基于大数据分析的创客教师专业化培训模式构建与应用

2018 年 12 月 24 日 MOOC

| 全文共7054字,建议阅读时14分钟 |

 

本文由《数字教育》杂志授权发布

作者:董同强 唐晓旺

摘要

 

目前,我国教师培训领域供给过剩,又难以精准满足教师需求的问题越发凸显。创客教育在推动教育改革创新的同时,也面临着巨大的挑战,其中最为严峻的困境是创客师资匮乏。在“互联网+”时代,如何设计出一套精准匹配创客教师专业化发展需求的培训方案,开展基于大数据分析技术的创客教师专业化培训,值得深入研究。文章立足于实践,以大数据分析技术探寻创客教师在专业发展上的显隐性需求,借鉴“信息—知识—策略—行为”情报转化理论的相关思想,以大数据思维为指导,将基于大数据分析的创客教师专业化培训模式划分为信息层、知识层、策略层与行为层四个层面,并应用此模式成功地开展了中小学创客教师研修班培训,以期为未来创客教师培训模式的研究与实践提供新的参考和借鉴。

关键词: 创客教师;大数据分析技术;教师专业发展;培训模式


一、创客教育实施困境:创客型师资匮乏


百年大计,教育为本;教育大计,教师为本。教师作为教育改革过程中的先行者,其专业素质的提升是保证教育质量的核心。创客教育作为一种“新常态” 教育,正在改变传统的教育理念、组织、模式与方法, 引领一股席卷全球的教育变革浪潮。教育部在印发的《教育信息化“十三五”规划》中明确提出:要积极探索信息技术在“众创空间”、跨学科学习(STEAM 教育)、创客教育等新的教育模式中的应用,着力提升学生的信息素养、创新意识和创新能力[1]。创客教育作为一种“新常态”教育,是解决如何培养创客、实现“互联网+”与创新教育深度融合的必由之路,而创客型师资的培养是实现创客培养的前提与根本。当前我国创客教育发展的最主要问题是学习者日益增长的学习需求与优质创客师资不足之间的矛盾。我国自2010 年开始实施“中小学教师国家级培训计划”(以下简称“国培计划”),“国培计划”通过创新培训机制,采取骨干教师脱产培训、集中培训和大规模远程培训相结合的方式,极大地提升了中小学教师队伍的整体素质。尽管如此,从目前普遍存在的教师培训流程来看,前期针对培训人员的需求分析往往决定了后期培训目标的设定以及培训课程与资源的设计与开发,然而固有思维模式下的教师培训却往往忽视了前期培训需求的分析工作,片面注重培训方案的实施,难以适应“互联网+”时代创客教师培训的“新常态”[2]。因此,如何设计出一套精准匹配创客教师专业化发展需求的培养模式,关注创客型教师队伍质量的提升已成为当下推进创客教育事业发展的首要问题。


二、大数据分析技术为确定创客教师专业化发展需求带来的契机


(一)通过分析教师行为数据探寻创客教师在专业发展上的隐性需求


创客教师专业发展的隐形需求指的是创客教师自身无法主动发现与表达,需要利用数据挖掘技术进行分析明确的需求。在用户隐形需求挖掘与分析层面,大数据分析技术具备了完整的行动链条,特别是把用户行为的各项数据作为基础进行分析,以便更好地为学习者认识自己的隐性需求提供帮助。例如,在教育领域,众多慕课平台运行商已经开始尝试通过从学习者学习过程中产生的庞大信息寻找有利的数据进行研究,进而得出学习者点击量最高的学习资源、重复播放最多的课程视频片段以及错误率高的学习内容等,并及时将结果进行分析并传输给课程研发团队,帮助其及时调整课程安排,改进教学战略。这也从侧面说明大数据分析技术能够提供更加真实可靠的需求诊断。此外,华东师范大学顾小清教授等通过“微视频”的教学实验从多个维度获取与量化学习者学习过程数据,刻画了学习者的学习行为印记[7];首都师范大学王陆教授则通过探究教师教学行为的印记,形成了对教师教学行为改进的分析报告,进而发现了教师专业成长存在的隐性需求[8]。不难发现,上述需求均是借助于技术设备通过对用户行为的观察、记录, 进而通过大数据分析技术进一步确定用户的隐性需求,仅仅通过问卷、访谈等自主性报告学习者是无法主动提出的。


