混合式培训视角下的研修平台构建与应用研究

薛杨 陈晓慧

摘要：随着互联网、大数据技术的不断发展，线上线下相结合的混合式培训已成为教师培训的主流模式之一，是提升教师专业水平的重要途经。混合式培训需要功能完备、高效稳定的研修平台提供技术服务支持。该研究通过对培训组织者、授课者、参训学员进行详尽的需求分析，采用MVC （Model View Controller）的设计模式，基于B/S架构（服务器/浏览器），构建了混合式培训的研修平台。应用视频识别技术，利用PyTorch深度学习框架，实现集中授课过程中学习行为记录。通过学习者画像技术，基于Hadoop分布式架构，使用K-means算法进行聚类分析，能够实现数据驱动下的学员问题诊断，达到个性化精准指导的目的，切实提升混合式培训的针对性和有效性。

关键词：混合式培训;研修平台;学习者画像

中图分类号：G434

文献标识码：A

一、引言

教师队伍的职后继续教育是提高教学水平，提升专业素养，培养优秀教师的重要途径。在基础教育领域，教育行政部门和财政部门投入大量经费用以实施“国培计划” “省培计划”等各级各类培训项目，取得了良好的效果。然而随着教师培训工作的不断深入，传统面授式培训与单纯网络在线培训所存在的模式单一、学习过程固化、缺少个性化指导等问题和弊端也逐渐凸显出来。伴随着互联网、大数据等信息科学的发展，线上线下相结合的混合式学习模式逐渐被人们认可，并应用于各类学习实践当中。将混合式学习理论引入教师培训工作，进行信息技术与教师培训的有机融合，成为了教师培训工作发展的新方向。2018年1月，中共中央、国务院颁布了《关于全面深化新时代教师队伍建设改革的意见》，明确提出要“转变培训方式，推动信息技术与教师培训的有机融合，实行线上线下相结合的混合式研修。”2018年2月，教育部等五部委发布的《教师教育振兴行动计划（2018-2022年）》中也指出了要“加强教师培训需求诊断，优化培训内容，推动信息技术与教师培训的有机融合，实行线上线下相结合的混合式培训”。

越来越多的培训组织者意识到了培训模式转型升级的发展方向，逐步开始进行混合式培训的尝试，积累出了“翻转式培训”等一系列典型案例[1]。随着应用的不断广泛，对混合式培训的研究也从理论论证层面逐步转向实践研究层面。混合式培训的一大优势特征是通过线上、线下相结合的方式，满足学员多样化的学习需求。这就需要利用研修平台为培训组织者、授课者和参训学员提供全方面服务支持，通过直播、交流、互动、反馈等方式完成课程学习，通过学员的行为数据进行学习分析。因此，构建混合式培训视角下的研修平台，能够真正将线上、线下的学习过程、学习内容、学习成果有效衔接，是实现精准施培目标，提高培训绩效的关键因素。

二、混合式培训的内涵

（一）混合式学习理论

混合式培训是基于混合式学习（Blended Leaming）理论而提出。Bonk和Graham在《混合式学习手册：全局视角，本地设计》中提出混合式学习是将面授和计算机辅助教学相结合的学习形式[2]。黄荣怀认为混合式学习主要是指采用线上和线下相结合的方式，融合课堂教学和网络教学的优势，综合运用不同的学习理论、不同的技术和手段以及不同的应用方式来实施教学[3]。混合式学习能够打破传统以教师为中心的模式，在提高学习积极性等方面相比大型开放网络课程（Massive Open Online Course.MOOC）等形式有着明显的优势[4]。通过将小规模限制性在线课程（Small Private Online Course.SPOC）直播等技术成果引入混合式学习中，能够解决人机交流困难和教学质量低下等问题，提高混合式教学的有效性[5]。

