数字化赋能教研形态发展的历程与趋势

冯艳艳 赵东东

胡小勇

教授、博士生导师，华南师范大学教育人工智能研究院常务副院长；教育部高校教育技术专业教指分委秘书长、产教协同育人建设项目专家、广东省教育数字化咨询委员会专家；主持多项国家级项目，主持教育部“教师智能教育素养研究”虚拟教研室等。

本刊编辑：您的团队多年来一直对技术赋能教研进行研究。从教育信息化发展的历程来看，技术对教研形式和内容的变革分哪些阶段呢？

胡小勇：在教育信息化发展的二十多年里，从起步阶段，到深度应用和初步融合阶段，再到由应用驱动的生态创新阶段，这期间教研的信息化发展经历了不同的阶段。

一是基于数字化文本交互的信息化教研。其以教研博客圈的兴起为标志，是依托松散的教师网络联盟和自发自为的博客教研或论坛教研，开展网络环境下的教研实践。这一阶段，基于现象描述的教研浅层交互问题突出，如停留在博客文本的浅阅读、互动受限于单方评论、关注平台建设却忽视交流，以及缺少对教学问题分析解决的深度互动等。

二是基于教师在线实践社区的社群教研。自2010 年以来，基于在线实践社区、网络研修工作坊等形式的社群教研快速发展。其中，在线社群平台和基于计算机终端的视频技术是其重要的教研交互媒介，在教研的目标、过程、交互媒介等方面呈现出新特点。

从教研目标看，强调提升教师信息技术应用能力、创生实践性知识、促进教学能力发展；从教研过程来看，为有效解决博客教研的困境，社群教研进一步突出了活动的系统设计与过程的管理评估；从教研交互媒介来看，针对当时国内视频技术难以支持课堂教学定量分析的困境，有学者开发了基于HTML5 的微视频标注系统，为教研提供移动终端对接、在线视频“字幕”标注、轻量化的视频切片标注等功能，但受当时互联网技术条件所限，在导出教研评价数据、提供个性化教研支持以及视频智能推送服务等方面，仍存在着实操困难。教师在线实践社区的社群教研，是“现象描述+基于问题”的实践探索，聚焦教学专业能力发展、教师教学行为和教师知识创新。

三是基于智能互联技术的“互联网+教研”。2015 年前后，随着以智能手机、平板电脑等为代表的移动终端快速普及，以及网络带宽的提升，基于智能互联技术的“互联网+教研”应运而生。“互联网+教研”通过“云+网+端”的技术聚合，强调教研方式创新融合，促进专家、教研员及教研名师等智力资源能够高效快速流转，提高了教研空间、教研资源和教研成果的共享度，使得“人人皆教研、时时能教研、处处可教研”成为可能。“互联网+教研”是信息化教研进一步发展的高端形态，即在超越把互联网仅作为技术工具实现简单信息连接的基础上，以互联网思维变革教研的理念、方法与技术，使得教师在移动泛在、云计算、大数据和智能技术支持的环境中，采用多样化教研方式，促进教师高水平专业化发展的教研形态。智能互联技术的“互联网+教研”，是基于问题的“实践探索+理论创新+应用辐射”的验证推广，聚焦“互联网+”时代的教师专业能力发展和教研理论与实践体系构建。

四是基于人工智能大模型的数字化精准教研。近几年，因大数据、人工智能和大模型在教研中的创新应用，模块化、生成性和个性化的教研资源建设与应用，提升了教研活动的针对性和有效性。技术手段的智能化能够帮助教师实现更加精准高效的教研评价，如“数据采集与存储、行为建模与计算、智能服务与诊断”的课堂教学行为智能分析模型，为课堂教学、教师行为和教学管理分析与决策提供了更为精准、智慧的教研服务。