(二)通过对教学过程中出现的问题数据分析发现创客教师在专业发展上的显性需求


创客教师专业发展的显性需求指的是能够被创客教师明确表达的需求,可以从创客教师在教学过程中所面临的各种类型的教学问题中直接获取。例如在2017 年7 月由笔者所在单位组织的Z市中小学创客教师培训中,部分教师明确表达了自己在创客教学过程中存在的各种类型的问题。笔者综合创客教师群体所反馈的各方面问题数据进行大数据分析,系统地归纳出某一特定属性的教师群体存在的共性问题。因此,以创客教师教学实践中所提供的各项问题数据作为基础,利用大数据技术的优越性对其进行分析整理后确定创客教师群体实现专业化发展的需求和关键问题, 是应对创客教师角色与职能转变的应有之举。


三、基于大数据分析的创客教师专业化培训模式的构建


(一)模式构建


当前,数据的急剧增长以及思维方式的创新都为教师培训变革提供了有利条件,笔者对已有的教师培训模式的相关研究进行分析,发现培训内容、培训实施、培训评价和支持服务已经成为目前教师培训的四大核心环节[9]。大数据学习分析模型的逐渐成熟,为深入探寻教师的教学过程、发现教学问题,精准匹配不同学习需求的教师群体提供了理论支撑。因此,本研究借鉴“信息— 知识—策略—行为”的情报转化理论的相关思想[10],以大数据思维为指导,将基于大数据分析的创客教师专业化培训模式划分为信息层、知识层、策略层与行为层四个层面。模式所重点关注的是用户数据收集、培训方案、培训流程之间的关系。


(二)模式流程


1. 信息层


信息层作为该培训模式的基础层,其主要功能是对“互联网+”环境下创客教师群体的日常教学、实践、科研等活动进行数据采集,包括创客教师培训需求的实在信息、教师使用互联网信息设备和参加研修过程中生成的阶段性信息以及日常教学环境的相关信息。其中创客教师培训需求的实在信息主要是指教师在教育管理服务平台提供的交流模块中表述的自己在创客教学过程中所遇到的困惑与问题,以及对提高自身创客素养的期望等信息。培训过程中生成的阶段性信息主要包括教师群体在教学过程中所聚焦的问题集数据、项目培训结束后对培训团体的评价数据和网络研修以及院校集中面授过程中生成的学习资源。由于各区域之间的教育信息化发展水平参差不齐,为推动信息技术与创客教育的深度融合,明确各区域教师群体日常教学活动的技术支撑环境至关重要,在开展培训之前为教师提供相应的调查量表,对教师所选择的技术环境进行分类。


2. 知识层


对信息层所收集到的创客教师培训需求信息数据进行分析,并对培训内容与培训主体分别进行内容聚类与主体匹配是知识层的主要任务。首先针对信息层收集到的需求信息中的需求关键词进行聚类分析,在此基础上对创客教师群体进行类别划分,初步确定不同类别的创客教师群体需要接受什么类型的培训内容主题,在确定好培训主题之后,由创客教育专家与教师代表对需求信息的聚类结果进行评价,假使对需求信息的聚类结果的满意度达到预先设定的阈值,则将聚类分析的结果与培训主题的相关信息纳入策略层,否则需要将创客专家与教师代表所提出的异议反馈至信息层,通过加强专家引导,进一步激发创客教师培训需求实在信息的自我表述,并再次对需求关键词进行聚焦,逐步迭代循环,直到达到预先设定的满意度阈值。


该层对培训需求数据的分析主要从两方面展开: 一方面,对教师信息行为数据中的个人数据采取关联信息挖掘与分析技术,确定用户短期、长期目标下的显性培训需求;另一方面,对教师信息行为数据进行深度挖掘,依靠数据挖掘、数据关联、数据统计、数据分析等方法感知教师的信息情境与教学状态,进而获取教师的隐性信息需求。教师的培训需求与其教学目标具有极大的关联性,但在教学过程中,受外部环境的影响,用户极易产生临时性信息需求,该需求可能与其目标相偏离甚至产生冲突,基于此,本文提出面向教师群体的信息需求模型框架[11](见图1)。教师的信息需求由显性需求和隐性需求构成,其中隐性需求主要通过教师的信息行为数据和资源管理数据挖掘而形成,信息需求确定后,整合为信息需求向量,并与教师的实时需求建立反馈更新机制。



