教師在線學習的學習者畫像研究

摘要：為提升教師的綜合素養．促進教師專業發展．相關部門借助信息化平臺開展大規模線上學習，鼓勵教師通過在線選課、自主學習、在線考核、課程評價等方式實現教師培訓。教師在網上的學習過程會產生大量學習行為數據。文章根據教師的學習行為和基礎屬性．描述學習者的行為特征，將具有相似特征的學習者聚類，并抽象出標簽化的學習者畫像，基于模型提出針對性的行為引導策略．以提升教師的在線學習體驗。

關鍵詞：教師學習；在線學習；學習者畫像

中圖法分類號：G434 文獻標識碼：A

１ 研究背景

為辦好人民滿意的教育，不僅要有科學完善的教育體系，最關鍵的是要有一支理想信念堅定、業務素質過硬的教師隊伍。對教師開展培訓是提升教師素養，使其形成與時俱進理念的有效手段。為減少教師工學矛盾，借助“互聯網＋”的思維，在互聯網平臺為教師提供在線學習的機會。教師以學習者的身份在平臺積累的大類數據是研究教師在線學習習慣、學習行為的基礎和有利條件。通過對教師在線學習的研究描繪出教師學習者畫像，并加強對各類學習群體的學習行為干預，可以有效提升學習效率和收獲感，從而提高教師在線學習滿意度。

２ 研究目標

本文以某市學習平臺（以下稱Ｌ 平臺）的教師群體為分析樣本，Ｌ 平臺是由該市教師教育管理主管機構主辦，聯合多家教育培訓機構組織課程開發，對該市中小學及高中教師的師德素養和知識技能等開展在線培訓。該市教師在平臺上在線選課，并在課程規定學習時間內完成課程學習、發帖互動、結業考試，課程評價等任務后獲得學分。通過觀測學習平臺上教師學習行為，結合教師的基本信息和課程評價，描繪以教師為學習主體的學習者畫像。通過畫像研究，從教師角度提出對平臺設計、課程選題、培訓方式等方面進行改進和優化的建議。

３ 研究方法

畫像的構建應遵循一定的流程步驟。肖君等認為，完整的學習者畫像構建流程應包括畫像目標設定、相關數據收集、畫像建模、畫像生成輸出以及畫像應用評價５ 個階段，且這５ 個階段構成一個完整的閉合回路［１］ 。

在線學習者畫像構建流程是一個以目標為導向的循環過程，包括明確畫像構建目標、數據收集、標簽分析、畫像服務輸出４ 個關鍵階段［２］ 。

４ 研究過程

４．１ 構建目標

根據Ｌ 平臺上教師的學習行為和基礎屬性，確定有價值的分類特征變量，對相似特征舉行聚類，歸納出學習者畫像，并提出有效學習策略及平臺優化調整的建議。

４．２ 數據收集

相關數據如表１ 所列。

４．３ 數據轉化預處理

平臺上的部分源數據無法直接作為聚類分析的變量，需要對其做預處理并賦予其含義。

首次訪問日：首次訪問日期和課程開始時間的差作為首次訪問日。末次訪問日：最后訪問日期和課程結束日期的差作為末次訪問日。首次訪問日數值越小，說明越早在課程開始后第一次訪問課程。末次訪問日數值越小，說明越晚在課程結束前最后一次訪問課程。通過轉化將日期變量轉為數值型變量。

將活動訪問時長／ 課時數作為平均訪問時長、ｖｉｄｅｏ 訪問次數／ 課時數作為平均訪問ｖｉｄｅｏ 次數，Ｄｏｃｕｍｅｎｔ 訪問次數／ 課時數作為平均訪問ｄｏｃｕｍｅｎｔ次數，以消除不同課程之間課時數的差異。

結業考試得分：結業考試分數和結業考試總分值的比，以消除不同課程的結業考試分值占比的差異。

課程評價：課程評價問卷采用相同標準的量規，共２５ 題主觀評價，每題評價均由非常滿意～不滿意５個選項組成，最終課程評價由各題加權計算。

４．４ 數據相關性分析

數據相關性分析如表２ 所列。

從相關性分析結果來看，在Ｌ 平臺學習的教師的結業成績和對課程的滿意度評價相關關系較弱。

結業考試成績的高低和年齡、末次訪問日、登錄天數、平均觀看視頻次數，發帖數有較強相關關系，與首次訪問日、平均訪問時長、平均閱讀文檔次數、評價得分關聯較弱。

教師對課程的評價和年齡、末次訪問日、登錄天數、平均觀看視頻次數，平均閱讀文檔次數關聯關系較強，與平均訪問時長關聯關系中等，與首次訪問日、發帖數、結業考試成績關聯關系較弱。

