基于大數據畫像的教師繼續教育精準施訓服務研究

曾海，陳艷，楊璐偲

（廣州市廣播電視大學教師繼續教育學院，廣東廣州 510091）

大數據時代，用戶的網絡行為可以以數字化的方式進行搜集整合，智能終端的采集功能將海量信息直接轉化為數據，為系統了解用戶，分析用戶行為心理提供數據支撐。但隨著用戶體量的持續增多，數據種類紛繁復雜，數據更新速度日趨加快，如何從不斷增長、來源廣泛的數據中攫取最有價值的信息，從而深入了解用戶心理，成為大數據時代教育進一步深入發展的緊要問題。大數據畫像融入和滲透到教育教學領域，能進一步推動教育的數字化轉型，也引導人們學習方式的創新變革，順應大數據背景下的知識服務驅動個性化教學模式，能從海量信息中精確提取和匹配相關用戶的針對性學習需求，從而提高學習服務推送的智能化、數字化、精準化水平[1]。

1 大數據畫像視角下教師繼續教育個性化的理念發展

大數據畫像視角的教師繼續教育實踐已走過最初的摸索時期，目前在繼續教育實踐中已經初步應用大數據畫像技術，并基于教師的特點、學習需求差異性整合為教師繼續教育數據庫，其中收錄了接受繼續教育教師的整體數據信息，教師登陸其中，能夠得到精準化的繼續教育服務功能推薦，該框架體系已在實踐教學中得到應用，未來還需要進一步的技術完善，實現更大范圍的推廣。

教師的繼續教育能有效提高教師的整體素質和教學水平，并能通過教師隊伍培養推進教育教學體系的深遠改革。同時繼續教育也是教師自身發展和自身職業規劃的內在需求，通過合理、規范的教師繼續教育培訓系統，教師能綜合提高自身素質和專業水平，提高教學質量，推動教師個人的全面發展，從而為我國教育教學體系的深化改革和學校人才培養奠定前提和基礎。傳統的教師繼續教育教學方式單一，課程設置缺乏針對性，對教師的綜合能力提升作用有限。目前教師繼續教育的種類雖然較多，但是不夠系統，并沒有深刻梳理教師在教學中出現的問題提出針對性解決措施，部分教師認為繼續教育的內容過于陳舊，無法和教育教學現狀相關聯，大多數繼續教育方式是照本宣科，理論脫離實際，部分課程雖然使用了信息技術，卻只停留在技術層面，課堂教學本質沒有發生變化，這就導致大多數教師對繼續教育缺乏主動性、積極性和參與性[2]。要解決以上問題，繼續教育工作人員必須總結經驗，順應時代特點，積極利用信息技術和大數據技術，改變教學方式，大力構架生動、形象、具有個性化和交互式特點的教學模式。同時新時期教師繼續教育要綜合考慮教師學歷背景、教學經驗、學習需求等方面的差異性、層次性和多變性。深入、全面、準確地了解教師在教學中亟待解決的問題，亟待提高的能力，對教師的學習需求進行精準識別，并構建具有特色性、針對性的教師繼續教育教學服務體系。而在這個過程中，大數據畫像技術為繼續教育精準實施提供了技術支撐。大數據用戶畫像技術是通過互聯網、 智能終端的海量數據采集、分析，構建個性化的用戶畫像，即通過數據采集、分析，了解用戶的歷史行為，觸摸用戶深層次心理，并通過歷史數據分析建立用戶的行為和心理標簽，通過畫像技術勾勒出用戶模型，全面地分析用戶的個性化需求。針對廣大教師而言，用戶畫像具體指的是面向精準化學習的教師畫像模式，通過大數據技術深入挖掘、采集教師日常教學行為、學習行為等各類數據信息，包括教師的學歷水平、職稱、證書、個人愛好、教學資源、行為偏好、教學質量評價等。每得到一類信息就進行深入分析整合，最終得出一個具有代表性的個性標簽，依托多個種類標簽構建教師的個人模型。教師模型是具有針對性、個性化的，每個教師都有自己的專屬畫像或者模型，簡單來說，依托大數據技術的教師畫像就是利用數據將教師行為轉碼，建立數據化畫像，這種方式有助于剖析教師的關鍵能力和核心訴求，從而在繼續教育服務中找準服務的落腳點和切入點，為教師提供精準化的繼續教育服務[3]。