3. 策略层


策略层的主要任务是通过接收知识层聚焦的信息数据分析结果,设计具体的培训方案。通过分析知识层对创客教师群体的类别划分以及培训需求信息的汇聚结果,明确不同类别创客教师群体的基本信息、需要进行培训的主题内容以及具体的实践项目设置,并进一步设计培训方案并组织相关专家以及教师代表对所设计的培训方案进行多元化、针对性审核,倘若培训方案达到了预先设置的满意度阈值,符合培训教师群体的实际培训需求,则方案通过并上传至培训方案库,否则,则需要根据教师群体与培训专家提出的修改建议重新进行培训方案的设计,并进行迭代审核,直至参训教师满意并上传至教师管理信息服务平台。


4. 行为层


行为层建立在知识层与策略层的基础上,以集中面授为具体实施手段,结合网络研修的方式,提升教师的创客素养进而解决创客教师在信息层所提出的需求问题。对于知识层所聚焦的频率较低的问题或未达到院校集中面授人数名额的教师群体,主要采用网络研修的方式展开培训。首先,根据知识层中所划分的各个教师群体的特征,设置生成社交化学习群组,如QQ 群、微信群等,向不同类别的社交群组提供个性化的学习资源包:教学视频、课件、PPT 讲义以及各类学习指导资料等。其次,根据策略层所产生的培训计划与方案做好相应的培训清单,促成“学习共同体” 的建立。再次,采取互动交流、学员互评、经验分享等多种方式完成对课程资源的评价。最后,培训人员根据反馈意见对相应的聚类分析、问题聚集等方式进行优化设计。


而对于院校集中面授的培训方式则主要是针对知识层中教师反映频率较高的问题进行设计,借助“活动序列组合”的方式展开培训,分为集中理论学习、观摩与研讨、参与实践及反思总结四个部分。


四、实践案例


2017 年7 月,本研究团队承担了“Z 市中小学创客骨干教师研修班”培训工作,进行了基于大数据分析的创客教师专业化培训模式的实践应用。该培训项目共有参训教师75 名,培训时间为一周。在该培训项目的前期分析阶段,本研究团队在培训开始前一个月便通过问卷、访谈以及平台调研等方式,采集了参训教师培训需求的实在信息以及对培训师资、课程形式等方面的意见与建议,并为每个学员建立电子档案袋,设置生成本期培训班的社交化学习群组(QQ 群、微信群等)。在培训前半个月,利用社交化资源服务平台将具体的培训计划、培训课程信息、视频与讲义等推送给参训教师,引导其参与社交化学习群组的互动交流与学习讨论,以此提升学员对学习内容的熟悉度与学习活动的参与度。


(一)实践研究过程


本研究团队按照活动序列组合的方式展开培训, 分为四个阶段。


1. 面授课堂教学阶段


培训师遵照“专题—问题—任务”的实施序列,围绕中外创客文化发展史,有针对性地选择各类创客文化成果和实践案例,通过对这些教学案例的分析、讲解、提问,促使学员进行“自主—协作—探究”式的有效学习,以达到预期的培训目标。


2. 协作学习阶段


培训师主要采取“主导—主体”的教学模式, 并以小组的形式展开讨论,提醒学员可以从“专家视角”“小组讨论”“自身角度”三个方面进行反思总结,以进一步强化学员对课程学习内容的理解与掌握。如在“创客教育与3D 打印教育应用”课程中,培训师在开课之前便发布了课堂分组的讨论主题——“3D 打印技术在中小学创客教育中的应用与实践”,学员按照学习小组的划分各自进行讨论,形成小组意见,并将其汇报给培训师,再由培训师进行集中点评。各个小组之间不同观点的相互碰撞,有利于激发学员参与讨论的积极性。


3. 观摩研讨与实践阶段


学员参与实地观摩,关注在此过程中创客导师技能的发展与实践。观摩结束后,本研究团队与培训师共同组织学员参加研讨,引导他们展开讨论,并由小组组长记录各位学员所提出的问题、方案、意见。研讨结束后,又以小组为单位在培训班级内进行了创客作品展示。参与实践作为集中化培训阶段中最为重要的一环,要求学员每人领取一套制作器材,以小组的形式共同选定一个创客课题,完成一个创客项目,从而通过“造物”的形式,在创客作品制作的过程中边做边学,最终达到学以致用的目的。


