基于学习者画像的精准教学干预研究_王春华.pdf

第 卷第 期 年济南大学学报（社会科学版）（）教育学研究基金项目本文系山东省社会科学规划重点项目“面向基础教育信息化的农村教师专业发展研究”（项目编号：）之阶段性研究成果。作者简介王春华，山东师范大学教育学部教授，硕士生导师，教育学博士，主要研究方向：信息化教学、学习分析。国务院：国务院关于印发新一代人工智能发展规划的通知，：，年 月 日。中华人民共和国教育部：教育部关于印发教育信息化 行动计划的通知，：，年 月 日。师亚飞等：基于学习画像的精准个性化学习路径生成性推荐策略研究，中国电化教育，年第 期。，：，黄涛等：智能教育场域中的学习者建模研究趋向，远程教育杂志，年第 期。基于学习者画像的精准教学干预研究王春华（山东师范大学 教育学部，山东 济南）摘 要学习者画像作为大数据学习分析的一个分支，能够实现数据资源的筛选与整合，有助于实现精准教学。以目标为导向开展基于学习者画像的精准教学干预需要系统设计。首先依据布卢姆教育认知目标分类理论，制定面向认知的行为目标分类及其数据指标以及精准结果目标分类体系；然后构建目标导向的学习者画像模型，以学习者的兴趣特征、行为特征、知识水平为基点绘制画像，精准区分学生，诊断教学问题；再基于学习者画像结果，从目标、行为、结果角度对目标精准分层，进而开展个性化资源推送、风险监督与预警、同伴对话反馈、反思性评价等系列化精准教学干预。实践应用结果表明：基于学习者画像的精准教学干预在行为目标、结果目标提升及教学主体满意度方面成效显著。关键词学习者画像；精准教学干预；干预策略中图分类号 文献标识码 文章编号（）近年来，国家大力推动教育信息化，提倡公平而有差异的教育。年，中共中央国务院发布的新一代人工智能发展规划提出发展智能教育，要构建以学习者为中心的教育环境，实现精准教育服务。反观我国当前的教育形式，大班集体教学仍是课堂教学主流形式，“教学不精、学习不精”的问题依然存在。对此，年教育部印发教育信息化 行动计划，提出要探索信息化条件下实现差异化教学、个性化学习、精细化管理、智能化服务的典型途径。学习分析技术的发展为实现精准化、数字化、个性化教学带来了契机，已有研究基于大数据探讨了精准教学的模式和过程，但因数据零散且分析过程复杂，大多只应用于在线教学或高等教育中。学习者画像作为大数据学习分析的一个分支，可以从不同的构建视角来探索教学规律、刻画学习行为路径，从而帮助教师调整教学策略、设计适合的精准化教学，为实现教学的“精准”提供突破口。这种以“数据分析特征发现智能干预”为特征的个性化精准教学，是“互联网 ”时代DOI:10.20004/ki.ujn.2023.02.014学校教育实现规模化的个性化教育的必然选择。基于以上背景，本研究尝试从目标导向视角设计基于学习者画像的精准教学干预框架，通过构建及分析学习者画像来挖掘隐含的学习规律，精准识别每位学习者的学习特征与学习需求，设计基于学习者画像的精准教学干预策略，以期为一线教师提供建议和借鉴。一、学习者画像与精准教学内涵审视（一）学习者画像画像的概念最早出自美国交互设计之父 提出的“用户画像”（）一词，他认为用户画像是指建立在一系列真实数据之上的目标用户模型。之后有教育者将画像的概念迁移至教育领域，衍生出“”，国内大多翻译为“学习者画像”，相似的概念还有学习者建模、学习者模型、学生数字画像、学习者仪表盘等。迄今为止，在学界“学习者画像”还没有形成统一的概念或定义。有的研究者从教学服务的角度出发，将其理解为行为动词，认为学习者画像是对虚拟学习群体在特定环境下的共同行为特征的描述。也有研究者从建模的角度将学习者画像定义为名词，即方法或模型，例如：认为学习者画像是指以群体特征为核心，将学习者进行群体分类描述的方法，为各类教育产品的设计提供精准的支持。概括来看，学习者画像具备以下特点：画像是对学习者基本信息的描述和集合；通过对学习者特征的抽象化描述，建构学习者标签化模型；最终以可视化方式输出，目的是为特定的教学措施提供数据支撑和指引。