導(dǎo)語：學(xué)生電子學(xué)檔教師教學(xué)反思一文來源于網(wǎng)友上傳，不代表本站觀點(diǎn)，若需要原創(chuàng)文章可咨詢客服老師，歡迎參考。

摘要：教師專業(yè)發(fā)展是教育質(zhì)量提升的保障。教師的教學(xué)反思是其獲得實(shí)踐性知識的重要途經(jīng)，是教師自我發(fā)展進(jìn)入良性循環(huán)的推動力。有效的教學(xué)反思能幫助教師理解和學(xué)習(xí)教學(xué)經(jīng)驗(yàn)，并重新建構(gòu)教學(xué)實(shí)踐，從而提升培養(yǎng)人才的效果。該研究基于學(xué)生的電子學(xué)檔數(shù)據(jù)，建構(gòu)基于學(xué)生電子學(xué)檔的教師教學(xué)反思路徑?；诮處熃虒W(xué)反思的思維過程，將大數(shù)據(jù)支持的教師教學(xué)反思流程分為反思數(shù)據(jù)量化表達(dá)、反思影響因素判別、反思分析、基于反思的歸因和基于反思的實(shí)踐。在此基礎(chǔ)上，設(shè)計(jì)基于學(xué)生電子學(xué)檔的教師教學(xué)反思模型。包括基于學(xué)生電子學(xué)檔的學(xué)情數(shù)據(jù)獲取、基于關(guān)聯(lián)規(guī)則算法的教學(xué)反思因素集判別、基于支持向量機(jī)的問題反思、基于結(jié)構(gòu)方程模型的教學(xué)反思?xì)w因及基于用戶協(xié)同過濾算法的教學(xué)修正方案推薦五個(gè)部分。研究探索了教學(xué)反思過程中利用學(xué)生學(xué)習(xí)檔案數(shù)據(jù)，解決教師個(gè)體反思能力和反思層次差異的問題，以期幫助教師進(jìn)行智能化決策。

關(guān)鍵詞：電子學(xué)檔；教學(xué)反思模型；教育大數(shù)據(jù)；關(guān)聯(lián)規(guī)則算法；支持向量機(jī)；結(jié)構(gòu)方程模型

一、引言

《中國教育現(xiàn)代化2035》將利用現(xiàn)代技術(shù)實(shí)現(xiàn)規(guī)?；c個(gè)性化人才培養(yǎng)，建設(shè)教師專業(yè)發(fā)展體系作為重要的教育現(xiàn)代化戰(zhàn)略任務(wù)。教師專業(yè)發(fā)展長期以來存在兩種截然不同的范式：“技術(shù)熟練”型教師發(fā)展和“反思實(shí)踐”型教師發(fā)展[1]。隨著劃一、被動、個(gè)人主義傾向的學(xué)習(xí)觀向個(gè)性、能動、合作的學(xué)習(xí)觀轉(zhuǎn)變，“反思實(shí)踐”型教師培養(yǎng)成為趨勢。信息技術(shù)支持的教育數(shù)據(jù)采集，生成數(shù)據(jù)豐富的學(xué)生電子學(xué)檔給教師的教學(xué)反思提供了新思路。如何將學(xué)生電子學(xué)檔的內(nèi)容與教師教學(xué)反思建立起相關(guān)關(guān)系，幫助教師及時(shí)準(zhǔn)確掌握學(xué)習(xí)過程中的學(xué)生狀態(tài)和學(xué)習(xí)質(zhì)量，實(shí)現(xiàn)教學(xué)反思的個(gè)性化與智能化指導(dǎo)，提升教學(xué)質(zhì)量與教師專業(yè)發(fā)展，成為了一個(gè)重要的研究問題。

二、研究現(xiàn)狀

教學(xué)反思思潮自上世紀(jì)80年代在歐美興起，迅速影響世界教師專業(yè)發(fā)展的理論和實(shí)踐。(一)反思與教學(xué)反思模型?！拔崛杖∥嵘怼?，儒家采用的樸素的“內(nèi)省”式反思，至今仍是反思的最一般模式。反思成為一個(gè)哲學(xué)概念，由約翰•洛克開始，他提出反思是觀念的來源之一[2]，是一種以思維過程為對象的元認(rèn)知活動。SchonDonald提出“反思性實(shí)踐”的概念，消解了教育理論與實(shí)踐的二元對立，建立了理論與實(shí)踐循環(huán)互動、“修辭框架-活動框架”不斷重建的反思模式[3]。埃拜基于杜威和柯爾伯格的理論，構(gòu)建了“反思性計(jì)劃、反思性教學(xué)、反思性評價(jià)”周期模型，模型以計(jì)劃為相對起點(diǎn)。愛德華茲和布朗托則構(gòu)建了包含個(gè)體到集體、個(gè)人到社會的二維四象限的教學(xué)反思模式。馬克斯•范梅南構(gòu)造了直線型模式，包括“行動前反思—行動中反思—智慧性行動—行動反思”四個(gè)階段。