论文部分内容阅读
摘 要：中职教师队伍建设在职业教育发展中的地位越来越重，中职教研的精准化、个性化被提上日程。新一代信息技术支持下的中职教师画像，是破解精准教研的重要创新举措。目前，对教师的画像研究，特别是对中职教师的画像研究非常少，本文从中职教研数据的采集、清洗、分类及关联等视角阐释了数据驱动的教师画像的可行性;同时从四个方面描摹教师画像模型实现框架;最后，分析了教师画像支持精准教研的应用场景。旨在为中职精准教研提供相关参考。
关键词：中职教师画像;新一代信息技术;精准教研;标签体系
一、引言
2019年11月教育部发布了关于加强和改进新时代基础教育教研工作的意见，明确指出教研工作是保障基础教育质量的重要支撑，要注重创新教研方式，鼓励因地制宜采用区域教研、网络教研、综合教研、主题教研以及教学展示、项目研究等多种方式开展教研，积极探索信息技术背景下的教研模式改革。[1]2018年教育部发布的办公厅关于开展人工智能助推教师队伍建设行动试点工作的通知中明确指出要推进教师大数据建设行动，采集教师教学、科研、管理等方面的信息，形成教师大数据，建立教师数字画像，进行教师大数据挖掘，支持学校决策，改进教师管理，优化教师服务。[2]
新一代信息技术的迅猛发展，中职教研数据呈几何级增长和教学数据采集技术的快速提升，让教研工作进入了数据时代，教师在专业成长过程中产生了大量而多元的数据，形成了教师大数据、教研大数据，从而为中职教师的个体画像，为精准教研的多维应用成为一种可能。因此，本研究将聚焦如何通过教研数据构建中职教师画像，研究其实现流程及逻辑框架，以及中职教师画像最终如何实现和服务精准教研。
二、职教精准教研呼唤教师画像
（一）中职教研需要中职教师画像
《国家职业教育改革实施方案》明确提出，职业教育与普通教育是两种不同教育类型，具有同等重要地位，[3]相对应的中职的教研机构也应该具备相对应的要求，但当前的现状是中职教研机构名显示处于弱势，为了解决这个矛盾，中职教研应该更多的向技术、向大数据中职教师画像来追求精准教研，从而摆脱中职教研过程中存在的效率低、针对性不强等不同类型的困境。
（二）中职教师画像触发精准教研
用户画像在教育领域主要集中在学生，且取得了令人瞩目的成效。而对于教师的画像，特别是对于中职教师的画像尤为缺失。伴随着中职教育持续的改革与推进，专业与课程随着社会的发展而不断的在改变其自身的内容与形式，很明显作为教研部门不能采用以不变应成变的教研策略，而应该更多的去关注新一代信息技术与教育的融合所触发的精准教研，而中职教师画像技术在新一代信息技术的支持下其可行性与指向性已经成为可能，但目前国内的研究并未聚焦于此，更多的带有普教的烙印，作为中职教师同样需要专业的成长和个性的发展，更需要有职业认同感与责任感，这使得精准教研成为当前必须的解决的问题，而中职教师画像技术对于精准教研是必不可少的手段与措施。
本研究将从抓取中职教师教研大数据，通过数据分析与挖掘技术和用户画像技术来构建中职教师画像模型和中职教师标签体系，从而实现各类精准的预测，保证教研的精准性。
三、新一代信息技术支持下中职教师画像
要实现中职教师画像，有三大核心要素，即表征、发现和预测[4]中职教师教研特征和行为，即表征中职教师的教研特性;发现中职教师的教研需求;预测中职教师的教研行为变动。精准“表征、发现和预测”是精准教研的核心[5]。在新一代信息技术的支撑下，巨量教研数据开始沉淀，进而形成教研大数据。而中职教师画像的构建需要有效运用全模态和全过程的教研数据，才能有效地表征教研情况、发现隐性信息和预测中职教师教研行为变化，以支持精准教研策略的生成和变化。
（一）新一代信息技术支持教研数据采集
中职教育不仅是专业技能的传授这，更是一个育人的过程，所以容错性很小，甚至不能有错，这就要求对于实现中职精准教研的中职教师画像必须是科学的、精准的和可生態的。本研究对于数据维度的考量主要取决于 “教研大数据”和“价值密度”，对于数据采集，除了原有的数据建立数据池导入以外，数据采集技术主要集中在网络技术、物联技术和感知技术。
（二）内生外联多维度描摹中职教师画像
