教师学习环境技术支持：构建与实践

根据第二节技术支持的教师学习环境理论模型，我们搭建了可落地实施的技术支持的教师学习环境技术体系架构。如图3-5所示，该架构由基础层、数据层、信息层、引擎层、应用层、用户层组成。

图3-4　技术支持的教师学习环境技术体系架构

“基础层”由业界通用的云、网、端三个部分组成。“云”主要指教育专有云，以及各类公有云提供的计算、存储基础设施等；“网”主要指连接“云”和“端”的各类通信系统，包括有线网络、无线网络、通信网络（4G、5G等）和物联网络；“端”主要指由计算机、手机、平板电脑等各类个人终端设备和摄像头、话筒等硬件以及物联设备（如：个人可穿戴设备、传感器）等构成，主要负责教师各种学习数据的感知和采集。通过各类网络等将其他系统和平台（如：教师信息系统、备课系统、教研系统、培训平台等）的教师学习数据传到云上。

“数据层”通过基础层对数据的持续采集，能够保存的所有原始数据的集合。这些数据大致可分为三类：一是各类业务系统中积累的业务管理以及教学、教研、评价、作业、考试等结构化数据；二是来自业务系统和监控系统的各类日志等的半结构化数据，这类数据可以进一步加工分析成为结构化数据；三是来自图片、音视频、VR、AR以及各类文本等的非结构化数据，这类数据同样可以用技术方法进一步挖掘。以原始状态保存的三类数据形成了丰富的原始数据池，为后续数据的挖掘和应用做好充足的准备。(www.xing528.com)

“信息层”是有意义的数据集合，是在“数据层”的基础上，通过ETL等技术对原始数据池中数据进行整合、转换和清洗，将数据转化为信息，汇聚到信息层，存储到教师学习者信息库、领域信息库、教研资源库、学习资源库等数据库当中，根据“数据层”持续的数据采集、转换，不断形成增量信息，对各种数据库中的内容进行更新。

“引擎层”主要指利用人工智能等新技术，引入知识图谱、规则引擎、领域模型等预先定义的智能计算模型，在海量知识的基础上，提取出更加精炼的、对教师直接有用的知识和产品。这里的“知识图谱”主要指基于学科知识体系形成的一套可计算的模型，“规则引擎”指的是基于可自定义的规则库形成的一套计算规则，“领域模型”指的是基于领域知识的一套计算规则。经过“引擎层”的进一步加工，海量知识变成了少量有用的高价值的知识。

“应用层”是面向教师的各种业务服务集合，包括：以自适应学习、个性化学习为代表的新型学习形态，以及在学习过程中利用智能引擎获得的智能评价、学习预测、自动推送、精准匹配等服务功能。基于智能化的“引擎层”和海量的“知识层”，教师学习应用将变得高度智能、有序，显著提升学习效果。

“用户层”是面向教师的最终界面，包括国家、省市、区县、学校提供的各类网络学习空间、教师培训平台、教研平台、备课平台等。这类平台有些已经使用多年，有些正在新建，对于新建或升级改造的平台，须充分利用应用层、引擎层、信息层不断积累有价值的工具和服务，为教师学习提供不断发展进化的技术支撑。