以上教學(xué)反思模型以經(jīng)驗(yàn)反思觀為基礎(chǔ)，反思路徑多指向教師內(nèi)省及課堂教學(xué)的教師行為。實(shí)施過程主要通過對教學(xué)過程的忠實(shí)記錄或教學(xué)情境回憶的思考，而基于學(xué)生角度的數(shù)據(jù)支持的教學(xué)反思研究較少。(二)技術(shù)支持的教學(xué)反思。基于個(gè)案或小樣本的主觀反思受教師反思能力和水平影響，利用大數(shù)據(jù)等新一代技術(shù)和工具分析教學(xué)行為促進(jìn)教學(xué)反思的研究成為新熱點(diǎn)。用作反思數(shù)據(jù)來源的主要是反思日志文本和教學(xué)視頻兩類。王佳瑩等從練習(xí)證據(jù)、分析框架和支持協(xié)作方面分析了視頻標(biāo)注工具在教學(xué)反思中的應(yīng)用[4]。有學(xué)者通過收集課中、課后的學(xué)生學(xué)習(xí)行為數(shù)據(jù)預(yù)測學(xué)習(xí)效果[5]，進(jìn)而支持教師的教學(xué)反思；大數(shù)據(jù)技術(shù)的出現(xiàn)，讓教師能獲得多模態(tài)、低價(jià)值度的教學(xué)大數(shù)據(jù)作為反思參照要素，而對MOOC等開放課程資源應(yīng)用大數(shù)據(jù)技術(shù)進(jìn)行教學(xué)分析，是普遍采用的方法。邱歡堂等使用余弦理論比較反思文本與語料庫文本的差異，根據(jù)最大相似度預(yù)料文本的等級及閾值，構(gòu)建反思模型實(shí)現(xiàn)反思內(nèi)容自動評估[6]。吳清等人使用決策樹、貝葉斯網(wǎng)絡(luò)、神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)構(gòu)造了不同的在線學(xué)習(xí)成績預(yù)測模型，基于學(xué)習(xí)預(yù)測信息進(jìn)行教學(xué)反思。綜上，大數(shù)據(jù)技術(shù)、學(xué)習(xí)分析技術(shù)等信息技術(shù)支持了教師的教學(xué)反思。但缺乏從學(xué)生的學(xué)習(xí)視角分析教學(xué)反思問題的研究。(三)電子學(xué)檔數(shù)據(jù)的挖掘。學(xué)生的學(xué)習(xí)行為與學(xué)習(xí)效果之間存在相關(guān)性。教學(xué)只有通過作用于學(xué)生的學(xué)習(xí)行為，才能影響學(xué)習(xí)。通過分析記錄學(xué)生學(xué)習(xí)數(shù)據(jù)的電子學(xué)檔，可以分析判斷教師教學(xué)行為的有效性。已有部分研究通過采用大數(shù)據(jù)、人工智能、社會網(wǎng)絡(luò)分析等方法分析電子學(xué)檔數(shù)據(jù)。李國軍等利用BP神經(jīng)網(wǎng)絡(luò)挖掘?qū)W生教學(xué)目標(biāo)掌握程度，利用K-means對學(xué)生學(xué)習(xí)效果分類[7]；魏順平等以Moodle平臺的在線課程為樣本，使用SSAS、UCINET等進(jìn)行話語分析、社會網(wǎng)絡(luò)分析等，開展基于學(xué)習(xí)過程記錄的在線教學(xué)反思研究[8]。劉革平等提出將數(shù)據(jù)挖掘技術(shù)引入到電子學(xué)檔的評價(jià)中，運(yùn)用文本挖掘技術(shù)對電子學(xué)檔中的信息進(jìn)行關(guān)聯(lián)分析，對照預(yù)先制定的評價(jià)量規(guī)得出對學(xué)生學(xué)習(xí)過程的評價(jià)結(jié)果，實(shí)現(xiàn)學(xué)習(xí)過程評價(jià)的自動化[9]。Feldman等采用樸素貝葉斯分類器利用學(xué)習(xí)者在線行為數(shù)據(jù)判斷學(xué)習(xí)者的學(xué)習(xí)風(fēng)格[10]。綜上，通過對學(xué)生電子學(xué)檔的數(shù)據(jù)挖掘，可以掌握學(xué)生的學(xué)習(xí)狀態(tài)，進(jìn)而推演出教師的教學(xué)狀態(tài)，幫助教師教學(xué)反思。但缺乏將學(xué)生電子學(xué)檔的數(shù)據(jù)挖掘與教師的教學(xué)反思建立映射關(guān)系的研究，還沒有系統(tǒng)地建立基于學(xué)生電子學(xué)檔的教師教學(xué)反思路徑。本研究將基于學(xué)生電子學(xué)檔中積聚的學(xué)生學(xué)習(xí)行為數(shù)據(jù)，利用大數(shù)據(jù)處理工具、算法和關(guān)聯(lián)規(guī)則挖掘，研究學(xué)習(xí)效果影響因素，設(shè)計(jì)基于因素集判別的教師教學(xué)反思路徑，建構(gòu)基于學(xué)生電子學(xué)檔的教師教學(xué)反思模型。解決教師教學(xué)反思中反思內(nèi)容不全面、教學(xué)問題分析不深入、原因歸納不系統(tǒng)、決策執(zhí)行不到位等反思能力、反思層次和反思維度的問題。

