任友群, 冯晓英, 何春. 2022. 数字时代基础教育教师培训供给侧改革初探[J].中国远程教育（8）：1-8.
【摘要】全球竞争加剧、新一代信息技术革命叠加新型冠状病毒肺炎疫情影响的新背景、新形势，共同对基础教育教师培训工作提出了新要求。新时期教师培训面临着培训资源供给、流程模式、培训管理与治理等方面的挑战，反映出传统教师培训服务供给与新时代教师个性化需求之间的结构性失衡。破解这一矛盾的思路之一是实现大数据支持下的教师培训循证决策，从资源供给、培训服务、队伍治理三个层面推动基础教育教师培训的供给侧改革。数字时代基础教育教师培训供给侧改革需要依托数字化平台和信息化手段，构建“教师数字驾驶舱”，充分的发挥教师大数据这个新生产要素的动力引擎作用，推动教师培训与教师队伍治理的数字化转型，助力教师队伍建设的宏观分析与顶层决策。
【关键词】教师培训；供给侧改革；教师队伍建设；数字化转型；精准培训；循证决策；数字化
2022年4月25日，习在中国人民大学考察时强调：“好的学校特色各不相同，但有一个共同特点，都有一支优秀教师队伍。”近年来，我国基础教育教师队伍规模逐步扩大，面对现代化经济转型升级对教育的迫切需求和人民群众逐步的提升的教育期盼，建设高素质专业化创新型教师队伍、大力提高教师队伍质量意义重大、任务艰巨。
怀进鹏部长于2022年5月6日在《学习时报》撰文《胸怀国之大者 建设教育强国 推动教育事业发生格局性变化》，指出：“我们始终把教师队伍建设作为基础工作，培养和汇聚打造中华民族‘梦之队’的筑梦人。”近年来，我国教师培训投入持续加大。“国培计划”自2010年实施以来已累计投入经费超过200亿元，受益教师超过1,800万人次，有力保障了基础教育教师专业发展与能力提升。“十四五”期间，以“国培计划”为代表的教师培训进入更看重内涵发展、全面提质增效的新阶段。2021年5月，教育部、财政部联合印发《关于实施中小学幼儿园教师国家级培训计划（2021—2025年）的通知》，以“精准确定支持重点、强化中央引领带动、推进培训模式改革、加强优质资源供给、健全培训支持体系”为总体思路，立足新阶段、贯彻新理念、聚焦高质量，对“国培计划”进行改革完善。如何推动新时代背景下基础教育教师培训供给侧改革成为当下亟待关注的时代课题。
当今世界正经历百年未有之大变局，新一轮科技革命和产业变革深入发展，国际力量对比深刻调整，外部环境日趋复杂，不稳定性和不确定性显著增加。世界进入动荡变革期，从事实上“一家独大”的单极世界向协同共治的多极世界转变，现代化发展路径从一元走向多元（孙宝华, 2021）。同时，当今中国正处在“两个一百年”建设的关键时期，改革面临着新的任务和挑战。
在此背景下，赢得竞争优势的重点是创新型人才，而创新型人才培养的根本在于教师。联合国教科文组织2021年发布的报告《共同重新构想我们的未来：一种新的教育社会契约》中特别提到：“教师必须在新教育社会契约中处于中心地位，其价值必须被重新评估和重新想象，从而激发新的知识，带来教育和社会变革。”（UNESCO, 2021）对我国来说，尤其当下处于实现中华民族伟大复兴的战略全局、世界百年未有之大变局之中，基础教育教师能说是促进综合国力提升和全球竞争力增强的关键变量，兴国必先强师。
