大數據驅動課堂教學中的師生精準畫像構建路徑的研究

樊菲 喬雪

摘要：信息化時代的發展和教學環境的變化對課堂教學提出了更加精準化的需求。近幾年用戶畫像也普遍應用在教育領域，并取得了顯著效果。文章針對課堂教學過程中的師生精準畫像展開研究，利用人臉檢測、感知等智能技術采集分析相關數據，運用聚類、關聯等算法模型實現對師生精準畫像系統的構建。并提出了課堂師生精準畫像構建路徑的實現流程，包括明確目標、建立大數據平臺、構建畫像系統三個環節。能夠有效地促進教師課堂教學的效率，同時提高學生的學習效果，對今后課堂教學相關研究均有一定的指導意義。

關鍵詞：課堂教學；大數據；師生精準畫像；教學發展

中圖分類號：G642 ? ? ?文獻標識碼：A

文章編號：1009-3044（2022）29-0060-03

2018年8月教育部印發了《關于開展人工智能助推教師隊伍建設行動試點工作的通知》，提出在全國各地的試點學校實施“教師大數據”計劃，收集教師各方面信息，形成教師大數據，并構建教師數字畫像，從而為學校的決策提供依據，改善教師的管理，使其得到更好的服務[1]。國家出臺的相關政策也明確指出要把大數據作為提高各部門治理能力和管理水平的重要技術之一[2]。當前大數據技術應用于教育領域的效果已得到普遍認可。而課堂教學是教育教學過程中最重要的環節之一，也是衡量教學質量的重要內容，對其進行精準的記錄研究有著非常重要的意義。同時隨著智能技術的快速發展，大數據驅動也讓課堂教學變得更加智能化、信息化，為建立課堂教學精準畫像提供了可靠的數據支撐[3]。本文旨在對課堂教學中的師生進行畫像，運用智能技術對相關數據進行分析，在此基礎上構建多維度的畫像標簽體系。為大數據環境下的師生課堂教學的發展提供一定參考，以達到提高教學質量、促進師生的共同發展等教育目標。

1 課堂師生精準畫像概述

師生精準畫像是用戶畫像在教育領域的應用之一。“用戶畫像”的概念最早是由交互設計師Alan Cooper提出，本質是通過對用戶的數據挖掘和提煉，生成一系列的數字化標簽，對用戶的全部信息進行最全面、最細致地抽取，使之能對用戶的行為進行準確表征和預測。從而幫助企業實現數據的價值化[4]。后來用戶畫像技術被許多研究者引入到教育領域，并根據用戶畫像的方式和理念，提出了“學習者畫像”的概念。

目前，國內教育領域對用戶畫像的研究主要集中在學習者和教師兩個群體。如陳海建等人構建了遠程學習者畫像并證明其對個性化教學的積極影響[5]；肖君等人[6]將重點放在不同類型的線上學習者身上，并利用畫像來對不同特征的學習者群體進行聚類分析，以探討影響不同學習群體學習效果的各種因素。教師群體畫像的研究主要有兩個方向：一類是基于大數據的相關技術，用數據直觀地表示教師畫像的特點。方丹丹認為教師畫像就對學校信息化系統和校園網中的教師數據進行分析，從而實現對教師“數據化”[7]。張忠華認為教師畫像主要由教師備課、上課、課后查看作業等相關數據構成，這些指標記錄教師教學、督導學生學習過程 [8]。第二類認為教師畫像是一個“語義化”文字標簽的集合，如胡小勇就是運用數據挖掘和用戶畫像技術建立了描述教師特征、需求、偏好和行為的教師個體標簽體系的集合[9]。本文討論的師生精準畫像則是抓取課堂教學中的數據，通過數據挖掘和人臉檢測技術對師生的行為特征進行多維度的精準刻畫，來構建大數據師生精準畫像系統。

2大數據驅動課堂師生精準畫像的實現

2.1 智能技術與數據采集

目前，智能技術在教育領域的應用越來越廣泛，教育教學中的許多數據被各種智能設備所儲存，形成“教學大數據”[10]。而課堂教學是教育教學過程中最重要的環節之一，也是衡量教學質量的重要內容，對其進行精準的記錄分析尤為重要。而指向課堂教學的教師畫像是通過智能終端和可穿戴設備，實現對教師多感官數據信息的實時采集。學生精準畫像主要是聚焦于學生課堂專注度等相關數據。本文用于師生課堂教學數據采集的智能技術主要有人臉檢測技術、感知技術。