为了精准的对中职教师画像，首先需要阐释与理解数据，这是画像技术的坚定基石;其次得对中职教研大数据进行清洗与分类，确保能对中职教师精准画像提供完整的数据支撑。综合考虑中职教师数据的可采集性和中职教师画像需要，涵盖中职教师的教育学、心理学和学习科学、专业能力等特征[6]，本研究通过对中职教师、教研员的座谈，采用定性研究分析的方法，分析得到二个类别8个维度的数据分类，具体见表 1。其数据来源主要集中在学校原有的各类信息系统（信息孤岛）、和新一代的信息技术支持的各类采集源，比如脑机接口、感应设备等及中职教研大脑。
（三）数据流相关支撑精准中职教师画像
单独的数据流，并不能支撑起中职教师画像，类数据流也远达不到精准教研。数据流并不是单一维度与价值取向，数据也是社会的数据，只有当数据流之间建立起有效相关及关联，数据的价值才能显现，这就是数据分析与挖掘，没有关联的数据，更象是一个黑白的世界，而关联让中职教师画象涂上了丰富的色彩，对于中职教师画像而言，内生数据是躯干，外联数据是血脉。
四、中职教师画像系统的模型构建
中职教师画像都是基于中职教研大数据，数据的精准性、真实性、规范性和科学性决定了表征、发现和预测三大核心要素在中职教师在教研过程中行为特征的正确性，是否能够描摹出一个虚拟化的真实中职教师模型，能够为教研活动与服务的有效性提供基于事实的参考与基于预测的判断。因此，本研究将从四个方面来实现模型构建，如图1所示。 （一）中职教研数据预处理
现实世界的数据呈现出杂乱无章的样式，要充分利用数据，必须经过预处理，在新一代信息技术的支撑下，数据预处理主要包括教研数据清洗、教研数据集成、数据变换与数据归约。
教研数据清理主要是达到如下目标，格式标准化，异常数据清除，错误纠正，重复数据的清除。教研数据集成将多个数据源中的数据结合起来并统一存储，建立数据仓库的过程。教研数据变换通过平滑聚集，数据概化，规范化等方式将数据转换成适用于数据挖掘的形式。教研数据归约，数据挖掘时往往数据量非常大，在少量数据上进行挖掘分析需要很长的时间，数据归约技术可以用来得到数据集的归约表示，它小得多，但仍然接近于保持原数据的完整性，结果与归约前的结果相同或几乎相同。[7]
（二）中职教师画像模型建构
中职教师画像模型作为输入端与输出端之间的桥梁，其作用与地位尤为重要，本研究的中职教师画像模型是基于二维八度教研数据进行建模，即形成内生与外联二个空间与八个维度的模型，分别是形成内生空间的中职教师基本模型、教研心理模型、教研行为模型、社会交互模型、以及外联空间的教研评价模型、学生反馈模型、课程教学模型和教研成果模型，因为各数据属性各有不同，每个子模型的数据分析与学习方法不相同，最终形成三类标签，即事实标签（SB）、模型标签（MB）和预测标签（YB）。[8]
1.事实标签（SB）
对应于中职教师基本数据，可以利用自然语言分析，文本挖掘等方法将基本数据按照统计学原理方法生成事实标签[9]，预测标签是基于事实标签的，因此事实标签的正确性决定了预测标签信度与效度。
2.模型标签（MB）
模型标签是中职教师标签体系的核心技术与内容，中职教师画像构建是通过建模分析实现的，也是最重要的技术阶段，模型标签是指基本数据中没有直接相对应的数据，而是通过规则和关联性数据才能生成的隐性标签。中职教师画像模型可以通过机器学习算法进行特征分析、提取和选择，中职教师画像在投入正式运行之前，需要输入大量训练数据，根据预测结果的正确性与匹配性，不断的调整算法，再进行训练，通过多次实证，保证系统算法的正确性和画像的精准性。
3.预测标签（YB）
预测标签，就是对基于中职教师的事实标签与模型标签生成的标签体系，由于事实标签与模型标签在前二个步骤中已经确保了其正确性，在此基础上，可以通过和聚类算法及其它测算法等相关联的算法进行优化训练，从而提高预测标签的指向性和价值密度，同时，如果出现预测不精准的情况，我们可以再往前推演，去修正模型标签与事实标签。
（三）中职教师个体标签体系
系统最终输出端是教师个体标签体系，涵盖三大标签，事实标签、模型标签、预测标签，而这三个标签，又是建立在八大维度的子标签的基础上的，最终实现在中职教师教研大数据基础上，通过建构模型和算法以及大量数据集的训练来优化标签体系，从而为不同中职教师打上的数字化标签，从而为精准教研提供可实证的参考，能立体化指向中职精准教研应用服务。