互联网和新一代信息技术加快速度进行发展到今天，移动互联网时代和AI时代的深层次地融合和相互连通已达到新境界，尤其是作为AI发展的核心要素，计算机算力不断突破，算法技术应用的广度、深度与便利度不断的提高。联合国教科文组织2021年发布的研究报告《A与教育：政策制定者指南》提出：“人工智能有望解决当今教育面临的部分重大挑战、革新教学实践，最终加快迈向可持续发展目标的进程。”长期以来我国教师培训面临的一些难点与困境，难以依靠传统的手段方式有效解决，迫切地需要依托新一代信息技术撬动教师培训的改革创新。以移动网络、人工智能为代表的新一代信息技术，为教师培训改革提供了更加智能多元的环境基础和重要支撑，为教师培训模式、成效评价及管理机制创新提供了新方法和新思路，要求我们充分识别、利用新一代信息技术的创新优势，推动教师培训体系的深刻变革。
怀进鹏部长在2021年国际A与教育会议上指出，新型冠状病毒肺炎疫情是一场空前的全球性挑战，对教育的创新发展，特别是教育与人工智能等新技术的有机融合提出了更新更高的要求。一方面，线上教学、线上线下混合式教学正在成为教学“新常态”，因而对教师培训的内容资源提出了新要求；另一方面，线上培训、线上线下混合式研修正在成为教师培训研修“新常态”，因此为教师培训的设计组织、管理评价等带来了新挑战。教师培训机构和主管部门已不可能完全依靠过去传统的体系与思路来解决“新常态”下的教师专业发展问题。
总而言之，世界面临的百年未有之大变局、新一代信息技术革命，叠加新型冠状病毒肺炎疫情影响，共同导致新时期的教师培训工作发生了全面而深刻的变化，亟待进行理论与实践的多重变革。
教师对培训资源的需求具有更新快、要求高、差异大的特点。传统教师培训资源供给主要是采用自上而下的单向通道统一供给机制（单俊豪, 等, 2022），往往很难满足教师的个性化需求。同时，新时期线上线下教学的“新常态”与线上线下培训的“新常态”也对培训资源供给提出了新问题。例如，怎么来实现现有线上资源有效汇聚？现有线上资源能否满足新时代教师培训需要？如何结构化地进行培训资源合理配置？怎么来实现线上资源“优胜劣汰”？等等。怎么来实现培训资源充分供给、优质供给、精准供给、灵活供给，是新时期教师培训资源供给的关键问题。
在新冠肺炎疫情之前，传统教师培训以授课专家为中心，并且要求在规定时间内到规定地点集中传授特定的知识（李江, 等, 2020）。然而，不论是网络技术的发展还是新型冠状病毒肺炎疫情的影响，都使得未来教师培训的场景在线上线下之间灵活转换的可能性大幅度提升，影响教师培训质量和效果的关键过程与核心要素也随即改变，亟须探索线上线下灵活转换且深层次地融合的混合式培训流程和模式。同时，新时期教师培训的内涵发展也亟须探索教师线下培训与线上培训的流程再造，推动受训教师由知识传递的被动接受者转变为能力成长的主动探索者，为教师成长建构理论与实践的双螺旋，提升线下线上培训的成效（冯晓英, 等, 2021）。当在线教学、线上线下融合的教学慢慢的变成为教师教学的“新常态”时，也需要教师培训项目自身的流程再造与模式创新为教师培养和教师教学改革起到示范引领作用。
教师培训的成效质量在很大程度上依赖于培训项目的高效管理。相对于线上培训，传统的集中面授式培训易于管理，相关培训机构和主管部门已积累了丰富经验，并提出了一些有效的管理模式和评估模式（余新, 2010; 何泳忠, 2014; 王定华, 2020）。尽管如此，长期以来教师培训管理中任旧存在一些问题和难点。例如，对培训效果评价缺乏有效的管理机制（张二庆, 等, 2012），不同培训项目间缺乏协调导致内容重叠（陈向明, 等, 2013），培训激励机制不完善（翁伟斌, 2020），等等。线上培训和线上线下混合式培训成为新常态也对培训管理提出了新问题，例如线上培训过程如何有效管理和监测等。