4. 评价反馈阶段


主要依托“学习元”平台建立学员电子档案袋, 借助“学习元”平台自带的评价功能设计自我需求评估、资料积累、未来研修计划、培训反思等模块,鼓励学员将教学随笔、研修心得、研究论文、课堂案例、设计作品等发布到平台上,便于培训师从多个方面对学员进行评价。同时,该平台自动针对学员的日常学习、科研、教学设计能力等进行全方位跟踪记录,形成诊断性评价,帮助学员找到学习中存在的不足,以通过自我诊断实现自我发展。


(二)应用效果分析


为进一步探究基于大数据分析的创客教师专业化培训模式的应用效果,本研究团队于培训结束后1 个月, 通过现场评课、学员座谈、问卷调研等方式,对该模式的实用性与整体有效性进行了验证。本研究团队从培训活动、培训目标、培训内容三个方面编制问卷与访谈提纲,问卷题目采用李克特五点量表法,以75 名参训教师为研究对象;共发放问卷75 份,回收75 份, 剔除其中的无效问卷3 份,共得有效问卷72 份,有效率为96%。在此基础上,本研究选取内部Cronbach’s α 系数作为信度参数,计算出信度参数为0.87,说明题目内部的一致性良好,因此可以看出该问卷的内容信度较高;选取各维度分与总分的相关度、各维度之间的相关度作为结构效度的表现形式,发现各维度分与总分之间的相关度较高(r>0.5),而各维度之间的相关度较低(r<0.4),表明问卷结构良好,具备较好的结构效度。


通过调查发现,95% 以上的学员对此次培训的整体效果持满意态度,并表示希望继续参与此种模式的培训;85.2% 的学员认为培训课程与活动的设置能满足现在的学习需求,并表示能通过培训获得自己的成果;同时,学员对培训方式、培训资源、培训专家队伍等也给予了极大的认可。但是,在“教学设备与工具” 方面有近21% 的学员表示情况并不乐观,其原因可能主要在于受培训场地实际条件的限制,学员在实践过程中无法获得持续有效的支持。通过对学员的访谈与问卷开放题的相关分析,本研究发现学员主要针对培训课程资源的优化、培训方案的改进、培训后的支持服务提出建议。如有些学员提议建立激励机制与各小组的成果汇报相关联,以便有效实现培训迁移的激励;有些学员提议建设带有区域特色和微型化特征的数字化学习资源,以便随时随地都能加入到学习中;还有些学员提议建立培训服务人员的专业化队伍,以便学员能持续不断地得到指导与帮助。


五、结束语


创客教育师资匮乏目前已经成为限制创客教育发展的“短板”,而创客教师的培养却不是一朝一夕可以完成的工程。从宏观上来看,创客教师专业化培养更像一项系统工程,需要由国家层面统一规划与设计,也需要专门的机制、高校以及培训机构等的支持。从微观上来看,现阶段信息技术教师与通用技术教师仍然是各学校从事创客教育的主要群体,从其中选出部分教师进行短期的线上、线下相结合的短期研修,是解决目前师资短缺的权宜之计。本研究以问题为导向,以大数据思维为指导,构建了“互联网+”时代创客教师培训模式的新蓝图,以期为未来创客教师培训模式的研究与实践提供新的参考和借鉴。


参考文献:

[1] 张纲,王珠珠. 发挥信息技术支撑引领作用服务教育现代化发展大局——学习领会《教育信息化“十三五”规划》[J]. 中国电化教育,2017,(2):140-144.

[2] 董同强,马秀峰. 创客视角下高校个性化创新创业教育实施策略研究[J]. 重庆高教研究,2017,(4):70-77.

[3] 王怀宇,李景丽,闫鹏展. 高校创客型师资培养策略初探[J]. 中国电化教育,2016,(3):126-130.

[4] 王志强,卓泽林. 美国中小学创客教育的现状、理念与挑战[J]. 比较教育研究,2016,(7):27-31.

[5] 祝智庭,孙妍妍. 创客教育:信息技术使能的创新教育实践场[J]. 中国电化教育,2015,(1):14-21.

[6] 钟柏昌. 谈创客教育的背景、本质、形式与支持系统[J]. 现代教育技术,2016,(6):13-19.

[7] 顾小清,舒杭. 信息技术的作用发生了吗——用学习分析技术刻画学习行为印记[J]. 现代远程教育研究,2016,(5):10-19.