（四）中职教师画像质量评估
中职教师画像质量评估，有二种类型，一是理论上质量评估常用的指标有准确率、时效性和普及率。因为对于中职教师画像质量评估，本研究采用了计量分析法和实证方法进行推演，基本把统计学显著性控制在5%以下，以及使用了回归分析和T分析，来证实标签的信度与效度。二是实践意义上的评估，即通过随机抽样的方式，把中职教师的作为样本，进行实证性研究，理论与实践双管齐下，保证中职教师画像系统的容错性基本为零。
五、中职教师画像支持的精准教研场景
通过评估-反馈-迭代优化步骤之后，教研大脑作为显示终端可以可视化中职教师画像。通常使用打标签的方式来呈现中职教师个体的数据画像，并通过统计分析生成以文字+图像的形式为主的中职教师教研数据分析报告。为中职教研室的总体教研设计和组织提供数据支持，并进而为教育行政部门的政策制定提供数据依据。中职教师画像主要用于教研部门的精准教研，因此本文从精准教的角度来分析其应用场景和服务，但中职教师画像系统远不止精准教研的应用场景，其影响和应用的范围可以更大更广。
（一）促进中职教师自身成长
架构中职教师画像，是为了更好的服务于中职教师，所以中职教师既是画像的对象，又是画像的首先服务对象。中职教师可以利用画像了解自身的教研数据，能够看到自身成长的过程和轨迹，避免了教师到退休，只剩下几本教案的尴尬局面，同时可以借助画像对自身的教研进行自我诊断与改进。其次，双师型的要求的不断提升，中职教师可以借助画像规划自身的专业成长路线，也为中职教师成为复合型教师提供一种借鉴。最后，由于中职教师画像的数据有内生外联8个维度，中职教师可以借助自身画像来提升自身的教学水平与专业水准。
（二）实现中职教师个性化教研
中职教师画像服务于精准教研，更服务于精准教学，中职教研大脑不仅能精准的描述中职教师的个性特征，而且能及時的发现和预测中职教师的兴趣和爱好及需求，中职教师画像通过标签化对中职教师的教研资源的精准推送，为不同中职教师提供各不相同的、个性化的教研资源、教研活动、教研共同体组织，同时为中职教师提供了模拟自身成长的专业发展路线。
（三）支持中职师生个性化配对[10]
将中职教师画像和学生画像进行匹配，中职教师画像将教师的风格与学生的风格相匹配，形成相互适应的师生组合，解决了当前教育一个教师面对一群学生的困境，也解决了因材施教的问题，其应用场景可以成为线上教学的一种新的教学模式探索。通过师生个性化匹配，也给教师提供了一种激励，如何有针对性的更快的去了解与自己匹配的个性学生，从而推进有目标的、有针对性的参加教研活动，实现教学相长。
（四）提供中职学校校本精准研修 中职学校的校本研修，一方面往往从经费、时间、人力等成本考虑，校本研修的精准度比较欠缺，往往宏观层面的研修比较多，而忽视了教师这个微观层面。另一方面，中职学校 外派培训和指定培训，不能真正的从教师的实际需要出发，导致无效培训增多，教师产生职业倦怠感。而中职教师画像，给学校提供了多维度的教师考量，通过精准的校本研修有利于培养出一批名优教师和一批双师型教师。
（五）驱动中职教研室循证管理
对于中职教教研室而言，当中职教师教研大脑中的画像样本量足够充分的时候，中职教师的群体画像呈现本市全体中职教师的教研总体情况，支持循证化管理和制定教研决策方案。一方面支技精准教研，保证中职教研活动的组织与开展。二是能及时迅速的发现全市层面的教研活动的偏差并及时纠正，三是能提供给学校更多的教研决策，四是能对各类中职教研活动进行评价与改进。
六、结语
《深化新时代职业教育“双师型”教师队伍建设改革实施方案》中指出中职教师专业化水平偏低，“双师型”教师和教学团队短缺，已成为制约职业教育改革发展的瓶颈。而中职教师画像技术，为提升中职教师的专业化水平和“双师型”教师队伍建设，提供了一种技术解决方案。随着职业教育对教师要求的提升，中职教师画像在精准教研上应用与研究上，更多的要关注数据的采集多源化、数据标准的统一及数据隐私等问题。
参考文献
[1] 教育部发布了关于加强和改进新时代基础教育教研工作的意见[EB/OL].[2019-11-25].http：//www.moe.gov.cn/srcsite/A06/s3321/201911/t20191128_409950.html.