同时，如何将我国规模庞大、结构较为复杂、差异巨大的教师队伍建设成一支高质量创新型教师队伍，也是当前教师队伍治理面临的挑战。例如，怎么来实现对教师专业成长的精准评估与管理？如何精准识别各级各类教师专业发展的状态与问题，形成精准决策？等等。
教师培训在资源供给、培训模式、培训管理与治理方面所面临的挑战，既有传统教师培训已有的问题，也有新时期时代发展变化带来的挑战。从根本上看，这反映出传统教师培训服务供给与新时代教师个性化需求之间的结构性失衡。破解这一矛盾的思路是从教育供给侧改革的视角出发，依托教师数字化学习平台与管理信息系统实现大数据支持下的教师培训循证决策。
循证决策（Evidence-Based Policy Making）最早于20世纪90年代末由医学领域扩展到公共政策研究领域，其核心理念在于强调政府的决策必须建立在科学研究获得的“证据”之上（Davies, 1999），以“确保政策干预产生最佳结果”（Tennant, 2002）。教育领域的循证决策总体遵循公共政策研究的逻辑框架。随着教育管理与治理向科学化、现代化发展，教育循证决策正在成为中国教育政策研究的新趋势（刘建银, 等, 2021）。然而，当前我国教育领域的循证决策在证据来源、证据转化、证据使用等方面仍存在诸多困境。例如，主要是依靠访谈等常规方法收集分析数据，不仅费时费力，对证据的有效性缺乏共识，证据的可获得性也不强（杨烁, 等, 2019）。
教师培训资源供给改革、服务供给改革与队伍治理改革需要向循证决策发展。不仅如此，解决教师培训中的难点问题，应对新时代背景下教师培训的挑战，更需要突破传统循证决策的方法和路径。大数据技术的发展推动政府数据搜集、存储、解决能力极大提升，使数据的获得变得更丰富、便利和便宜（魏景容, 2020）。我国正在部署建设基础教育教师数字化学习平台，优化升级全国教师管理信息系统，加速实现教师培训数字化与相互连通。互联网、大数据、人工智能技术为当下更加科学、精准的教师培训循证决策奠定了技术基础，也为破解当前教师培训的主要矛盾、优化教师培训服务提供了新的研究范式和决策范式。
我国教师队伍规模庞大，结构较为复杂，差异性大，培训需求更新快。要解决教师培训资源供给的问题，需要建设教师数字化学习平台，实现对优质资源的汇聚与共享。同时，要完善资源供给结构，在资源的主题、类型、建设主体等多维度考虑、合理配置，保障基础性资源在结构分布上的合理性和充分性，让各级各类教师都能获得充分的资源供给。
从资源类型维度看，既需要出示教师培训类资源，也需要出示教学类资源，为教师培训、专业成长与教学实践的相互融合、贯通提供一体化的资源支持。从资源主题维度看，既要提供学科类资源，也要均衡考虑时政类、通识类资源供给，如思政师德、心理健康、劳动教育、安全教育、学校管理、师生评价、作业命题、家校社沟通等。从资源建设主体维度看，既要有专家团队主导研发的结构化、预设性资源，也要吸纳一线教师在参训过程中形成的有价值的生成性资源。
为满足教师教学与培训的差异化、多样化需求，需要从“化整为零”“灵活弹性”的思路出发，推动资源供给层次的改革，提高资源建设与资源使用的效率与灵活性。“化整为零”是指通过对资源进行适度的层次划分，为老师提供不同应用场景下、不同颗粒度的资源。例如，在资源颗粒度上，既包括完整的网络课程、中量级的单元课程，也包括轻量级的微视频、微课等；在资源类型上，既包括系统性的课程资源，也包括教学指南、策略工具、学科案例等辅助性资源。“灵活弹性”是指打破“线上资源”或“线下资源”的固化标签，资源能够准确的通过需要灵活、弹性地服务于线上或线下不同的培训场景或教学场景。依托线上平台可灵活调用的不同颗粒度的培训资源，教师可以根据自身的需求自主选择甚至自由组合，定制自己的线上线下个性化培训课程。