2 大數據畫像視角下的教師繼續教育精準服務閉環框架設計

該文的任務是運用大數據采集、處理、分析和挖掘等相關技術，對教師實施大數據畫像，設計一個個性化、精準化的繼續教育服務框架。首先能對教師的特色化核心訴求進行標簽劃分，將具有相似屬性的教師畫像歸為一類，形成各具特色的教師畫像，并借助推導傳遞功能，構建教師畫像和繼續教育資源的隱形關聯，由此實現教學資源與教師的精準匹配。

以大數據畫像為基礎的教師繼續教育精準服務框架包含3 個實施步驟。

2.1 數據采集和分析

這是精準化繼續教育框架的基礎，也是構建教師畫像的前提，通過數據采集獲取形成教師的基本數據，包括教師的姓名、性別、學歷、專業、年紀、所教科目、教學評價等基本信息，獲取數據的渠道是多方面的，包括教學平臺中教師教學行為的圖表圖文，綁定的社交平臺中教師的收藏評論等相關數據，經過數據處理技術將這些半結構化和非結構化數據轉化為結構數據。

2.2 語義標簽和畫像挖掘

這是繼續教育精準服務框架的核心內容，該部分主要是提取個性化需求標簽，通過關聯的方法形成教師標簽聚合體，由此建立立體的、精確的教師畫像模型，并抽取學習資源庫的關鍵詞進行語義匹配。

2.3 畫像應用服務

具體指的是將教師畫像模型具體應用到個性化繼續教育的領域中，如根據畫像可以為教師提供針對性的學習資源，確保學習資源推送在內容、偏好、科目等方向上和教師的核心需求保持一致，同時也可以根據教師畫像為教師構建個性化的繼續教育路徑，追蹤教師的繼續教育學習狀況、學習進度等，由此提供相應的繼續教育學習監管和考核。

3 基于大數據畫像技術的教師繼續教育精準服務

3.1 提供個性化資源推薦

如上所述，在大數據畫像的教師繼續教育精準服務框架中，能通過學習平臺、綁定社交平臺等渠道收集教師的學習行為、學習需求等有效數據，并利用大數據分析技術進行深度挖掘，提煉出教師個性化學習需求標簽，這些標簽可以將接受繼續教育的教師進行分類，并形成教師個體的個性化繼續教育習慣偏好，讓繼續教育的教學方通過畫像模型精準地分析和描述教師的學習興趣、學習能力和學習訴求，并追蹤教師在繼續教育過程中的訴求變化，從而創建出繼續教育個性化資源推薦。需要指出的是面向教師的畫像語義標簽既包含靜態標簽，也包括動態標簽，靜態標簽指的是教師較為穩定的基本信息，如姓名、性別、學歷和科目等，動態標簽則是體現教師在某一教學階段的成長、進步和成果，教師的教學內容和行為偏好會隨著教學經驗的增加而不斷變化，因此教師畫像要吸取動態信息要進行不斷變化、改進和優化，以滿足教師不同階段的學習需求和興趣偏好，通過數據采集對教師教學行為、教學水平進行動態追蹤，并通過邏輯分析和語義關聯規則確定教學資源關鍵詞，圍繞關鍵詞完成語義拓展，實現面向教師的教學資源精準推送[4]。

3.2 實現同類型學習者匹配

信息技術的發展和移動互聯網技術的進步，促使人們可以通過多個網絡平臺獲取海量信息，由此網絡也具有去中心化特征，而海量用戶分散在網絡世界中，難以進行及時有效的互動交流，由此造成基于網絡平臺的網絡教育呈現出分散性和封閉性特征。未來教師繼續教育將會持續加深和信息技術的融合，通過網絡開展繼續教育服務將會成為主流，這種模式能將全國教師整合在一個教學平臺中，但是網絡教學的封閉性和分散性會導致教師的學習興趣、學習質量和學習效率下降。而通過大數據畫像功能，可以實現教師的精準分類，為參與繼續教育的教師精準分配學習伙伴，建立學習社區，實現教學資源的共建共享，以及學習成果交流互動，有效提高教師參與繼續教育的積極性、主動性，并通過學習社區提高繼續教育效率。大數據畫像主要是通過語義標簽和短文本特征，分析和呈現教師各具特色的學習風格和學習訴求，從而將具有相似性的教師歸為一類，組織起來，或者向某個教師推薦具有相學生習訴求的學習伙伴[5]。如在大數據畫像服務體系中，通過數據采集、分析形成教師的畫像模型，而教學平臺借助關聯原則，推薦具有相同、相似標簽的學習伙伴，這種推薦有助于分散性的網絡學習用戶積聚起來形成學習小組或學習社區，開展互補性協作，從而取長補短、優勢互補、共同進步，實現雙方或多方的協同發展。

