數字化賦能教研形態發展的歷程與趨勢

馮艷艷 趙東東

胡小勇

教授、博士生導師，華南師范大學教育人工智能研究院常務副院長；教育部高校教育技術專業教指分委秘書長、產教協同育人建設項目專家、廣東省教育數字化咨詢委員會專家；主持多項國家級項目，主持教育部“教師智能教育素養研究”虛擬教研室等。

本刊編輯：您的團隊多年來一直對技術賦能教研進行研究。從教育信息化發展的歷程來看，技術對教研形式和內容的變革分哪些階段呢？

胡小勇：在教育信息化發展的二十多年里，從起步階段，到深度應用和初步融合階段，再到由應用驅動的生態創新階段，這期間教研的信息化發展經歷了不同的階段。

一是基于數字化文本交互的信息化教研。其以教研博客圈的興起為標志，是依托松散的教師網絡聯盟和自發自為的博客教研或論壇教研，開展網絡環境下的教研實踐。這一階段，基于現象描述的教研淺層交互問題突出，如停留在博客文本的淺閱讀、互動受限于單方評論、關注平臺建設卻忽視交流，以及缺少對教學問題分析解決的深度互動等。

二是基于教師在線實踐社區的社群教研。自2010 年以來，基于在線實踐社區、網絡研修工作坊等形式的社群教研快速發展。其中，在線社群平臺和基于計算機終端的視頻技術是其重要的教研交互媒介，在教研的目標、過程、交互媒介等方面呈現出新特點。

從教研目標看，強調提升教師信息技術應用能力、創生實踐性知識、促進教學能力發展；從教研過程來看，為有效解決博客教研的困境，社群教研進一步突出了活動的系統設計與過程的管理評估；從教研交互媒介來看，針對當時國內視頻技術難以支持課堂教學定量分析的困境，有學者開發了基于HTML5 的微視頻標注系統，為教研提供移動終端對接、在線視頻“字幕”標注、輕量化的視頻切片標注等功能，但受當時互聯網技術條件所限，在導出教研評價數據、提供個性化教研支持以及視頻智能推送服務等方面，仍存在著實操困難。教師在線實踐社區的社群教研，是“現象描述+基于問題”的實踐探索，聚焦教學專業能力發展、教師教學行為和教師知識創新。

三是基于智能互聯技術的“互聯網+教研”。2015 年前后，隨著以智能手機、平板電腦等為代表的移動終端快速普及，以及網絡帶寬的提升，基于智能互聯技術的“互聯網+教研”應運而生。“互聯網+教研”通過“云+網+端”的技術聚合，強調教研方式創新融合，促進專家、教研員及教研名師等智力資源能夠高效快速流轉，提高了教研空間、教研資源和教研成果的共享度，使得“人人皆教研、時時能教研、處處可教研”成為可能。“互聯網+教研”是信息化教研進一步發展的高端形態，即在超越把互聯網僅作為技術工具實現簡單信息連接的基礎上，以互聯網思維變革教研的理念、方法與技術，使得教師在移動泛在、云計算、大數據和智能技術支持的環境中，采用多樣化教研方式，促進教師高水平專業化發展的教研形態。智能互聯技術的“互聯網+教研”，是基于問題的“實踐探索+理論創新+應用輻射”的驗證推廣，聚焦“互聯網+”時代的教師專業能力發展和教研理論與實踐體系構建。

四是基于人工智能大模型的數字化精準教研。近幾年，因大數據、人工智能和大模型在教研中的創新應用，模塊化、生成性和個性化的教研資源建設與應用，提升了教研活動的針對性和有效性。技術手段的智能化能夠幫助教師實現更加精準高效的教研評價，如“數據采集與存儲、行為建模與計算、智能服務與診斷”的課堂教學行為智能分析模型，為課堂教學、教師行為和教學管理分析與決策提供了更為精準、智慧的教研服務。

