變量，對(duì)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行有監(jiān)督的訓(xùn)練，直到模型的損失函數(shù)值達(dá)到規(guī)定的閾值或者損失函數(shù)的值不再變化，表示該模型訓(xùn)練完成。

嘗試多種分類(lèi)器，根據(jù)交叉驗(yàn)證的結(jié)果來(lái)挑選性能最好的算法，并為模型和算法設(shè)置評(píng)價(jià)標(biāo)準(zhǔn)，不斷調(diào)整模型的各種參數(shù)，最后根據(jù)評(píng)價(jià)標(biāo)準(zhǔn)訓(xùn)練出最優(yōu)模型。

“教師畫(huà)像”在教師職業(yè)發(fā)展中的應(yīng)用

教師在進(jìn)行職業(yè)發(fā)展規(guī)劃時(shí)，最重要的前提就是了解自己，而教師畫(huà)像就是一個(gè)很好的工具，能夠讓教師很客觀地了解自己。它用抽象的數(shù)據(jù)來(lái)描述人物，通過(guò)分析挖掘用戶盡可能多的數(shù)據(jù)信息得到的一個(gè)虛擬的人物形象，以此來(lái)代表個(gè)人的背景、需求、喜好等。教師畫(huà)像在教師職業(yè)發(fā)展規(guī)劃中的具體作用如圖2所示。

自我認(rèn)知

明晰準(zhǔn)確的自我認(rèn)知是個(gè)人制訂職業(yè)發(fā)展規(guī)劃的前提和關(guān)鍵，只有認(rèn)真分析自己的實(shí)際情況，充分認(rèn)識(shí)和了解自己，才能對(duì)自己的職業(yè)方向做出正確的選擇，制訂出適合自己的職業(yè)發(fā)展之路。教師的自我認(rèn)知包括對(duì)自己的性格特征、興趣愛(ài)好、專(zhuān)業(yè)技能水平、科研成果、教學(xué)成果、獲獎(jiǎng)與榮譽(yù)、個(gè)人需求等各方面的認(rèn)識(shí)和了解，傳統(tǒng)的自我認(rèn)知建立在自己感知的基礎(chǔ)上，是感性的認(rèn)知，不是量化的，而教師畫(huà)像可以將“人”數(shù)據(jù)化，通過(guò)標(biāo)簽的方式來(lái)描述，標(biāo)簽是某一種特征的符號(hào)，如“男”、“45歲”、“黨員”、“院長(zhǎng)”、“博士生導(dǎo)師”等都是典型的教師畫(huà)像標(biāo)簽。當(dāng)然，這種基本屬性類(lèi)的標(biāo)簽是能夠被個(gè)人很容易感知和記憶的，似乎對(duì)自我認(rèn)知并沒(méi)有多大幫助，但打標(biāo)簽的重要目的是讓人容易理解并且方便計(jì)算機(jī)進(jìn)行處理，比如分類(lèi)統(tǒng)計(jì)：全校博士生導(dǎo)師有多少？45歲以下的博士生導(dǎo)師有多少？這些數(shù)據(jù)建立了多維度的自我認(rèn)知。此外，用戶偏好類(lèi)的標(biāo)簽是通過(guò)數(shù)據(jù)挖掘得到的，例如“喜歡閱讀經(jīng)濟(jì)類(lèi)書(shū)籍”、“學(xué)生評(píng)價(jià)和藹可親”等這些數(shù)據(jù)并不能夠被感知，必須以具體的數(shù)據(jù)來(lái)描述，以支撐教師進(jìn)一步認(rèn)識(shí)自己。

以教師畫(huà)像為基礎(chǔ)，構(gòu)建教師個(gè)人信息中心，全面地展示與教師相關(guān)的各類(lèi)信息，如基本信息、學(xué)習(xí)工作經(jīng)歷、教學(xué)信息、科研成果、個(gè)人資產(chǎn)、工資信息、消費(fèi)信息等。教師可以隨時(shí)查看到個(gè)人的實(shí)時(shí)信息，了解自己，輔助決策，以期進(jìn)行正確的職業(yè)方向選擇。

圍繞個(gè)人信息中心構(gòu)建自助表格系統(tǒng)，根據(jù)教師的身份（ID），從標(biāo)簽數(shù)據(jù)庫(kù)中獲取相應(yīng)信息，自動(dòng)填充到表格中，大大減輕了高校各項(xiàng)申報(bào)、填表的重復(fù)工作，也保證了數(shù)據(jù)的一致性、真實(shí)性和實(shí)時(shí)性，是為教師減輕行政工作負(fù)擔(dān)的有效工具之一。

個(gè)性化推薦

教師畫(huà)像的標(biāo)簽化的描述方法為個(gè)性化推薦提供了可能，標(biāo)簽是個(gè)性化推薦的基礎(chǔ)，因?yàn)闃?biāo)簽是描述教師特征的數(shù)據(jù)符號(hào)，而只有了解用戶特征才能實(shí)現(xiàn)個(gè)性化推薦。此外，運(yùn)用機(jī)器學(xué)習(xí)模型對(duì)教師進(jìn)行相關(guān)性分析，并根據(jù)相關(guān)性特征進(jìn)行相應(yīng)的推薦。

