基于大数据画像的教师继续教育精准施训服务研究

2020-01-02 00:19曾海陈艳杨璐偲
文化创新比较研究 2020年33期
关键词:画像标签个性化

曾海,陈艳,杨璐偲

(广州市广播电视大学教师继续教育学院,广东广州 510091)

大数据时代,用户的网络行为可以以数字化的方式进行搜集整合,智能终端的采集功能将海量信息直接转化为数据,为系统了解用户,分析用户行为心理提供数据支撑。但随着用户体量的持续增多,数据种类纷繁复杂,数据更新速度日趋加快,如何从不断增长、来源广泛的数据中攫取最有价值的信息,从而深入了解用户心理,成为大数据时代教育进一步深入发展的紧要问题。大数据画像融入和渗透到教育教学领域,能进一步推动教育的数字化转型,也引导人们学习方式的创新变革,顺应大数据背景下的知识服务驱动个性化教学模式,能从海量信息中精确提取和匹配相关用户的针对性学习需求,从而提高学习服务推送的智能化、数字化、精准化水平[1]。

1 大数据画像视角下教师继续教育个性化的理念发展

大数据画像视角的教师继续教育实践已走过最初的摸索时期,目前在继续教育实践中已经初步应用大数据画像技术,并基于教师的特点、学习需求差异性整合为教师继续教育数据库,其中收录了接受继续教育教师的整体数据信息,教师登陆其中,能够得到精准化的继续教育服务功能推荐,该框架体系已在实践教学中得到应用,未来还需要进一步的技术完善,实现更大范围的推广。

教师的继续教育能有效提高教师的整体素质和教学水平,并能通过教师队伍培养推进教育教学体系的深远改革。同时继续教育也是教师自身发展和自身职业规划的内在需求,通过合理、规范的教师继续教育培训系统,教师能综合提高自身素质和专业水平,提高教学质量,推动教师个人的全面发展,从而为我国教育教学体系的深化改革和学校人才培养奠定前提和基础。传统的教师继续教育教学方式单一,课程设置缺乏针对性,对教师的综合能力提升作用有限。目前教师继续教育的种类虽然较多,但是不够系统,并没有深刻梳理教师在教学中出现的问题提出针对性解决措施,部分教师认为继续教育的内容过于陈旧,无法和教育教学现状相关联,大多数继续教育方式是照本宣科,理论脱离实际,部分课程虽然使用了信息技术,却只停留在技术层面,课堂教学本质没有发生变化,这就导致大多数教师对继续教育缺乏主动性、积极性和参与性[2]。要解决以上问题,继续教育工作人员必须总结经验,顺应时代特点,积极利用信息技术和大数据技术,改变教学方式,大力构架生动、形象、具有个性化和交互式特点的教学模式。同时新时期教师继续教育要综合考虑教师学历背景、教学经验、学习需求等方面的差异性、层次性和多变性。深入、全面、准确地了解教师在教学中亟待解决的问题,亟待提高的能力,对教师的学习需求进行精准识别,并构建具有特色性、针对性的教师继续教育教学服务体系。而在这个过程中,大数据画像技术为继续教育精准实施提供了技术支撑。大数据用户画像技术是通过互联网、 智能终端的海量数据采集、分析,构建个性化的用户画像,即通过数据采集、分析,了解用户的历史行为,触摸用户深层次心理,并通过历史数据分析建立用户的行为和心理标签,通过画像技术勾勒出用户模型,全面地分析用户的个性化需求。针对广大教师而言,用户画像具体指的是面向精准化学习的教师画像模式,通过大数据技术深入挖掘、采集教师日常教学行为、学习行为等各类数据信息,包括教师的学历水平、职称、证书、个人爱好、教学资源、行为偏好、教学质量评价等。每得到一类信息就进行深入分析整合,最终得出一个具有代表性的个性标签,依托多个种类标签构建教师的个人模型。教师模型是具有针对性、个性化的,每个教师都有自己的专属画像或者模型,简单来说,依托大数据技术的教师画像就是利用数据将教师行为转码,建立数据化画像,这种方式有助于剖析教师的关键能力和核心诉求,从而在继续教育服务中找准服务的落脚点和切入点,为教师提供精准化的继续教育服务[3]。

