吳鵬澤　劉廣

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)反思是其獲得實踐性知識的重要途經(jīng)，是教師自我發(fā)展進入良性循環(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，并重新建構(gòu)教學(xué)實踐，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、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踐。在此基礎(chǔ)上，設(shè)計基于學(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、基于支持向量機的問題反思、基于結(jié)構(gòu)方程模型的教學(xué)反思歸因及基于用戶協(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)，解決教師個體反思能力和反思層次差異的問題，以期幫助教師進行智能化決策。

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;結(jié)構(gòu)方程模型

中圖分類號：G434 文獻標識碼：A 文章編號：1006-9860（2021）02-0089-08

一、引言

《中國教育現(xiàn)代化2035》將利用現(xiàn)代技術(shù)實現(xiàn)規(guī)?；c個性化人才培養(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“反思實踐”型教師發(fā)展"。隨著劃一、被動、個人主義傾向的學(xué)習(xí)觀向個性、能動、合作的學(xué)習(xí)觀轉(zhuǎn)變，“反思實踐”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，幫助教師及時準確掌握學(xué)習(xí)過程中的學(xué)生狀態(tài)和學(xué)習(xí)質(zhì)量，實現(xiàn)教學(xué)反思的個性化與智能化指導(dǎo)，提升教學(xué)質(zhì)量與教師專業(yè)發(fā)展，成為了一個重要的研究問題。

二、研究現(xiàn)狀

教學(xué)反思思潮自上世紀80年代在歐美興起，迅速影響世界教師專業(yè)發(fā)展的理論和實踐。

（一）反思與教學(xué)反思模型

“吾日三省吾身”，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以，是一種以思維過程為對象的元認知活動。

SchonDonald提出“反思性實踐”的概念，消解了教育理論與實踐的二元對立，建立了理論與實踐循環(huán)互動、“修辭框架-活動框架”不斷重建的反思模式。埃拜基于杜威和柯爾伯格的理論，構(gòu)建了“反思性計劃、反思性教學(xué)、反思性評價”周期模型，模型以計劃為相對起點。愛德華茲和布朗托則構(gòu)建了包含個體到集體、個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”四個階段。

以上教學(xué)反思模型以經(jīng)驗反思觀為基礎(chǔ)，反思路徑多指向教師內(nèi)省及課堂教學(xué)的教師行為。實施過程主要通過對教學(xué)過程的忠實記錄或教學(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)行為促進教學(xué)反思的研究成為新熱點。

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注工具在教學(xué)反思中的應(yīng)用。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)建反思模型實現(xiàn)反思內(nèi)容自動評估。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)檔的評價中，運用文本挖掘技術(shù)對電子學(xué)檔中的信息進行關(guān)聯(lián)分析，對照預(yù)先制定的評價量規(guī)得出對學(xué)生學(xué)習(xí)過程的評價結(jié)果，實現(xiàn)學(xué)習(xí)過程評價的自動化[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)問題分析不深人、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

（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人或機構(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"?！峨娮訉W(xué)檔信息模型規(guī)范》國家標準提出，電子學(xué)檔組件包括需求與偏好、活動、能力、目標、資質(zhì)、作品、成績等15類。這些因素基本可分為個人基礎(chǔ)信息、學(xué)習(xí)過程信息和學(xué)習(xí)結(jié)果信息三大類。

基礎(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、學(xué)習(xí)計劃、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。從時間序列上看，對應(yīng)于“目標”“實施”“評價”三個連續(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)境四個維度。學(xué)生維度，學(xué)生認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)計者、組織者、評價者，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)目標實現(xiàn)的載體，教學(xué)反思包括對教學(xué)目標、教學(xué)重難點、教學(xué)內(nèi)容組織和形式等進行反思。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，表征指標和教師反思關(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

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、直覺的感性判斷。斯德卡普等構(gòu)建了目標-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。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

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。基于系統(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)表征指標兩個角度分析學(xué)生電子學(xué)檔內(nèi)容組織特點，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。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)并對其進行預(yù)處理;量化表達學(xué)生的學(xué)習(xí)效果及其主要影響因素指標。