综合已有观点，本研究将学习者画像定义为在搜集各种学生学习数据的基础上，利用数据分析和呈现技术，从各种数据中提取学习者特征并进行标签化，进而刻画出包含较完整信息的学习者模型，以此直观地反映学生的内外部学习特点，从而为开展个性化教与学提供依据。（二）精准教学精准教学干预的关键在于“精准”。世纪 年代，美国学者奥格登林斯利（）在斯金纳行为主义理论的影响下提出了具有循证学属性的教学程序 “精准教学”（）。早期传统的精准教学致力于科学的监测和评估，要求使用标准变速表记录学习者可直接观察的行为，以此来作为教育决策的依据。世纪 年代，威拉德达格特为解决美国基础教育中的问题提出精准教学框架（）。与林斯利所提出的精准教学内涵不同的是，“（精）”指的是“严格”，“（准）”指的是“相关”，“（关系）”指的是“交互”，即要实现学习效果的最大化需注意三者之间的平衡状态。随着大数据、智能技术的发展，教学“数据化”的特征越来越凸显，基于大数据的精准教学模式构建、生成基于学习者画像的精准教学干预研究杨现民等：中国基础教育大数据：走向数据驱动的精准教学，北京：科学出版社，年版，第 页。：，：，肖君等：基于 的在线学习者画像的构建与实证研究，中国电化教育，年第 期。：，（），：，年 月 日。付达杰等：基于大数据的精准教学模式探究，现代教育技术，年第 期。路径等不断得到理论与实践的验证。精准教学经历了从基于直观数据到基于框架再到当前智能技术发展下基于数据分析的发展历程。在这个过程中精准教学的内涵不断演变，学习者学习过程中的认知、情感、行为等数据成为研究的依据，这体现了师生与教育数据的互动趋势、技术的工具属性与价值属性的融合过程，人本主义理念在这一过程中也逐渐得到强化。由精准教学的发展历程可见，精准教学就是在利用技术充分了解每个学生的特征及学习需求的基础上实施有针对性教学的一种个性化教学范式。精准教学的实施离不开数据分析技术对每个教学环节的支持，尤其是对学生特征的描摹，“精准”只有通过数据才能实现。二、基于学习者画像的精准教学干预设计框架精准教学中的“精准”指的是精准制定教学目标、精准诊断教学问题和精准实施教学干预。本研究根据教学设计理论，参照教学设计一般过程，总结画像分析技术在教学实践中的应用经验，设计了基于学习者画像的目标导向精准教学干预设计框架（如图 所示）。目标导向强调了使用学习者画像的目的，要求学习目标与使用场景相结合。学习者画像以学习者为中心，将精准教学干预的过程分解为三个步骤：第一，确定精准教学目标，即以布卢姆教育目标分类理论来指导划分认知目标层级及所对应的能力水平；第二，基于学习者画像反馈教学问题，采集全方位、多模态数据，分析学习活动的过程和结果，可视化反馈学习情况；第三，基于 的 教学模式，对应前提（）、过程（）、结果（）关注精准教学的目标、行为和结果，进而设计精准教学干预策略，并在实际教学环境下实施干预策略，评估干预效果。框架采用逆向设计，从目标出发，循环递归，干预结束后对干预策略及干预后的目标效果进行评估，根据是否达到预定目标决定下一步行动。图 基于学习者画像的精准教学干预设计框架 图 面向认知的行为目标分类及其数据指标济 南 大 学 学 报（社会科学版）任红杰：基于大数据的精准教学：生成路径与实现条件，黑龙江高教研究，年第 期。罗莹等：初中物理精准教学课堂的构建及实践，中国电化教育，年第 期。，：，三、精准教学干预目标的分类与确定安德森等人提出了修订版的布卢姆教育认知目标分类理论，将认知目标分为知识维度和认知过程维度，其中知识维度分为事实性知识、概念性知识、程序性知识、元认知知识四类知识，认知过程维度分为记忆、理解、应用、分析、评价、创造六个层次。本研究将精准教学干预目标聚焦于认知和态度两个方面，将认知作为目标焦点，同时培养学生的学习兴趣和学习情感。用目标来引导学习分析与干预的实施，其中学习分析主要是对学习过程和结果的分析。