2 大数据画像视角下的教师继续教育精准服务闭环框架设计

该文的任务是运用大数据采集、处理、分析和挖掘等相关技术,对教师实施大数据画像,设计一个个性化、精准化的继续教育服务框架。首先能对教师的特色化核心诉求进行标签划分,将具有相似属性的教师画像归为一类,形成各具特色的教师画像,并借助推导传递功能,构建教师画像和继续教育资源的隐形关联,由此实现教学资源与教师的精准匹配。

以大数据画像为基础的教师继续教育精准服务框架包含3 个实施步骤。

2.1 数据采集和分析

这是精准化继续教育框架的基础,也是构建教师画像的前提,通过数据采集获取形成教师的基本数据,包括教师的姓名、性别、学历、专业、年纪、所教科目、教学评价等基本信息,获取数据的渠道是多方面的,包括教学平台中教师教学行为的图表图文,绑定的社交平台中教师的收藏评论等相关数据,经过数据处理技术将这些半结构化和非结构化数据转化为结构数据。

2.2 语义标签和画像挖掘

这是继续教育精准服务框架的核心内容,该部分主要是提取个性化需求标签,通过关联的方法形成教师标签聚合体,由此建立立体的、精确的教师画像模型,并抽取学习资源库的关键词进行语义匹配。

2.3 画像应用服务

具体指的是将教师画像模型具体应用到个性化继续教育的领域中,如根据画像可以为教师提供针对性的学习资源,确保学习资源推送在内容、偏好、科目等方向上和教师的核心需求保持一致,同时也可以根据教师画像为教师构建个性化的继续教育路径,追踪教师的继续教育学习状况、学习进度等,由此提供相应的继续教育学习监管和考核。

3 基于大数据画像技术的教师继续教育精准服务

3.1 提供个性化资源推荐

如上所述,在大数据画像的教师继续教育精准服务框架中,能通过学习平台、绑定社交平台等渠道收集教师的学习行为、学习需求等有效数据,并利用大数据分析技术进行深度挖掘,提炼出教师个性化学习需求标签,这些标签可以将接受继续教育的教师进行分类,并形成教师个体的个性化继续教育习惯偏好,让继续教育的教学方通过画像模型精准地分析和描述教师的学习兴趣、学习能力和学习诉求,并追踪教师在继续教育过程中的诉求变化,从而创建出继续教育个性化资源推荐。需要指出的是面向教师的画像语义标签既包含静态标签,也包括动态标签,静态标签指的是教师较为稳定的基本信息,如姓名、性别、学历和科目等,动态标签则是体现教师在某一教学阶段的成长、进步和成果,教师的教学内容和行为偏好会随着教学经验的增加而不断变化,因此教师画像要吸取动态信息要进行不断变化、改进和优化,以满足教师不同阶段的学习需求和兴趣偏好,通过数据采集对教师教学行为、教学水平进行动态追踪,并通过逻辑分析和语义关联规则确定教学资源关键词,围绕关键词完成语义拓展,实现面向教师的教学资源精准推送[4]。

3.2 实现同类型学习者匹配

信息技术的发展和移动互联网技术的进步,促使人们可以通过多个网络平台获取海量信息,由此网络也具有去中心化特征,而海量用户分散在网络世界中,难以进行及时有效的互动交流,由此造成基于网络平台的网络教育呈现出分散性和封闭性特征。未来教师继续教育将会持续加深和信息技术的融合,通过网络开展继续教育服务将会成为主流,这种模式能将全国教师整合在一个教学平台中,但是网络教学的封闭性和分散性会导致教师的学习兴趣、学习质量和学习效率下降。而通过大数据画像功能,可以实现教师的精准分类,为参与继续教育的教师精准分配学习伙伴,建立学习社区,实现教学资源的共建共享,以及学习成果交流互动,有效提高教师参与继续教育的积极性、主动性,并通过学习社区提高继续教育效率。大数据画像主要是通过语义标签和短文本特征,分析和呈现教师各具特色的学习风格和学习诉求,从而将具有相似性的教师归为一类,组织起来,或者向某个教师推荐具有相学生习诉求的学习伙伴[5]。如在大数据画像服务体系中,通过数据采集、分析形成教师的画像模型,而教学平台借助关联原则,推荐具有相同、相似标签的学习伙伴,这种推荐有助于分散性的网络学习用户积聚起来形成学习小组或学习社区,开展互补性协作,从而取长补短、优势互补、共同进步,实现双方或多方的协同发展。

