面向教师画像的能力精准测评和可视化呈现

胡小勇 许课雪 张缨斌

摘要：在人工智能助推教师队伍建设背景下，借助画像技术实现对教师能力的精准测评并助力其个性化发展，愈发重要。然而，面向教师画像的能力测评精准性仍有待提高，其可视化呈现方式的解释性也仍显不足。研究根据教师能力的构成特征及多模态数据测评文献分析，构建了全面细粒度的面向教师画像的能力测评框架，并从数据多源采集及其准确处理的角度，提出了有效场景信息识别、数据采集高支持度保障、跨场景数据动态融合、非线性特征提取算法优化等四方面的测评精准性提升策略。结合自主研发的师范生教学基本技能智能实训系统，研究分析了教师画像的数据可视化特征，探讨了能力外显的行为、社会交互、知识、情感等四类数据属性的可视化方式。

关键词：教师画像；教师能力；精准测评；数据可视化

中图分类号：G434 文献标识码：A

本文系国家社会科学基金“十四五”规划2022年度教育学一般课题“人工智能视域下的教师画像及应用研究”（课题编号：BCA220206）阶段研究成果。

一、引言

教师，是建成高质量教育体系的第一资源。人工智能时代，研究者认识到用户画像价值并应用在教师领域[1][2]，以满足个性、精准和适需的教师服务转型。教师画像作为管理与评价教师的新型工具，是教师队伍建设的重要支撑。2021年，教育部《关于开展第二批人工智能助推教师队伍建设试点推荐遴选工作的通知》强调要“应用教师大数据……建立教师画像……為教师教、研、管赋能”，要在教师队伍建设中运用教师画像技术精准测评教师专业能力，服务教师精准化个性化研训。近年来，教师画像的研究体现了从“教师画像概念初兴” “数据处理模型探索”到“单一场景实践应用”的演进脉络。然而，由于教师群体的角色多元化、能力复合性、场景多样化等，面向教师画像的能力测评在多场景联动、测评精准性、可视化呈现等方面存在着诸多不足。实现教师能力的精准测评，依赖于构建全面精细的能力测评框架和获取处理多模态的数据[3]。聚焦单一场景难以反映教师的全方面能力，单模态数据也难以刻画教师能力的真实水平；同时能力精准测评的教师画像结果多呈现为可视化方式，然而以往聚焦单一场景的教师画像存在呈现方式单一、解释性低等不足，影响教师画像的实际应用效果。因此，本研究聚焦教师能力精准测评需求，构建了全面细粒度的教师能力测评框架，从数据采集和处理的角度探讨提升教师能力测评精准性的策略，并研究其测评结果输出的教师画像可视化呈现方式和案例。

二、面向教师画像的能力测评框架

教师能力是指能支持教师应对各种职业相关情景的能力，如支持应对教学、学习、管理、研究、服务、活动、家校等多个场景要求。关于教师能力的构成，世界各国学者各有表述。如德国《教师教育标准：教育素养》中将教师的能力确定为教学能力、教育能力、评价能力和创新能力；欧洲2022版《融合教师能力框架》从价值观的角度规定教师需具备重视学习者的多样性、支持所有的学习者、与他人合作及实现专业发展的能力；美国《基础教育教师职业能力标准》明确教师应发展教育、教学、人际关系、个人素养、职业发展、社会责任等方面的能力；胡卫平和张睆指出教师专业能力包括基本能力、教学能力、教育能力、自我发展能力和教学创新能力[4]；焦晓骏则将高职教师的专业能力分为教育教学能力、教育技术应用能力、科研创新能力、持续发展能力等[5]。这些观点都纷纷认为教师需具备个人道德、课堂教学、学生教育、持续发展方面的能力，其与教育部印发的《中学教育专业师范生教师职业能力标准（试行）》等文件（下称《标准》）中关注的师德践行能力、教学实践能力、综合育人能力和专业发展能力基本一致。因此，本研究以此四能力为基准，构建面向教师画像的能力测评框架。

