基于划分聚类的教学胜任力诊断模型构建

任维武

(长春理工大学,吉林长春 130022)

一、研究背景

党的二十大报告明确提出要“推进教育数字化，建设全民终身学习的学习型社会、学习型大国”。中共中央国务院印发《数字中国建设整体布局规划》，规划中提到“构建普惠便捷的数字社会，促进数字公共服务普惠化，大力实施国家教育数字化战略行动，完善国家智慧教育平台”。大数据、云计算、人工智能等现代信息技术在社会发展中的深入推进，宣告数字时代的来临。在数字时代，社会也将呈现出“数字化转型”的特征。

数字化转型可以理解为在数字技术的驱动下，组织在管理目标、方式、结果等方面的转变过程，以及在此基础上引发的社会关系格局的重塑过程[1]。祝智庭等人认为教育数字化转型将数字技术整合到教育领域各个层面，推动教育组织架构、课程内容、教学过程创新与变革，形成具有开放性、适应性、柔韧性的教育新生态[2]。教师队伍建设数字化是教育数字化的关键，而基于信息技术的教学胜任力模型诊断研究是推进教师数字治理、教师队伍建设数字化的核心问题。在此背景下，研究者提出了一系列教学胜任力模型，颜正恕[3]借助探索性、验证性因子分析和AHP 等方法，构建了包括教学人格、信息素养、晶体能力、教学影响、教学互动和教学管理等6 个一级因子和21 个二级因子的高校教师慕课教学胜任力模型和评价体系。李党辉等人[4]通过探索性分析，建构并验证了江苏语文特级教师教学胜任力模型。周榕[5]以“教学交互”胜任力为样本，利用ADAPTIT 设计软件完成了培训方案设计的10 个主要步骤，并自主研发培训平台Axure RP 原型，以新入职教师为对象完成了阶段性的实践应用，分别对设计有效性和培训有效性进行了初步验证。廖宏建等人[6]通过文献回顾、专家咨询以及对教师关键行为实践访谈内容的编码和统计分析，构建了SPOC 混合教学胜任力模型，并对模型的构建效度和预测效度进行了交叉验证。郝兆杰等人[7]以文献研究为基础，筛选出高校教师翻转课堂教学胜任力因子，再通过德尔斐法获得专家信度，对模型进行探索性因素分析和验证性因子分析，最终构建了翻转课堂教学胜任力模型。于杨等人[8]对新工科教师胜任力的素养结构进行研究，提出集知识素养、工程素养、教学素养、个人素养于一体的“四维一体”新工科教师胜任力模型。万昆等人以后疫情时代在线教学为背景，研究结合布迪厄的场域理论，提出了后疫情时期发展教师在线教学胜任力策略模型，包括意识层、技术层、应用层、治理层的“四维度十策略”，为高校教师在线教学高质量发展提供参考。叶剑强等人[9]基于理科教学胜任力的操作性定义，构建了理科教师胜任力的理论模型，并通过专业标准文本材料编码、德尔菲专家调查数据模糊性收敛分析等手段，验证了所构建的中学理科教师胜任力模型符合新时代国家对教师建设的要求。孙晓红等人[10]基于整体胜任力模型，分析联合国教科文组织、欧盟、挪威和西班牙的教师数字胜任力框架如何体现“学习者中心”的原则。王晶心等人[11]以教师专业发展和教师胜任力理论为指导，对混合式教学胜任力、TPACK 知识框架等相关文献进行分析，结合高校教师特点构建了包括专业价值观、知识与技能、创新与学术3 个核心维度和10 项胜任特征的高校教师混合式教学胜任力模型，能够较为全面地解释混合式教学对高校教师提出的胜任力要求。单俊豪等人[12]通过文献法和两轮德尔菲法构建了STEM 教师教学胜任力理论模型，并基于该模型设计STEM 教师教学胜任力表现性评价过程模型。马婕等人[13]基于ADDIE 拓展模型提出高校教师教学胜任力进阶发展模型，将胜任力嵌入教学系统设计的各个环节，构建能够表征高校教师教学胜任力静态和动态两种不同状态下的胜任力结构体系。