本刊編輯：智能時代，數據是核心。您能說說數據在教研中的作用嗎？

胡小勇：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》，提出在試點學校開展教師大數據行動，“通過采集教師各方信息，匯聚成教師大數據，建立教師數字畫像，以支持學校決策，改進教師管理，優化教師服務”。云計算、大數據和人工智能等新一代信息技術快速發展，無處不在的數據構成了“互聯網+”世界的重要分子，數據的指數式增長和數據采集技術的快速升級也讓教研邁入了“數據驅動”的時代。教師專業發展生涯中產生的多模態數據能夠描摹出其個體畫像，為精準教研的多維應用提供數據支撐。

智能技術的興起和教育應用，使各類教研數據以更大容量、更快速度產生和匯聚于各類便捷的智能設備中，形成“教研大數據”。數據是教研創新發展的重要因素，值得重視。一是要注重教研數據采集技術的開發應用。目前，諸多教研活動雖采用智能錄播系統等途徑生成教研數據，但從數據生成過程來看，仍然難以滿足大規模教研的精準評估需求。二是要注重進行教研行為的大數據挖掘，形成課堂教學行為大數據常模數據庫，為教師提供基于大數據的教學行為診斷與干預，有效促進教師課堂教學行為改進。三是要增強基于數據驅動的教研平臺綜合化應用服務，如增強教研平臺的自動化數據采集能力、智能化數據分析能力、可視化數據表達能力等，以確保實現數據驅動的教研需求分析、教研過程管理、教研實施效果預測，提高教研平臺的數據服務效能。

在教研活動中，教師希望能夠客觀認知自己的教研軌跡，教育決策者希望能夠準確了解教研的總體情況，如參與教研的教師具備什么樣的群體特征、有哪些教研行為習慣等。客觀數據能夠為教研評價和決策提供依據，也是精準教研的前提。教師希望教研平臺能推薦符合自身需求和興趣的資源與服務，涵蓋教師感興趣的、近期關注的以及不擅長但重要的教研主題，以降低教師的主動檢索成本。數據能夠準確發現教師的教研需求和偏好。在海量教研數據的基礎上，能夠預測和預警教師的教研行為，是精準教研在大數據時代的新需求，為多模態數據采集技術的發展提供了可能。決策者基于預測或預警結果可以有效管理和監控教研活動，為教師提供更加優化的教研服務。

采納新技術開展教研分析，基于數據驅動、教研行為編碼、社會網絡分析等技術，多源采集和科學分析各類教研數據，如教研行為、教研關系及教研盲點等，能夠實現對教師信息化教研素養的有效幫扶。建立教研資源設計、開發和應用的評價標準，構建優質教研資源的分類框架和服務體系，并借鑒生態學視角和開源眾籌機制，通過跨界融合來有效整合社會資源，為教師教研提供“規模化+個性化”的優質服務，實現教研資源、活動及支持服務的智能化推薦，將成為未來發展的一個重點。

本刊編輯：您提到了教師數字畫像。大數據時代，教學要朝個性化和精準化的方向發展。依托大數據支持的教師畫像技術，為教研和教學的精準實施提供了有力支撐。您能詳細說說您的團隊在教師數字畫像方面的研究嗎？

胡小勇：教師教研能力的提升能夠優化教學效果，推動教師自身的專業發展。教師作為教學實施者，往往會遇到諸多教育教學難題，需要有意識地結合理論思考問題產生的原因并尋求解決方案，提高自身解決問題的能力，這也相應促進了教師教研能力的提升。教師數字畫像是數字化賦能教師專業隊伍高質量發展的有效手段，是人工智能助推教師隊伍建設的重要內容，也是教育數字化的具體應用。2018年和2021年，教育部先后兩次發布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，強調依托多維動態數據（如教學、科研、管理等方面的信息）形成教師畫像，以支持學校決策、教師管理與評價等方面的優化和改革。教師數字畫像在教研、教學、管理、評價等各場景下的應用潛能已經顯現。

教育是一個復雜的育人系統工程，而教師是構建高質量教育體系的第一資源，數據驅動下的教師畫像需要科學且精準。參與教研只是教師的眾多社會屬性之一，指向精準教研的教師畫像需要聚焦與教研活動緊密相關的數據，相比數據體量的絕對大小，我們更重視數據的“教研相關屬性”和“價值密度”。