（二）混合式培训的现状

传统集中面授的培训方式能够解决一定的共性问题，但无法满足教师的内在个性需求，缺乏对培训对象的分析和个性化指导，存在着方式单调，模式不够灵活等问题，已无法调动教师的参训积极性[6]。以观看课程视频为主要形式的在线培训，能在一定程度上提升学习的灵活性，但因课程参与性差，教师学习动机不足、自律性不强等因素，导致培训效果不好，因此现阶段广大教师参与远程培训时普遍存在态度消极，学习倦怠等问题[7]。为了有效解决传统面授和单纯在线培训的突出问题，将混合式学习理论和相关研究成果迁移应用在教师培训领域，形成了混合式培训模式。混合式培训强调培训环节与教师实践相融合，线上与线下相结合[8]。实现了传统的集中面授培训和远程培训二者的优势互补，拓展了教师学习的空间，能够有效解决教师专业发展过程中的现实困惑[9]。

混合式培訓虽然在一定程度上继承了混合式学习的优势和成果，但由于其参与者的特殊性，对混合式培训的研究要充分考虑成人学习的相关因素和教师群体的主要特征。就混合式培训的研修平台来说，国外的Blackboard、Moodle平台等，均以学生的课程学习为设计出发点，并不能够充分适用于教师培训。以中国大学MOOC为代表的国内慕课平台，具有丰富的课程资源，但是无法满足教师培训项目的个性化、定制化需求，缺乏管理功能。以国家开放大学、奥鹏远程教育、中国教师研修网、全国中小学教师继续教育网为代表的教师培训机构也开发了一系列培训平台，但均侧重于线上学习阶段，无法对混合式培训全过程进行有效的支持。因此，在构建混合式培训的教师研修平台时，需要基于培训项目实施全流程，综合考虑培训组织者、授课者、参训学员的角色需求。

三、混合式培训平台的构建

（一）混合式培训的组织模式

基于成人学习理论和教师专业成长的一般规律，综合考虑教师群体的工作实际和培训需求，典型的混合式培训主要包括网络在线学习、线下集中面授、训后跟踪指导三个阶段。

网络在线学习阶段主要是通过同步直播学习和异步实践学习相结合的方式完成各类课程。同步直播学习是指教师以SPOC直播的组织形式进行授课，学员可通过研修平台观看直播并进行实时交流互动。异步实践学习是指提前在平台上传与培训主题相关的课程视频并设置课程实践任务，在规定的时间范围内，学员可自由安排观看视频课程与完成实践任务的进度。网络在线学习阶段主要侧重完成基础性内容的知识传授。

线下集中面授阶段以授课者的专题讲授为主，研修平台除了相应的培训管理功能外，还要为集中面授提供授课互动、学习数据记录的服务。平台记录参训学员的出勤、课堂参与、任务完成度等多维度的学习数据，通过深度学习、聚类分析等大数据分析技术对学员学习过程进行分析刻画。将学员兴趣点、参与度、任务完成效率等关键分析数据向授课者予以反馈，从而提升组织者的管理精度和授课者的授课效率，提升培训过程实际意义。该阶段侧重在知识传授的基础上，对专业技能进行理解内化。

训后跟踪指导阶段的培训内容精准指向参训教师的实践问题。通过培训过程中的学习行为分析，对于每个学员，建立学习者画像，帮助参训者诊断问题，指导专家以在线交流的方式进行一对一的跟进指导，协助学员将培训成果应用于课堂教学。该阶段侧重在理解内化的基础上实现从培训课程内容到课堂教学行为的转化。

综上可以看出，对于一个混合式培训项目来说，每个阶段的目标任务并不相同，研修平台需要提供全流程的功能和服务支持。构建功能完备、稳定高效的混合式培训教师研修平台，能够充分满足不同角色的服务需求，有效衔接各培训阶段，保障培训项目的实施和培训目标的达成。培训课程作为培训项目的核心内容，也是授课者与学员进行交互的主要载体。在混合式培训中，课程的时间维度和空间维度跨度较大，因此需要在研修平台中完整定义课程的类型、方式、环节等内容。显而易见，线上课程和线下课程的定位是存在巨大差异性的，这也导致不同阶段，组织者的组织方式，授课者的授课方式，参训学员的学习体验方式均不相同，因此，我们需要对不同角色进行科学合理的需求分析。