如何保证资源的优质供给、优胜劣汰，解决资源供给“质”的问题，是教师培训资源供给改革的另一个关键点。教师培训资源的“优质”有两层含义：一是资源本身的质量优；二是资源符合教师需求，即适切性。评价资源的根本在于教师，符合教师需求、教师认可的资源才是好资源。因此，针对资源供给评价的改革，需要从资源“优质”的双重含义入手，由传统的“自上而下”、专家评价的思路转向自下而上、用户（教师）评价的思路，由供给驱动的评价转变为消费驱动的评价。
依托教师数字化资源平台，采用大数据技术与范式，可以在一定程度上完成对资源更加全面、细化的评价，精准识别出符合教师需要的优质资源。例如，通过采集平台上教师对资源的点击数、下载量、资源使用时长等数据，建立基于用户使用数据的资源评价模型，从而形成对每个资源和资源建设方的客观评价；基于平台上的学习行为数据分析，对每位教师的资源使用情况做分析建模，筛选出该教师真正喜欢、愿意使用的资源，从而识别出适合每位教师的“优质”资源。在此基础上动态调整平台中的资源供给，建立对优质资源建设方的激励机制，由此实现对资源的自动化精准评价，支持资源供给的循证决策，形成资源优胜劣汰、优质供给的良性循环。
为满足教师个性化、差异化的需求，同时避免教师在资源使用上“迷航”，需要在对资源进行精准评价的基础上优化资源供给方式，进一步实现资源的个性化精准推荐。资源供给方式的改革是在资源供给评价改革的基础上，充分的利用大数据、智能算法技术的优势，由自上而下、供给驱动的资源供给方式转变为自下而上、消费驱动的资源供给方式，由经验驱动的范式转变为数据驱动的范式，从而支持资源供给的循证决策。基于平台中教师的学习行为数据，既能有效识别和挖掘每位教师个体对资源的使用情况与需求，也能识别和挖掘某个特定教师群体对资源使用的共性规律与需求，由此设计出针对教师个体或群体的个性化资源推荐机制，实现针对每位教师的个性化资源精准推送。
传统教师培训项目实施不精准、线上培训难以监管等问题，都驱动着教师培训服务改革。线上线下融合的智能研修将是未来教师培训的发展的新趋势，其价值不仅在于推动教师培训模式改革创新，更能为教师培训服务改革提供重要的平台环境支撑。我国正在部署建设的教师数字化学习平台将实现培训项目全过程的数字化，使培训过程更可控。首先，为老师提供训前、训中、训后全过程各环节的支持服务，如通知提醒、签到打卡、内容推送等，让教师参训更便利。其次，实现培训项目全过程的数据留痕，以此来实现对培训项目全流程的数字化监测。例如，通过在视频中加入小测试等交互活动或采用浏览器状态监测等“防挂机”技术，让过程监管更精准。最后，为培训过程中的相关主体提供及时沟通协调的平台，如主管部门、培训机构、参训学校和考察机构等，让培训实施更可控。
如何有效评价受训教师的培训成效一直是教师培训中的难点，传统的参训考勤、满意度调查等往往难以形成全面、客观、深度的评价（魏心, 2009; 徐建华, 2016）。随着教师培训服务流程的数字化，基于教师数字化学习平台，一方面能够建立教师个人学习空间和成长档案袋，受训教师参与培训的学习行为数据、过程性资料、学习成果等自动留存、汇聚、归类，使评价更全面、更丰富且“有据可依”。另一方面，可以构建受训教师评价模型，为监测受训教师专业学习质量提供全面综合的评价维度与指标，其中既有针对培训成效的总结性评价，如理论知识、实践能力提升等，也有针对受训过程的形成性评价，如教师的培训参与度、投入度等。