三、基于學(xué)生電子學(xué)檔的教師教學(xué)反思路徑與流程設(shè)計(jì)

(一)基于電子學(xué)檔的教學(xué)反思路徑。學(xué)生是教師的教學(xué)對象，直接、客觀地體現(xiàn)了教師的教學(xué)效果，而學(xué)生電子學(xué)檔在材料真實(shí)性、系統(tǒng)通用性、媒體多樣性等方面具有其他數(shù)據(jù)源無法比擬的分析優(yōu)勢。本研究基于學(xué)生電子學(xué)檔，獲取學(xué)生學(xué)習(xí)過程中留下的行為和結(jié)果數(shù)據(jù)進(jìn)行分析和數(shù)據(jù)挖掘，提取教師反思關(guān)聯(lián)因素集，通過對象比較，建立基于因素集判別的教師反思路徑，支持教師進(jìn)行教學(xué)反思。1.學(xué)生電子學(xué)檔的數(shù)據(jù)挖掘因素集電子學(xué)檔是指從大規(guī)模的教學(xué)管理數(shù)據(jù)和學(xué)習(xí)過程數(shù)據(jù)中提取的多種真實(shí)學(xué)習(xí)證據(jù)的數(shù)據(jù)集合，通過數(shù)字化方式存儲和展示個(gè)人或機(jī)構(gòu)的學(xué)習(xí)歷程和成果。對于學(xué)生電子學(xué)檔的組成內(nèi)容，王佑鎂認(rèn)為應(yīng)該包括學(xué)習(xí)目的、學(xué)習(xí)活動、學(xué)習(xí)成果、學(xué)習(xí)業(yè)績、學(xué)習(xí)付出、學(xué)習(xí)反思等[11]。《電子學(xué)檔信息模型規(guī)范》國家標(biāo)準(zhǔn)提出，電子學(xué)檔組件包括需求與偏好、活動、能力、目標(biāo)、資質(zhì)、作品、成績等15類[12]。這些因素基本可分為個(gè)人基礎(chǔ)信息、學(xué)習(xí)過程信息和學(xué)習(xí)結(jié)果信息三大類?；A(chǔ)信息是指學(xué)生年齡、性別等生物信息和學(xué)習(xí)興趣、需求、偏好等心理信息。學(xué)習(xí)過程信息是學(xué)生學(xué)習(xí)過程中產(chǎn)生和記錄的信息，包括學(xué)習(xí)目標(biāo)、學(xué)習(xí)計(jì)劃、學(xué)習(xí)活動等。學(xué)習(xí)結(jié)果信息指學(xué)習(xí)后產(chǎn)生的結(jié)果數(shù)據(jù)，包括學(xué)習(xí)作品、學(xué)習(xí)成績、學(xué)習(xí)反思等。這些信息構(gòu)成了電子學(xué)檔的數(shù)據(jù)挖掘因素集。2.基于學(xué)生電子學(xué)檔的教師反思關(guān)聯(lián)因素集基于學(xué)生電子學(xué)檔數(shù)據(jù)因素集挖掘分析，確定學(xué)生學(xué)習(xí)行為特點(diǎn)和學(xué)習(xí)結(jié)果水平，結(jié)合教師教學(xué)反思，確定教學(xué)問題，分析問題原因，教學(xué)反思的內(nèi)容結(jié)構(gòu)組成了教師反思關(guān)聯(lián)的因素集。從時(shí)間序列上看，對應(yīng)于“目標(biāo)”“實(shí)施”“評價(jià)”三個(gè)連續(xù)的教學(xué)過程，Schon等提出教學(xué)反思行動前反思、行動中反思、行動后反思。從教育學(xué)的視角看，教學(xué)系統(tǒng)一般包括：教師、學(xué)生、教學(xué)內(nèi)容、教學(xué)環(huán)境四要素，教學(xué)反思內(nèi)容可以分別指向這四個(gè)要素及其之間的關(guān)系。而從心理學(xué)角度看，反思作為一種特殊的思維形式，應(yīng)該從多樣態(tài)、多維度、多水平描述，反思內(nèi)容作為反思的載體，可以從教學(xué)反思內(nèi)容的廣度(課堂、教師、學(xué)生、教改、人際關(guān)系)和教學(xué)反思內(nèi)容的深度(前反思、準(zhǔn)反思、反思水平)考察[13]。