[2] 教育部办公厅关于开展人工智能助推教师队伍建设行动试点工作的通知 [EB/OL].[2018-11-12].http：//www.moe.gov.cn/srcsite/A10/s7034/201808/t20180815_345323.html.
[3] 國务院关于印发国家职业教育改革实施方案的通知[EB/OL].[2019-01-24].http：//www.gov.cn/zhengce/content/2019-02/13/content_5365341.htm.
[4] Baker，R.S.;Yacef，K（2009）."The state of educational data mining in 2009：A review and future visions".JEDM-Journal of Educational Data Mining[J].1（1）：2017.
[5] 胡小勇，林梓柔.精准教研视域下教师画像研究[J].电化教育研究，2019，40（07）：84-91.
[6] SH Kang，B Sandberg.A regularized k-means and multiphase scale segmentation[J].Inverse Problems & Imaging》，2017，5（2）：407-429.
[7] 陈尧.教师画像与评分系统的设计与实现[D].重庆大学，2018.
[8] 王陆，彭玏，马如霞，杨佳辰.大数据知识发现的教师成长行为路径[J].电化教育研究，2019，40（01）：95-103.
[9] 李婷，傅钢善.国内外教育数据挖掘研究现状及趋势分析[J].《现代教育技术》，2010，20（10）：21-25.
[10] 魏忠.成长轨迹：记录学生，画像教师[J].《中国信息技术教育》，2017（10）：11-11.
作者简介：马海峰，高级教师，主要研究方向为中职教学研究、信息技术研究、中职教师创新团队培养等。
基金项目：全国教育信息技术研究课题“中职课堂教学智能化云评价系统的开发与应用研究（CEC系统）”（课题编号：10276，主持人：马海峰）。
关键词：中职教师画像;新一代信息技术;精准教研;标签体系
一、引言
2019年11月教育部发布了关于加强和改进新时代基础教育教研工作的意见，明确指出教研工作是保障基础教育质量的重要支撑，要注重创新教研方式，鼓励因地制宜采用区域教研、网络教研、综合教研、主题教研以及教学展示、项目研究等多种方式开展教研，积极探索信息技术背景下的教研模式改革。[1]2018年教育部发布的办公厅关于开展人工智能助推教师队伍建设行动试点工作的通知中明确指出要推进教师大数据建设行动，采集教师教学、科研、管理等方面的信息，形成教师大数据，建立教师数字画像，进行教师大数据挖掘，支持学校决策，改进教师管理，优化教师服务。[2]
新一代信息技术的迅猛发展，中职教研数据呈几何级增长和教学数据采集技术的快速提升，让教研工作进入了数据时代，教师在专业成长过程中产生了大量而多元的数据，形成了教师大数据、教研大数据，从而为中职教师的个体画像，为精准教研的多维应用成为一种可能。因此，本研究将聚焦如何通过教研数据构建中职教师画像，研究其实现流程及逻辑框架，以及中职教师画像最终如何实现和服务精准教研。
二、职教精准教研呼唤教师画像
（一）中职教研需要中职教师画像
《国家职业教育改革实施方案》明确提出，职业教育与普通教育是两种不同教育类型，具有同等重要地位，[3]相对应的中职的教研机构也应该具备相对应的要求，但当前的现状是中职教研机构名显示处于弱势，为了解决这个矛盾，中职教研应该更多的向技术、向大数据中职教师画像来追求精准教研，从而摆脱中职教研过程中存在的效率低、针对性不强等不同类型的困境。
（二）中职教师画像触发精准教研
