金洲 李穎欣 戴堅

摘 ?要：當下，STEAM課程培訓機構數(shù)量在全國范圍內快速增長，學生和家長面對如此多的STEAM課程不知道如何選擇。為此，采用基于科學的大數(shù)據(jù)驅動研究范式，以全國范圍內STEAM課程學習者特征為樣本數(shù)據(jù)集，采用主成分分析法提取STEAM課程學習者的基礎信息、學習環(huán)境、學習需要、學習特征四個方面的主特征，構建數(shù)據(jù)驅動的STEAM課程學習者數(shù)字畫像。成果有助于發(fā)揮數(shù)字畫像的評價決策功能，幫助家長和學生精準選擇合適的STEAM課程，提高學生的學習效率。

關鍵詞：STEAM教育;數(shù)字畫像;大數(shù)據(jù)分析;數(shù)據(jù)驅動

中圖分類號：G434 ? ? 文獻標識碼：A文章編號：2096-4706（2022）05-0186-04

Construction and Application on STEAM Course Learner Digital Portrait of Data-Driven

JIN Zhou， LI Yingxin， DAI Jian

（College of Education Science and Technology， Zhejiang University of Technology， Hangzhou ?310023， China）

Abstract： At present， the number of STEAM course training institutions is growing rapidly across the country. Students and parents do not know how to choose in the face of so many STEAM courses. In this regard， this paper adopts the big data-driven research paradigm based on science， takes the characteristics of STEAM course learners nationwide as the sample data set， uses the principal component analysis method to extract the main characteristics of STEAM course learners in four aspects： basic information， learning environment， learning needs and learning characteristics， and constructs a data-driven digital portrait of STEAM course learners. The results are helpful to give play to the evaluation and decision-making function of digital portrait， help parents and students accurately select appropriate STEAM course， and improve students’ learning efficiency.

Keywords： STEAM education; digital portrait; big data analysis; data driven

0 ?引 ?言

2019年6月23日中共中央、國務院就深化教育教學改革、全面提高義務教育質量提出了全面發(fā)展素質教育、切實提高課堂教學質量等意見，而STEAM課程著重培養(yǎng)學生的綜合素質，能夠很好地滿足《意見》的要求。目前，很多中小學以班級為單位進行大規(guī)模教學式STEAM課程，此種教學方法雖然能夠一定程度上滿足學生對多學科融合課程的需求，但在一定程度上也忽視個性化學習培養(yǎng)。隨著大數(shù)據(jù)分析技術的發(fā)展，數(shù)字畫像已成為學習者特征分析的新方向，為STEAM課程受教育者的精準分析提供了強有力的技術支持和方法指導。

1 ?文獻綜述

1.1 ?STEAM課程學習者的特征分析

STEAM教育強調對科學、技術、工程、藝術、數(shù)學五門學科的有機整合，讓學生在項目設計中發(fā)現(xiàn)并解決問題，并在此過程中培養(yǎng)學生的創(chuàng)新精神和問題解決能力。學習特征由學習者的知識結構和學習風格組成[1];學習者特征也可以分為知識結構、信息加工方式、社會特征、情意和意動類型四個層次[2]。綜上可知，學習需要和學習特征是STEAM課程學習者特征的主要構成要素。

1.2 ?數(shù)字畫像技術

數(shù)字畫像構建方法的分類依據(jù)有設計方法和構建技術。王永固等人將數(shù)字畫像的構建流程設計為五個階段：數(shù)據(jù)采集、數(shù)據(jù)預處理、數(shù)字畫像模型構建、數(shù)字畫像模型應用、精準決策與干預[3]。崔家峰等人將構建流程分為數(shù)據(jù)來源與采集、數(shù)據(jù)處理與分析、畫像呈現(xiàn)與應用三個階段[4]。李寶從數(shù)據(jù)基礎層、數(shù)據(jù)處理層、畫像構建層、畫像服務層四個層級思考數(shù)字畫像的構建[5]。綜上可見，數(shù)字畫像的構建流程主要包含數(shù)據(jù)采集、數(shù)據(jù)處理、模型構建、應用服務等四個步驟。

2 ?數(shù)據(jù)驅動的STEAM學習者畫像模型構建

2.1 ?數(shù)字畫像框架

現(xiàn)有STEAM學習者的相關文獻研究和案例分析顯示，STEAM學習者由基礎信息、學習環(huán)境、學習需要、學習特征四個要素組成，如表1所示。

基礎信息是學生的身份標記，用于標識和匹配STEAM課程，以幫助學習者及其家長了解并接受STEAM課程。學習環(huán)境是學習過程中的情境因素，情境影響作用往往是對學習需求的求解過程優(yōu)化[6]，從而實現(xiàn)運用實際情境提升STEAM課程與實際情境的匹配度，進而提高學習效率的目的。學習需要是學習者的目標，是學習者所期望的STEAM課程信息，是搜尋相關STEAM課程滿足學習者學習需要的根本依據(jù)。學習特征對匹配STEAM課程的準確性和高效性有著重要的影響，承載著提高學習者學習興趣和學習滿意度的使命。