（二）培训组织者需求分析与平台功能设计

培训组织者是整个培训项目的设计者，又是培训过程的管理者，也在研修平台中担任管理员的角色，不仅拥有平台各项管理权限，还负责培训各阶段业务流程的规划，因此，组织者的需求主要集中在项目规划、内容设置、学员管理、数据展示等方面。

1.搭建全流程平台化的网络班级

组织者需要在平台上建立完整的项目信息和用户数据。在筹备阶段，基于学员的调研问卷结果，了解培训需求，制定针对性实施规划。通过设计各类课程、研修活动，建立混合式培训三个阶段的总体组织流程，真正实现培训班级平台化。

2.高效智能的培训管理方式

培训管理往往会给培训组织者带来一定的压力，尤其在线下集中面授时，组织者迫切希望通过平台转变以往低效的管理方式，将考勤管理、教学管理、学员管理等纳入平台服务体系。在各时间节点，组织者只需通过培训管理功能模块完成管理事务，并实时查看培训管理数据，掌握培训情况和进度。

3.科学精准的学习干预

为了保障培训目標的达成，培训组织者要对培训学员及时进行学习干预。在以往的培训中，组织者只能通过自己的观察和经验来判断学员个体的学习情况。在混合式培训中，可将最新的人工智能、机器学习、大数据相关技术嵌入式应用于研修平台，基于培训数据进行学习分析，实现精准干预。

4.培训组织者的平台功能

根据需求分析，对培训组织者的平台功能设计如图1所示。

除了常规的项目管理、人员管理功能，组织者可在平台上发布训前问卷，在研修平台中建立相应类型的课程活动，审核学习资源，学习任务等。网络在线学习阶段，组织者要规划好相应的培训课程和研修活动，设置相应的上课时间、直播地址、方式等。线下集中面授阶段，平台主要为组织者提供培训管理功能，包括通过基于摄像头实时人脸检测、实时实例分割和GPS位置信息实现培训考勤。动态更新查看学员学习信息，了解学习进度，安排学习任务。训后跟踪指导阶段，学习者画像技术的应用是本平台的创新点之一，针对不同学员的海量多源异构数据，例如线上直播授课观看时长、交流发言次数、在线学习时间、任务作业完成度、线下面授签到次数、课堂互动次数等，建立基于Hadoop分布式架构的分布式数据库，实现对大规模学员异构数据的存储和查询。为降低Hadoop结构中分布式文件系统（Hadoop Distributed File System，HDFS）的存储压力、加快数据分析处理速度、剔除无效冗余数据对画像分析结果的影响。对学员海量多源异构数据进行数据清洗，去除冗余数据，保证数据的完整性、唯一性、一致性、权威性、合法性。基于清洗数据进行算法建模和画像信息表的绘制，利用K-means等算法进行聚类分析，对学员学习行为进行自动归类。基于统计分析数据，形成学员冷数据画像、温数据回溯、热数据场景和定制化标签四种学习者画像，方便指导教师和学员诊断问题，提升培训针对性。

（三）授课者需求分析与平台功能设计

培训教学不同于传统课堂教学，培训项目中的课程多为专题讲座的形式，每个专题针对某方面内容，授课者也不尽相同，每个授课者会针对自己的专题内容设计类型丰富的课堂教学方式。

1.稳定的线上教学服务支持

对于网络在线教学阶段的授课者来说，其课程效果的影响因素除了内容本身，还包括平台服务、网络服务稳定性，交互程度，易用性，兼容性等。无论是SPOC直播授课还是异步实践课程，都涉及到视频数据的传输，授课者需要一个安全、稳定的平台提供教学服务支持。