用户画像在教育领域主要集中在学生，且取得了令人瞩目的成效。而对于教师的画像，特别是对于中职教师的画像尤为缺失。伴随着中职教育持续的改革与推进，专业与课程随着社会的发展而不断的在改变其自身的内容与形式，很明显作为教研部门不能采用以不变应成变的教研策略，而应该更多的去关注新一代信息技术与教育的融合所触发的精准教研，而中职教师画像技术在新一代信息技术的支持下其可行性与指向性已经成为可能，但目前国内的研究并未聚焦于此，更多的带有普教的烙印，作为中职教师同样需要专业的成长和个性的发展，更需要有职业认同感与责任感，这使得精准教研成为当前必须的解决的问题，而中职教师画像技术对于精准教研是必不可少的手段与措施。
本研究将从抓取中职教师教研大数据，通过数据分析与挖掘技术和用户画像技术来构建中职教师画像模型和中职教师标签体系，从而实现各类精准的预测，保证教研的精准性。
三、新一代信息技术支持下中职教师画像
要实现中职教师画像，有三大核心要素，即表征、发现和预测[4]中职教师教研特征和行为，即表征中职教师的教研特性;发现中职教师的教研需求;预测中职教师的教研行为变动。精准“表征、发现和预测”是精准教研的核心[5]。在新一代信息技术的支撑下，巨量教研数据开始沉淀，进而形成教研大数据。而中职教师画像的构建需要有效运用全模态和全过程的教研数据，才能有效地表征教研情况、发现隐性信息和预测中职教师教研行为变化，以支持精准教研策略的生成和变化。
（一）新一代信息技术支持教研数据采集
中职教育不仅是专业技能的传授这，更是一个育人的过程，所以容错性很小，甚至不能有错，这就要求对于实现中职精准教研的中职教师画像必须是科学的、精准的和可生態的。本研究对于数据维度的考量主要取决于 “教研大数据”和“价值密度”，对于数据采集，除了原有的数据建立数据池导入以外，数据采集技术主要集中在网络技术、物联技术和感知技术。
（二）内生外联多维度描摹中职教师画像
为了精准的对中职教师画像，首先需要阐释与理解数据，这是画像技术的坚定基石;其次得对中职教研大数据进行清洗与分类，确保能对中职教师精准画像提供完整的数据支撑。综合考虑中职教师数据的可采集性和中职教师画像需要，涵盖中职教师的教育学、心理学和学习科学、专业能力等特征[6]，本研究通过对中职教师、教研员的座谈，采用定性研究分析的方法，分析得到二个类别8个维度的数据分类，具体见表 1。其数据来源主要集中在学校原有的各类信息系统（信息孤岛）、和新一代的信息技术支持的各类采集源，比如脑机接口、感应设备等及中职教研大脑。
（三）数据流相关支撑精准中职教师画像
单独的数据流，并不能支撑起中职教师画像，类数据流也远达不到精准教研。数据流并不是单一维度与价值取向，数据也是社会的数据，只有当数据流之间建立起有效相关及关联，数据的价值才能显现，这就是数据分析与挖掘，没有关联的数据，更象是一个黑白的世界，而关联让中职教师画象涂上了丰富的色彩，对于中职教师画像而言，内生数据是躯干，外联数据是血脉。
四、中职教师画像系统的模型构建
中职教师画像都是基于中职教研大数据，数据的精准性、真实性、规范性和科学性决定了表征、发现和预测三大核心要素在中职教师在教研过程中行为特征的正确性，是否能够描摹出一个虚拟化的真实中职教师模型，能够为教研活动与服务的有效性提供基于事实的参考与基于预测的判断。因此，本研究将从四个方面来实现模型构建，如图1所示。 （一）中职教研数据预处理
现实世界的数据呈现出杂乱无章的样式，要充分利用数据，必须经过预处理，在新一代信息技术的支撑下，数据预处理主要包括教研数据清洗、教研数据集成、数据变换与数据归约。
教研数据清理主要是达到如下目标，格式标准化，异常数据清除，错误纠正，重复数据的清除。教研数据集成将多个数据源中的数据结合起来并统一存储，建立数据仓库的过程。教研数据变换通过平滑聚集，数据概化，规范化等方式将数据转换成适用于数据挖掘的形式。教研数据归约，数据挖掘时往往数据量非常大，在少量数据上进行挖掘分析需要很长的时间，数据归约技术可以用来得到数据集的归约表示，它小得多，但仍然接近于保持原数据的完整性，结果与归约前的结果相同或几乎相同。[7]
（二）中职教师画像模型建构
