新一代信息技术支持下的教师专业发展分析模型构建研究

杨毅 王鑫鑫 张可金

摘要：在大数据技术及深度学习等新一代信息技术的发展下，精准教学成为教育领域的热点话题。目前，大部分研究都关注如何从学生角度实施差异化和个性化的教学策略。然而，由于教学环境与教学策略的不断变化，教师也面临着自身专业成长的挑战和需求。作为终身学习者的教师，也应当利用信息技术来促进自身的专业发展。该研究设计了一个新一代信息技术支持下的教师专业发展分析模型，旨在根据每位教师的自身特点和发展需求，提供个性化和定制化的发展方案和建议。

关键词：大数据；教师专业发展；分析模型；个性化

中图分类号：G642 文献标识码：A

文章编号：1009-3044（2024）05-0166-03

0 引言

近年来，随着大数据分析、基于Transformer的深度学习技术等现代新兴技术的不断涌现，如何将这些新一代技术引入教育领域，并提高教学效率已引起学者、社会甚至国家的高度关注。2018年，教育部在《教师教育振兴行动计划（2018—2022） 》文件中提到，我们要培养一支师德高尚、业务精湛的教师队伍，那就必须要推进教师教育创新，推进教师培训的改革[1]。同时，《中国教育现代化2035》文件也强调“推进教育治理方式变革，加快形成教育现代化管理监控体系，推进管理精准化和决策科学化”[2]。

新一代信息技术的不断发展为教育教学领域带来了更多的支持，例如大数据分析技术支持下的学习者精准教学；基于深度学习技术的学生学情分析；以及其他教学工具在课堂上的应用。然而，这些技术也给一线教师带来不少压力。教师的时间培训有限，且存在目标不明确，培训手段老旧、针对性不强等问题，导致教师对于新兴技术的适应性不足。而且，绝大多数技术目前都是以学生为中心，促进学生的发展。自从联合国教科文组织提出“终身学习”理念后，教师也成为学习者中的一员[3]。因此，本文研究如何利用大数据技术和深度学习技术构建教师专业化发展分析模型，为每一位教师提供个性化的培养方案。旨在为师范生培养和教师专业技能培养提供服务，并为教师专业发展提供精准、个性化的培训服务，以帮助教师在技术赋能教育中扮演更为重要的角色，实现理念和素养的提升[4]。本文旨在培养智慧型教师，使他们能够主导技术变革教育，并适应新一代信息化时代教育的需要和变化[5]。

1 文献综述

目前有多種方式可支持教师的专业发展。一是采取“专家进课堂”的办法。如徐晓东等人提出的项目，主要通过学科教授和名师的理论与实践指导，结合课堂教学分析软件提供的结果展开学习[6]。另一种是采用新一代信息技术促进教师专业发展。其中，一方面，可以使用各种技术进行融合，建立教师专业发展模式。例如，王永固、聂瑕等人提出的“互联网+”名师工作室，以名师为带头人，联合学科带头人和学员教师组成教研共同体，从而提升乡村教师的专业素养，促进专业发展[7]。曾海则以各种信息技术为基础，打造了智能学习环境“智慧师训”，以促进教师个性化和协同化的发展[8]。另一方面，以大数据技术为主要支撑进行研究工作，包括分析模型的构建和培训模式的设计。例如，黄慕雄以大数据分析技术为主要手段，构建了多源多层的教师职业发展分析模式。得到教师个人画像，提供个性化的培训方案[9]。张进良等人则研究了高校教师对大学生在线学习过程产生的数据，并加以挖掘和分析，以改进他们的教学方法和策略，旨在提高教师的专业素养，促进教师的专业发展[10]。总体来看，大多数研究都是通过挖掘和融合大数据进行分析模型设计。然而，这种方式仍然需要一定人力成本来分析数据。因此，建立一个智能化且自动化的教师专业发展分析模块显得非常必要。

2 各层次数据分析需求

根据层次分析法，可以将教师个人层面、学校层面、教师培训机构层面和教育部门管理层面划分为四个层次，以满足不同层次，不同人群的数据分析需求。

2.1 教师个人层面专业发展分析需求

随着信息社会的到来，教师的角色已经由知识的提供者转变为学生学习的引导者和促进者，他们不再像传统教师那样传授知识点，而更加需要具备信息技术和课程整合的教学理念。为了达成这个目标，教师必须保持终身学习。然而，由于教师团体缺乏专业程度的基准线，很难通过其他渠道了解自己的水平和欠缺之处。因此，利用大数据技术和其他工具，对比分析国家对于教师的要求，可以让教师客观了解到自己的专业发展情况并发现问题，提高自身的学习能动性，指导专业培训方向。