受训教师评价的数字化不仅有利于形成对受训教师的全面精准评价，而且有助于教师更好地挖掘自我价值，从而激发教师的内在学习动机，同时有利于实现对单个项目、特定时间段受训教师个体或群体的静态画像。通过对多个项目进行中长期的持续跟踪评价与对比分析，还能够绘制受训教师专业发展曲线，实现对受训教师个体或群体的动态画像，形成对教师的发展性评价。
教师培训服务供给改革需要强化对教师培训项目的过程性质量评估。长期以来教师培训项目评估大多停留在反应层，即参训教师对培训项目的主观满意度评价（夏海鹰, 2021; 王超超, 2017），缺少系统性、深层次评估，难以提供受训教师在知识增长、能力提升、实践应用等方面的关键性质量信息。评估不仅仅是为了达成目标或让用户（教师）满意，更应是通过系统性评估分析增强培训者对培训项目的理解，从而指导培训决策、提高培训效能（Kellaghan, 2001）。因此，培训项目评估改革本质上是通过培训项目评估的数字化与智能化，实现由单一主体评价转变为多元主体评价，由结果性评价转变为系统性评价，由粗放型评价转变为精准性评价，由经验驱动的主观评价转变为数据驱动的客观评价，由指向目标达成和用户满意的终结性评价转变为指向过程改进的诊断性评价。
教师数字化学习平台与大数据和智能技术相结合，有利于推动培训项目的智能化评估改革。通过培训项目全过程数字化，实现培训项目的伴随式数据采集；通过构建培训项目评估模型，实现对培训项目的过程参与、交流互动、成效产出等多维度做全面、综合、立体的智能评估；基于智能评估，识别影响培训效能的过程要素，进而实现对培训项目的过程诊断、精准优化改进，实现对培训组织方的全面、精准评估。
培训激励机制不完善一直是我国教师培训的难点和痛点。提升培训效能，需要针对参训教师、培训项目和培训机构建立有效的培训激励机制。
在参训教师层面，如何有效激发教师的主体性，激励教师由接受式的被动学习转变为参与式的主动学习，培养、激发教师的专业学习力一直是提升培训效能的关键点和难点。阻碍教师参训积极性与效能的原因大致有两类：一类是教师的个性化需求未能得到满足，导致教师的学习积极性不高。解决路径如前所述，能够最终靠优化资源供给方式、实现个性化资源精准推送来改善。另一类则是教师自身的专业成长动机不足，因而参训动机不足。对此，既要通过受训教师评价的数字化建立起全面、细化的评价体系，来激发教师参训的外在动机，又要激发教师参训的内在动机。如何“以评促训”激发外在动机前面已经论述过了，这里重点讨论如何激发教师的内在动机。
教师的自我效能感和专业发展意识是影响教师参训内在动机与成效的主要的因素（冯晓英, 等, 2020; Ingvarson, et al., 2005）。因此，可以依托数字化和智能化技术从多条路径激发教师参训的内在动机。路径一是丰富数字资源供给类型，既为老师提供直接指导教育教学的理论方法等理性规范类资源，也提供具有感染力的感性资源，如身边人的故事、普通一线教师的故事等，也鼓励教师讲述自己的故事，从而唤醒、激发教师的自我发展意识。路径二是通过智能化的激励机制提升教师的自我效能感。依托教师数字化学习平台设计教师专业学习的激励机制。例如，建立基于教师专业学习行为的积分制，基于积分制设立学分奖励、数字勋章、电子证书等反馈奖励机制，通过积分排行、贡献度排行催生“草根名师”等，让教师的每一分成长都“可见”，提升教师的自我效能感，激发参训的内在动机。路径三是通过大数据和智能技术深度挖掘教师的内在需求，提升教师的自我发展意识。教师作为成人学习者符合自愿学习原则（Knowles, 1980），即只有他认为有价值的内容才能激发其学习动机。通过对每位教师的专业学习档案袋、学习画像、专业发展曲线进行智能挖掘与分析，通过将个体教师与同群体教师作对比分析，等等，深入挖掘每位教师的专业成长需求，找准每位教师职业发展中的堵点和关切点，从而提升教师的自我发展意识，并基于需求点精准推荐培训内容与资源，激发教师参训的内在动机。
