构建多维需求调研模型，服务教师精准培训实施

王晔 李津

2021年教育部提出“统筹规划、突出重点、按需施训、精心组织、确保质量”的培训组织实施原则，要求加强教师培训需求调研，基于需求分析进行精准教师培训。这些充分说明了教师培训需求分析的重要性，也反映出在实际培训工作中，需求分析依旧是一个工作难点，针对这个问题，河南师范大学进行了长时间的探讨，从需求调研的维度、阶段及教研方法和工具入手，在实践中创建了基于人工智能的TSDS多维需求调研模型，并在教师自主选学项目培训中进行实践，收到了较好的效果。

一、搭建基于人工智能的TSDS多维需求调研模型

（一）教师培训需求调研的流程

培训前我们根据项目要求确定调研区域范围、确定调研对象，接下来选用问卷调查法、课堂观察法、访谈法等调研方法，然后由专家团队设计调查问卷、课堂观察量表、访谈提纲、SWOT自我分析表等，并制定调研计划；最后实施调研行动，得出多维调研数据。

（二）建构基于人工智能的TSDS多维需求调研模型

本模型将四个维度（教师、学校、区域、学生）、三个阶段（训前、训中、训后）、十种方法（“SWOT”自我分析、问卷调查、课堂观察、研修日志、测评法、小组研讨、访谈法、自我分析、专家法、档案分析）相结合，在人工智能数据平台的支持下进行动态数据收集。该模型的核心是应用互联网、大数据、人工智能等现代信息技术，使用多维关联分析、协同过滤等数据挖掘和大数据分析技术，建立教师模型和研修资源间的映射关联，实现高匹配度优质资源精准推送，充分保障教师自主选学项目的顺利开展，并给教师提供有效的成长数据，助推教师专业成长，服务精准培训，全面提升教师研修成效。

在培训前由承训单位主导实施，通过“SWOT”自我分析模型、问卷调查、课堂观察、访谈、试卷分析等科学的方法进行调研，收集数据，基于人工智能大数据进行分析，发现具体教育教学中的问题，精准定位教师的培训需求。在培训过程中，基于教师的培训日志，培训作业的完成情况由培训单位结合测评法、小组研讨法和访谈法进行数据收集，进一步深化、检测前期需求是否精准；培训后通过跟踪指导，结合自我分析法、专家法、档案（包括学生成绩）法进一步收集数据，并和训前需求、训中数据结合，发现教师的实际问题，以确定需求的精准性，也为下一次培训做好对比数据支持。

下面我们以训前需求调研数据收集为例进行详细说明。训前需求调研围绕四个维度、六种方法进行有效数据收集和对比分析。

维度一：参训教师（Teacher）。承担培训的单位在培训实施前组织专家对已经确定的参训教师进行全方面调研。

第一，引导教师基于“SWOT”自我分析模型结合基于项目设计的教师自我分析表，对自己进行深入分析。SWOT即优势（Strengths）——您目前的专业发展优势与专长（S），劣势（Weaknesses）——您目前的专业发展劣势与障碍（W），机遇（Opportunities）——您专业成长遇到的机遇（O），挑战（Threats）——您专业成长遇到的瓶颈与挑战（T）。它从整体上包含两个部分：内部因素（优势、劣势）分析与外部环境因素（机遇、挑战）分析，通过矩阵分析制定内部因素与外部环境相匹配的个人发展战略。

第二，由承训单位组织专家编写问卷，对参训教师进行相关数据收集。调查问卷可以根据培训项目的要求分类、分层进行设计，当面发放或者通过问卷星进行线上收集。基于问卷所反映出来的问题，组织专家对教师进行访谈，发现问题的成因，规避教师主观认为自己存在而实际上并没有的问题，以期获得教师真问题、发现并梳理真需求。

第三，由承训方组织专家设计课堂观察量表，深入参训教师课堂，进行实地听课。如果条件不允许，也可以基于互联网进行线上听课，或者观看参训教师提交的课堂实录，并对该教师的教学能力进行全面真实评估，收集第一手数据，以帮助教师发现教学中的真问题，从而获取教师的真正需求。三个方面结合，可以帮助受训教师清楚地认识到自己专业发展中的优势和需要解决的问题。

维度二：学校（School）。这里的学校指的是参训教师所在的学校。承训单位要通过问卷和访谈等形式与学校的管理方对话，调查参训教师的教学环境优势和劣势，从管理者的角度发现问题，得到学校的具体需求，进而与教师的自我需求进行数据的关联，从而更加明确教师培训需求。

维度三：区域（District）。区域指的是参训教师所在的省、市、县等地区。承训单位通过问卷、访谈等方法用科学的工具与教师进修学校、教师发展中心进行细致的沟通，了解该区域教师发展现状、该地区的教师培训导向及政策，并结合前两个维度精准定位培训需求。

维度四：学生（Student）。学生指的是受训教师参训前所教班级的学生，通过问卷和试卷分析了解教师的教与学生的学之间的差距，从学生的反馈，结合对教师进行课堂观察时学生的相关数据，来检测教师所提的问题是否真问题，结合以上三个维度进行需求数据整体的关联，使培训需求更加精准。

承训单位将四个维度调研得来的数据整理成电子数据库，建立教师需求档案，基于人工智能进行数据分析，聚焦重点数据，发现真实问题，确定培训需求。需求提炼出来以后再从四个维度征求意见，给予受训教师最全面的分析、最精准的指导。

二、实施效果

第一，自我分析更准确。学员在专家团队的指导下，通过“SWOT”自我分析模型，对自己进行有效、深入的分析；通过其他三个维度的反馈，对自己在教学中的优势、劣势有一个全方位的认知，从而发现自己的真问题，带着问题在培训中找到解决方法。

第二，培训主题更聚焦。多维调研模型的数据比较全面，基于人工智能的动态数据库可以帮助承训单位全方位地对参训教师“画像”，发现参训教师的真正需求。培训主题设计就会更加具体、精准，培训方式的选择将会更有针对性，培训课程的设计更契合教师的需求。

第三，自主选学更有效。该模型在我校承办的自主选学项目中进行了实践。初期项目先根据要求组建了专家团队，采用该模型进行了需求调研，收集到了更为全面的数据，基于人工智能大数据建立了动态的教师发展数据库，并根据训前、训中、训后不同阶段教师的需求数据进行关联性分析，取得了良好的效果。全面动态的数据帮助承训单位在设置选学培训主题、选学课程，包括培训形式时提供指导，同时帮助专家团队了解参训教师的需求，便于扎实开展精准培训。

教师培训需求调研一直是教师培训的重要方面，它是培训的开端，也是培训的归宿。随着教育改革的不断深入，教师培训需求调研已经成为教育管理者和教师培训者的重要工作。教师培训需求调研的精准程度决定着培训方案的研制、培训主题的设定，以及培训課程的形式及安排，更决定着最终的培训成效和成果的推广。目前，我们的教师培训出现培训需求调研方式单一、调研工具设计不合理、数据收集比较片面、数据的动态监控造成数据不精准的情况，对实施精准培训有一定的影响。长期以来，河南师范大学对教师培训需求调研方面的探究一直在进行，该模型也会在实践中不断改良，以期能够使教师培训的需求调研有新的突破。

（王晔系河南师范大学外国语学院副教授，李津系河南师范大学继续教育学院院长）

（责编 桑 涛）