2.2 学校层面分析需求

每个学校都有众多教师，而每一位老师都有自己的优缺点。难以统筹兼顾。目前安排的培训活动也不能很好地满足大部分教师的需求。因此，利用大数据技术、深度学习技术分析每一个教师的兴趣爱好和缺陷，可以为学校组织相应的培训课程，实施国家下发的教师发展规划，从而提高教师的整体专业水平和教学质量。

2.3 教师培训机构层面分析需求

省级教师培训机构是地方教师培训的主要机构，其职责在于为基础教育培养行政干部和优秀教师。在长期的培训过程中，教师培训机构收集了大量教师相关数据，包括个人信息、培训反馈、培训课程等。但这些数据目前没有被很好地利用，而且现有培训过程过于注重教师教学实践能力的培养，而忽略了老师的思维拓展[11]。因此，建立一个智能化、自动化的数据分析平台迫在眉睫。该平台可通过分析教师的培训反馈，评估课程质量，并针对教师个人信息制定个性化、全方位、精准化的培养方案。

2.4 教师发展管理部门层面分析需求

教师发展管理部门的职责是协调管理区域的教师培训项目，全面考虑教师未来的发展，使之顺应社会发展规律。教师发展管理部门可从教师培训机构获取到大量数据，从宏观的角度来分析所管理区域的教师整体情况。分析师资队伍的整体层次和业务水平。评估培训机构的培训课程效果，并根据结果进行改进；分析整个培训实施流程，根据结果进行流程的优化。最终，教师发展管理部门能够实现精准的决策实施。

3 教师专业发展分析框架

本研究将数据采集、数据处理、数据分析、结果展示作为基本步骤，结合现有可用的数据库，如教育培训部门数据库和在线培训平台数据库，利用深度学习、大数据分析技术和5G技术，构建教师专业发展分析模型（如图1所示）。

3.1 數据库的利用

为保证数据的可靠性，本研究利用存储教师相关信息的各项服务平台的后台管理系统连接至这些平台的数据库，以获取实时数据。这些平台包括教育部中的教师继续教育管理系统、各教师培训机构所维护的数据库、远程培训平台和实践教学平台等。MySQL 是一个较为成熟的数据库软件，可以作为数据存放的工具。

3.2 数据的预处理

教师的各类源数据是进行数据分析的基础，因此，规范的数据是确保数据分析结果正确的关键。直接从数据库中获取的数据可能存在数据不完整和错误的情况。在使用这些数据进行分析之前，需要对这些数据进行事先的加工。预处理步骤包括删除拥有空白格式的数据和补充缺失的数据。为了避免烦琐的人工操作，可以编写数据预处理模块，对所有数据进行增、删、改、查操作。对于一些程序无法判断的数据，如性别，需要各方面的协调和协作。此外，还可以设置数据报警模块，及时发现问题数据并通知相关人员进行处理。只有经过预处理后的数据才能输送到下一个步骤，以保证数据的质量。

3.3 分析支持模块

数据挖掘算法和数据分析算法是数据分析中最重要的程序部分，提供了对结构化数据和非结构化数据的计算和分析挖掘能力。数据模态的不同可以采用不同的数据分析方法，也可以通过多模态分析算法进行分析。由于算法的多样性，可以将这些算法结合在一起，形成一个算法库，为多样化的分析算法提供支持。这种方式可以为灵活的数据分析提供支撑，满足不同场景下的数据挖掘和分析需求。通过这种方式，当教育培训部门需要从不同维度来进行培训课程的编写时，可以选择不同的算法来分析教师的专业发展水平，以供管理部门进行合理决策。

对于教师的课程推荐算法，与淘宝等购物软件中的商品推荐模块相似，较为经典的是协同过滤算法。该算法主要通过计算教师的弱项数据与课程数据的余弦相似性来实现，从而得出教师各方面的优缺点，并推荐相应的课程。计算公式如（1）所示。

除了传统的协同过滤算法之外，现有的基于深度学习的计算机视觉方法可以对教师数据进行自动化分析。例如行为识别、面部表情识别等，通过对课堂视频的分析，可以得到更加深层次的教师个人数据。这些自动化的分析方式可以减少专家评审等人工审核方式的劳力和物力，并提高教师的数据分析效率。

对于培训课程的评论算法，基于自然语言处理（NLP） 的文本挖掘及分析算法被广泛应用。自然语言处理属于人工智能中的深度学习领域，是一个完全计算机自动化的过程。该算法不需要人类的解释，完全由计算机对数据进行特征的提取再分析，最终得出评论的情感态度等其他方面的态度信息。这种算法可以帮助管理部门了解教师的授课效果，提高培训课程的质量，进而促进教师的专业发展。