在培训项目与机构层面，也面临着两类改革需求：一类是打破部分培训机构“搭便车”“躺平”现象，激励培训机构与项目主动求优、主动求质。另一类是激励培训机构突破习惯的、固有的培训模式和机制，主动改革创新。这两方面也是当前教师培训改革的重要任务。
第一类改革，需要依托对培训项目的智能化精准评估，建立“优胜劣汰”机制。例如，建立培训项目的动态排名和末位淘汰制，从而激励培训组织方主动对培训项目的设计、实施等环节进行优化改进。第二类改革，是针对有一定改革意愿的机构和项目提供激励。例如，从过程参与、交流互动、培训成效等不同维度形成培训项目动态排名，基于大数据发现有特色、有亮点的培训项目，给予一定的鼓励和奖励，如设立为示范引领项目、列入优选机构名单等，激励培训机构主动探索培训模式改革创新，探索培训项目的内涵发展。
简而言之，新时代背景下的培训服务改革，要求我们突破原有的激励机制和思路，采用新思路、新方法推动培训激励机制改革，即采用信息化、数字化思路，依托智能化评价，推动自上而下、行政管理式的激励机制转变为自下而上、内生驱动式的激励机制，激励培训需求方与供给方有效投入，形成良性循环。
随着国内基础教育教师培训覆盖面越来越广，“国培—省培—市培—县培—校培”五级联动的新型教师培训网络逐渐形成（教育部, 2021），我国针对基础教育的教师培训体系已日趋完善，不同层级的教师培训项目也积累了大量教师个体成长、能力发展的过程性数据。这一些数据是非常有价值的，然而是零散的、散落的、非结构化的。我国正在部署建设的教师学习数字化平台和全国教师管理信息系统，希望可以通过科学的方法将这些数据采集、汇聚、沉淀下来。相信经过数年沉淀，这些客观数据将构成反映中国教师队伍建设发展状况的最有力证据，为摸清全国教师基本情况、对教师队伍精准画像提供一种全新的视角和路径，也为教师队伍的数字化治理和循证决策提供重要支撑。
教师培训投入机制改革迫切地需要基于大数据的循证决策支撑。以“国培计划”为例，自2010年实施以来已累计投入经费超过200亿元，各省的经费分配、省内各市县的经费分配等培训投入决策，长期以来主要是根据区域受训教师规模等大颗粒数据，尚未形成培训投入与成效产出的关联模型。构建区域培训绩效评估模型，依托教师数字化学习平台和教师管理信息系统的大数据和算法技术，将实现对省、市、区县各级教师培训成效的精准画像，建立培训投入与成效产出的强关联模型，从而为各级教师培训投入分配等重要决策提供更全面、精准的证据支撑。同时，基于大数据分析进一步识别影响培训绩效的关键变量，或基于区域培训画像发现预警指标，这些变量或指标将作为衡量培训经费投入的重要参考，帮助决策者更好协调区域层面的培训经费配置。
教师培训与研修的发展经历了以授课方式促进知识技能增长的理论导向阶段和关注工作场所学习与实践反思的实践导向阶段，目前正在向强调构建教师个体经验与相关理论之间联系的知行融合阶段发展（Korthagen, 2017）。新时期教师培训模式改革创新需要探索线上培训、线下培训与基于工作场景的校本研修深层次地融合、相辅相成的混合式“研训一体化”模式，才能真正推动教师知行融合、能力发展。