本研究中教師反思關(guān)聯(lián)因素集包括：學(xué)生、教師、知識、環(huán)境四個(gè)維度。學(xué)生維度，學(xué)生認(rèn)知能力和知識水平極大影響學(xué)習(xí)效果，是首要考慮的維度，具體因素包括知識基礎(chǔ)、認(rèn)知水平、學(xué)習(xí)興趣、學(xué)習(xí)投入度等。教師維度，教師是教學(xué)活動的策劃者、設(shè)計(jì)者、組織者、評價(jià)者，教學(xué)反思應(yīng)該包括對教師自身的專業(yè)知識、教學(xué)方法和信息技術(shù)使用的合理性的反思。知識維度，知識是教學(xué)目標(biāo)實(shí)現(xiàn)的載體，教學(xué)反思包括對教學(xué)目標(biāo)、教學(xué)重難點(diǎn)、教學(xué)內(nèi)容組織和形式等進(jìn)行反思。教學(xué)環(huán)境維度，教學(xué)環(huán)境是教與學(xué)活動得以開展的物質(zhì)條件和信息基礎(chǔ)，其中的學(xué)習(xí)資源可以直接轉(zhuǎn)換為教學(xué)內(nèi)容，資源的形式和水平影響著教學(xué)效果，是教學(xué)反思的重要方面。3.基于因素集判別的教師教學(xué)反思路徑建立教師反思關(guān)聯(lián)因素集與學(xué)生電子學(xué)檔數(shù)據(jù)挖掘因素集的映射關(guān)系，是實(shí)現(xiàn)學(xué)生電子學(xué)檔支持下教學(xué)反思的前提條件，由此形成完整的教師教學(xué)反思路徑。根據(jù)學(xué)生電子學(xué)檔數(shù)據(jù)挖掘因素集，提出學(xué)生學(xué)習(xí)情況數(shù)據(jù)表征指標(biāo)，表征指標(biāo)和教師反思關(guān)聯(lián)因素形成關(guān)聯(lián)關(guān)系，由此就可以探索學(xué)生電子學(xué)檔和教師反思因素之間的相關(guān)關(guān)系，如圖1所示。(二)數(shù)據(jù)支持的教學(xué)反思流程設(shè)計(jì)。隨著多模態(tài)教學(xué)數(shù)據(jù)的豐富，基于數(shù)據(jù)的決策突破單一的基于經(jīng)驗(yàn)、直覺的感性判斷。斯德卡普等構(gòu)建了目標(biāo)—數(shù)據(jù)—信息—知識—行動—結(jié)果—反饋的數(shù)據(jù)驅(qū)動決策框架[14]。管鈺琪等將其分為數(shù)據(jù)驅(qū)動、數(shù)據(jù)啟發(fā)兩種類型。其中數(shù)據(jù)啟發(fā)教學(xué)決策過程包括構(gòu)建數(shù)據(jù)、確認(rèn)問題、分析原因、制定決策、決策效果[15]。本研究將數(shù)據(jù)支持的教學(xué)反思決策制度流程分為如下步驟。1.反思數(shù)據(jù)的量化表達(dá)教學(xué)反思首先要對學(xué)生電子學(xué)檔中多維大數(shù)據(jù)采集、預(yù)處理及因素集量化表達(dá)?；谙到y(tǒng)工程理論，從學(xué)生電子學(xué)檔的數(shù)據(jù)挖掘因素和學(xué)生學(xué)習(xí)情況數(shù)據(jù)表征指標(biāo)兩個(gè)角度分析學(xué)生電子學(xué)檔內(nèi)容組織特點(diǎn)，構(gòu)建面向?qū)W習(xí)全過程的大數(shù)據(jù)采集框架。學(xué)生電子學(xué)檔的數(shù)據(jù)挖掘因素包括學(xué)生的基礎(chǔ)信息、學(xué)習(xí)過程信息和學(xué)習(xí)結(jié)果信息三個(gè)因素集，并據(jù)此提出了學(xué)生學(xué)習(xí)情況數(shù)據(jù)表征指標(biāo)。針對電子學(xué)檔復(fù)雜性高、類型多的數(shù)據(jù)特征，以教師、學(xué)生、知識、環(huán)境四維度的教師反思關(guān)聯(lián)因素為導(dǎo)向，獲取多維電子學(xué)檔數(shù)據(jù)并對其進(jìn)行預(yù)處理；量化表達(dá)學(xué)生的學(xué)習(xí)效果及其主要影響因素指標(biāo)。2.反思影響因素判別判別反思影響因素包括兩個(gè)步驟。首先，利用數(shù)據(jù)分析技術(shù)判別學(xué)習(xí)效果的主要影響因素。