教師數字畫像能夠實現對教師特征、需求、偏好和行為的描述，具有輔助診斷、評價、決策、干預等功能。近年來，各種在線平臺與智慧空間投入教學使用，進一步豐富了數字畫像的技術支撐和應用場景。在理論層面，教師具有多重角色，需要具備多維能力，對其進行個性化數字表征具有必要性；在實踐層面，教師數字畫像成為多個場景中促進教師發展的重要手段，實現多場景融合的教師畫像服務體系具有現實意義。在數據驅動下，教師發展過程趨于個性化與自主化，這就需要教師具備數據循證意識，基于數據等客觀證據支持的相關概念或策略能促進教學、評價與管理從基于感知向基于證據轉變；借助數據處理技術，收集、梳理和分析所需的證據，服務教學研究和個人發展。因此，教師數字畫像需要注重教師發展的多元性，全面刻畫教師特征，關注教師教學、教研、培訓、自主發展等的綜合協調發展。

數據的最終價值不在于通過算法或技術挖掘出的規律數量的多少，而在于人們對數據呈現出的規律的有效理解與運用程度。教師數字畫像作為數據可視化的產物，其應用價值應該在多主體視角中得到體現。教師可通過將自身畫像與教師同儕畫像進行對比，發現自身的缺陷與不足，借鑒同儕的經驗促進自身發展。對教研員、區域教育管理者而言，為加強教育教學質量，可以綜合分析教師個體畫像與群體畫像，設計和組織具有針對性的培訓活動，促進教師協同發展。對教育政策制定者而言，為促進教師隊伍高質量建設，可關注教師群體畫像反映出的整體特征，從而科學和客觀地制定政策。個體畫像重在發現個性問題，群體畫像重在發現共性問題。教師數字畫像的應用場景多樣化，場景之間存在嵌套或并列的關系，要建立多元貫通的畫像應用機制，幫助各級各類應用主體把握教師發展的個性與共性問題，在場景中解決實際問題。

本刊編輯：生成式人工智能大模型是最近比較熱的話題。您怎么理解大模型對教研和教學的推動作用？

胡小勇：ChatGPT、Sora、星火、文心一言等大模型如雨后春筍般涌現，生成式大模型技術路線正成為一種主流，并產生了現象級影響。它們展示出了人工智能技術從分析式向生成式的加速度發展，是新一代人工智能的能力升級，將對教研教學產生強力的滲透性和顛覆性影響。

一是加速智能化、交互式的教研教學模式創新。以生成式大模型為代表的新一代人工智能，正改變著教師在傳統教研教學中的角色定位，帶來了豐富的個體發展啟示。大模型所具備的“智能對話”功能為教師提供了專業發展的“智能導師”。通過智能對話，教師可與人工智能深度互動，探索人機協同的深度教研與創新生成式、個性化的教學模式。

二是推動生成性和個性化的教研教學資源建設。生成式大模型雖處于起步階段，但已使人們原有的“搜索式思維”轉變為“對話式思維、生成式思維”，這將革新多媒體資源與數字化場景的生成方式，提高教研教學資源的匹配度。大模型可動態生成與教研教學場景高度契合的資源內容，提升教研活動的針對性和有效性。與此同時，教師在教學實踐中積累形成的優質資源，也可反哺于大模型的再訓練與能力升級，有助于高質量資源的再生成和智慧流轉。

三是加速實現高精度、高效能的教研教學評價。基于生成式大模型，集成數字畫像等技術，系統收集、精細分析教與學過程中的關鍵數據，進而科學診斷和生成可視化分析報告。在此基礎上，通過人機協同方式形成具備數據理性與人文屬性的教學解讀，精準發現教研問題，推動“經驗型”教研向“智能型”教研演進。

在探索大模型助推教研教學發展的過程中，我們還需重視教育的系統復雜性和文化價值屬性。平衡好工具理性和價值理性，以人為本去駕馭人工智能，而不是“以機器替人”以致喪失了育人為本的內核要求。此外，出于教育領域獨特的價值觀屬性、場景化特點、育人規律和專家知識，如何進一步建設高質量、有針對性、“大力出奇跡”的教育專屬大模型，仍需研究者們高度關注和超前布局。