中职教师画像模型作为输入端与输出端之间的桥梁，其作用与地位尤为重要，本研究的中职教师画像模型是基于二维八度教研数据进行建模，即形成内生与外联二个空间与八个维度的模型，分别是形成内生空间的中职教师基本模型、教研心理模型、教研行为模型、社会交互模型、以及外联空间的教研评价模型、学生反馈模型、课程教学模型和教研成果模型，因为各数据属性各有不同，每个子模型的数据分析与学习方法不相同，最终形成三类标签，即事实标签（SB）、模型标签（MB）和预测标签（YB）。[8]
1.事实标签（SB）
对应于中职教师基本数据，可以利用自然语言分析，文本挖掘等方法将基本数据按照统计学原理方法生成事实标签[9]，预测标签是基于事实标签的，因此事实标签的正确性决定了预测标签信度与效度。
2.模型标签（MB）
模型标签是中职教师标签体系的核心技术与内容，中职教师画像构建是通过建模分析实现的，也是最重要的技术阶段，模型标签是指基本数据中没有直接相对应的数据，而是通过规则和关联性数据才能生成的隐性标签。中职教师画像模型可以通过机器学习算法进行特征分析、提取和选择，中职教师画像在投入正式运行之前，需要输入大量训练数据，根据预测结果的正确性与匹配性，不断的调整算法，再进行训练，通过多次实证，保证系统算法的正确性和画像的精准性。
3.预测标签（YB）
预测标签，就是对基于中职教师的事实标签与模型标签生成的标签体系，由于事实标签与模型标签在前二个步骤中已经确保了其正确性，在此基础上，可以通过和聚类算法及其它测算法等相关联的算法进行优化训练，从而提高预测标签的指向性和价值密度，同时，如果出现预测不精准的情况，我们可以再往前推演，去修正模型标签与事实标签。
（三）中职教师个体标签体系
系统最终输出端是教师个体标签体系，涵盖三大标签，事实标签、模型标签、预测标签，而这三个标签，又是建立在八大维度的子标签的基础上的，最终实现在中职教师教研大数据基础上，通过建构模型和算法以及大量数据集的训练来优化标签体系，从而为不同中职教师打上的数字化标签，从而为精准教研提供可实证的参考，能立体化指向中职精准教研应用服务。
（四）中职教师画像质量评估
中职教师画像质量评估，有二种类型，一是理论上质量评估常用的指标有准确率、时效性和普及率。因为对于中职教师画像质量评估，本研究采用了计量分析法和实证方法进行推演，基本把统计学显著性控制在5%以下，以及使用了回归分析和T分析，来证实标签的信度与效度。二是实践意义上的评估，即通过随机抽样的方式，把中职教师的作为样本，进行实证性研究，理论与实践双管齐下，保证中职教师画像系统的容错性基本为零。
五、中职教师画像支持的精准教研场景
通过评估-反馈-迭代优化步骤之后，教研大脑作为显示终端可以可视化中职教师画像。通常使用打标签的方式来呈现中职教师个体的数据画像，并通过统计分析生成以文字+图像的形式为主的中职教师教研数据分析报告。为中职教研室的总体教研设计和组织提供数据支持，并进而为教育行政部门的政策制定提供数据依据。中职教师画像主要用于教研部门的精准教研，因此本文从精准教的角度来分析其应用场景和服务，但中职教师画像系统远不止精准教研的应用场景，其影响和应用的范围可以更大更广。
（一）促进中职教师自身成长
架构中职教师画像，是为了更好的服务于中职教师，所以中职教师既是画像的对象，又是画像的首先服务对象。中职教师可以利用画像了解自身的教研数据，能够看到自身成长的过程和轨迹，避免了教师到退休，只剩下几本教案的尴尬局面，同时可以借助画像对自身的教研进行自我诊断与改进。其次，双师型的要求的不断提升，中职教师可以借助画像规划自身的专业成长路线，也为中职教师成为复合型教师提供一种借鉴。最后，由于中职教师画像的数据有内生外联8个维度，中职教师可以借助自身画像来提升自身的教学水平与专业水准。
（二）实现中职教师个性化教研
中职教师画像服务于精准教研，更服务于精准教学，中职教研大脑不仅能精准的描述中职教师的个性特征，而且能及時的发现和预测中职教师的兴趣和爱好及需求，中职教师画像通过标签化对中职教师的教研资源的精准推送，为不同中职教师提供各不相同的、个性化的教研资源、教研活动、教研共同体组织，同时为中职教师提供了模拟自身成长的专业发展路线。
（三）支持中职师生个性化配对[10]