[8] 王陆,李瑶. 课堂教学行为大数据透视下的教学现象探析[J]. 电化教育研究,2017,(4):77-85.

[9] 李运福,杨晓宏. 基于大数据分析的O2O 教师培训模式研究—— 对“互联网+”教师培训的初步思考[J]. 中国电化教育,2016,(12): 113-120.

[10] 梁文鑫. 基于大数据的教师移动培训课程设计[J]. 中国电化教育, 2017,(6):120-123.

[11] 董同强,马秀峰,张永鹏. 面向创客群体的高校图书馆智能化嵌入式服务平台设计[J]. 图书馆学研究,2017,(15):83-88.


作者简介:董同强(1993— ),男,山东淄博人,博士研究生,研究方向为创客教育、职业技术教育发展战略;唐晓旺(1992— ),男, 河南濮阳人,硕士研究生,研究方向为教育虚拟社区;董建福(1997— ),男,山东淄博人,研究方向为职业技术教育。


转载自: 《数字教育》 2018年第5期

排版、插图来自公众号:MOOC(微信号:openonline)


新维空间站相关业务联系:

刘老师 13901311878

邓老师 17801126118


微信公众号又双叒叕改版啦

快把“MOOC”设为星标

不错过每日好文

喜欢我们就多一次点赞多一次分享吧~


有缘的人终会相聚,慕客君想了想,要是不分享出来,怕我们会擦肩而过~

《预约、体验——新维空间站》

《【会员招募】“新维空间站”1年100场活动等你来加入》

有缘的人总会相聚——MOOC公号招募长期合作者



产权及免责声明 本文系“MOOC”公号转载、编辑的文章,编辑后增加的插图均来自于互联网,对文中观点保持中立,对所包含内容的准确性、可靠性或者完整性不提供任何明示或暗示的保证,不对文章观点负责,仅作分享之用,文章版权及插图属于原作者。如果分享内容侵犯您的版权或者非授权发布,请及时与我们联系,我们会及时内审核处理。


了解在线教育,
把握MOOC国际发展前沿,请关注:
微信公号:openonline
公号昵称:MOOC

   

登录查看更多
0

相关内容

大数据分析是指对规模巨大的数据进行分析。大数据可以概括为5个V, 数据量大(Volume)、速度快(Velocity)、类型多(Variety)、价值(Value)、真实性(Veracity)。
2020年中国《知识图谱》行业研究报告,45页ppt
专知会员服务
234+阅读 · 2020年4月18日
德勤:2020技术趋势报告,120页pdf
专知会员服务
187+阅读 · 2020年3月31日
专知会员服务
121+阅读 · 2020年3月26日
报告 | 2020中国5G经济报告,100页pdf
专知会员服务
97+阅读 · 2019年12月29日
【德勤】中国人工智能产业白皮书,68页pdf
专知会员服务
295+阅读 · 2019年12月23日
【大数据白皮书 2019】中国信息通信研究院
专知会员服务
133+阅读 · 2019年12月12日
【数字化】数字化转型正在成为制造企业核心战略
产业智能官
33+阅读 · 2019年4月22日
在线学习体验影响因素结构关系探析
MOOC
7+阅读 · 2019年3月20日
人工智能在教育领域的应用探析
MOOC
12+阅读 · 2019年3月16日
国内高校人工智能教育现状如何?
大数据技术
9+阅读 · 2018年4月24日
Talking-Heads Attention
Arxiv
15+阅读 · 2020年3月5日
Learning Embedding Adaptation for Few-Shot Learning
Arxiv
16+阅读 · 2018年12月10日
VIP会员
相关VIP内容
2020年中国《知识图谱》行业研究报告,45页ppt
专知会员服务
234+阅读 · 2020年4月18日
德勤:2020技术趋势报告,120页pdf
专知会员服务
187+阅读 · 2020年3月31日
专知会员服务
121+阅读 · 2020年3月26日
报告 | 2020中国5G经济报告,100页pdf
专知会员服务
97+阅读 · 2019年12月29日
【德勤】中国人工智能产业白皮书,68页pdf
专知会员服务
295+阅读 · 2019年12月23日
【大数据白皮书 2019】中国信息通信研究院
专知会员服务
133+阅读 · 2019年12月12日
Top
微信扫码咨询专知VIP会员