梁馨予

关键词 多模态数据 教师课堂教学 精准画像

1引言

随着高校信息化建设的逐步完善，特别是在疫情防控期间，网络教学和线上教学已趋于成熟，给师生教学方面带来了很大的便利。但是，线上教学依然存在一些问题，由于教师和学生不是面对面地交流、互动，使教师不易掌握学生的学习动态，不能及时地根据实际教学情况做出教学进度的调整，因而可能出现时间分配不合理、教学重难点没有得到及时巩固的情况。

另外，教学评价的方式单一使学生学习的积极性不高，因为进行线上教学可能会因为网速及学习平台的稳定性影响学生的学习体验，所以大多数教师会通过布置课后作业的方式来得知教学效果，这种评价方式使学生容易出现为了完成作业而完成的心理，不利于自身综合素质的提升。因为学生在家中的学习环境不同，相比较传统的上课模式，教师对学生的监管难度增大，使一些自控力差学生与和意志力强的学生的差距越来越大，不利于形成良好的班级学习氛围。那么利用新技术收集教师课堂教学的常态数据（如伴随数据），刻画教师课堂教学画像，成为提高精准诊断、及时干预和个性化服务水平的重要举措。

从起源上讲，画像的概念最早来源于用户画像，用户画像的概念源于企业。交互设计之父AlanCooper最早提出用户画像的概念。而精准教学这一概念最早由Lindsley 最早提出[1] ，他认为精准教学是指学习者利用标准化工具持续记录和监控自身的学业成就变化，为教师决策提供数据支持的过程。

国内研究者纷纷在不同领域提出了针对教师画像的概念，陈海建等人构建了远程学习者画像并证明这对个性化教学有积极作用[2] 。在技术实现方面，陈尧通过学生评教数据构建了教师画像模块[3] 。胡小勇聚焦的领域是精准教研环境下的教师画像研究[4] 。在教师课堂教学领域的精准画像研究尚属空白。而国外针对教师画像的研究主要是集中在针对某一个特定环境下的教师特征去采取的一些特定行为。鲜有从多模态数据的角度，针对教师教学课堂的教师精准画像的研究。

本文从多模态数据的内涵出发，基于以往的关于教师画像的文献研究，提出了基于多模态数据的教师课堂教学画像模型，利用多模态数据的特点来进行精准教学以及提供教师个性化教学服务。

2多模态数据

（1）多模态数据内涵

随着神经科学、脑科学、学习科学研究成果的常态化应用以及脑电、多导生理仪等非侵入传感设备便携式、可穿戴式的发展，以生理数据为重要组分的多模态数据成为精准描绘个体画像的新研究取向[5] 。上述数据往往来源于不同渠道，具有不同样态，一般统称为多模态数据。根据数据中所携带信息的特性，可将多模态数据分为生理层数据、心理层数据、行为层数据和基本信息数据四类，如图1 所示。生理层数据是最底层的数据，反映了人体内受到刺激时的生理活动及其变化;心理层数据是人体内的心理活动数据;行为层数据是指人的外在行为表现;基本信息数据主要指的是人口统计学数据，数据中最基础的组成部分。

（2）数据特点

与单模态数据相比，多模态数据能够全方位、多视角、高效、真实的构建教师教学画像，具有情境性、时序性、层级性和互补性等特点。

情境性：多模态数据的情境性可以更加准确地、真实地还原教学情境，能够有效发挥出情境的多维性，使得模型的构建更加真实立体。

时序性：由于教师课堂教学是按照一定的时序来进行的，那记录教师课堂教学的多模态数据也具有时序性，体现在教师和学习者的行为、学习资源的属性随着时间的变化而变化。

层级性：在教学过程中，人的认知能力和情感的变化是具有层级性的，基于此，教学也应该由浅入深、循序渐进;多模态数据的层级性还体现在对于不同年级、班级和小组的教学应该有一定的层级性。