2.丰富的线下教学互动支持

线下面授类课程虽然形式单一，但授课方式差异性较大，授课者要在平台上维护自己的课程信息，并根据授课内容，在授课过程中加入课程小调查、互动问答、小组讨论、现场展示等环节，平台也要具备相应教学支持和统计功能。授课者还可在平台上与学员进行在线交流，并通过课后满意度调查等形式，查看学员对自己授课内容、方式、难易程度等方面的评价。

3.授课者的平台功能

根据需求分析，对授课者的平台功能设计如图2所示。

授课者可在平台上维护自己的个人信息，使参训学员了解授课者的专业背景情况。针对SPOC直播课程，授课者在研修平台中以同步直播的形式讲授，直播过程中可通过互动问答，与学员连麦等形式进行在线交流。由于iOS、Android、Windows、Mac、Linux等不同平台提供的音视频技术都不尽相同，为了保持直播的稳定，在音视频的采集和前处理阶段，需要根据不同的平台和机型进行适配。使用回声消除（Acoustic Echo Cancellation.AEC）进行音频前处理，对声信号采用扩展卡尔曼滤波、不敏卡尔曼滤波、粒子滤波等算法来消除残余回声。考虑到TCP协议具有公网传输时速度慢、延时大的问题，UDP协议又不可靠，通过Google提出的GCC（Google Congestion ControD算法进行实时直播数据传输。通过以上技术手段，满足了音频、视频传输过程中高可靠、低延迟的需求。异步实践类课程，授课者需要提前将课程资源视频和相应的文本辅助学习资料等上传至平台中，并为每个课程设置并发布相应的任务及说明，本研究采用MCU（Multipoint Conferencing Unit）模式的媒体服务器，此模式由一个服务器和多个终端组成一个星形结构，通过提升中央服务器存储、处理性能，相比于其他媒体服务器模式，能够提供高效稳定的服务。

（四）参训学员需求分析与平台功能设计

混合式培训中强调以学员为主体，平台的各项功能都是为提升学员的培训效果而服务，因此在进行平台设计时要充分考虑参训学员的需求。

1.临场感和任务驱动相结合的网络在线学习

传统网络在线学习往往通过观看视频来实现，缺乏临场感和互动感，学员更希望以直播的方式参与在线教学，并在直播中同授课教师实时交流想法，反馈问题。考虑到参训学员的实际工作情况，也要满足其异步实践的需求，提供丰富的视频课程和文本材料，加之具有针对性的实践任务，通过学习一实践一成果上传的形式，任务驱动促进参训学员的异步学习。

2.个性化的诊断指导

任何教师培训的目的都是通过理念的转化和方法的教授，最终促进教师真正将所学习到的教学理论、教学方法有效应用在自己的真实课堂教学中。大多数的培训项目中，只是基于培训主题设置统一的实践任务，力求通过单一形式促进教师的行为转化和课堂应用。但显而易见的是，教师的水平不同，背景不同，培训参与方式、投入程度不同，会导致其培训获得的知识并不相同，因此根据教师的个体差异和学习情况设置不同的任务，给予不同的个性化指导，更加有助于教师真正的进行教学实践的改进。

3.平台服务的持续性

学员往往需要不断查看平台中的直播回放、视频、文本等学习资源，因此这些资源应该以课程资源库的形式永久保留并开放，可随时查阅和下载。培训过程中，培训结束后的交流互动，能够促进成人的交流学习水平，很多学员习惯在培训结束后仍然同授课者、其他学员通过平台在线交流保持联系。

4.参训学员平台功能设计

根据需求分析，对参训学员的平台功能设计如下页图3所示。

参训学员在完成训前问卷等前置性任务的基础上，通过观看直播完成同步课程学习，在直播过程中可以通过连麦、弹幕、文字讨论等形式与主讲教师实时互动，在直播结束后，也能够随时在平台观看课程回放。在参与异步实践类课程时，学员可以随时随地在线查看或下载相应的学习资源，并在完成任务后，将成果上传至平台中，供组织者和授课者查阅。平台要能够自动统计学习完成情况，并及时向学员反馈提醒。学员可以通过平台查阅集中面授阶段的课程安排，了解课程目标和主要内容，通过手机扫码完成考勤任务，参与面授过程中授课者设置的各类互动等，并在课后完成对课程的评价、反思等环节。