（一）教师能力构成

1.师德践行能力

师德践行能力是指教师在教育教学中践行道德规范和行为准则，及具备与之配套的道德观念、道德情操和道德品质的能力。师德具备教师从教的专业属性，是在各项教育实践活动中才得以体现的[6]。《标准》主要将师德践行能力分为遵守师德规范和涵养教育情怀的能力。（1）践行师德规范约束教师在教育实践中践行“正直”“尊重”“责任”“公正”“尊严”的教育伦理道德要求[7]，要求教师要做到充分了解并尊重学生的多样性和独特性；并在管理、家校、研究等教育场景中，同样秉承并践行这五大要求。（2）涵养教育情怀是教师专业发展的内生动力，是驱使教师对职业感兴趣并为之奋斗的重要因素。教师的教育情怀是其对自身、对学生、对教育的一种关系性情感体验。对自身，教师首先要学会爱自己、追求人生价值并敢于享受幸福；对教育，教师内化为职业认同、职业敬畏和职业信仰，外现为尊重教育规律和坚守教师岗位；对学生，怀揣教育情怀的教师是以充满人性光辉的爱去关心学生的健康发展[8]。

2.教学实践能力

教学实践能力，也可称教学能力，是指教师对各种教学方法和内容的充分理解与应用，并在课堂教学中促进学习者有效学习的能力[9]。教学实践能力的应用场景主要在课堂，其服务于课程内容的有效教学。教学设计能力、教学实施能力、教学评价能力是教学实践能力的核心构成[10]。（1）教学设计能力指开展教学活动前端工作的能力，包括根据学生特征及课程内容设计教学目标、教学内容和教学过程；（2）教学实施能力指组织开展教学活动能力，可归结为语言表达、师生互动、组织协调等方面的能力；（3）教学评价能力指向在教学全过程的评价能力，包括课前的诊断性评价、课中的形成性评价、课后的总结性评价[11]。根据学科性，教学实践能力可进一步分为教学基本技能和学科教学技能：前者指基本的开展教学设计、实施和评价的技能，以满足基本教学活动的正常开展；后者则指根据学科特征和学科培养方案开展教学设计、实施与评价的技能，具有独特的学科特色。此外，随着运用信息技术融入并辅助教学的普及，包括熟练使用信息化平台和工具、整合数字化资源、熟练处理与解读数据等，也成为衡量教学实践能力的重要标准[12]。

3.综合育人能力

综合育人能力，是指以学生为中心，培养能动性强、全面发展的学生的能力，其指向育人目标的实现[13]。育人目标的内涵与任务随时代变化。中共中央、国务院印发的《深化新时代教育评价改革总体方案》中就明确指出当前教师的根本任务是立德树人，育人目标是“培养德智体美劳全面发展的社会主义建设者和接班人”。教师的综合育人能力不仅体现在课堂的思政教育场景中，还体现在课后师生交谈、家校沟通及课外活动等场景中。价值塑造、多元知识传授和综合能力培养是综合育人能力的核心组成部分[14]。（1）价值塑造能力指教师在课程内容的教学设计中挖掘思政元素、在教学实施中传输社会主义核心价值观，塑造学生正确价值观的能力；（2）多元知识传授能力是指教师不再局限于教材知识范围与传统知识传授方式，能够利用现代化教育技术工具传授多元化知识，引导学生拓宽知识视野、接受新鲜事物并作出合理判断，使之具备时代觉悟和国际视野；（3）综合能力培养的能力是指教师能够设计、实施、评价以学生为中心、涉及德智体美劳多个领域的教育活动（主题活动、课程活动、竞赛活动等）的能力，在促进学生参与意义创生过程中发展其批判思辨、艺术鉴赏、劳动素养等能力。