基于深度學習的人臉檢測技術具有很高的精度和較強的魯棒性，尤其是在較大場景中仍具有很好的實時性和精確性等特點[11]。本文研究的基于學生面部表情的專注度識別就是在教室這種大場景下通過前后的攝像頭獲取課堂視頻，運用人臉檢測技術提取面部的表情特征，并通過計算機來分析其結果。

感知技術主要用于捕捉教師在課堂上的聲音、動作等交互數據，借助智能終端或可穿戴裝置對教師的語言、眼動、脈搏、腦電信號等生理及心理數據進行實時的數據采集。

2.2 相關數據處理過程

本文以大數據驅動的方法來完成課堂師生畫像，具體操作是利用物理設備從多個方面、多個角度對課堂教學過程中師生的表現進行數據采集，包括課堂教學的視頻、音頻等物理數據以及教師的脈搏、心跳、腦電等生理數據。其目的就是將課堂教學過程完全數據化，以便能夠更加全面、客觀地記錄教師和學生在課堂上的各方面表現，同時為后續開展研究工作提供可靠的數據來源，有助于構建出更加精準的課堂教學畫像。數據處理過程具體包括以下三個階段，如圖1所示。

1）教育數據獲取與整合。本文收集的數據主要是課堂教學過程中的，利用教室的攝像設備來獲得課堂實時錄音及視頻數據。

2）數據處理與分析。數據在收集和整合后不能直接使用，需要對整合后的數據進行分類、篩選以及清洗。特別要注意的是在這個過程中一定要按照特定的規則標準來進行，才能得到我們所需要的有效數據。最后運用相關的數理統計方法和機器學習等算法來完成數據的處理。

3）數據解釋與預測。數據解釋的目的是對數據挖掘結果進行可視化知識呈現。預測則是指根據相關數據和分析結果為后續工作提供一定的技術支持。

3 大數據驅動課堂教學中師生精準畫像構建路徑實現流程

本文主要是利用相關智能技術實現課堂教學中師生精準畫像的構建，據此提出了該實現流程：明確目標—建立大數據平臺—構建畫像系統。

3.1 明確構建師生精準畫像的目標

處在信息化時代的快速發展和教育環境的瞬息萬變的大環境下，社會對教育教學的各個方面都提出了越來越高的要求[12]。所以在進行本研究之前，首先要明確的就是其課堂師生精準畫像構建的目標是什么。本文研究的總體目標可以概括為提高教學質量、推動課堂教育發展，并促進師生的共同發展。具體來說，構建課堂教學中師生精準畫像是為了幫助教師審視自身問題，提高教師的課堂教學效果，并幫助學生反思學習過程，切實提高學生的學習效果。

3.2 建立課堂教學大數據平臺

對課堂師生精準畫像構建的前期需要建立一個大數據平臺，主要用于數據的收集與處理。在教室這種大環境下學生數量眾多，實現對教學全過程中師生的表現進行記錄并分析，數據龐大是有一定難度的。這就要求該平臺能夠具有對大量的課堂教學數據實現接收儲存、整合分析、數據挖掘和數據解釋等多種功能。具體可分為以下三個模塊：“大數據存儲與預處理”模塊具備存儲、篩選、檢索和標準化清洗等功能，包括對課堂視頻、圖片、音頻等數據的接入與整合；“大數據挖掘與分析”模塊提供分類、聚類、回歸等算法服務。“大數據可視化”為師生以及管理者提供直觀的信息反饋。

3.3 構建師生畫像系統

依托人工智能和大數據分析技術的發展，我們獲得了記錄和存儲課堂教學、遠程教學中課堂授課過程的能力。如：教師上課時的說話音調、語速、手勢；學生的課堂專注度；師生的動作表情變化等客觀數據。本文便是通過采集這些客觀數據，運用人工智能分析方法為其構建精準課堂畫像，并遵循大數據畫像的一般流程來構建師生畫像系統。該系統基于大數據平臺，共包含以下四個模塊，具體內容如圖2。