授課时全程采用摄像头进行实时监控，平台集成了人工智能视频识别技术，以Faster-RCNN及Mas-RCNN等预训练好的深度学习网络对现场摄像头捕捉到的全景教室图像进行测试并统计总检测框人数，可自动识别、统计出当天到场的学员人数，与此前手机线上签到的人数进行比对，可排查是否有异常签到的现象发生。此外，通过实时的人脸检测和分割算法，可有效统计课堂提问情况，研讨情况。自动记录课堂学习行为，形成学习大数据，作为建立学习者画像的数据基础。学员在集中面授后，回到工作岗位进行实践应用，将学习到的知识和技能转化为自己的课程教学行为。除了了解自己的培训学习情况，诊断问题，完成规定的一致性任务，学员还可以将自己的教学实录上传平台，供指导专家观看，并通过平台在线交流的方式随时同专家进行一对一个性化指导交流。

四、混合式培训平台的总体架构与技术实现

结合培训组织者、授课者、参训学员的各项平台功能，可构建全流程的混合式培训研修平台。该平台在基本管理功能基础上，支持多种课程类型和管理方式，涵盖了线上网络在线学习、线下集中面授学习和训后跟踪指导三个阶段，将学员为主体的培训理念融入平台构建中，实现了基于项目的跨时间、跨空间服务模式。平台重要功能的逻辑结构如图4所示。

本混合式培训视角下的教师研修平台，采用MVC（Model View Controller）的设计模式，将业务逻辑、数据、界面显示分离的方法组织代码以进行软件设计。其服务器端基于Hadoop分布式架构，建立HIVE数据库，实现对大规模异构学习数据的存储和查询，并在其上搭建研修平台，实现用户对学习数据的在线访问。该平台使用的规模较小的管理信息存储在MysoL数据库以确保其访问速度。

此外，本平台的网页开发选择企业版Java EE开发环境，系统使用JDBC技术（Java数据库连接）与数据库进行连接，下载了数据库对应的jar包在所需工程中导入，同时设计了数据库连接组件以便用于完成应用程序和数据库之间交换数据时的连接。在进行线下课堂教学行为捕获时，使用PyTorch深度学习框架，其中人脸检测的网络采用Faster-RCNN算法，实例分割网络Mask-RCNN算法，实时检测室内学员的学习行为;对于不同学员的多源异构海量数据，基于Hadoop大数据分析框架以进行特征筛选、数据清洗等;本平台的直播授课部分，音频前处理使用AEC算法，视频压缩使用H.264压缩算法，传输模块采用GCC算法进行实时直播数据传输;本地播放使用OpenGL渲染，媒体后端使用MCU模式的媒体服务器。

五、混合式培训研修平台的应用案例

（一）应用案例概况

在J省的“国培计划——培训团队信息化指导力提升”项目实施中，以本研修平台为主体，为混合式培训项目提供了多方位、全流程的服务支持。该研修项目共有学员50人，采用典型的三段式设计。第一段是30学时基于SPOC直播和异步实践的前置预学，完成培训愿景目标的构建和知识前置学习。第二段以5天的线下集中面授为主体，采用线下集中面授与线上任务驱动结合的方式进行，完成学习内容的内化，成果生成，促进学用转化。第三段为线上支持的返岗应用指导，进一步促进学员的岗位应用。平台的功能支撑了培训各阶段性目标的达成。培训筹备阶段，在研修平台完成项目的搭建，创建培训班级，建立培训授课专家、班主任以及所有参训学员用户账号。班主任发布与培训相关的通知公告，包含培训通知、课程安排、任务要求等，学员可以登录自己的账号查看相关通知公告，及时了解培训安排与培训动态等;在培训中，学员参与直播课程，授课者创建与自己课程相关的主题任务，引导学员积极讨论与思考，调动学员的积极性，学员可以在课程结束后对课程进行评价与反思;培训后，收集培训反馈，持续跟踪学员知识应用情况，通过线上交流的方式提供持续指导，该项目的实施逻辑如图5所示。

