打开文本图片集

摘要：本文首先概述了基于大数据的自适应个性化教师教育系统在教师培训方面的主要特点和发展情况，自适应个性化学习系统为教师教育可持续发展提供必要条件。作者通过对基于大数据技术的自适应个性化学习多个类型的系统的研究和分析，提出了基于大数据技术的自适应个性化学习系统结构的一般模型以及在教师培训的基本应用。提出的模型为后续的基于大数据计算的自适应个性化系统在教育领域中的教师培训方面应用提供了可借鉴的有效方式。

关键词：大数据;教师;教育系统

一、引言

在当今社会中，科学技术和工具的发展与创新无时无刻不对教育行业进行着影响，这些影响不但对教学理念和模式产生了重大影响，也促使教师在数字化应用大潮中，不断学习和更新教学内容、教学方法和教学工具。教育的变革又会影响学生的培养和对职业标准，企业用人以及生产力的影响，形成了对劳动者新的要求。因此，这些变化又反过来要求教师不断提升个人可持续发展的能力以适应新的社会需求。这些教师在数字化的工作环境中，不断适应变化、在课堂及课堂外的教学中应用好新的现代化教育工具和设备，保障教育培训的质量和效率。

对教师信息化教学能力的提升和培养，在欧美国家早就写入了教育发展规划中，比如美国在1996年-2015年期间颁布了5个版本的“国家教育技术计划”，强调了信息技术对教育领域的重要作用并对教师的信息化水平的提升提出了详细的要求。英国在2010年出版的《21世纪教师手册》中将使用信息技术作为教师必备技能，并提供必要的资金支持对在信息化方面表现突出的教师给予奖励。在亚洲，新加坡也制定了教育信息化规划，将教师、教育信息化进程作为建立一个智慧国家的必备条件。中国教育部办公厅于2014年6月印发《中小学教师信息技术应用能力标准（试行）》的通知，要求全面提升中小学教师的信息技术应用能力，促使信息技术与教学深度融合。在师范生培养方面，2021年4月教育部出台了《中学教育专业师范生教师职业能力标准（试行）》等五个文件，明确了中学教育、小学教育、学前教育、中等职业教育和特殊教育专业师范生教师基本的信息化能力要求和素养。这些文件的提出和落地，充分说明了信息化与教育之间密不可分的联系及必不可少的作用，教师只有掌握了一定的信息化应用的能力才能更好的完成教育任务，培养的人才才能更好地适应大多数行业企业的需求[1]。

这就意味着，教育者们需要在教育过程中选择合适的、有效应用的新兴技术，这些技术允许尽可能能实现个性化教育过程，更加符合每个学生的学习需求。根据经济合作与发展组织（OECD）部分专家的调查结果发现，大多数的对教师的培训发生在非工作时间通过非正规或非正式学习在网上进行，平均一年一次。因此，根据调查可以看出，教师的培训时间是不够的，培训模式也有待提升，教师的培训也要考虑个性化，要利用适应性技术来显著提高教师教育和培训的质量。

通过文献调查和具体的应用实例发现，通过大数据技术和平台结合自适应个性化系统的形成，使得教师的个性化培训有望实现。基于大数据技术的自适应个性化系统可以将不同类型的教育服务集成到整个系统中并整合成统一的框架。系统的设计优先考虑到开放性和灵活性，便于教师的教育和培训灵活开展并获得最佳效果。一个适合教师可持续教育目标的自适应个性化系统，需要考虑系统的总体结构和各个功能组成部分，同时考虑到为每个组成部分选择服务并详细说明其使用方法可能是针对适当环境的单独任务。本文将简要介绍个性化的发展趋势和基于大数据的自适应个性化学习系统的模型、方法。

二、基于大数据的自适应个性化教师教育系统设计原则

国际教育界公认了基于大数据的学习和研究环境的形成是教育培训信息化的一个重要的领域[2]，在教育领域的发展也是令人瞩目的。通过大数据技术的加持，教育活动变得更加灵活、规范和有序，教育工具和设备也能更好地发挥作用，形成新的教育行业的生产力，这也是为什么要对教育工作者进行培训，提高他们的教育应用能力的主要原因之一[3]。通过进行文献分析，发现以下几个原则恰恰为基于大数据的教师培训自适应个性化学习系统设计定了个调，可以作为设计过程中可参考的5个原则。

1、参与学习。对于教师而言参与到学生的讨论中是必备的要求，通过与学生的研讨，影响学生的信息搜索、分析、创造和反馈的能力外，对自己也有提升。对于教师而言，进行社会参与可能是更加重要的原则，它意味着教师在培训中需要积极参与各种类型的社会小组工作、不同的社会讨论方式和完成社会项目的信息化能力及联系实际能力等。

2、归属学习。对于教师而言第二个需要形成的能力是将新信息与以前的知识联系起来。这意味着重要的是新知识不会取代已获得的知识，而是扩展、深化、促进建立逻辑的、跨学科的联系。

3、战略性学习。在当今信息更新和传播速度超快的世界，培养年轻一代教师的自学技能非常重要，这不仅在于学习本身，还在于规划和控制这一过程、构建有效策略、拥有教育生活轨迹、发现教育信息并对其进行批判性评估、建立因果关系等的能力。

4、反思学习。对于教师而言，完成教学活动后很有必要进行自我评估，而自我评估很多可以通过信息技术来进行设计、规划和主导，使得评估活动更加有效和快捷。教师通过批判性地评估自己的知识水平、能力，使用适应性技术，监控学习结果，以填补发现的差距等。

5、差异性学习。教师不但在教育过程中，也在自我教育过程中有必要考虑每个个人特点。这些特征都可以提高学习者能力。因此，重要的是提供广泛的任务和形式，包括自我评估和自我评价，这将激励每个学生。自适应个性化技术最符合这一原则。