二、问题提出

梳理以上文献，我们可以看出教育数字化为教师队伍建设数字化指明了方向，但也提出了新的问题，传统教师教学胜任力体系缺乏对数字素养的关注，且不能诊断教师当前胜任力存在的问题，更无法为教师提供有效的终身学习指导。针对以上问题，现有的研究主要集中在利用传统方法针对特定人群构建教学胜任力模型方向上，这类研究方法理论性较强，且有一定的使用价值，但普遍存在一定的应用局限性，而对于利用信息技术手段解决教学胜任力模型构建所遇到的实际问题，相关研究较少。

本文在参考已有教学胜任力模型的基础上，利用划分聚类方法将具备不同教学胜任力的教师分类，构建教学胜任力诊断模型，并以此模型为教师提供发展指导。

三、相关理论基础

本文使用划分聚类对全部样本进行划分，而划分聚类依靠样本之间的距离，其中距离的定义为：

当q=2 时，表示为欧氏距离，在实际应用过程中，欧式距离容易受量纲影响，造成属性之间权重不平等，为了避免这种情况，需要对数据进行预处理，本文使用标准化变换的预处理方式：

划分聚类方法就是通过计算样本之间的距离，将距离相近的样本自动归类到一起，组成一个簇，簇内的样本具有一定的相似性。本文中利用这一原理，计算不同教师的教学胜任力相似性，将教学胜任力相似的教师聚成一个簇。

四、基于划分聚类的教学胜任力诊断模型构建

基于划分聚类的教学胜任力诊断模型是通过发现教学胜任力要素、要素属性、要素之间的关系，构建教学胜任力知识图谱，再通过教学胜任力量表，对教师教学胜任力进行评估，在此基础上，构建基于划分聚类的教学胜任力诊断模型。

如图1所示，基于划分聚类的教学胜任力诊断模型包含教学胜任力要素、要素属性与要素之间关系、教学胜任力知识图谱、教学胜任力量表、教学胜任力诊断模型、教师胜任力评估应用、发现问题及提出建议等模块，最终目标是利用教学胜任力诊断模型，对教师教学胜任力进行评估，发现教师教学胜任力可提升的空间，并为教师提供可行性发展建议。其中，教师胜任力量表是量化教师教学胜任力的主要工具，从教师教学胜任力的六个维度[14]进行设计，分别是教育和课程、教学和方法、沟通和关系、工具和技术、评估和调查、个人和态度。如教育和课程方面，包含制定课程目标、制定学习目标、制定教学内容、制作教学资源、引导个性化学习、保持教学内容与教学目标一致性等方面；如个人和态度方面，包含教师职业态度、教学热情、对学生态度和情绪、教学氛围、学习习惯、学习意识等。

图1 基于划分聚类的教学胜任力诊断模型框架图

由于本文致力于构建一个泛化的教学胜任力模型，需要尽力避免局限于某个具体的领域或者应用中，因此，我们选择了Guzman 等人[14]提出的六个维度的教学胜任力主要要素，并以此六个主要要素构建了教学胜任力知识图谱，如图2所示，六个主要要素为教育/课程、教学/方法、评估/调查、沟通/关系、工具/技术、个人/态度，在此基础上，我们挖掘这六个维度要素属性和要素之间的关系。要素属性方面，工具/技术属性，包括教学工具、技术设备、教学软件等；教学/方法属性，包括教学方法、教学策略、学习兴趣等；教育/课程属性，包括课程目标、学习目标、教学资源等。要素之间的关系方面，“工具/技术”和“教学/方法”之间的关系，包括工具影响教学、教学改进工具；“教学/方法”和“沟通/关系”之间的关系，包括师生关系影响教学、家校沟通影响教学等。