在培训教学与管理方面，针对每个课程模块，各项线上学习、研修任务、成果提交等均通过平台交互形式进行，各参与者可随时在后台查看项目运行情况。培训组织者可设定每个模块对应的培训目标达成统计规则，平台根据学员的学习行为数据，能够自动计算培训情况并进行可视化展示。在该项目中，将培训团队信息化指导力划分为政策认知理解力、项目规划设计力、考核实施评价力三个能力维度，每项能力划分为三级水平。学员通过前测调查，了解自己三项能力维度的水平，并确定预期学习目标。培训过程中，学员在混合式研修平台的支持下参与各类研修和学习活动。在培训结束之后，平台根据学员的过程性数据和终结性评价给出相应的个体目标达成数据。

（二）基于平台数据实现培训过程可视化

在J省的“国培计划——培训团队信息化指导力提升”项目实施中，借助混合式培训的研修平台，实现培训管理、资源供给、交流研讨、过程记录等功能的统一化和标准化。这就使得培训效果的实时监控和量化表达成为了可能。通过平台可自动记录所有学员的网络研修、交流研讨、成果反馈、参与互动四类学习行为数据，实现培训过程监控和学员研修行为的数据化和可视化，培训组织者、授课者和学员本人都可根据数据可视化结果及时了解分析自己的学习情况，调整优化学习策略。

本案例中，培训组织者在研修平台设定好相应的数据应用规则，其中，网络研修类数据包括第一阶段的30学时的直播授课观看和异步学习情况。交流研讨类数据包括讨论组发言，评论，课程留言等。成果反馈类数据包括前两个阶段中课程反思，研修任务的完成等，还包括实践应用阶段的成果生成和实践证据提交等。参与互动类数据包括集中面授出勤，课堂发言，参与调查，投票等。对于该项目的每位参训学员来说，结合自己的预期目标，对标政策认知理解力、项目规划设计力、考核实施评价力三项能力的标准，通过平台数据反馈，能够更加清晰直接的了解自己的学习情况。对于组织者来说，个体数据与集体数据同样重要。个体数据反映了每个学员的研修行为偏好，是建立学习者画像的基础。所有学员的汇总数据则代表了整个项目的实施情况，组织者可根据各阶段的数据反馈结果，及时调整优化研修进度与内容安排。以本项目为例，在第一阶段网络研修中，学员直播授课和异步学习参与率、完成率均达到了100%，但是其他类数据水平较低。体现了现阶段教师培训项目实施中的典型问题之一，即被动参与型的活动，往往完成度较高，而主动参与型的活动，个人完成的意愿较低。通过数据可视化及时预警该问题，在集中面授阶段，组织者调整优化培训策略，授课专家在完成授课内容的基础上，更加注重引导学员进行交流互动，并提供成果生成过程中的指导性支持。在实践应用阶段，以三项能力水平的达标性考核为导向，基于学员的预期目标和岗位任务，进一步提供个性化的专业指导。

项目实施结束后，通过平台统计的该项目整体研修参与率数据，对比平台中已有的标准化培训项目平均值，如表1所示。

可以看出，通过平台的数据，实现了培训过程的可视化，在组织者的及时干预与优化下，项目的各项研修指标数值均大于同期的其他项目。

根据本项目的参训学员个体数据和考核规则，平台统计的整体目标达成度如表2所示。

（三）应用学习者画像技术实施精准培训

学习者画像的概念是从用户画像衍生而来。Alan Cooper在对互联网交互方式进行研究时曾提出，基于大量真实数据构建出来的虚拟用户模型就是用户画像[10]。将用户画像概念迁移到混合式培训的项目中，可将每个参训者看作是一个“用户”，其在网络研修和集中培训阶段产生的各类学习行为数据是构建画像的基础。通过采集参训者培训过程中的大量学习行为数据.以机器学习、聚类分析等方式构建学习者画像模型，能够实现精准诊断和精准指导，提升个性化的学习服务支持水平。