依托大數(shù)據(jù)分析支持平臺，以學(xué)習(xí)效果和已處理的學(xué)生電子學(xué)檔數(shù)據(jù)為輸入，通過Gini增益系數(shù)的判別確定影響學(xué)習(xí)效果的主要因素。其次，基于關(guān)聯(lián)規(guī)則挖掘的因素?cái)?shù)據(jù)對比。針對隨機(jī)森林算法無法解決因素相互影響引起的關(guān)聯(lián)性誤辨現(xiàn)象，關(guān)聯(lián)規(guī)則算法可辨別因素間關(guān)聯(lián)關(guān)系的特點(diǎn)，挖掘因素?cái)?shù)據(jù)與學(xué)習(xí)效果的關(guān)聯(lián)關(guān)系，辨別關(guān)聯(lián)因素影響學(xué)習(xí)效果的間接性與直接性，并基于此結(jié)果依據(jù)關(guān)聯(lián)因素的影響程度序列對比因素?cái)?shù)據(jù)與已設(shè)閾值的差距，根據(jù)差距可接受的范圍確定反思關(guān)注的因素集合。3.教學(xué)問題反思分析進(jìn)行反思影響因素判別后，對確定的反思關(guān)注因素集合，需要給出其所屬的類別、程度等，通過各種過程特征對可能的反思類別進(jìn)行預(yù)測。而相關(guān)機(jī)器學(xué)習(xí)方法中，支持向量機(jī)(SupportVectorMachine，SVM)相對效果較好，區(qū)別于感知機(jī)，基本模型是定義在特征空間上的間隔最大的線性分類器?；诮處煼此加绊懸蛩丶系奶崛　⒘炕?，使用反思特征輸入樣本和反思類型數(shù)據(jù)構(gòu)成模型訓(xùn)練樣本，獲得學(xué)習(xí)者整體目標(biāo)掌握程度情況，經(jīng)過與預(yù)設(shè)教學(xué)目標(biāo)對比，判定學(xué)習(xí)者整體目標(biāo)的達(dá)成度。4.基于反思的歸因確定學(xué)生整體學(xué)習(xí)目標(biāo)達(dá)成度后，使用結(jié)構(gòu)方程模型(StructuralEquationModeling，SEM)通過對已有的數(shù)據(jù)進(jìn)行統(tǒng)計(jì)，分析導(dǎo)致教學(xué)問題的原因來源，進(jìn)而實(shí)現(xiàn)基于反思的歸因。結(jié)構(gòu)方程模型是教育科學(xué)領(lǐng)域量化研究的重要統(tǒng)計(jì)方法，融合傳統(tǒng)多變量分析中“因素分析”和“線性模型的回歸分析”技術(shù)，對因果模型進(jìn)行模型辨識、估計(jì)與驗(yàn)證和修正。從教師、學(xué)生、內(nèi)容、環(huán)境四個(gè)維度的教師反思關(guān)聯(lián)因素方向，明確教學(xué)問題，確定教學(xué)問題產(chǎn)生的原因。5.基于反思的教學(xué)實(shí)踐基于前述確定的教學(xué)問題和歸因分析，根據(jù)學(xué)生電子學(xué)檔和教師反思綜合而成的教學(xué)情境類型、特點(diǎn)，在教學(xué)情境庫中找出學(xué)習(xí)效果良好的學(xué)生對教師、同伴、知識等的偏好及相應(yīng)的教學(xué)方案，教師根據(jù)系統(tǒng)提供的教學(xué)方案范本改進(jìn)自己的教學(xué)實(shí)踐，實(shí)現(xiàn)教學(xué)經(jīng)驗(yàn)的重構(gòu)與教學(xué)效果的提升。綜上，大數(shù)據(jù)支持的教師教學(xué)反思流程首先對學(xué)生電子學(xué)檔中多維大數(shù)據(jù)采集、預(yù)處理及首選因素量化表達(dá)；接著依據(jù)內(nèi)容指向收集相關(guān)數(shù)據(jù)，構(gòu)建適合后續(xù)分析的數(shù)據(jù)基礎(chǔ)并進(jìn)行數(shù)據(jù)的判別；然后采用智能化工具篩選和分析數(shù)據(jù)，確認(rèn)存在的教學(xué)問題反思和歸因分析；最后，依據(jù)歸因的結(jié)果，尋求解決方案，做出決策并進(jìn)行教學(xué)實(shí)踐檢驗(yàn)。

四、基于學(xué)生電子學(xué)檔的教師教學(xué)反思模型與算法