本刊编辑：智能时代，数据是核心。您能说说数据在教研中的作用吗？

胡小勇：2018年8月，教育部印发了《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》，提出在试点学校开展教师大数据行动，“通过采集教师各方信息，汇聚成教师大数据，建立教师数字画像，以支持学校决策，改进教师管理，优化教师服务”。云计算、大数据和人工智能等新一代信息技术快速发展，无处不在的数据构成了“互联网+”世界的重要分子，数据的指数式增长和数据采集技术的快速升级也让教研迈入了“数据驱动”的时代。教师专业发展生涯中产生的多模态数据能够描摹出其个体画像，为精准教研的多维应用提供数据支撑。

智能技术的兴起和教育应用，使各类教研数据以更大容量、更快速度产生和汇聚于各类便捷的智能设备中，形成“教研大数据”。数据是教研创新发展的重要因素，值得重视。一是要注重教研数据采集技术的开发应用。目前，诸多教研活动虽采用智能录播系统等途径生成教研数据，但从数据生成过程来看，仍然难以满足大规模教研的精准评估需求。二是要注重进行教研行为的大数据挖掘，形成课堂教学行为大数据常模数据库，为教师提供基于大数据的教学行为诊断与干预，有效促进教师课堂教学行为改进。三是要增强基于数据驱动的教研平台综合化应用服务，如增强教研平台的自动化数据采集能力、智能化数据分析能力、可视化数据表达能力等，以确保实现数据驱动的教研需求分析、教研过程管理、教研实施效果预测，提高教研平台的数据服务效能。

在教研活动中，教师希望能够客观认知自己的教研轨迹，教育决策者希望能够准确了解教研的总体情况，如参与教研的教师具备什么样的群体特征、有哪些教研行为习惯等。客观数据能够为教研评价和决策提供依据，也是精准教研的前提。教师希望教研平台能推荐符合自身需求和兴趣的资源与服务，涵盖教师感兴趣的、近期关注的以及不擅长但重要的教研主题，以降低教师的主动检索成本。数据能够准确发现教师的教研需求和偏好。在海量教研数据的基础上，能够预测和预警教师的教研行为，是精准教研在大数据时代的新需求，为多模态数据采集技术的发展提供了可能。决策者基于预测或预警结果可以有效管理和监控教研活动，为教师提供更加优化的教研服务。

采纳新技术开展教研分析，基于数据驱动、教研行为编码、社会网络分析等技术，多源采集和科学分析各类教研数据，如教研行为、教研关系及教研盲点等，能够实现对教师信息化教研素养的有效帮扶。建立教研资源设计、开发和应用的评价标准，构建优质教研资源的分类框架和服务体系，并借鉴生态学视角和开源众筹机制，通过跨界融合来有效整合社会资源，为教师教研提供“规模化+个性化”的优质服务，实现教研资源、活动及支持服务的智能化推荐，将成为未来发展的一个重点。

本刊编辑：您提到了教师数字画像。大数据时代，教学要朝个性化和精准化的方向发展。依托大数据支持的教师画像技术，为教研和教学的精准实施提供了有力支撑。您能详细说说您的团队在教师数字画像方面的研究吗？

胡小勇：教师教研能力的提升能够优化教学效果，推动教师自身的专业发展。教师作为教学实施者，往往会遇到诸多教育教学难题，需要有意识地结合理论思考问题产生的原因并寻求解决方案，提高自身解决问题的能力，这也相应促进了教师教研能力的提升。教师数字画像是数字化赋能教师专业队伍高质量发展的有效手段，是人工智能助推教师队伍建设的重要内容，也是教育数字化的具体应用。2018年和2021年，教育部先后两次发布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，强调依托多维动态数据（如教学、科研、管理等方面的信息）形成教师画像，以支持学校决策、教师管理与评价等方面的优化和改革。教师数字画像在教研、教学、管理、评价等各场景下的应用潜能已经显现。

教育是一个复杂的育人系统工程，而教师是构建高质量教育体系的第一资源，数据驱动下的教师画像需要科学且精准。参与教研只是教师的众多社会属性之一，指向精准教研的教师画像需要聚焦与教研活动紧密相关的数据，相比数据体量的绝对大小，我们更重视数据的“教研相关属性”和“价值密度”。