互补性：单模态数据能够解释某一现象或过程，而多模态数据能够对某一对象进行更加全面而系统的解释，弥补单模态数据的单一性。

3教师课堂教学画像的构建流程

构建教师课堂教学画像需要用到的技术之一就是画像技术。画像技术是在大数据背景下产生的，目前已广泛应用于企业的运营管理中。大数据时代用户的信息和行为都被系统平台记录下来，这些数据背后隐藏着用户的习惯、态度等特征，也是企业运营活动的真实记录，如何将这些碎片化数据收集起来，通过对数据的分析，将用户的某些特征通过可视化方式形象地展示出来，实现精细化运营和精准推送服务，这就是建立画像的初衷。根据华东师范大学所构建的智能课堂的逻辑框架[6] ，基于多模态数据构建的教师课堂教学画像需要遵循如图2 所示的实现步骤。

需要明确数据获取的来源，可以应用物联网感知技术从教师信息管理系统、话筒、录音笔、眼动仪等设备及课堂教学录屏软卷中进行获取。记录课堂教学的多模态数据分为很多方面，有表现教师特征的数据，包括教师的年龄、性别、所教授的学科及学段等信息;有教学行为数据，这些数据一般来源于教师的言语行为，非言语外显行为，如进行板书以及通过多媒体来呈现教学内容，这些数据可以通过视频的形式进行记录;有教学心理数据，这些数据一般通过教师的面部表情，眼动踪迹以及通过可穿戴设备获取的生理信号等方面来呈现。在教师进行实际教学中需要考虑实际的教学环境条件是否能够准确捕获所需数据。

在采集到教师课堂教学多模态数据之后，要对数据进行预处理，因为所获取的数据不一定全都是符合规范并且是有价值的，首先依据不同的标准对数据进行审核，筛选出符合规范的数据，之后进行数据清洗、数据集成、数据变换和数据归约。数据清洗需要用专业的清理工具来对数据处理，是为了去除一些不完整的数据;数据集成是指把来自不同渠道收集到的教学数据整合至相同的逻辑视图中;数据规约是对数量多且非常庞大的数据集进行归约。由于数据有不同的类型和格式，數据变换能将数据变换统一成适合画像构建的格式。通过数据清洗和预处理，可以提高数据的有效性，为后续数据特征模型的构建提供数据基础。对教师课堂教学构建标签体系是非常关键的一部分，包括教师的教学行为、教学体验和能力水平，每个标签下细分为不同的标签，如能力水平下有教学成绩和答疑解惑的标签。最后一步是根据标签体系从三个层面构建教师课堂教学画像模型。

4多模态数据构建教学画像模型

大数据、人工智能以及云计算等高新技术的发展使得全面刻画教师课堂教学画像成为可能。依据华东师范大学开放教育学院构建的教师全息数字画像，对于教师课堂教学画像可以从属性层、教学层、愿景层来构建模型。属性层负责刻画教师的本体特征;教学层负责描绘教师课堂教学过程中教师的教学行为、生理反应、心理活动以及能力的发展变化;愿景层负责勾勒学校对教师以及教师对学生的发展期望。

（1）属性层

教师课堂教学画像模型的属性层包括教师的基本特征与生命体征、教学风格与偏好、教学效能感等方面。基本特征主要指的是人口学特征和社会学特征。人口学特征包括教师的性别、年龄等属性;社会学特征主要是指教师工作场所以及所教科目及所教学段。这类多模态数据是比较固定的，通常可以在教师人力资源管理系统中来获得。生命体征包括体温、脉搏、心率、血压等，这类多模态数据是用来反映教师的健康指数的，主要是用腕表监测得到。

教师的教学风格与偏好对教师课堂教学过程有着重要影响，这一类模态数据可以通过可穿戴设备来进行获取，同时需要对上一层教学数据进行智能计算，从而为教师课堂教学提供更加精准地个性化教学服务。