4.自主发展能力

自主发展能力指教师能够通过自主学习不断提高专业素质、教学与科研水平，以满足职业要求、实现可持续发展的能力。新一代信息技术快速迭代，新的教育环境迫使教师寻求新的方式以适应职业的发展需求。坚持反思、沟通合作、科学研究是教师实现自主发展需要做到的三大方面[15]。（1）沟通与合作的能力要求教师能够具备主动沟通合作的意识，掌握沟通合作的技能方法，并能够运用先进技术手段进行有效沟通与合作。依托大数据、互联网和移动通信等技术的智能学习场域的存在，使教师的沟通合作对象拓展到线上的人与人工智能，如生成式人工智能。（2）反思是教师专业发展的根本前提，教师需要具备反思意识与应用技术工具开展反思的能力，能够反思现有的实践，指导未来实践。（3）参与研究是教师角色中的重要任务，教师有责任发展教育相关的新知识。开展教学研究要求教师能够挖掘教学和学科问题，灵活运用现代信息技术搜集资料或开展实践以解决问题。

（二）教师能力的测评方法

舒尔曼针对专业能力的培养提出了“特征教学法”的人才培养模式，即在培训过程中需要把握好专业能力所表现的具体特征，这些特征的结构可分为表层结构、深层结构和隐结构[16]。表层结构指可被直接观察的行为和活动，如教师的教学行为、社会交互行为等。教师不仅是教学者，也是合作型的研究者，需要与教育利益相关者进行交流合作，其社会交互属性是其专业实践工作的特征之一。深层结构是指支撑表层结构的基本假设和理论基础，与教师隐性的教育学理论与学科基础知识等认知图式相关。隐结构则指教师的情感等，包括兴奋、悲伤、愤怒、恐惧、厌恶、信任、惊讶、期望等基本情感[17]。由上概括可知，教师的各类能力可外显为教师的行为、社会交互、知识、情感四方面的特征，可具体表征为生理类、心理类、行为类、混合类的多模态数据，通过日志搜索、智能录播、情感识别、文本挖掘等技术实现数据获取。

本研究采用文献分析法，在中国知网、万方中文期刊数据库中，检索筛选出2018年至2023年间15篇高质量教师多模态数据测评研究作为构建教师能力测评框架的基础。基于此类研究，并结合教师在师德践行、教学实践、综合育人、自主发展方面的具体特征，将其可能进行的能力测评手段归纳如下，构建面向画像的能力测评框架，如表1所示。

三、提升教师能力测评精准性策略

为满足面向教师画像能力测评的精准实现，本研究认为可采用有效场景识别、保障多模态数据采集、跨场景迭代动态数据、优化非线性特征提取算法等策略，提升測评结果的精准性，如下页图1所示。

（一）借助场景五力，辨别有效教育场景数据

教师能力的测评涵盖对教师师德、育人、教学、自我发展等多维能力的测量与评估，其外显的行为、社会交互、认知、情感等表现会发生在教学、学习、管理、研究等多个教育场景中。“场景五力”，即移动设备、定位系统、大数据与大数据计算、传感器和社交网络五类技术，借助其能够获得更丰富真实的时间、空间、行为、心理、情境等场景要素信息[18]。利用移动设备、定位系统、传感器等技术设备可智能收集场景要素信息；通过抓取教师在社交网络上的行为和言论信息，可丰富实时数据来源；大数据与大数据计算、人工智能等技术可对收集到的信息进行清洗、关联、挖掘和聚合[19]。“场景五力”采集到的数据信息可相互验证，利用时间、空间等场景信息可辨别场景行为的有效性。如，在同一时间段内，教师既在教室产生教学行为信息，又在办公室产生线上学习行为数据，则可判断线上学习为刷课行为，判定线上学习场景无效，此场景下的其他数据也不予纳入画像构建数据库中，并对刷课行为提出警告。因而，借助“场景五力”采集场景信息并辨别场景是否有效，有助于筛选出正确反映教师实际能力表现的数据，从数据源头确保画像结果的准确性。