将中职教师画像和学生画像进行匹配，中职教师画像将教师的风格与学生的风格相匹配，形成相互适应的师生组合，解决了当前教育一个教师面对一群学生的困境，也解决了因材施教的问题，其应用场景可以成为线上教学的一种新的教学模式探索。通过师生个性化匹配，也给教师提供了一种激励，如何有针对性的更快的去了解与自己匹配的个性学生，从而推进有目标的、有针对性的参加教研活动，实现教学相长。
（四）提供中职学校校本精准研修 中职学校的校本研修，一方面往往从经费、时间、人力等成本考虑，校本研修的精准度比较欠缺，往往宏观层面的研修比较多，而忽视了教师这个微观层面。另一方面，中职学校 外派培训和指定培训，不能真正的从教师的实际需要出发，导致无效培训增多，教师产生职业倦怠感。而中职教师画像，给学校提供了多维度的教师考量，通过精准的校本研修有利于培养出一批名优教师和一批双师型教师。
（五）驱动中职教研室循证管理
对于中职教教研室而言，当中职教师教研大脑中的画像样本量足够充分的时候，中职教师的群体画像呈现本市全体中职教师的教研总体情况，支持循证化管理和制定教研决策方案。一方面支技精准教研，保证中职教研活动的组织与开展。二是能及时迅速的发现全市层面的教研活动的偏差并及时纠正，三是能提供给学校更多的教研决策，四是能对各类中职教研活动进行评价与改进。
六、结语
《深化新时代职业教育“双师型”教师队伍建设改革实施方案》中指出中职教师专业化水平偏低，“双师型”教师和教学团队短缺，已成为制约职业教育改革发展的瓶颈。而中职教师画像技术，为提升中职教师的专业化水平和“双师型”教师队伍建设，提供了一种技术解决方案。随着职业教育对教师要求的提升，中职教师画像在精准教研上应用与研究上，更多的要关注数据的采集多源化、数据标准的统一及数据隐私等问题。
参考文献
[1] 教育部发布了关于加强和改进新时代基础教育教研工作的意见[EB/OL].[2019-11-25].http：//www.moe.gov.cn/srcsite/A06/s3321/201911/t20191128_409950.html.
[2] 教育部办公厅关于开展人工智能助推教师队伍建设行动试点工作的通知 [EB/OL].[2018-11-12].http：//www.moe.gov.cn/srcsite/A10/s7034/201808/t20180815_345323.html.
[3] 國务院关于印发国家职业教育改革实施方案的通知[EB/OL].[2019-01-24].http：//www.gov.cn/zhengce/content/2019-02/13/content_5365341.htm.
[4] Baker，R.S.;Yacef，K（2009）."The state of educational data mining in 2009：A review and future visions".JEDM-Journal of Educational Data Mining[J].1（1）：2017.
[5] 胡小勇，林梓柔.精准教研视域下教师画像研究[J].电化教育研究，2019，40（07）：84-91.
[6] SH Kang，B Sandberg.A regularized k-means and multiphase scale segmentation[J].Inverse Problems & Imaging》，2017，5（2）：407-429.
[7] 陈尧.教师画像与评分系统的设计与实现[D].重庆大学，2018.
[8] 王陆，彭玏，马如霞，杨佳辰.大数据知识发现的教师成长行为路径[J].电化教育研究，2019，40（01）：95-103.
[9] 李婷，傅钢善.国内外教育数据挖掘研究现状及趋势分析[J].《现代教育技术》，2010，20（10）：21-25.
[10] 魏忠.成长轨迹：记录学生，画像教师[J].《中国信息技术教育》，2017（10）：11-11.
作者简介：马海峰，高级教师，主要研究方向为中职教学研究、信息技术研究、中职教师创新团队培养等。
基金项目：全国教育信息技术研究课题“中职课堂教学智能化云评价系统的开发与应用研究（CEC系统）”（课题编号：10276，主持人：马海峰）。