設(shè)計(jì)基于學(xué)生電子學(xué)檔的教師教學(xué)反思路徑，建立教師反思關(guān)聯(lián)因素集與學(xué)生電子學(xué)檔數(shù)據(jù)挖掘因素集的映射關(guān)系，獲取學(xué)生學(xué)習(xí)情況的數(shù)據(jù)表征指標(biāo)，解決了支持教師教學(xué)反思的對象、因素問題。根據(jù)教師教學(xué)反思路徑，從學(xué)生電子學(xué)檔內(nèi)容結(jié)構(gòu)中獲取學(xué)生學(xué)習(xí)數(shù)據(jù)，設(shè)計(jì)數(shù)據(jù)支持的教師教學(xué)反思流程，解決了基于數(shù)據(jù)的教學(xué)問題反思及成因分析。在此基礎(chǔ)上，設(shè)計(jì)學(xué)生電子學(xué)檔驅(qū)動的教師教學(xué)反思模型，如下頁圖2所示。系統(tǒng)解決學(xué)生電子學(xué)檔內(nèi)容表征與教師教學(xué)反思自省決策的問題。模型包括基于電子學(xué)檔的學(xué)情數(shù)據(jù)獲取、基于關(guān)聯(lián)規(guī)則算法的教學(xué)反思因素集判別、基于SVM的學(xué)習(xí)者掌握度判別與問題反思、基于結(jié)構(gòu)方程模型的反思?xì)w因、基于用戶協(xié)同過濾算法的教學(xué)方案推薦。(一)基于學(xué)生電子學(xué)檔的學(xué)情數(shù)據(jù)獲取。學(xué)生電子學(xué)檔是教師教學(xué)反思的基礎(chǔ)數(shù)據(jù)來源，從電子學(xué)檔獲取學(xué)情數(shù)據(jù)包括確定電子學(xué)檔數(shù)據(jù)采集框架、對數(shù)據(jù)進(jìn)行預(yù)處理與存儲、按因素指標(biāo)進(jìn)行量化表達(dá)。首先，基于系統(tǒng)工程理論，結(jié)合在線學(xué)習(xí)過程結(jié)構(gòu)特征，確定學(xué)生電子學(xué)檔數(shù)據(jù)采集框架。將學(xué)生電子學(xué)檔數(shù)據(jù)的結(jié)構(gòu)按電子學(xué)檔數(shù)據(jù)挖掘因素進(jìn)行歸結(jié)，包括基礎(chǔ)信息、過程信息和結(jié)果信息等三類。然后，借助網(wǎng)絡(luò)爬蟲工具從電子學(xué)檔系統(tǒng)中，對電子學(xué)檔數(shù)據(jù)下載、過濾、分析、存儲，挖掘，再利用ETL大數(shù)據(jù)處理工具平臺按照預(yù)設(shè)采集方案抽取爬蟲工具得到的數(shù)據(jù)，對其進(jìn)行清洗、轉(zhuǎn)換、裝載等預(yù)處理操作，然后進(jìn)行數(shù)據(jù)分類并以SQL與NoSQL方式區(qū)分儲存。最后，按照上述基于因素集判別的教師教學(xué)反思路徑，對其進(jìn)行指標(biāo)量化表達(dá)，輸入經(jīng)過預(yù)處理的電子學(xué)檔數(shù)據(jù)得出各指標(biāo)量化結(jié)果。(二)基于關(guān)聯(lián)規(guī)則算法的教學(xué)反思關(guān)聯(lián)因素集判別。從學(xué)生電子學(xué)檔數(shù)據(jù)獲得的各量化指標(biāo)，經(jīng)過關(guān)聯(lián)規(guī)則算法的運(yùn)算，最后形成匹配的教學(xué)反思關(guān)聯(lián)因素集。包括利用Gini增益判別學(xué)習(xí)效果主要影響因素、利用關(guān)聯(lián)規(guī)則算法比對并確定最終影響因素集合。1.利用Gini增益判別學(xué)習(xí)效果主要影響因素機(jī)器學(xué)習(xí)中，信息熵是衡量一個(gè)系統(tǒng)的信息含量的量化指標(biāo)，以其為基礎(chǔ)計(jì)算的信息增益，常用于衡量特征與結(jié)果之間的影響程度。而Gini指數(shù)與信息熵類似，且計(jì)算更為簡單，通過Gini指數(shù)得出Gini增益，以實(shí)現(xiàn)更高效率的因素相關(guān)性計(jì)算。對于反思關(guān)聯(lián)因素X及其相對概率p(x)，其Gini指數(shù)Gini(X)，如公式(1)所示，在給定學(xué)生電子學(xué)檔特征v下對x的Gini指數(shù)Giniv(X)形式化為公式(2)：基于上式與信息增益定義，可進(jìn)一步得出Gini增益ΔGini(X;XV)為：對于某一學(xué)生，若已知其電子學(xué)檔獲知的學(xué)習(xí)效果等級為L，第i個(gè)潛在關(guān)聯(lián)因素?cái)?shù)據(jù)序列為Vi(i=1,2,......,v)，則該用戶的最終成績等級與各潛在關(guān)聯(lián)因素間的Gini增益集合ΔGini(L;V)可表示為：檢驗(yàn)?zāi)Ｐ偷念A(yù)測效果，進(jìn)而判別出學(xué)習(xí)效果的主要影響因素。