（二）提升数据安全，确保多模态数据的高互补性

多模态数据具有互补性，每一模态的数据都能提供关于教师某一能力或表现的解释，且可能是其他模态数据不能提供的[20][21]。因而，采集多模态数据、结合数据信息，能够互补形成对某一能力或表现的完整解释，使教师画像的刻画更为全面、精准。然而，在采集行为、社会交互、知识、情感等多模态数据测评教师能力过程中，因教学活动声画信息丰富的特点，极易采集到教师声音、人脸、行为等的相关数据，还可通过信息化设备和应用软件获取教师网页浏览、空间位置等活动信息，这些数据获取的密度和数据颗粒度直接影响测评结果的精准性。同时为确保教师画像的数据安全性，对教师数据的分析利用必须遵守《中华人民共和国数据安全法》的规定，并提高教师画像技术的可解释性，确保教师能够清楚理解，所采集到的数据在收集、存储、使用、加工、传输、提供、公开等全过程处理中均处于有效保护和合法利用的状态。教师画像的工程蓝图设计需朝向教师、教育管理者等多主体开放，并在多方主体的监督下将符合公共的价值理念嵌入工程蓝图中，从画像产品本身保障数据在生命周期中的应用安全性。加强教师画像的数据安全保障，能够提高教师支持多模态数据采集的意愿，确保数据模态的多样性及其对教师能力解释的完整性，进而保证测评结果的精准性。

（三）跨场景数据动态融合，形成多维教师动态画像

教师画像所采用的数据可分为静态数据和动态数据。静态数据是指人口统计特征等相对稳定的信息，动态数据则是指会动态变化的信息，如浏览记录、学习时长等，反映教师随时间变化的行为。教师个体具有阶段发展性，教师画像也具备时效性。教师动态画像是在教师静态画像原型的基础上，实时监测、采集并叠加动态数据，更新画像结果，刻画教师最新画像全貌[22]。基于数据样本获取便捷性原则，动态数据的更新多局限于网页平台端和APP端的日志数据，往往选择性忽略教师线下实践教育场景中的数据，削减了测评的精准性。虽然随着移动通信、互联网等信息技术的发展，部分家校沟通、学习、教研等活动迁移到线上开展，便捷了动态数据的更新获取，但教学、服务、活动等场景数据仍主要产生于线下实践，是展示教师师德践行、教学实践、综合育人和自主发展能力的重要数据来源。因此，动态数据的更新不能只关注线上场景中的日志数据，还应发挥智能录播、视频监控语音识别、可穿戴设备等技术充分记录教师线下场景的数据，跨场景实时挖掘有效信息、更新教师画像数据，使教师动态画像真正实现多维度迭代。

（四）优化非线性特征提取算法，提高诊断精准度

随着多种模态数据的融合，数据集的不断增长与更新，教育数据正朝着高维、非结构化的方向发展。有效的信息被淹没在复杂的数据中，使得数据的本质特征难以被发现。骆方等强调数据特征提取效果直接影响着测评的准确性[23]，影响教师能力测评过程对数据特征分析与诊断的精准度。指向能力测评功能的教师画像，其目的不在于探索教师年龄、学历等属性与能力水平之间的线性关系，而在于通过挖掘行为、交互、知识、情感等数据属性以表征教师能力水平，这些属性之间多为非线性关系，且教师的能力水平具有阶段发展性，会随着时间的推移而变化。因而，用于能力测评的教师画像可认为是非线性时变系统，主成分分析法、线性判别分析法等线性特征提取算法难以满足其特征提取需求。非线性特征提取算法更为适用，包括非负矩阵分解、流行学习算法、基于信息论算法等[24]。然而，非线性特征提取过程容易引入额外的噪声，降噪是其算法优化的重点。

四、教师画像结果的可视化呈现类型

教师能力画像的结果，可借助数据可视化方式来多维展示教师能力的特征和水平。其既要保证可视化结果的强解释性，又要让相关利益者能够理解输出结果，以支持做出科学合理的教育决策。