3.3 实现精准化学习路径导航

精准化的学习路径导航指的是围绕教师的个性化培训目标、学习诉求和学习水平,为教师设计最优的学习规划。由于教师画像具有动态更迭特征,可以分析出特定阶段内教师的学习诉求、 兴趣和行为偏好,并结合教师的教学风格和教学行为,对教师的教学发展进行精准预测和估算,继而平台可以根据预测结果推荐个性化的继续教育路径。具体指的是,平台可以根据画像挖掘教师的个性化学习需求和学习特征,借助语义标签和关联原则分析不同课程教学资源之间的内在关联,由此分析出教师既有的知识储备和即将学习的学习内容,从而为教师提供个性化的学习模式。学习路径导航是个性化的,也是基于教师画像的动态特征而不断变化、修正的,因此教师要综合分析学习路径导航和自身学习诉求的适用性。

3.4 精准学习行为监管

教师可以通过网络教学平台获取海量数据,但是知识供求不平衡的现象始终存在,而且个性化的学习导航、 学习资源促使继续教育呈现出较大的开放性特征,在这种教学氛围中如何加强对教师学习行为的监管就成为重要话题。大数据画像技术可以为教师提供个性化、精准化的学习行为监督服务,能够督促教师提高教学效率,提高自控水平,完善自主学习能力[6]。这种方式指的是通过画像模型预测可能出现的消极学习行为,并建立语义标签,为教师设定继续教育最低学习目标,通过教师画像的不断变化及时了解教师所处的学习阶段、 学习进度和面临的问题,一旦超出最低学习目标则给出警告、批评,或根据学习行为偏失提供针对性建议意见,引导教师在继续教育框架中约束自身行为,提高学习水平。

3.5 个性化评价

教师的继续教育行为、 学习方式和学习效果能在该框架中得到立体综合分析,并结合教师的学习需求、具体情况形成个性化分析,以此助力教师对继续教学的学习效果和阶段性成果形成清晰认知,梳理出明确的继续教育学习目标、 学习过程和阶段后任务,促使教师能通过审视、观照提升自我认知,提高继续教育学习效率和质量。

基于大数据画像的教师继续教育框架经过进一步改良和完善后投入到教师 继续教育实践中,推动师训进入智慧教育阶段,并推动智慧师训的四字特征发展。

大数据教师画像的继续教育框架为教师的继续教育培训机构、培训教师、培训者、智能学习平台、智能服务、智能评价等捏合为统一整体,利用人工智能化实现教师继续教育的自组织,将多种要素协同发展,在实践中能引导教师形成多元共同体,朝向终身、自主、专业和协同的方向提高继续教育水平。

同样,自适应特征主要在于提高教师继续教育资源的优化配置,在大数据画像技术的推动下,继续教育平台能实现精准教育资源推送、 精准教育服务功能推荐等,为教师提供个性化学习方案,这种自适应模式实现了继续教育体系中以教师为中心,为教师提供多元学习工具、多元学习资料,让继续教育更有适用性,推动教师专业发展和个性发展。

自探索强调继续教育框架中的自主学习机制,引导教师在大数据画像基础的支持下实现自我反思,自我总结和自我探究,实现自身高阶思维能力培养,从而自主发现解决问题的最优答案。在大数据画像继续教育框架中,自探索能从宏观上推进教师 继续教育生态系统的良性发展,促使参与教师数量多,专业广,从微观上则是利用信息技术打造多元融合的学习化境,推动教师个性成长。

自激励强调调动教师的主动性、自发性,形成基于自我的内部提升机制。在大数据画像框架中,基于画像、 数据库等形成教师的继续教育电子档案,收集、记录教师个人数据,并为教师提供特色化学习建议,结合教师的教龄、学科、职称等进行排名,调动教师的学习自主性、积极性。

猜你喜欢
画像标签个性化
威猛的画像
一种融合PageRank和PersonalRank的多层个性化推荐算法
“00后”画像
画像
坚持个性化的写作
无惧标签 Alfa Romeo Giulia 200HP
不害怕撕掉标签的人,都活出了真正的漂亮
上汽大通:C2B个性化定制未来
让衣柜摆脱“杂乱无章”的标签
科学家的标签