2.2 ?畫像的構建流程

基于王永固等人的教師網(wǎng)絡研修社區(qū)數(shù)字畫像構建流程[3]，本研究畫像的構建流程包括數(shù)據(jù)采集、數(shù)據(jù)預處理、數(shù)字畫像模型構建等階段，如圖1所示。

圖1 ?數(shù)據(jù)驅動的STEAM課程學習者數(shù)字畫像的構建流程

數(shù)據(jù)采集階段的任務為通過問卷調研的方式，采集中小學生在STEAM課程中進行學習的相關數(shù)據(jù)，為數(shù)據(jù)預處理的方法選擇提供基礎;數(shù)據(jù)預處理階段的任務依據(jù)數(shù)據(jù)評價結果進行數(shù)據(jù)集成、數(shù)據(jù)清洗、數(shù)據(jù)變換和數(shù)據(jù)歸約等數(shù)據(jù)預處理操作，使數(shù)據(jù)符合分析算法的標準;數(shù)字畫像模型構建階段任務為將預處理后的數(shù)據(jù)按學習者構成要素進行歸類，從各維度數(shù)據(jù)中提取出主成分，提高模型的普適性，以簡化后續(xù)研究。

2.3 ?畫像的模型構建

本研究利用問卷調查了全國與STEAM課程有所接觸的中小學生，并以此作為樣本數(shù)據(jù)集，采用主成分分析法，分別提取其學習環(huán)境、學習需要和學習特征三個維度的主特征。然后，使用三維笛卡爾坐標系表示STEAM課程學習者的數(shù)字畫像模型。

2.3.1 ?樣本總體數(shù)據(jù)特征

本研究對Z省的學生進行數(shù)據(jù)采集，并對樣本數(shù)據(jù)進行了預處理。最終采集有效STEAM課程學習者樣本115個，每個樣本有23個特征，整合形成115*23規(guī)模的STEAM課程學習者數(shù)據(jù)集。依據(jù)數(shù)字畫像的框架維度，將STEAM學習者特征分別歸類到基礎信息、學習環(huán)境、學習需要、學習特征四個維度，形成STEAM教育學習者的數(shù)字畫像初步模型。

2.3.2 ?學習環(huán)境樣本數(shù)據(jù)的特征提取

學習環(huán)境維度的主特征由其六個特征的主成分分析獲得，主成分分析的總方差解釋和旋轉后的成分矩陣，如表2和表3所示。方差累計總解釋表示主成分對原始特征的解釋度，成分矩陣表示各主成分所表征的原始特征。在社會科學研究中，主成分方差累計總解釋達到60%，即可認為主成分提取效果較好。由表2可知，學習環(huán)境維度提取出的三個主成分，方差累積總解釋達到72.175%，高于60%，因此主成分提取效果較好。

由表3可知，主成分1在開始學習時間特征上具有較高載荷，主成分2在學習者位置、學習時的網(wǎng)絡空間上具有較高載荷，主成分3在學習時的設備電量、學習時的周圍嘈雜度上具有較高載荷。根據(jù)STEAM教育學習者他則會那個的語義背景，我們將主成分1命名為“學習者的時間”，主成分2命名為“學習者的空間”，主成分3命名為“學習者的附加環(huán)境質量”。綜上所述，樣本數(shù)據(jù)在學習環(huán)境維度得到“學習者的時間”“學習者的空間”“學習者的附加環(huán)境質量”三個主要成分。

2.3.3 ?學習需要樣本數(shù)據(jù)主特征提取

采取主成分分析法獲取學習需要維度的主特征，主成分分析的總方差解釋和旋轉后的成分矩陣如表4和表5所示。由表4可知，學習需要維度提取出三個主要成分，方差累積總解釋達到74.449%，高于60%，因此主成分提取效果較好。

根據(jù)學習需要維度特征的實際背景意義，本研究將主成分1命名為“學習內容類需要”，主成分2命名為“學習目標類需要”，主成分3命名為“學習資源類需要”。

2.3.4 ?學習特征樣本數(shù)據(jù)主特征提取

學習特征維度的主成分分析的總方差解釋和旋轉后的成分矩陣如表6和表7所示。由表6可知，學習需要維度提取出三個主要成分，方差累積總解釋達到73.061%，高于60%，因此主成分提取效果較好。

根據(jù)學習需要維度特征的實際背景意義，本研究將主成分1命名為“學習風格特征”，主成分2命名為“學習情感偏好特征”，主成分3命名為“學習認知能力特征”。

2.4 ?數(shù)據(jù)驅動的STEAM學習者畫像模型

基于以上數(shù)據(jù)特征分析，研究使用三維笛卡爾坐標系表示STEAM學習者的數(shù)字化想模型，如圖2所示。X維表示STEAM課程學習者畫像模型的框架維度，分別為基礎信息、學習環(huán)境、學習需要、學習特征四個構成要素。Y維表示STEAM課程學習者畫像模型的標簽層級，分為二級標簽：一級標簽是每個維度提取的主成分，二級標簽為樣本原始特征。Z維表示STEAM課程學習者畫像的標簽屬性，按照數(shù)據(jù)屬性來源與處理方法的不同，標簽屬性分為事實標簽、模型標簽和預測標簽[7]。