1）數據采集與預處理。本文師生畫像的所需數據主要通過視頻采集系統和傳感器等可穿戴設備來獲得的。視頻采集系統是通過教室內的多個攝像頭來獲得師生課堂上的面部表情、眼動、低頭等行為數據；同時也可以記錄課堂教學中師生聲音的大小等師生交互情況。可穿戴設備主要是用來采集教師上課過程中的生理及心理數據。這幾類數據都具有一定的客觀性和較高的信效度，相較于傳統課堂畫像而言，能夠更加完整、客觀地將教師和學生在課堂上的表現有效地記錄下來，并為后續課堂教學畫像的構建提供了客觀有力的依據。但采集的原始數據不能直接使用，要對其進行篩選和清洗。例如在進行圖片選擇時，很難保證我們捕捉到的每張臉都是正面，且會存在被遮擋等各種問題，這就要對圖像進行篩選等預處理。只有經過篩選、標準化清洗后的數據才能進入下一階段。

2）師生標簽體系的建立。這一階段首先是對預處理后的數據進行建模，其次通過對師生畫像實體、畫像標簽定義等方面的分析，建立一套標準的師生標簽體系，能夠從多方面、多角度、全方位地對師生的課堂表現進行描述。

3）師生畫像挖掘系統的構建。本階段首先要對師生標簽進行深度地計算和挖掘，在深度挖掘師生標簽的過程中會用到數理統計方法和分類、聚類、關聯、回歸等一系列算法模型。其次，對其進行區分等級和類別，需要注意的是“標簽化”的分級分類也是需要依據標準而執行的，其標準可以根據其屬性、等級和精確程度的不同來進行，以便能夠更全面、更精確地反映出師生在課堂教學過程中的表現。

4）提供畫像應用服務。該階段是對師生畫像構建數據的可視化，同時也是課堂師生畫像構建的核心所在。因為不論是對學生還是教師進行畫像其最終目的都是為應用服務的。本文構建課堂師生精準畫像的應用與價值在于其不僅能夠促進教師自身的認知與發展，更有助于學生進行自我評價，同時也可用于輔助管理者開展教學與教學相關工作，最終達到提高教學質量的目的。

4 結語

隨著大數據、人工智能等各種新技術的不斷發展，教育教學各方面變得更加智能化、信息化，課堂教學也邁入了“數據驅動”的時代。本研究基于大數據闡述了課堂教學中師生精準畫像構建的相關概述，系統地探討了具體可行的課堂師生畫像構建路徑的可行性以及實現流程。運用物理裝置采集課堂教學的數據，更加全面、客觀地記錄了教師和學生在課堂上的表現，為后續的研究工作提供可靠數據來源。以期在相關政策的指導下，為當前課堂教學中存在的問題提供新的解決思路，提高教學質量，更好地促進師生的共同發展。

參考文獻：

[1] 教育部將開展人工智能助推教師隊伍建設行動試點工作[J].小學教學（數學版），2018（12）：55.

[2] 甘容輝，何高大.大數據時代高等教育改革的價值取向及實現路徑[J].中國電化教育，2015（11）：70-76，90.

[3] 喬雪.人工智能時代下小學英語課堂教學畫像的構建路徑研究[J].生活教育，2022（1）：65-69.

[4] Cooper A. The inmates are running the asylum：“Why high-tech products drive us crazy and how to restore the sanity”[M]. Indianapolis：SAMS，2004.

[5] 陳海建，戴永輝，韓冬梅，等.開放式教學下的學習者畫像及個性化教學探討[J].開放教育研究，2017，23（3）：105-112.

[6] 肖君，喬惠，李雪嬌.大數據環境下在線學習者畫像的構建[J].開放教育研究，2019，25（4）：111-120.

[7] 方丹丹，王海濤，李穎，等.對外經濟貿易大學 用大數據描繪 “教師畫像” [J].中國教育網絡，2017（7）：61-63.

[8] 張忠華，高曉東，王冀魯，等.外語在線教學智能化過程性評價實踐研究[J].中國教育信息化，2020（23）：23-27，33.

[9] 胡小勇，林梓柔.精準教研視域下的教師畫像研究[J].電化教育研究，2019，40（7）：84-91.

[10] 于方，劉延申.大數據畫像——實現高等教育“依數治理”的有效路徑[J].江蘇高教，2019（3）：50-57.

[11] 唐康，先強，李明勇.基于人臉檢測的大學課堂關注度研究[J].重慶師范大學學報（自然科學版），2019，36（5）：123-129.

[12] 黃建國，唐燁偉，范佳榮，等.基于xAPI的在線學習環境中精準師訓畫像構建研究[J].中國電化教育，2020（4）：102-108.

【通聯編輯：光文玲】