以教師畫(huà)像的標(biāo)簽為基礎(chǔ)，圍繞教師職業(yè)發(fā)展相關(guān)特性，構(gòu)建精準(zhǔn)推薦系統(tǒng)，實(shí)現(xiàn)教學(xué)、科研、圖書(shū)、進(jìn)修培訓(xùn)等個(gè)性化推薦，并結(jié)合移動(dòng)終端，實(shí)現(xiàn)移動(dòng)化推送。

教學(xué)的推送，包括任課課程的時(shí)間、地點(diǎn)、學(xué)生人數(shù)、學(xué)生院系分布、學(xué)生成績(jī)分布、特殊學(xué)生提示、學(xué)生預(yù)警詳情、教學(xué)評(píng)價(jià)指標(biāo)、教學(xué)評(píng)價(jià)結(jié)果；相關(guān)推薦包括平行課程推薦、課程資料推薦、相關(guān)課程推薦、相關(guān)科研成果推薦。圍繞教學(xué)內(nèi)容，實(shí)行全方位的推送，為教師教學(xué)提供更精準(zhǔn)的教學(xué)數(shù)據(jù)服務(wù)。

科研的推送包括個(gè)人科研成果的及時(shí)推送、院系科研成果數(shù)據(jù)匯總、學(xué)校科研成果數(shù)據(jù)匯總，智能推薦以教師的研究方向、教學(xué)內(nèi)容、科研成果關(guān)鍵字、圖書(shū)閱讀偏好關(guān)鍵字為特征，分析出科研偏好，進(jìn)而推薦科研成果、科研項(xiàng)目團(tuán)隊(duì)、科研資料、相關(guān)圖書(shū)、相關(guān)課程等，以期最大化地提升科研環(huán)境，立足服務(wù)于教師科研工作。

圖書(shū)推送包括應(yīng)還圖書(shū)、逾期圖書(shū)、進(jìn)館人數(shù)、個(gè)人借閱年度統(tǒng)計(jì)、館藏慨況、近期熱門(mén)圖書(shū)、新書(shū)推薦、周?chē)娜嗽诳础⒅挥心猩x的書(shū)、只有女生讀的書(shū)等。

目標(biāo)預(yù)測(cè)

分析和預(yù)測(cè)是大數(shù)據(jù)挖掘的重要方向，基于教師畫(huà)像的數(shù)據(jù)挖掘主要是以標(biāo)簽為基礎(chǔ)，挖掘和發(fā)現(xiàn)教師發(fā)展過(guò)程中的知識(shí)和規(guī)律，對(duì)特定目標(biāo)進(jìn)行預(yù)測(cè)，例如：職稱(chēng)評(píng)定預(yù)測(cè)、崗位評(píng)定預(yù)測(cè)、考核評(píng)價(jià)預(yù)測(cè)等。

階段性成果報(bào)告

以教師畫(huà)像的標(biāo)簽為基礎(chǔ)，可形成教師的階段性成果報(bào)告，在教師職業(yè)規(guī)劃的過(guò)程中，最后一個(gè)環(huán)節(jié)就是根據(jù)目標(biāo)的實(shí)現(xiàn)程度，不斷反饋和調(diào)整，最終實(shí)現(xiàn)既定目標(biāo)。報(bào)告對(duì)教師各方面的數(shù)據(jù)進(jìn)行總結(jié)和分析，隨時(shí)生成的報(bào)告可以讓教師隨時(shí)了解和掌握目標(biāo)實(shí)現(xiàn)的情況，對(duì)于產(chǎn)生的偏差進(jìn)行不斷修正和調(diào)整。

隨著大數(shù)據(jù)技術(shù)的蓬勃發(fā)展，特征工程技術(shù)在用戶畫(huà)像、推薦系統(tǒng)等領(lǐng)域被廣泛應(yīng)用，本文把特征工程理論和技術(shù)引入到教師職業(yè)發(fā)展領(lǐng)域，以技術(shù)為支撐，為教師職業(yè)發(fā)展規(guī)劃提供新方法和新思路，但在具體的應(yīng)用過(guò)程中，數(shù)據(jù)的完整收集、數(shù)據(jù)質(zhì)量的保證是非常關(guān)鍵的因素，也是必須要解決的難點(diǎn)，需結(jié)合各學(xué)校的具體情況，采取機(jī)制建設(shè)、業(yè)務(wù)推動(dòng)等多方面的手段，整合高校數(shù)據(jù)資源，并利用大數(shù)據(jù)技術(shù)，為教師職業(yè)發(fā)展提供數(shù)據(jù)支撐，是一個(gè)漫長(zhǎng)的探索和實(shí)踐過(guò)程，也是管理與技術(shù)高度結(jié)合的產(chǎn)物。

圖2 教師畫(huà)像的作用

（責(zé)編：楊燕婷）

（作者單位為對(duì)外經(jīng)濟(jì)貿(mào)易大學(xué)信息化管理處）