2.反思影響因素判別

判別反思影響因素包括兩個步驟。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)為輸人，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)則挖掘的因素數(shù)據(jù)對比。針對隨機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，挖掘因素數(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數(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行預(yù)測。而相關(guān)機器學(xué)習(xí)方法中，支持向量機SupportVectorMachine，SVM）相對效果較好，區(qū)別于感知機，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?、量化，使用反思特征輸人樣本和反思類型數(shù)據(jù)構(gòu)成模型訓(xùn)練樣本，獲得學(xué)習(xí)者整體目標掌握程度情況，經(jīng)過與預(yù)設(shè)教學(xué)目標對比，判定學(xué)習(xí)者整體目標的達成度。

4.基于反思的歸因

確定學(xué)生整體學(xué)習(xí)目標達成度后，使用結(jié)構(gòu)方程模型（StructuralEquationModeling，SEM）通過對已有的數(shù)據(jù)進行統(tǒng)計，分析導(dǎo)致教學(xué)問題的原因來源，進而實現(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)，對因果模型進行模型辨識、估計與驗證和修正。從教師、學(xué)生、內(nèi)容、環(huán)境四個維度的教師反思關(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，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)方案范本改進自己的教學(xué)實踐，實現(xiàn)教學(xué)經(jīng)驗的重構(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;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，做出決策并進行教學(xué)實踐檢驗。

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，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)方程模型的反思歸因、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)進行預(yù)處理與存儲、按因素指標進行量化表達。

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)，對其進行清洗、轉(zhuǎn)換、裝載等預(yù)處理操作，然后進行數(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，對其進行指標量化表達，輸入經(jīng)過預(yù)處理的電子學(xué)檔數(shù)據(jù)得出各指標量化結(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，經(jīng)過關(guān)聯(lián)規(guī)則算法的運算，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器學(xué)習(xí)中，信息熵是衡量一個系統(tǒng)的信息含量的量化指標，以其為基礎(chǔ)計算的信息增益，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，且計算更為簡單，通過Gini指數(shù)得出Gini增益，以實現(xiàn)更高效率的因素相關(guān)性計算。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)Gini（X）形式化為公式（2）：

基于上式與信息增益定義，可進一步得出Gini增益OGini（X;X）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個潛在關(guān)聯(lián)因素數(shù)據(jù)序列為Vv.3）2....，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△Gini（L;V）可表示為：

檢驗?zāi)Ｐ偷念A(yù)測效果，進而判別出學(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。使用QuickSort快速排序算法對集合△Gini（L;V）進行排序，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集，即支持度不低于設(shè)定的最小支持度（Suppor）閾值的項集。其次，由頻繁項集構(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）基于支持向量機的問題反思

支持向量機是最常用的機器學(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來實現(xiàn)學(xué)習(xí)者的整體目標達成度判定。其基本思路為：給定一組反思特征輸人樣本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，形式化表示如下：

其中中（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)來計算高維特征空間下的特征向量點積。針對該目標進行優(yōu)化取極值有：

并給出約束條件：

其中，C為懲罰因子，而ξ與;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：

以此進行模型的訓(xùn)練，獲得學(xué)習(xí)者整體目標掌握度情況，并與預(yù)設(shè)的教學(xué)目標進行對比，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)反思歸因

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)計方法。它具有諸多優(yōu)點，最顯著的特點是能夠評價多維和相互關(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)反思進行歸因分析。結(jié)構(gòu)方程模型如圖3所示。

圖3各個變量之間的關(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步驟。

1.模型構(gòu)建

首先根據(jù)教學(xué)問題反思的目標達成度、重難點把握度等相關(guān)指標來初步確定各個潛變量如教學(xué)目標、教學(xué)重難點等之間的相互關(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)建的初始模型進行模型參數(shù)估計。參數(shù)估計的方法有多種，本方法使用最大似然估計（MaximumLikelihood）來計算參數(shù)，因為它在數(shù)據(jù)分布較為均勻的情況下能夠計算更加精確（方差最?。┑慕Y(jié)果。結(jié)構(gòu)方程模型的擬合度指標分為模型內(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行評判，而卡方擬合指數(shù)則是整體擬合度的評價依據(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)果進行評估。結(jié)構(gòu)方程模型一般以最小化觀察到的和估計的協(xié)方差矩陣之間的差異為目標來估計總體的參數(shù)，最小化目標函數(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），o是估計的總體協(xié)方差矩陣的向量（再次堆疊為一個向量），“（日）”表示o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是對樣本與估計的總體協(xié)方差矩陣之間的平方差進行加權(quán)的矩陣。