（一）数据可视化

數据可视化是指将复杂的数据转化为简单的、准确的图形化呈现方式，提升用户的感知特性，帮助用户解构复杂数据信息，传达简单的知识解释[25]。数据可视化模块是接触用户的终端环节，其呈现方式直接影响教师和教育管理者的直观感受、对测评结果信息的全面、正确理解，并间接影响教育决策的科学性。数据可视化具备三个基本特征：首先，在形式上具备易读性，可视化的解释内容易被读懂并接纳；其次，在内容描述上具备解释准确性，多采用定量描述，而非定性描述，前者在解释准确性上优于后者；再次，在应用上具备实用性，能为用户决策提供实用性参考。教师画像结果的理解依赖于一定的可视化技术，教师画像可视化结果要服务于教师专业发展，还需具备与教师专业发展相关的个性化特征：一是发展性，体现教师的发展具有的前进性和阶段性，关注教师的发展及学习过程，追踪其发展规律，能更好地实现发展性评价；二是参照性，教师的发展需要方向和指引，除设计个人画像外，教师画像还可设计标准画像和群体画像，为教师个体的发展提供参照。由上可知，教师画像结果的可视化应具备易读性、解释准确性、实用性、发展性和参照性的特征。

（二）画像的可视化类型

数据可视化的核心活动包括数据属性选择、可视化模板选择和可视化映射规范[26]。可视化方式的选择取决于描述的数据属性，其适配性会影响传递信息的解释性。因此，本研究将探索行为、社会交互、认知、情感四种不同属性的画像可视化方式。

1.教师行为画像的可视化

言语行为、肢体行为、眼动行为等是教师能力的重要外在表现。教师行为画像通过刻画教师行为的情况及其变化直观反映教师处理教学任务的能力水平。教师行为的可视化包括行为频次、基于时间的行为序列和基于空间的行为轨迹的可视化。（1）对于行为频次常采用热图和桑葚图来表示。热图是一种使用颜色深浅表示数值大小的视觉表达手段；桑葚图则使用线条粗细进行表示。（2）基于时间的行为序列主要可视化为行为转换图，多采用滞后序列分析所得序列图来呈现教师行为间的转换和路径。（3）基于空间的行为轨迹可视化可描绘教师个体或视线等空间区域的移动路径，如眼动行为轨迹图、课堂巡堂移动轨迹图等。

2.教师社会交互画像的可视化

随着互联网、社会性网络等技术的深入应用，教师在培育学生、自我发展的过程所产生的社交网络信息得以记录。在实际操作中，常用社会网络来进行交互方向、频次、中心度和密度等数据的可视化。社交网络的视觉效果直观，可以处理大规模观测性的动态属性数据集合，如用于可视化教师在线上社区的实时交互情况等。通过挖掘教师与学生、家长、同事等间的社交网络拓扑结构特征，输出社会交互画像，能反映教师的沟通合作能力等。

3.教师知识画像的可视化

胜任教育教学，教师需掌握一定的教育知识和学科知识储备，并不断重构认知图式。随着计算机科学研究的不断深入，概念图谱、知识图谱和认知图谱成为可视化知识在人脑中组织结构的工具，适用于构建教师知识画像。（1）概念图谱用于说明概念和概念之间的关系，以形成一个有意义的陈述，适合可视化教师对微小知识点的理解。（2）知识图谱与概念图谱类似，但其图示更为简单，更易于形成大容量的语义网络，如可视化教师掌握的学科知识体系。（3）认知图谱则可用于表征教师在解决问题或做决策时的因果推理过程或因素影响过程。

4.教师情感画像的可视化

关心、欣赏、期待等情感是教师能力中的重要角色。可视化教师情感可用于挖掘教师对职业认同、职业幸福、关爱学生、研究热情等的情感体验与变化。教师情感画像的可视化技术主要包括几何图技术和情感之轮技术。柱形图、散点图、河流图、玫瑰图等几何图常被用于展示不同时间或不同场景下教师的情感值分布。情感轮盘技术是基于心理学家普鲁克提出的情感轮盘的可视化方式。情感轮盘由八种基本情感组成，分别对应三种强度值，独特的情感轮盘模型能够展示在某一条件下教师情感的复杂性和多面性。

