技术应用更凸显教师独特性

德国杜伊斯堡-埃森大学的研究人员开发了一个基于研究的框架，帮助教育工作者引导数据工具的使用问题，并在系统设计中指导制定个性化学习的有效指标。个性化和学习分析框架代表个性化和学习的融合分析，并为有效、增强的分析个性化学习提供理论基础。

　　《基础教育创新驱动力报告》是美国学校网络联合会的一项新举措，旨在解决教育技术领导者所面临的关键性挑战——为改变学生学习体验和学习环境做出正确的战略决策，促进学生在数字世界中健康成长。本系列报告中的第一份报告《基础教育创新驱动力(挑战篇)》，发布于2019年1月。第二份报告《基础教育创新驱动力(趋势篇)》，发布于2019年4月。

　　《基础教育创新驱动力报告(技术篇)》是新媒体联盟系列中的第三份报告，侧重于数字转型的挑战与机遇。该报告聚焦两个技术——混合学习以及分析和自适应技术，为教育改革提供更多可能性。

　　今天，学生借助于数字化学习平台来推动个性化学习和自主学习，教育工作者也可以节省出更多时间对学生进行个性化指导。在这一过程中，技术起着决定性作用。技术可以为教育工作者和学生提供关于学习、需求、兴趣等方面的可行性指导，可以为学生适时提供精准的学习资源，同时也可以为学生提供个性化学习路径，培养学生的数字化熟练度、专业度及自主学习等能力，最终使学生受益。

　　《基础教育创新驱动力报告》系列就探索了挑战、趋势和技术推动因素，旨在创建一个系统的、数字化的生态系统，使学习者在个性化和联通学习环境中充分发挥自身潜力。学校网络联合会委托国际咨询委员会(以下简称“委员会”)的100多名杰出的教育技术专家，针对挑战、趋势和技术推动进行研究、判断、排序并加以分析。

　　《基础教育创新驱动力报告(技术篇)》是新媒体联盟系列中的第三份报告，侧重于数字转型的挑战与机遇。该报告提出，前五项驱动技术分别为移动设备、混合学习、云基础架构、扩展现实、分析与自适应技术。美国学校网络联合会基础教育创新驱动力咨询委员会认为，这些技术驱动因素可以帮助教育工作者解决几乎所有的困难并促进技术创新。

　　目前，混合学习处于全球关注状态，是个性化教学的最佳技术。分析与自适应技术仍处于基础教育广泛采用的早期阶段，正在迅速发展。这些技术提供了很多以学习者为中心和差异化教育体验的前景，更好地为学生的数字世界体验做准备，也为教育工作者提供了很好的机会，他们不但能够有效地吸引学生，还可以与学生开展合作。与此同时，这两项技术也对教育工作者提出了更高的要求，都要求教育工作者在精湛的技术与人文关怀和专业知识之间取得平衡。

　　技术驱动1—混合学习

　　数字化变革 使学生在数字世界中个性化成长

　　这项技术成为推动基础教育创新的核心内容——转变教学方式，将学习体验进行数字化变革，使学生在数字世界中健康成长。委员会认为，混合式学习可以克服当下最艰难的挑战，使教育变得具有战略意义，并能够促进最新的发展趋势，特别是在个性化指导、基于数据的实践以及将学生作为创造者等方面的教育趋势。越来越多具有效能的数字技术出现在学校和学生的生活中，有效地增强了将这些技术融入到教学的吸引力，同时提高了对世界的认识也逐渐成为现实，甚至成为学习知识、合作、创建和解决问题的基础。

　　混合学习是一种正规教育项目，一部分学习是通过网络进行的，学生可以主导自己的时间、地点、路径或进度;一部分学习是在实体教学地点进行的;课程或专业的路径为学生提供了综合的学习体验。

　　在过去的十年中，混合学习出现了更多精细的教学方式。在2016年，克里斯滕森研究所推出了一个在线混合学习资源中心“混合学习宇宙”，确定了七种常见的混合学习模型。其中，学习中心走班模型是学生按照学习中心固定的时间表轮换上课，其中至少有一个学习中心是在线学习中心;实验室走班模型是在线学习中心要设置专用计算机实验室;个人走班模型是学生根据教师或数据算法设计个人时间表变换学习中心; 相结合，及时提供学生学习信息，主要涉及学生学习过程中的形成性评估数据。实时动态更新可以使这些数据与教师的日常实践相关联。

　　此外，数据分析还可以为教师提供对未来的预见。通过使用已有的相似数据进行建构和测试模型，能够估算个人未来的成果或未来成果的概率。

　　但是，数据分析技术也存在一定的风险，特别是数据隐私问题。教师必须清楚收集什么样的数据，谁能获取这些数据，以及如何保护学生的个人数据。区块链是一项新兴技术，或许可以改善这些问题。24个国家的代表在格罗宁根网络宣言中见证了区块链对于隐私、信任以及学习者流动问题的潜力，主要体现在验证和共享数据证书上。区块链在双方基于信任的情况下使用密码获取和转移信息。

　　报告指出，在这个新兴数据生态系统中，人为因素是另一个要考虑的关键动态指标。技术和算法无法取代教育工作者对学生的了解、教学的专业度以及只有教师可以提供的指导和支持。数据分析应赋予教师和学生决策权。如果教师能够很好的使用自适应技术，就可以实现对学生的个性化指导并节省相互交流的时间。

　　德国杜伊斯堡-埃森大学的研究人员开发了一个基于研究的框架，帮助教育工作者引导数据工具的使用问题，并在系统设计中指导制定个性化学习的有效指标。个性化和学习分析框架代表个性化和学习的融合分析，并为有效、增强的分析个性化学习提供理论基础。

　　调查研究表明，教师在解释和使用数据时的自我效能感与他们实际使用数据具有相关性;专业发展支持可以建立这种自我效能并增强对数据的使用。因此，教师在理解和使用数据的实践操作中需要评估素养和数据素养。

　　(作者单位：北京开放大学)