4.模型修正

對結(jié)構(gòu)方程模型進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)實性和解釋性。模型修正的方法主要有兩個方面，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對模型進行修正，直到模型的擬合度滿足擬合度指標為止。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歸因后，修改原有教學(xué)方案，制定改進型教學(xué)方案應(yīng)用于本次或下次教學(xué)實踐。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)驗反思的問題。同時，通過深人挖掘?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，運用基于支持向量機和結(jié)構(gòu)方程模型的方法，幫助教師進行智能化決策，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)反思的進一步深人研究，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)，實現(xiàn)基于學(xué)生電子學(xué)檔大數(shù)據(jù)，運用形式化語義執(zhí)行智能化教師教學(xué)反思，提升教育教學(xué)效果的目的。

參考文獻：

[1]佐藤學(xué).教育方法學(xué)[M].北京：教育科學(xué)出版社，2016.

[2] LockeJAn Essay Conceming Human Understanding [M]-London：Penguin Classics，1997.

[3] Schon，D.The Reflective Practitioner：How Professionals Think inAction[M].北京：北京師范大學(xué)出版社.2018.

[4]王佳瑩，郭俊杰.視頻標注工具：支持教師的教學(xué)反思[J].中國電化教育，2013，（7）：111-117.

[5]Wang.D.Ding.X.Interctive Learning Behavior Analysis of Wisdom assoomobasaed o Big Data[ZJ-QingdaoERSS.2018.

[6]邱歡堂，何聚厚等.教學(xué)反思內(nèi)容自動評估模型研究[J].計算機技術(shù)與發(fā)展，2012，22（9）：173-176+180.

[7]李國軍，鐘志強.基于數(shù)據(jù)挖掘技術(shù)的學(xué)生電子檔案袋評價[J].鞍山師范學(xué)院學(xué)報，2012，14（2）：46-50.

[8]魏順平，韓艷輝等.基于學(xué)習(xí)過程數(shù)據(jù)挖掘與分析的在線教學(xué)反思研究[J].現(xiàn)代教育技術(shù)，2015，25（6）：89-95.

[9]劉革平，黃智興等.基于數(shù)據(jù)挖掘的遠程學(xué)習(xí)過程評價系統(tǒng)設(shè)計與實現(xiàn)[J].電化教育研究，2005，（7）：67-69.

[10] FeldmanJ.Monteserin，Aet al.Detecting students' perception style by using games [J]. Computers & Education，2014，71：14-22.

[11]王佑鎂.電子學(xué)檔：信息化教學(xué)的新思路]中國電化教育，2002，（10）：18-22.

[12]GB/T36366-2018，電子學(xué)檔信息模式規(guī)范[S].

[13]申繼亮，劉加霞.論教師的教學(xué)反思[J].華東師范大學(xué)學(xué)報（教育科學(xué)版），2004，（3）：44-49.

[14]馮仰存.數(shù)據(jù)驅(qū)動的教師教學(xué)決策研究綜述[J].中國遠程教育，2020，41（4）：65-75.

[15]管玨琪，孫一冰等.智慧教室環(huán)境下數(shù)據(jù)啟發(fā)的教學(xué)決策研究[J].中國電化教育，2019，（2）：22-28+42.

作者簡介：

吳鵬澤：教授，博士，博士生導(dǎo)師，研究方向為教師信息化應(yīng)用能力提升、教育信息化。

劉廣：工程師，在讀博士，研究方向為教師信息化應(yīng)用能力提升、教育信息化。

收稿日期：2020年12月25日

責任編輯：李雅煊