教师数字画像能够实现对教师特征、需求、偏好和行为的描述，具有辅助诊断、评价、决策、干预等功能。近年来，各种在线平台与智慧空间投入教学使用，进一步丰富了数字画像的技术支撑和应用场景。在理论层面，教师具有多重角色，需要具备多维能力，对其进行个性化数字表征具有必要性；在实践层面，教师数字画像成为多个场景中促进教师发展的重要手段，实现多场景融合的教师画像服务体系具有现实意义。在数据驱动下，教师发展过程趋于个性化与自主化，这就需要教师具备数据循证意识，基于数据等客观证据支持的相关概念或策略能促进教学、评价与管理从基于感知向基于证据转变；借助数据处理技术，收集、梳理和分析所需的证据，服务教学研究和个人发展。因此，教师数字画像需要注重教师发展的多元性，全面刻画教师特征，关注教师教学、教研、培训、自主发展等的综合协调发展。

数据的最终价值不在于通过算法或技术挖掘出的规律数量的多少，而在于人们对数据呈现出的规律的有效理解与运用程度。教师数字画像作为数据可视化的产物，其应用价值应该在多主体视角中得到体现。教师可通过将自身画像与教师同侪画像进行对比，发现自身的缺陷与不足，借鉴同侪的经验促进自身发展。对教研员、区域教育管理者而言，为加强教育教学质量，可以综合分析教师个体画像与群体画像，设计和组织具有针对性的培训活动，促进教师协同发展。对教育政策制定者而言，为促进教师队伍高质量建设，可关注教师群体画像反映出的整体特征，从而科学和客观地制定政策。个体画像重在发现个性问题，群体画像重在发现共性问题。教师数字画像的应用场景多样化，场景之间存在嵌套或并列的关系，要建立多元贯通的画像应用机制，帮助各级各类应用主体把握教师发展的个性与共性问题，在场景中解决实际问题。

本刊编辑：生成式人工智能大模型是最近比较热的话题。您怎么理解大模型对教研和教学的推动作用？

胡小勇：ChatGPT、Sora、星火、文心一言等大模型如雨后春笋般涌现，生成式大模型技术路线正成为一种主流，并产生了现象级影响。它们展示出了人工智能技术从分析式向生成式的加速度发展，是新一代人工智能的能力升级，将对教研教学产生强力的渗透性和颠覆性影响。

一是加速智能化、交互式的教研教学模式创新。以生成式大模型为代表的新一代人工智能，正改变着教师在传统教研教学中的角色定位，带来了丰富的个体发展启示。大模型所具备的“智能对话”功能为教师提供了专业发展的“智能导师”。通过智能对话，教师可与人工智能深度互动，探索人机协同的深度教研与创新生成式、个性化的教学模式。

二是推动生成性和个性化的教研教学资源建设。生成式大模型虽处于起步阶段，但已使人们原有的“搜索式思维”转变为“对话式思维、生成式思维”，这将革新多媒体资源与数字化场景的生成方式，提高教研教学资源的匹配度。大模型可动态生成与教研教学场景高度契合的资源内容，提升教研活动的针对性和有效性。与此同时，教师在教学实践中积累形成的优质资源，也可反哺于大模型的再训练与能力升级，有助于高质量资源的再生成和智慧流转。

三是加速实现高精度、高效能的教研教学评价。基于生成式大模型，集成数字画像等技术，系统收集、精细分析教与学过程中的关键数据，进而科学诊断和生成可视化分析报告。在此基础上，通过人机协同方式形成具备数据理性与人文属性的教学解读，精准发现教研问题，推动“经验型”教研向“智能型”教研演进。

在探索大模型助推教研教学发展的过程中，我们还需重视教育的系统复杂性和文化价值属性。平衡好工具理性和价值理性，以人为本去驾驭人工智能，而不是“以机器替人”以致丧失了育人为本的内核要求。此外，出于教育领域独特的价值观属性、场景化特点、育人规律和专家知识，如何进一步建设高质量、有针对性、“大力出奇迹”的教育专属大模型，仍需研究者们高度关注和超前布局。