教师的教学效能感是指教师对自己影响学生学习行为和学习成绩能力的主观判断。这种判断会影响教师对学生的期待、对学生的指导等行为，从而影响教师的教学表现。效能感的高低往往会影响一个人的认知和行为，这是一种比较积极的心理状态，通过他人或自己的评价后而获取的数据有较强的主观性，因此这一类多模态数据可以通过脑电设备进行实时监测，这样使获取的数据更具有说服力。

（2）教学层

教学层是教师课堂教学画像的主要组成部分，并且是核心部，主要包括教师的教学行为、教学体验、能力水平等方面。

教学行为包括课堂中通过多媒体设备对所设计的教学内容的呈现、摄像机等摄录的言谈举止（含笔迹）以及眼动仪追踪的眼动数据三个方面。由于目前科技的快速发展，技术的不断进步，使得教学行为的记录和监测变得简单。教学内容的呈现可以通过录制视频的方式进行记录，笔记数据可以通过数码笔来进行超声追踪定位，这种新型输入设备可以精准感受到笔尖的运动轨迹、速度与压力变化，最为真实的还原笔迹[7] 。基于眼动仪追踪的眼动数据也是刻画教师课堂教学画像的重要模态数据，眼动仪可以记录人在处理视觉信息时的眼动轨迹特征以及注视某一事物的时间和次数，甚至可以捕捉到使用者的瞳孔变化。

教学体验是教师在教学过程中流露出的情感、认知等心理反应与感受，如教学情绪、认知负荷、注意力水平等。对于心理活动数据，我们可以用便携式的生理仪实时监测，比如脑电仪、心电仪和皮电仪等。对于面部表情数据，可以使用面部识别系统进行精准识别面部特征，并记录下多种表情之间的变换情况[8] 。

能力水平也是描绘教师课堂教学画像的重要模态数据，所以可以通过一些练习和测试的成绩来作为教师课堂教学画像数据。同时，可以通过大数据技术来分析教学过程中的行为和情感等，从而更加精准地展现教师解决问题的能力[9] 。对于难以用练习来进行测评的能力，如学习力和创造力等，则可以采取问卷的形式来定期监测。

（3）愿景层

教师课堂教学是以学校教学计划为导向的，同时教师的个人发展目标也将为课堂教学提供动力。将两者的目标结合起来可以使课堂教学计划发挥最大效用，同时使教师的教学能力得到提升。愿景层是对教师课堂教学的发展期望，关于学校以及教师的发展数据需要通过教师的自我报告数据以表单的形式进行录入。

教师教学需求也是教学画像愿景层的组成部分，对教师的教学需求进行分析，可以让教师更好地做到精准教学，从而解决教师“教什么”的问题，但是“怎么教”还需进一步通过教学层和属性层的多模态数据进行技术分析，以达到教师的个性化教学目标。

5总结

教师教学课堂画像虽然是一个新的概念，但是其前身是对教师在课堂上教学过程和教学效果的归纳和总结，是评价教学效果和提高教学水平的一个重要方法， 这是教学过程中非常重要的一个环节。但是，传统方法中大都是基于问卷或者听课等方式进行，具有较强的主观性，不能客观记录和评价教学过程。随着神经科学、脑科学、学习科学研究成果的常态化应用以及脑电、多导生理仪等非侵入传感设备便携式、可穿戴式的发展，以生理数据为重要组分的多模态数据成为记录教学过程的新的范式。通过多模态数据的广泛使用，从客观的角度对教师教学课堂画像进行刻画成为现实，从而能够更加细致和真实的记录课堂教学的过程。多模态数据能够更清晰地揭示教师的教學机理与状态，帮助教师了解自己教学过程中无形的心理认知与元认知过程。此类数据作为反馈信息反馈给教师，或许可增强教师自我调节的能力与意识，提高教学成效。基于多模态数据构建的教师课堂教学画像模型对于课堂教学来说是一个很好的尝试，为实施精准教学以及提供个性化教学服务开辟了新方向。