3 ?STEAM學習者畫像的應用分析

2017年，《中國STEAM教育白皮書》發(fā)布，該書對STEAM教育學生學習興趣、STEAM課程改革創(chuàng)新等核心問題尤為關注。本研究認為，構建STEAM學習者畫像可以應用于課程選擇、課程評估、課程安排等具體場景中，助力于學生、家長、老師、課程機構管理員實現(xiàn)細化管理與科學決策。

3.1 ?為精細化學習者特征分析提供數(shù)據(jù)服務

目前，全國范圍內的STEAM課程培訓機構大量涌現(xiàn)，已成為我國增長速度最快的課外培訓機構類別。STEAM學習者數(shù)字畫像模型可以有效對STEAM課程的學習者特征進行分析、判斷、分類、歸納，并根據(jù)類別特征與STEAM課程相匹配，推薦給學生最適合的STEAM課程，能夠極大程度上減少時間、人力、經(jīng)濟的浪費，提高STEAM課程資源利用率和STEAM課程學習者的學習效率。

3.2 ?為創(chuàng)新型人才培養(yǎng)方案提供證據(jù)支持

STEAM教育作為多學科融合的教育，對培養(yǎng)學生的邏輯思維能力和科學素養(yǎng)起到較強的作用。STEAM學習者數(shù)字畫像能夠評估學生的核心素養(yǎng)能力，且在課程內容設置、課程情境設計等方面STEAM教育與核心素養(yǎng)可以有機對接，進而為培養(yǎng)創(chuàng)新型人才提供適合的強有力的具有針對性的課程支持，使STEAM課程和核心素養(yǎng)在人才觀、知識觀、創(chuàng)新觀等方面與學習者特征的契合提供了可能性[8]。

3.3 ?為開展STEAM課程自我評估提供支撐

STEAM教育機構可以使用STEAM學習者畫像來對學習者進行大規(guī)模的需求統(tǒng)計，并針對需求開設具體的STEAM課程。與此同時，面對STEAM課程出現(xiàn)學習效果不佳、學習興趣不高的情況，也可以使用STEAM學習者數(shù)字畫像來對課程進行自我評估，判斷是課程的哪些具體環(huán)節(jié)與學習者的數(shù)字畫像不匹配導致問題的出現(xiàn)，并針對課程問題進行修改和調整。

4 ?結 ?論

數(shù)字畫像原型的應用調查表明，本研究所研發(fā)的STEAM課程學習者數(shù)字畫像，具有準確度高、直觀性強的特征，得到了大部分STEAM課程培訓教師的認可。因此，基于數(shù)據(jù)科學的大數(shù)據(jù)研究范式，為STEAM課程學習者特征的精準把握，提供了一種新型的研究方法，推動特征把握結果趨向客觀化、形成性、全景化和智能化。未來研究將進一步探索STEAM課程學習者特征數(shù)字畫像在實際教學培訓中的運用，并根據(jù)教師的意見調整和修改所構建的STEAM課程學習者數(shù)字畫像，為家長和學生選擇合適的STEAM課程提供個性化的指導服務。

參考文獻：

[1] 鄧暉.論網(wǎng)絡環(huán)境下的學生特征分析系統(tǒng)設計 [J].開放教育研究，2003（1）：30-32.

[2] 屠宏，吳宏江.數(shù)據(jù)挖掘在網(wǎng)絡學習者學習特征分析系統(tǒng)中應用 [J].遠程教育雜志，2004（5）：41-43.

[3] 王永固，陳俊文，丁繼紅，等.數(shù)據(jù)驅動的教師網(wǎng)絡研修社區(qū)數(shù)字畫像構建與應用——基于“浙江名師網(wǎng)”的數(shù)據(jù)分析 [J].遠程教育雜志，2020，38（4）：74-83.

[4] 崔佳峰，闕粵紅.智能技術支持下的學生數(shù)字畫像：困境與突破 [J].當代教育科學，2020（11）：88-95.

[5] 李寶.基于用戶畫像的高校圖書館個性化資源推薦服務設計 [J].新世紀圖書館，2021（4）：68-75.

[6] 李浩君，吳嘉銘，戴海容.基于多維關聯(lián)本體的學習資源推薦方法 [J].浙江工業(yè)大學學報，2021，49（4）：374-383.

[7] 胡小勇，林梓柔.精準教研視域下的教師畫像研究 [J].電化教育研究，2019，40（7）：84-91.

[8] 龔潔瑩.論STEAM教育與核心素養(yǎng)的對接 [J].知識文庫，2019（10）：240.

作者簡介：金洲（2001—），男，漢族，浙江溫州人，本科在讀，研究方向：STEAM教育;李穎欣（2001—），女，漢族，浙江金華人，本科在讀，研究方向：STEAM教育;戴堅（2001—），男，漢族，浙江紹興人，本科在讀，研究方向：計算機輔助教育。