Gini增益越大，表明其關(guān)聯(lián)性越強(qiáng)。使用QuickSort快速排序算法對集合ΔGini(L;V)進(jìn)行排序，即可從各關(guān)聯(lián)因素中找出最終學(xué)習(xí)效果的主要影響因素，通過選取主要影響因素作為訓(xùn)練樣本特征，從而實(shí)現(xiàn)預(yù)測模型的構(gòu)建。2.利用關(guān)聯(lián)規(guī)則算法比對并確定最終教師反思關(guān)聯(lián)因素集合首先，利用Apriori關(guān)聯(lián)分析算法檢索上一步驟中產(chǎn)生的學(xué)習(xí)效果及其主要影響因素集合中的所有頻繁項(xiàng)集，即支持度不低于設(shè)定的最小支持度(Support)閾值的項(xiàng)集。其次，由頻繁項(xiàng)集構(gòu)造出滿足用戶最小置信度(Confidence)的關(guān)聯(lián)規(guī)則，辨別影響因素與學(xué)習(xí)效果的關(guān)聯(lián)性，以此確定最終影響因素集合，即教師教學(xué)反思的關(guān)聯(lián)因素。(三)基于支持向量機(jī)的問題反思。支持向量機(jī)是最常用的機(jī)器學(xué)習(xí)算法之一，它在解決非線性和高維特征模式識別場景下具有許多優(yōu)勢。本研究基于支持向量機(jī)來實(shí)現(xiàn)學(xué)習(xí)者的整體目標(biāo)達(dá)成度判定。其基本思路為：給定一組反思特征輸入樣本x，以及推斷的反思類型y，構(gòu)成模型需要的訓(xùn)練樣本(x,y)，構(gòu)建低維空間到高維空間的轉(zhuǎn)換表達(dá)，形式化表示如下：其中Φ(x)是核函數(shù)，核函數(shù)的選擇有多種，這里使用常用的高斯核函數(shù)來計(jì)算高維特征空間下的特征向量點(diǎn)積。針對該目標(biāo)進(jìn)行優(yōu)化取極值有：并給出約束條件：其中，C為懲罰因子，而ξi*與ξi為松弛因子，用于控制模型的復(fù)雜度與回歸精度。而為了提高非線性樣本的分類精度，需要基于核函數(shù)完成數(shù)據(jù)從高維到低維的轉(zhuǎn)換，基于常用的徑向基核函數(shù)，構(gòu)建SVM模型的決策函數(shù)f(x)為：以此進(jìn)行模型的訓(xùn)練，獲得學(xué)習(xí)者整體目標(biāo)掌握度情況，并與預(yù)設(shè)的教學(xué)目標(biāo)進(jìn)行對比，從而完成教師反思過程。(四)基于結(jié)構(gòu)方程模型的教學(xué)反思?xì)w因。結(jié)構(gòu)方程模型是基于變量的協(xié)方差矩陣來分析變量之間關(guān)系的一種統(tǒng)計(jì)方法。它具有諸多優(yōu)點(diǎn)，最顯著的特點(diǎn)是能夠評價(jià)多維和相互關(guān)聯(lián)的關(guān)系，并且能夠發(fā)現(xiàn)某些關(guān)系中沒有察覺到的概念關(guān)系，因此本研究采用結(jié)構(gòu)方程模型來對教師教學(xué)反思進(jìn)行歸因分析。結(jié)構(gòu)方程模型如圖3所示。圖3各個(gè)變量之間的關(guān)系形式化表示如下：對于圖3(a)的β與X，Y的關(guān)系為：對于圖3(b)的β與X，Y的關(guān)系為：其中X是因，Y為果，左邊等式代表X與Y之間的量化關(guān)系，Ux表示影響變量X的所有未被觀測的外部因子，Uy表示影響Y的所有未被觀測的外部因子。結(jié)構(gòu)方程模型分析過程可以分為模型構(gòu)建、模型擬合、模型評估以及模型修正四個(gè)步驟。1.模型構(gòu)建首先根據(jù)教學(xué)問題反思的目標(biāo)達(dá)成度、重難點(diǎn)把握度等相關(guān)指標(biāo)來初步確定各個(gè)潛變量如教學(xué)目標(biāo)、教學(xué)重難點(diǎn)等之間的相互關(guān)系以構(gòu)建理論上的初始結(jié)構(gòu)方程模型。2.模型擬合模型擬合主要是對上一步構(gòu)建的初始模型進(jìn)行模型參數(shù)估計(jì)。參數(shù)估計(jì)的方法有多種，本方法使用最大似然估計(jì)(MaximumLikelihood)來計(jì)算參數(shù)，因?yàn)樗跀?shù)據(jù)分布較為均勻的情況下能夠計(jì)算更加精確(方差最小)的結(jié)果。