图2 教学胜任力主要要素知识图谱

本文使用K-means 划分聚类作为核心算法，其基本流程如图3所示，输入为教师教学胜任力量表获得的数值，为了避免有些数值过大影响属性权值，对每一类数据执行标准化变换数据操作。设置K、迭代数等参数，其中K 用来人为指定聚类生成簇的数量。之后进行不同教师相似教学胜任力聚类成簇的操作，具体可以分为如下步骤：第一步，随机生成K 个簇的中心；第二步，计算当前教师教学胜任力样本到各簇中心的距离；第三步，将样本归类到最近的簇中心；第四步，对加入样本的簇重新更计算平均值，更新簇的中心；第五步，判断各簇的中心是否发生变化，如果簇中心发生变化，则执行第六步，否则判断程序执行次数是否达到预设迭代数，如果达到，则执行第六步，否则执行第二步；第六步，输出簇和簇的中心，结束程序。

图3 基于划分聚类的不同教师相似教学胜任力聚类成簇的流程

通过划分聚类算法，获得了教师教学胜任力聚类形成的各个簇。在此基础上，利用教学胜任力诊断模型，推荐教师个性化发展方向，以及生成个人能力提升建议。其具体流程如图4所示，对教师教学胜任力个人样本进行量表数值化和标准化变换处理，计算当前样本到各簇中心之间距离，比较这些距离，并选择前m 个距离较近的簇中心，这些簇可以被看作是与当前个人样本教师教学胜任力能力相近的群体，也是当前个人样本较为容易达到的发展方向，因此可以作为推荐备选。在此策略的指导下，计算样本的教师教学胜任力绝对值CAVs，其中教学胜任力绝对值指的是当前样本到原点的距离，用来表示个人教学胜任力的绝对大小。接着计算前m个簇中心的教师教学胜任力绝对值CAVm,然后比较个人教学胜任力绝对值和各簇中心教师教学胜任力绝对值的大小，如果个人教学胜任力能力绝对值大于簇中心教师教学胜任力绝对值，则表示个人教学胜任力优于当前簇教学胜任力的平均水平，不能作为教师个性化发展方向推荐，否则，继续比较样本和中心能力差距，输出教师个性化发展方向。除了推荐教师个性化发展方向外，还需要生成个人能力提升建议，需要计算样本所在簇的最大胜任力绝对值CAVmax，同时比较个人教学胜任力绝对值和样本所在簇的最大胜任力绝对值。如果个人教学胜任力绝对值小于样本所在类的最大胜任力绝对值，则说明在同一个簇内，存在较为优秀的教师作为学习对象，可以依照优秀学习对象生成个人能力提升建议，否则，说明当前样本为簇内最优秀的教师，不能提供个人能力提升建议。

图4 利用教学胜任力诊断模型生成发展方向和提升建议流程

五、总结与展望

基于划分聚类的教学胜任力诊断模型构建方法是通过制定并发放教学胜任力量表，获取教师教学胜任力第一手数据，并利用此数据，构建基于划分聚类的教学胜任力诊断模型。通过对教师教学胜任力群体的划分，实现教师教学胜任力的自动分类，并提出了基于教学胜任力诊断模型的个性化发展方向和个人能力提升建议自动生成方法，满足了教师教学胜任力的数字化、智能化的发展需求。通过比较个人教师教学胜任力与各簇中心点之间的距离，对个人教师教学胜任力进行了划分，利用教师教学胜任力绝对值指标，比较个人教学胜任力绝对值和各簇中心教师教学胜任力绝对值的大小，实现教师个性化发展方向自动推荐。通过比较个人教学胜任力绝对值和样本所在簇的最大胜任力绝对值，实现教师个人能力提升建议自动生成。因此，基于划分聚类的教学胜任力诊断模型具有一定的现实指导意义。

目前，该方法存在的问题主要集中在两个方面：一是无法直接向簇外优秀教师学习，二是无法提供具体的个人提升建议。下一步工作主要集中在两个方面：一方面是引入新的思想、原理和方法，解决无法自动生成具体个人提升建议的问题；另一方面是改进算法，扩大优秀教师样本搜索范围，进一步增强方法的实效性。