上述的可视化方法，都关注如何可视化教师的过程性变化，如表2所示。此外，教师在教育教学过程中产出的研究论文、学习绩效、表彰奖励等成果也是衡量教师能力的重要指标[27]。在行为、社会交互、认知及情感方面，教师均会有其对应的成果产出，其可视化主要为数量及主题/内容，可通过饼图、线图、条形图、雷达图等方式进行，通过词云、关键词地图等描述成果的主题/内容。

（三）师范生教学基本技能画像可视化案例

如前所述，教学基本技能是教学实践能力的重要部分。华南师范大学教育人工智能团队聚焦师范生高质量培养研发了师范生教学基本技能智能实训系统，以刻画测评其掌握情况并用以支撑智能训练。

师范生的教学模拟多为同次课的单人训练，是对书写板书、授课语言、脸部表情、教学姿态等多次趋向规范要求的优化修正。该智能实训系统通过智能录播系统全过程录制、采集师范生模拟教学场景中产生的板书、言语、肢体等行为数据，及脸部表情等情感数据，并通过内嵌的多种数据分析技术进行技能测评，如图2所示。图像识别技术可对板书的规范度、行倾斜度、布局均衡性等进行分析；语音识别技术可辨别说话的音量和语速，并通过自然语言处理和文本挖掘技术进行识别判断等；肢体检测技术可确定多种教学姿态的使用及频次；情感识别技术则可识别出各类表情的使用及其丰富度。基于这些多模态的训练数据，结合数据可视化将数据智能测评结果转换为数字画像，其可视化呈现方式具备易读性和解释准确性。如呈现规范达成度的玉玦图、姿態出现频次及占比的饼图、常用口头语的词云图；同时，可视化呈现方式兼具发展性及参照性，如呈现提升过程的折线图、凸显技能差异的雷达图，均能发挥数字画像结果对师范生教学技能发展规划决策的实用性，帮助师范生了解自身在板书行为、肢体行为、言语行为及情感应用方面的情况及不足，实现了信息传递及数据驱动决策的高效率。该智能实训系统启用以来，已有数百名师范生借助该系统进行了智能训练和水平测评，教学基本技能得到了有效提升。该画像系统成果在第58·59届中国高等教育博览会、人工智能助推湾区新师范高质量建设学术研讨会得到展示，受到同行关注和好评。

参考文献：

[1] Liefshitz I A.The learning of teaching：A portrait composed of teacher voices [J]. Harvard Educational Review，2020，90（3）：349-370.

[2] Holzberger D，Maurer C，et al.Ready to teach A profile analysis of cognitive and motivational-affective teacher characteristics at the end of pre-service teacher education and the long-term effects on occupational well-being [J]. Teaching and Teacher Education，2021，100：103285.

[3] 魏非，章玉霞等.微认证赋能师范生教师职业能力精准测评研究[J].中国电化教育，2021，（12）：79-86.

[4] 胡卫平，张睆.教师专业能力发展的理论与实践[J].陕西师范大学学报（哲学社会科学版），2018，47（2）：139-145.

[5] 焦晓骏.高职教师专业能力结构与提升路径──基于20名高职专业教师的访谈研究[J].江苏高教，2021，（8）：99-104.

[6] 李新翠.新时代师德建设的现实困境及其突围[J].当代教育科学，2020，（4）： 80-84.

[7] 姜来，王正平.澳大利亚教师职业伦理规范建设及启示[J].比较教育学报，2023，（1）：133-147.

[8] 姚炎昕，雷江华.教师教育情怀：人性逻辑、德性素养与智慧生成[J].中国教育科学（中英文），2023，6（2）：121-131.

[9] 葛文双，韩锡斌.数字时代教师教学能力的标准框架[J].现代远程教育研究，2017，（1）：59-67.

[10] 李斌.关于教师能力结构的分析研究[J].江苏教育学院学报（社会科学版），2005，（6）：54-56.

[11][13] 刘鹂.教师教育者教学能力探析[J].陕西师范大学学报（哲学社会科学版），2016，45（1）：158-164.