４．５ 聚類分析

基于ＩＢＭ ＳＰＳＳ１５ 的聚類分析建模，將結業考試成績及與其關聯關系較強的變量共同作為輸入，用兩步法建模，推薦最佳聚類數為４，獲得表３ 所列聚類結果。

４．６ 學習畫像分析描述

（１）聚類１———積極學習者。這類學習者的結業考試成績較好（８７．８５），投入在線學習的時間安排得當，登錄天數保持在１ 周左右，通常在課程結束前１周半時間完成學習，有較積極的發帖交流意愿（７．４４），平均年齡在４ 個聚類中最小，這類學習者對在線學習的方式比較適應，樂意分享自己的學習心得。

（２）聚類２———快速學習者。這類學習者登錄天數較少，很早就完成學習任務，一般２ 個月左右的培訓周期，平均提前３０ 天完成學習任務，很少發言交流（０．８），結業考試成績處于中等水平。這類學習者不會花費很多精力在在線學習上，將在線學習視作一項獲得學習積分的任務，力求短時快速完成。

（３）聚類３———一般學習者。這類學習者成績中等，年齡較４ 個聚類中最大，能較好地安排自己的在線學習時間，登錄天數和末次訪問日都處在中等水平，發帖交流意愿不算強烈，各方面在４ 個聚類中表現中規中矩。

（４）聚類４———被動學習者。這類學習者結業考試成績較低（平均６１．５５），臨近學習周期結束時趕著完成在線學習任務（末次訪問３．３７ 天），登錄天數很少，短時間內訪問ｖｉｄｅｏ 次數很多（１６．６３），發帖數比較少，只是被動完成學習任務，沒有很好地安排在線學習時間。

４．７ 畫像應用效果及改進措施

根據學習者的畫像分類描述，建議采用以下改進策略。

（ １）對積極學習者，保持激勵。

這類學習者是平臺中的佼佼者，為激勵這類學習者繼續保持原先的學習習慣，建議通過數據統計和排序展示的方式在學習平臺中提示這類教師，目前其學習表現在眾多學習者中表現較優異，處于中上游水平，引導這類學習者保持學習勁頭。另外，可以選取表達意愿強烈且發帖內容優質的學習者，邀請其參與后續課程建設，以提升優質學習者對學習平臺的貢獻度。

（ ２）對快速學習者，提升吸引。

這類學習者可能只是將學習平臺作為完成學習任務的工具，缺乏主觀停留的意愿。建議提升平臺對學習者的吸引力，通過在線問卷的方式調研這些學習者偏好的課程、交流互動的方式、學習資源的形式、學習板塊功能、用戶體驗等深層次需求，提高這類學習者在學習平臺上的停留時間，使其在學習平臺上取得更多關注度和獲得感。

（３）對一般學習者，提供幫助。

這類學習者可能因為年齡問題還未適應在線學習方式，但他們在穩妥安排學習時間，在學習上付出了自己的努力，建議調研這類學習者的學習喜好和遇到的困難，幫助他們成長為積極學習者。

（４）對被動學習者，及時預警。

這類學習者忽略在線學習任務，最容易成為平臺流失學員，建議拓寬學習平臺的信息通知渠道，在用戶注冊時引導學習者提供微信綁定信息或手機號碼，授權這些渠道向學習者發送學習提醒。提醒信息包括本批次學習者已完成和未完成學習的百分比、距離培訓結束的天數等，提示學習者當前正處在預警范圍，盡快開展學習。

５ 結束語

本文對參加在線學習的教師群體有一定啟發作用，但受一些因素的限制，研究水平有待進一步提高。

本次畫像分析中將發帖信息作為變量之一，只是將發帖數作為數值型變量應用，而忽略了發帖內容，對發帖的情感因素和表達內容未做進一步深挖，建議今后深入考量內容對畫像的影響。

在線學習平臺只能采集教師在平臺上的學習數據，在現實場景的學習過程中因受工作時間、家庭環境、就業壓力等因素的影響，所以本文暫時忽略了這些因素。今后的畫像研究要采取線上信息采集和線下問卷調查結合的方式，將盡可能多的因素納入畫像研究的評估模型中，才能做出更合理的畫像描述，并產生更有針對性的畫像應用。

參考文獻：

［１］ 肖君，喬惠，李雪嬌．基于ｘＡＰＩ 的在線學習者畫像的構建與實證研究［Ｊ］．中國電化教育，２０１９（１）：１２３?１２９．

［２］ 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（８）：１１１?１２０．

作者簡介：許曉力（１９８５—），本科，工程師，研究方向：教育信息化、學習平臺研究與應用、教育行業數據分析。