4 教师专业发展分析模块

该分析模块主要分为教师的专业定制化和教师的综合发展两个方面。教师的专业定制化又分为教师基本情况分析、教学及学习习惯分析、培训课程质量分析以及最重要的教师专业发展培养方案推荐。教师综合发展又分为总体教师专业水平分析和教师发展建设分析。

4.1 教师专业定制化

4.1.1 教师基本情况分析

教师的基本情况包括年龄、性别、学历、籍贯、计算机和外语水平等。通过全方位分析这些基本信息，可以了解教师的技能长处和欠缺能力，为教师和培训机构指明方向，同时也方便管理部门制定相应策略，比如分析不同地区和年龄段教师能力的差异。

4.1.2 教学及学习习惯分析

通过分析教师所教授的课程，以及在培训平台中学习的课程、学习时间、课后考核以及讨论区中对课程的评价反馈，可以了解教师的教学和学习习惯、偏好的学习内容、科目和习惯，从而优化教师的学习过程。

4.1.3 培训课程质量分析

教师可以在继续教育平台选择个性化的课程，也可以根据学校或管理部门的安排选择线下的培训课程。对于线上课程，可以通过分析课程的学习人数、最终的考核成绩和反馈评价等，得出该课程的综合质量得分；对于线下课程，可以收集教师的调查反馈问卷和考核成绩等进行综合测评。通过分析结果，可以根据教师意见和偏好优化课程质量。

4.1.4 教师专业发展培养方案推荐

结合以上三个方面的分析结果，可以得出教师的优劣势、学习偏好和课程质量程度，从而使用协同过滤算法推荐个性化的培养方案和最适合教师专业发展的培训和学习课程，促进教师层面的精准教学。

4.2 教师发展综合分析

结合以上分析结果，可以对不同地区、年龄和专业水平的教师进行多方面的分析，比如东西部地区教师专业水平的差距、不同年龄段教师的学习习惯等。通过分析这些信息，区域管理部门可以对接下来的教师培养方案进行统筹兼顾，提高培训机构和培训课程的针对性，最终推进不同地区、不同学科教师专业分全方位发展。

5 总结

利用人工智能、大数据等新兴技术能够很好地推进教师专业发展的精准化和有效化。通过收集不同地区教师信息，按照教师分析模型对这些信息进行有效处理，最终为教师提供个性化的培养方案，为地区管理者提供教师培训总体方向，有效帮助推进教师的专业化发展和管理者的有效决策，但是大数据分析与深度学习技术依赖于大量的数据，因此，教师的专业发展需要政府、学校的联合推进。

参考文献：

[1] 中华人民共和国教育部.教育部等五部门关于印发《教师教育振兴行动计划（2018—2022 年）》的通知[EB/OL].[2022-10-20]. http：//www.moe.gov.cn/srcsite/A10/s7034/201803/t20180323_331063.html.

[2] 中国政策网. 中共中央、国务院印发 《中国教育现代化2035》[EB/OL].（2019-02-23） [2021-01-20].http：//www.gov.cn/zhengce/2019-02/23/content_5367987.htm.

[3] 赵莉，李王伟，徐晓东.个性化和持续性教师专业发展模式的构建与效果研究[J].中国电化教育，2021（5）：110-117，123.

[4] 李树玲，吴筱萌.变革实验室：技术赋能时代促进教师专业发展的新模式[J].中国电化教育，2020（11）：125-133.

[5] 祝智庭，魏非.面向智慧教育的教师发展创新路径[J].中国教育学刊，2017（9）：21-28.

[6] 徐晓东，何小亚，周小蓬，等.专家进课堂项目促进教师专业发展的研究[J].中国电化教育，2016（1）：95-102.

[7] 王永固，聂瑕，王会军，等“. 互联网+” 名师工作室促进乡村教师专业发展：机制与策略[J].中国电化教育，2020（10）：106-114.

[8] 曾海，李娇儿，邱崇光.智慧师训：基于新一代信息技术的教师专业发展新生态[J].中国电化教育，2019（12）：116-122.

[9] 黄慕雄，林韩辉，罗永霞.基于大数据融合的多源多层教师专业发展分析模型构建：以广东省教师教育大数据智慧系统为例[J].电化教育研究，2021，42（5）：114-121.

[10] 张进良，何高大.学习分析：助推大数据时代高校教师在线专业发展[J].远程教育杂志，2014，32（1）：56-62.

[11] 沈小碚，樊晓燕.智慧教育背景下教师专业发展面临的挑战与机遇[J].教师教育学报，2020，7（1）：33-39.

【通联编辑：王 力】