結(jié)構(gòu)方程模型的擬合度指標(biāo)分為模型內(nèi)的結(jié)構(gòu)擬合度與整體模型擬合度，模型內(nèi)的結(jié)構(gòu)擬合主要通過潛變量組成信度進(jìn)行評判，而卡方擬合指數(shù)則是整體擬合度的評價(jià)依據(jù)。3.模型評估經(jīng)過模型參數(shù)求解步驟后，這里還需要對參數(shù)結(jié)果進(jìn)行評估。結(jié)構(gòu)方程模型一般以最小化觀察到的和估計(jì)的協(xié)方差矩陣之間的差異為目標(biāo)來估計(jì)總體的參數(shù)，最小化目標(biāo)函數(shù)F形式化表示如下：其中s是數(shù)據(jù)向量(觀察到的樣本協(xié)方差矩陣所堆疊而成的向量)，σ是估計(jì)的總體協(xié)方差矩陣的向量(再次堆疊為一個(gè)向量)，“(Θ)”表示σ是來源于SEM模型的各種參數(shù)(回歸系數(shù)，方差和協(xié)方差)。W是對樣本與估計(jì)的總體協(xié)方差矩陣之間的平方差進(jìn)行加權(quán)的矩陣。4.模型修正對結(jié)構(gòu)方程模型進(jìn)行修正的主要目的是提高模型的擬合度使得結(jié)果更具有現(xiàn)實(shí)性和解釋性。模型修正的方法主要有兩個(gè)方面，一方面添加模型新路徑來提高模型的擬合度；另一方面是刪除或限制部分路徑以提高模型的可識別性。這里使用AMOS提供的模型修正指標(biāo)對模型進(jìn)行修正，直到模型的擬合度滿足擬合度指標(biāo)為止。最后我們根據(jù)結(jié)構(gòu)方程模型的最終結(jié)果對與教學(xué)問題反思存在因果關(guān)系因子進(jìn)行分析。(五)基于用戶協(xié)同過濾算法的教學(xué)修正方案推薦。充分使用反思的教學(xué)稱之為反省性教學(xué)，反思性教學(xué)實(shí)踐根據(jù)反思作用于本次還是下次教學(xué)分為兩類，不管哪一類，都需要完成問題反思和反思?xì)w因后，修改原有教學(xué)方案，制定改進(jìn)型教學(xué)方案應(yīng)用于本次或下次教學(xué)實(shí)踐。協(xié)同過濾推薦算法是誕生最早、較為著名的預(yù)測和推薦算法。算法通過對原有學(xué)習(xí)效果良好的學(xué)習(xí)者歷史數(shù)據(jù)挖掘，確定不同學(xué)習(xí)者對教師、環(huán)境、同伴等的偏好，并進(jìn)行度量和打分。通過基于用戶的協(xié)同過濾算法，確定與新學(xué)習(xí)者相似的學(xué)習(xí)者和相應(yīng)的推薦教學(xué)方案，以此作為改善教學(xué)質(zhì)量的方案依據(jù)。

五、研究總結(jié)

學(xué)生的電子學(xué)檔中有大量的多模態(tài)學(xué)習(xí)行為與過程數(shù)據(jù)，利用好這些數(shù)據(jù)能為教師的教學(xué)反思提供有意義的教學(xué)指導(dǎo)，促進(jìn)教師專業(yè)發(fā)展。本研究提出基于電子學(xué)檔復(fù)雜多類型數(shù)據(jù)的教師教學(xué)反思關(guān)聯(lián)因素分析方法，突破教師教學(xué)反思途徑單一，主要依據(jù)主觀經(jīng)驗(yàn)反思的問題。同時(shí)，通過深入挖掘?qū)W生電子學(xué)檔的數(shù)據(jù)，建立基于Gini增益與關(guān)聯(lián)規(guī)則的大數(shù)據(jù)關(guān)聯(lián)性分析方法，突破了教師教學(xué)反思忽略對學(xué)生學(xué)習(xí)檔案大數(shù)據(jù)加工利用的限制。最后，提出教師教學(xué)反思模型和具體算法，運(yùn)用基于支持向量機(jī)和結(jié)構(gòu)方程模型的方法，幫助教師進(jìn)行智能化決策，解決了教師反思能力和反思層次差異的問題。隨著對電子學(xué)檔與教師教學(xué)反思的進(jìn)一步深入研究，后續(xù)可以通過建構(gòu)語義技術(shù)支持下基于電子學(xué)檔的教師教學(xué)反思智能體，突破教師教學(xué)反思與后續(xù)教學(xué)行為改進(jìn)缺乏持續(xù)智能監(jiān)督的問題，最終形成以教師教學(xué)反思智能體為核心的教師專業(yè)發(fā)展系統(tǒng)，實(shí)現(xiàn)基于學(xué)生電子學(xué)檔大數(shù)據(jù)，運(yùn)用形式化語義執(zhí)行智能化教師教學(xué)反思，提升教育教學(xué)效果的目的。

作者:吳鵬澤 劉廣 單位:華南師范大學(xué)教育信息技術(shù)學(xué)院