通过分析和实践可以发现，这些原则能够反映了教师培训的规律：例如从被动到主动的参与，从常规的记忆到创造性的知识，从教师的角色-知识的翻译者到教师-促进者，从技术的精确使用到它们有机地融入教育过程。根据信息技术领域的快速发展趋势，真正的个性化学习实现是很可能的。但是，在设计系统的过程中，不要忽视人格的发展和变化，技术要更好的和个人特征相互融合，真正起到促进作用。

三、基于大数据的自适应个性化教师教育系统现实案例

目前，有不少公司开发了适应性软件和平台，其中的一些系统已经在各种教育和社会文化环境中进行了测试，并在全球教育领域得到了广泛应用。这些平台如Cerego、红鸟高级学习（RedBird Advanced Learning）和美国Knewton自适应个性化学习平台等;其中的Knewton是目前国际上比较受认可和有效的适应性学习项。它基于连接概念的非线性知识图;通过对教师的个性特征数据的分析，为教师和学生提供个性化建议。除了作业的结果外，系统还允许您确定参与者的熟练程度（“技能”）、参与度（“参与度”）、活动时间（学生完成任务所花费的时间）、完成材料到最后的时间。系统为学生（个人进步）和教育者（个别学生和小组进步）生成统计数据。此外，根据获得的数据，系统提供了建议。一些大学（如美国亚利桑那州立大学）将这个平台用于学生教育，使得辍学率有了普遍下降。在美国，马塞诸塞州立大学开发了第一个自适应MOOC课程（综合分子在线课程Comprehensive Molecular Online Course）在计算分子动力学，称为AMOC。AMOC平台提供了强大的教学支持和基于Amazon Web Services大数据云架构的个性化学习环境。在美国Aspire公立学校，教师使用自适应个性化技术作为支持混合学习的手段。他们使用数字工具，讨论、了解自己的成就，参与改善成果和克服挑战的战略。

四、基于大数据的自适应个性化教师教育系统的通用模型

通用模型需要慎重考虑系统应该适应什么（或适合谁），在构建用户模型时应该调查和考虑什么特征。除了用户模型之外，系统还存储用户配置文件。用户配置文件存储用户的个人信息，如科学（教育）效益、培训模式和用户知识。该模型基于剖面研究。科学家探讨了为自适应个性化学习系统构建用户模型时所需的特征问题，列出了15个被认为是适应来源的特征（年龄、性别、认知能力，长期记忆、空间能力、元认知能力、个性、焦虑、情绪和情感状态、认知风格、学习风格、经验、背景知识、动机、期望等）。当培训系统适应上述的一个或多个用户特征时，教师培训系统的适应度会提高。系统需要根据用户的偏好将其应用于教师的培训以提高适应性。自适应个性化学习系统是一种学习系统，它使学习内容的结构适应个人用户的个人学习特征。中国的大国战略和中国梦的实现，需要懂得最新的技能和知识的人才，这就需要教师率先了解现代化的教育手段，并使得教育教学更加与现代技术发展、教育质量的提升相适应，因此需要一套体系和支持系统来培养高素质、信息和通信技术能力强的教师。需要一个基于大数据的自适应个性化教师教育系统的理论支持和开发。

为了更好地提高适应性，本文提出了基于大数据的自适应个性化教师教育系统的通用模型（图1）。该模型为三层机构，第一层包含大数据技术平台、通讯平台和公共科学教育信息网络;第二层次包括基于大数据技术的学习、培训工具和组件（比如数据库和存储库、数据分析和模式识别工具、专业教育软件和服务;教育机器人、语言处理工具等）;最上层是各类公共大数据服务通常可能包含办公服务;自适应个性化数据和知识管理工具、基于大数据的特殊学习和研究工具、电子教育资源（EER）集合和EER精化工具等。

本研究中的基于大数据技术支持教学和研究活动的自适应个性化通用系统模型，模型融合各种网络工具，通过和谐组合嵌入到信息化教育环境中。模型支持教师培训过程中各种形式的协作。基本元素也包含了组织、内容和技术部分。该模型建立在基于自适应个性化大数据的教师教育系统的总体结构基础上，使得教师有个人或集体空间，这些空间由一些结构元素组成，形成新的考验互动协同的集合，为教师自适应个性化学习提供支持。

五、总结

本文提出的基于自适应个性化大数据的教育系统的通用模型，整合了教育机构的公共大数据以及通信服务和科学教育信息网络。由于现在需要基于大数据的混合解决方案，所以对于属于任何公众或公司部分的服务类型没有严格限制。提出的模型仅提供了服务供应的一般结构和方法。进一步研究的重要问题是基于基本原则和方法考虑和构建不同的配置，并为教师用户选择最合适的服务集。因此，在后期的研究中进行改进。

参考文献

[1]胡旺，陈瑶.自适应学习：大数据时代个性化学习的新推力[J]. 中国教育信息化. 2018（21）.

[2]董晓辉，杨晓宏，张学军.自适应学习技术研究现状与展望[J].电化教育研究. 2017（02）.

[3]龚春芬.自适应学习技术在高等教育中的应用初探[J].中国成人教育. 2017（04）.

基金项目：2020年浙江省教育厅一般科研项目：《基于“大数据+动力学”的高校动态个性化学习模式研究》，项目编号：Y2020 44773;全国教育信息技术研究2017年度课题项目《基于VR技术的高校交互式动态教学模式构建实践研究》（项目编号：1761300 15）。

作者简介：颜正恕（1981—），男，浙江宁波人，副教授，研究方向：主要从事数字媒体和教育，计算机科学与技术方面的研究。