为考察学生学习过程中的行为表现，本研究以修订版教育认知目标分类理论为指导，依据“目标内容行为”的递进关系设计了面向认知的行为目标分类，考虑到数据采集的可行性，参考武法提等学者面向学习结果分类的行为数据分析，将目标所对应达到的行为表现进行描述，进而制定了可供直接观测的数据指标（如图 所示）。学习结果通常是以测试分数来呈现，测试分数能够较客观地反映学生知识和技能的掌握程度，但所提供信息有限，无法为后续调整和改进教学提供充足依据。为了纠正唯分数的评价弊端，研究以义务教育英语课程标准（年版）为依据，以八年级现在完成时单元为例，将课程内容进行解构，将每个核心概念知识拆解为具体的教学目标，将其投射于布卢姆双维度分类表中，制成面向认知的精准结果目标分类体系（如表 所示），该体系包括知识和认知过程两个维度，既可以作为画像数据收集的参照，也可以作为试题编制、微课设计的依据。精准教学的目标是从行为和结果上提高学生的行为表现和认知水平，通过以上行为和结果的目标分类，可以将教学目标细分为记忆、理解、应用、分析、评价、创造六个层级，确定学习者达到不同层级的认知目标水平，以实现目标、行为、结果的联结关系，进而由目标指导精准教学干预的实施。表 面向认知的精准结果目标分类体系（以八年级英语现在完成时单元为例）基于学习者画像的精准教学干预研究美洛林 安德森：布卢姆教育目标分类学 分类学视野下的学与教及其测评，蒋小平，张琴美，罗晶晶译，北京：外语教学与研究出版社，年版，第 页。武法提等：基于学习者个性行为分析的学习结果预测框架设计研究，中国电化教育，年第 期。四、学习者画像及问题诊断（一）构建学习者画像模型梳理国内外相关研究发现，画像的构建主要基于虚构、角色、目标导向和参与等四个视角，体现了从个体到群体、表面到具象、宽泛到聚焦的动态过程。本研究在目标导向视角下，结合智慧学习环境，关注学习者的行为和认知能力，通过画像识别学习者个体和群体特征，从学习者的角度诊断教学问题，帮助教师实施个性化的精准教学干预。关于画像维度的划分，提出“三阶段四层次”的网络通识课学习者画像框架，包括学习经历、行为特点、综合能力等维度；肖君等基于 活动流提出了以能力为导向的在线学习者画像模型，其维度包括知识水平、行为特征、态度特征。本研究在智慧学习环境下，力图融合“平台 资源 交互”的智慧互动课堂，实现线上线下资源交互、师生互动、知识测验、学业质量评价等功能。因此在参考前人画像模型维度的基础上，构建了包括兴趣特征、行为特征、知识水平三大维度的基于目标导向的学习者画像模型（如图 所示）。模型以目标为内核，从内向外依次是目标层、一维指标层、二维指标层。内核目标层包括认知和态度两项，分别对应知识水平、行为特征和兴趣特征三个一维指标。二维指标层中，学习者的行为特征分为参与度、交互度、专注度三个子维度；知识水平则根据布卢姆认知目标的知识维度划分为事实性知识、概念性知识、程序性知识、元认知知识；兴趣特征包括学习者的学习风格、媒体偏好和学习兴趣。图 基于目标导向的学习者画像模型（二）数据采集与分析本文选择 省某所智慧教育共建校为研究基地，该校力求打造双向智慧互动课堂，积极探索智慧平板与课堂教学有效结合，满足本研究实施条件。选取八年级直升班的 名学生为研究对象，教学方式采用线上线下混合式教学。以该班英语现在完成时学习数据作为数据来源，依据学习者画像模型进行数据的采集与分析。依托线上平台采集人口学特征数据、资源访问数据、交互反馈数据、测试与作业数据、学习者问卷数据等；基于课堂观察，采集课堂学习参与数据，包括提问、回答、济 南 大 学 学 报（社会科学版）亓丛等：用户画像概念溯源与应用场景研究，重庆交通大学学报（社会科学版），年第 期。，：肖君等：基于 的在线学习者画像的构建与实证研究，中国电化教育，年第 期。讨论、汇报分享等。为保证量纲的一致，在分析前进行数据清洗及 归一化处理。数据分析采用系统软件分析加人工赋予标签的方式来完成，从不同维度采用不同的方法进行分析，表 呈现了学习者画像的划分维度及数据指标。表