3.3 實現精準化學習路徑導航

精準化的學習路徑導航指的是圍繞教師的個性化培訓目標、學習訴求和學習水平，為教師設計最優的學習規劃。由于教師畫像具有動態更迭特征，可以分析出特定階段內教師的學習訴求、 興趣和行為偏好，并結合教師的教學風格和教學行為，對教師的教學發展進行精準預測和估算，繼而平臺可以根據預測結果推薦個性化的繼續教育路徑。具體指的是，平臺可以根據畫像挖掘教師的個性化學習需求和學習特征，借助語義標簽和關聯原則分析不同課程教學資源之間的內在關聯，由此分析出教師既有的知識儲備和即將學習的學習內容，從而為教師提供個性化的學習模式。學習路徑導航是個性化的，也是基于教師畫像的動態特征而不斷變化、修正的，因此教師要綜合分析學習路徑導航和自身學習訴求的適用性。

3.4 精準學習行為監管

教師可以通過網絡教學平臺獲取海量數據，但是知識供求不平衡的現象始終存在，而且個性化的學習導航、 學習資源促使繼續教育呈現出較大的開放性特征，在這種教學氛圍中如何加強對教師學習行為的監管就成為重要話題。大數據畫像技術可以為教師提供個性化、精準化的學習行為監督服務，能夠督促教師提高教學效率，提高自控水平，完善自主學習能力[6]。這種方式指的是通過畫像模型預測可能出現的消極學習行為，并建立語義標簽，為教師設定繼續教育最低學習目標，通過教師畫像的不斷變化及時了解教師所處的學習階段、 學習進度和面臨的問題，一旦超出最低學習目標則給出警告、批評，或根據學習行為偏失提供針對性建議意見，引導教師在繼續教育框架中約束自身行為，提高學習水平。

3.5 個性化評價

教師的繼續教育行為、 學習方式和學習效果能在該框架中得到立體綜合分析，并結合教師的學習需求、具體情況形成個性化分析，以此助力教師對繼續教學的學習效果和階段性成果形成清晰認知，梳理出明確的繼續教育學習目標、 學習過程和階段后任務，促使教師能通過審視、觀照提升自我認知，提高繼續教育學習效率和質量。

基于大數據畫像的教師繼續教育框架經過進一步改良和完善后投入到教師 繼續教育實踐中，推動師訓進入智慧教育階段，并推動智慧師訓的四字特征發展。

大數據教師畫像的繼續教育框架為教師的繼續教育培訓機構、培訓教師、培訓者、智能學習平臺、智能服務、智能評價等捏合為統一整體，利用人工智能化實現教師繼續教育的自組織，將多種要素協同發展，在實踐中能引導教師形成多元共同體，朝向終身、自主、專業和協同的方向提高繼續教育水平。

同樣，自適應特征主要在于提高教師繼續教育資源的優化配置，在大數據畫像技術的推動下，繼續教育平臺能實現精準教育資源推送、 精準教育服務功能推薦等，為教師提供個性化學習方案，這種自適應模式實現了繼續教育體系中以教師為中心，為教師提供多元學習工具、多元學習資料，讓繼續教育更有適用性，推動教師專業發展和個性發展。

自探索強調繼續教育框架中的自主學習機制，引導教師在大數據畫像基礎的支持下實現自我反思，自我總結和自我探究，實現自身高階思維能力培養，從而自主發現解決問題的最優答案。在大數據畫像繼續教育框架中，自探索能從宏觀上推進教師 繼續教育生態系統的良性發展，促使參與教師數量多，專業廣，從微觀上則是利用信息技術打造多元融合的學習化境，推動教師個性成長。

自激勵強調調動教師的主動性、自發性，形成基于自我的內部提升機制。在大數據畫像框架中，基于畫像、 數據庫等形成教師的繼續教育電子檔案，收集、記錄教師個人數據，并為教師提供特色化學習建議，結合教師的教齡、學科、職稱等進行排名，調動教師的學習自主性、積極性。