本案例实施中，应用混合式培训的教师研修平台，使得构建教师培训的学习者画像成为可能。在采集学员整个培训过程中各项学习行为数据的基础上，将这些数据进行处理，利用机器学习聚类算法等加以分析，能够得到参训学员的学习者画像，划分学习者类型。通过画像结果，可以定量分析学员的培训成效，诊断在培训过程中和日程教学的突出问题。指导专家也可以根据画像结果对每位学员的训后返岗实践进行精准指导。本研究下一阶段的重点就是画像的构建方法和画像结果的应用。

六、结语

作為信息技术和教育技术发展的成果之一，混合式培训已成为促进教师专业发展的重要途经。混合式培训结合了传统培训形式的优势，组织模式、课程方式、培训流程等要素都更加符合参训学员的需求，但同时也对研修平台提出了更高的要求。本研究基于典型的混合式培训模式的视角，对培训组织者、授课者、参训学员进行需求分析，采用MVC的设计模式，基于B/S架构（服务器/浏览器），构建了涵盖项目管理、在线授课、学员管理、在线交流等全方位服务支持的研修平台。平台的创新之处还在于，除了在线学习的行为记录，在集中面授阶段应用视频识别技术，利用PyTorch深度学习框架，实现课堂学习行为的自动捕捉和识别，从而建立多模态的参训学员学习数据。基于Hadoop分布式架构，应用学习者画像技术，基于K-means算法进行聚类分析，可以帮助学员精准诊断问题，实现个性化、针对性的训后跟踪指导。为提升培训绩效，促进学员专业能力成长提供了平台服务保障。J省的“国培计划——培训团队信息化指导力提升”项目作为平台应用的典型案例，在本研究中只进行了初步的阐述，下一步将基于平台已有数据，深入进行混合式培训中学习者画像的研究工作。

参考文献：

[1]宋海英，王姣姣.“翻转式培训”模式的构建与实施策略[J]当代教育与文化，2018，10（5）：55-60.

[2] Bonk，C.J.& Graham，C.R.The handhook of blended learningenvironments：Clobal perspectives，local designs [M].San Francisco：Jossey Bass/Pfeiffer，2006.5.

[3]黄荣怀，周跃良等.混合式学习的理论和实践[M].北京：高等教育出版社.2006.

[4]杜世纯，傅泽田.基于MOOC的混合式学习及其实证研究[J].中国电化教育，2016，（12）：129-133+145.

[5]王晓跃，习海等.基于SPOC混合式学习模式的学习支持服务构建研究[J].电化教育研究，2019，40（3）：48-53+117.

[6]张二庆，王秀红.我国教师培训中存在的主要问题及其分析—一以“国培计划”为例[J].湖南师范大学教育科学学报，2012.11（4）：36-39.

[7]徐恩芹，徐连荣等.教师远程培训中的学习倦怠研究[J]中国电化教育，2015，（9）：28-33.

[8]刘清堂，张思.教师混合式培训中主题研修活动设计模型研究[J].中国电化教育，2015，（1）：111-117.

[9]罗秀.中小学教师混合式培训的理念和实施策略[J].中小学教师培训，20157（9）：23-26.

[10] COOPER A.The inmates are running the asvlum：why high-tech products drive us crazy and how to restore the sanity [M].Indianapolis：SAMS.2004.

作者简介：

薛杨：在读博士，研究方向为信息技术与教师专业发展（xuey732@nenu.edu.cn）.

陈晓慧：教授，博士生导师，主任，研究方向为人工智能时代的教师教育、学习的基本机制与干预、教育精准扶贫、比较教育、 “一带一路”国家教育政策（chenxh582@nenu.edu.cn）。