[12] 林梓柔，闫寒冰.基于预训练的教师信息化教学微能力自动识别研究[J].电化教育研究，2023，44（3）：115-121.

[14] 尤芳舟.新时代高校专业教师的育人能力建设[J].现代教育管理，2021，（3）： 60-67.

[15] Fullan M G.Successful school improvement：The implementation perspective and beyond [M].Bristol：Open University Press，1992.

[16] Shulman L S.Signature pedagogies in the professions [J].Dadalus，2005，134 （3）：52-59.

[17] 李海峰，陈婧等.维度语音情感识别研究综述[J].软件学报，2020，31（8）： 2465-2491.

[18] [美]罗伯特·斯考伯，谢尔·伊斯雷尔.赵乾坤，周宝曜译.即将到来的场景时代：移动、传感、数据和未来隐私[M].北京：北京联合出版公司，2014.11.

[19][22] 周聪，刘双等.场景五力视角下基于用户动态画像的精准推荐服务研究[J].图书馆学研究，2021，510（19）：65-72.

[20] Lahat D，Adali T，et al.Multimodal data fusion：An overview of methods， challenges，and prospects [J].Proceedings of the IEEE，2015，103（9）：1449-1477.

[21] 钟薇，李若晨等.学习分析技术发展趋向──多模态数据环境下的研究与探索[J].中国远程教育，2018（11）：41-49+79-80.

[23] 骆方，田雪涛等.教育评价新趋向：智能化测评研究综述[J].现代远程教育研究，2021，33（5）：42-52.

[24] Jia W，Sun M，et al.Feature dimensionality reduction：A review [J].Complex & Intelligent Systems，2022，8（3）：2663-2693.

[25] 张瑶，魏东.从数据属性和设计逻辑再审视数据可视化[J].包装工程，2022，43（12）：234-240.

[26] Grammel L，Tory M，et al.How information visualization novices construct visualizations [J].IEEE Transactions on Visualization and Computer Graphics，2010，16（6）：943-952.

[27] 王保星.美国大学教师教学发展的理论意蕴与实施策略——基于美国若干所一流大学教师教学发展实务的解析[J].高校教育管理，2019，13（2）：33-39+48.

作者简介：

胡小勇：教授，博士，博士生导师，常务副院长，研究方向为教育人工智能、教育信息化理论与政策、信息化教学教研创新。

许课雪：在读硕士，研究方向为信息化教学创新、智能教育理论与应用。

张缨斌：助理研究员，研究方向为教育人工智能、学习分析、自我调节学习。

Accurate Evaluation and Visual Presentation Oriented Teachers Profile

Hu Xiaoyong1，2， Xu Kexue1， Zhang Yingbin2

1.School of Information Technology in Education， South China Normal University， Guangzhou 510631， Guangdong 2.Research Institute of Artificial Intelligence in Education， South China Normal University， Guangzhou 510631， Guangdong

Abstract： In the context of artificial intelligence promoting the construction of teachers team， it is increasing important to realize the accurate evaluation and personalized development of teachers ability supported by teachers profile. However， the accuracy of ability evaluation of teachers profile still needs to be improved， and the explanation of its visual presentation is also insufficient. According to the characteristic of the composition of teachers ability， and based on the analysis of literature of multi-modal data evaluation， this study constructs a comprehensive and fine-grained ability evaluation framework for teachers profile， which provides a basis for accurate evaluation. From the perspective of multi-source data acquisition and its accurate processing， the researcher also puts forward four strategies to improve the accuracy of evaluation， including effective scene information identification， high support for data acquisition， dynamic fusion of cross-scene data， and optimization of nonlinear feature extraction algorithm. Combined with the self-developed intelligent training system for normal students basic teaching skills， this study analyzes the data visualization characteristics of teachers profile， and discusses the visualization methods of four types of data attributes， including behavior， social interaction， knowledge and emotion.

Keywords： teachers profile； teachers ability； accurate evaluation； data visualization

收稿日期：2023年11月22日

責任编辑：李雅瑄