王亚军ꢁ胡东ꢁ基于学习者画像的教师混合学习模式设计与实践
(一)学习者画像
“
学习者画像”(learnerpersona)是商业领域中“用户画像”(persona)概念在教育领域的迁移应用。“用
户画像”这一概念最早由交互设计之父阿兰·库珀提出,也被称为“用户角色”,常用作勾画目标用户、进行产
品定位、联系用户诉求与设计方向的有效工具①。具体而言,“用户画像”就是在大数据时代,依据数据分析
目的,借用数据分析挖掘技术,将零散、碎片的数据进行有目的的重新组合,并标上具有高度精炼性的特征标
识,用以揭示用户的某些特征(如需求、偏好等),简洁立体地展示用户某些面貌。在商业领域,用户画像可用
于追踪消费者的购物足迹,实现消费者购物风格刻画,预测消费者购物行为倾向并进行个性化推荐②;可以
通过用户与某些产品使用的交互情境,分析评估用户需求,以用户为中心进行产品改进;还可以根据用户在
社交媒体上的相关数据,建立识别真实可信群体角色特征体系,为在线销售公司筛选客户,等等。用户画像
在商业领域的应用越来越多元,技术也日趋成熟。在教育领域,教学变革中倡导的以学习者为中心,提供适
性、精准的学习服务等理念与商业领域的用户至上理念不谋而合,同时,随着信息技术、互联网、物联网等技
术在教育领域的运用与融合,教育大数据的收集和挖掘成为可能。在这种背景下,教育领域通过吸收“用户
画像”的经验逐渐建构起“学习者画像”的概念和方法。
014年
,美国教育部教育技术办公室发布《通过教育数据挖掘与学习分析改进教与学》的研究报告,将
2
用户画像作为描述学习者学习特征的重要手段③。2018年,我国上海开放大学在“大数据背景下学习分析技
术驱动的教与学创新论坛”上发布了《基于在线学习者画像的精准化终身学习调查报告》。该报告利用学习
者画像方法,精准刻画了上海市在线学习者群体特征,并在此基础上为其精准终身服务提供了对策与建议。
除此之外,国内外很多学者聚焦于学习者画像技术、基于画像的学习者特征分析、基于特征分析的学习者建
模、学习服务路径优化和实践案例分析等方向开展了相关研究,成果较多聚集在高等教育领域。迄今为止,
在学界“学习者画像”还没有统一的定义,但从学者多元的定义中可以解析出一些共性元素,帮助我们深化理
解“学习者画像”的内涵:(1)学习者画像是对学习者基本信息的描述和集合,这些描述是对学习者的客观评
价;(2)学习者画像不仅是对学习者的客观评价,还是对学习者特征的抽象化描述,是学习者标签化模型建构
的基础;(3)学习者画像最终要以可视化的方式输出画像模型,为特定的教学目的提供数据支撑和服务。由
此,本研究将“学习者画像”理解为,依据数据分析目的,利用数据分析和挖掘技术,有选择地收集、整理、重组
学习者学习过程中的碎片数据,并标上具有高度精炼性标识的过程,用以揭示学习者某些特征(如动机、需
求、偏好、认知风格等),为高质量的教与学提供数据支撑和服务。
(二)混合学习
“混合学习”(blendedlearning)已成为当下高等教育和基础教育领域发展的共同趋势。有学者认为,相
对于单一形式的在线学习和面对面学习,混合学习可能是一种“两全其美”的办法,具有更高的接受度和更高
的感知度④。但到底什么是“混合学习”,国内外学者因对其内含的“混合什么”、“如何混合”、“混合达到的效
果”理解不一而生成了不同的定义,归纳起来大致可分为三类观点。第一类,元素混合说。将混合学习定义
为面对面教学和在线教学的结合,这种观点认同的学者最多,认同度最高,后来有学者在此基础上将混合元
素扩展为教学对象、教学资源、教学形式、教学环境、教学支持服务等多要素。第二类,模式优化说。将混合
学习视为一种优化的学习模式,即根据不同的对象,选择合适的学习时间,运用适恰的学习技术,传递适当的
能力。第三类,成本效益说。将混合学习视为能提高学习效益、降低学习成本、取得最优化学习效果的多种
学习方式组合。那么,“混合学习”的本质内涵究竟为何? 混合学习究竟是什么样态的学习? 在此时,对“混
①
②
AlanCooperꢀꢄTheoriginofpersonasꢀꢅInnovation23ꢀno1ꢆSpring2004ꢇꢃ27-28
MikioAoyamaꢀꢄPersona-and-scenariobasedrequirementsengineeringforsoftwareembeddedindigitalconsumerproductsꢀꢅin13thIEEE
InternationalConferenceonRequirementsEngineeringꢆREꢈ05ꢇꢆParisꢃIEEEꢀ2005ꢇꢀ85-94
③
USDepartmentofEducationꢀOfficeofEducationalTechnologyꢀEnhancingTeachingandLearningThroughEducationalDataMining
andLearningAnalyticsAnIssueBriefꢆWashingtonꢀDCꢀ2012ꢇꢀ1-57ꢀaccessedFebruary14ꢀ2021ꢀhttpsꢃꢂꢂtechedgovꢂwp-contentꢂ
uploadsꢂ2014ꢂ03ꢂedm-la-briefpdf
④
IElaineAllenꢀJeffSeamanꢀRichardGarrettꢀBlendingInTheExtentandPromiseofBlendedEducationintheUnitedStatesꢆNeed-
hamꢀMAꢃSloan-Cꢀ2007ꢇꢀ2ꢀERICꢀaccessedFebruary14ꢀ2021ꢀhttpsꢃꢂꢂericedgovꢂꢉ
133