学校作为承载具体培训任务的主体，既有选送教师参训的职责，也有组织教师开展校本研修、促进研训一体化、落实研训成果的职责，是实现研训一体化、解决教师培训“最后一公里”问题的关键。依托教师大数据和教育大数据实现对承训学校的精准画像，如学校教师的整体画像，校内各学科、各年级教师的精准画像，以及学校教学与管理的精准画像等，能够精准识别学校教师队伍建设的关键需求与重难点问题，识别教师的教学实践环境条件与规律，识别不同教师群体和个体的发展需求与风格偏好，等等。这些都能够有力支持培训模式的设计，为培训需求分析、活动设计、路径设计、支持设计、评价设计等提供决策依据，从而促进培训模式的有效创新和改革落地。
教师培训是一个复杂系统，主体多元，在项目管理层面往往主要关注受训教师、受训机构、培训组织机构等主体（李宝敏, 等, 2017; 夏海鹰, 等, 2021），然而在区域治理层面还要关注培训主管部门。省、市、区县各级主管部门负责培训政策的上传下达和实施落实，负责制定地方培训政策，进行培训的顶层设计和评估监管，等等，对于区域培训质量起着至关重要的作用。构建区域培训管理评估模型，或者将其作为区域培训绩效评估模型的子模型，基于大数据分析能轻松实现对各级教育主管部门的精准画像。例如，精准呈现不一样的区域教育主管部门在政策落实、组织管理、投入支持等方面的优劣差异，或同一区域不同学科间培训管理与绩效的差异，等等。对各级主管部门进行精准画像，一方面能够为上层管理机构的决策提供更全面、精准的参考是依据，另一方面能够为主管部门的自我诊断与优化改进提供决策依据。
如前所述，如何将我国规模庞大、结构较为复杂、差异巨大的基础教育教师队伍建设成一支高素质、专业化、创新型的教师队伍，是当前基础教育教师队伍治理面临的挑战。目前，一年一度的教育事业统计提供了国内各级各类教师在规模、类型、学科分布等方面的基本数据，但这一些数据仍是静态的、粗粒度的。教师队伍治理改革需要更加实时、动态、细粒度、精准的数据来支撑教师队伍建设的循证决策。
基于教师培训数字化与大数据分析，能轻松实现对各级各类各区域教师的精准画像，为教师队伍建设、教师资源流转和预警等重要决策提供证据支撑。例如，通过对各学科受训教师进行画像与对比分析，可以比较全国或全省不同学科间教师培训成效的差异；通过对各地区各学科教师的精准画像与对比分析，可能会发现某个县市某个学科的教师专业发展具有示范引领价值，也可能会发现需要对某个县市某个学校某个学科的教师培训进行预警，等等。最终经过数年的数据积累与模型迭代，将能够绘制基于大数据的各地区、各学科、各类别教师专业发展曲线图，在时间和空间等多维度上形成更加全面、立体、动态的教师队伍精准画像，同时也能够从不同维度、不同层面分析挖掘教师队伍发展规律，为教师队伍治理决策提供有力的证据支撑。
数字时代基础教育教师培训供给侧改革的一个重要路径是依托教师培训与教师队伍治理的数字化转型（见图1）。这种转型可能包括四个阶段：
阶段一是教师培训资源的数字化。不一样、层次、颗粒度的数字化资源和碎片云形成更充分、更灵活、更优质、更精准的资源供给，也为教师培训数字化奠定基础。
阶段二是教师专业学习的数字化。为老师提供线上线下、灵活弹性、多样化的学习服务，既可以是结构化的系统培训，也可以是教师自主选择的资源学习，或是基于推荐资源的研修，等等，同时实现生成性资源的迭代更新。
阶段三是培训服务的数字化。通过教师培训全流程的数字化，使得面向过程的诊断性评价和优化改进成为可能，让培训服务更可控、更全面、更高效、更精准。
以上是教师培训数字化转型的三个阶段，通过三个阶段中对教师的伴随式数据采集，将共同形成以教师培训为基础的教师信息数据“基座”。
阶段四是教师队伍治理的数字化。通过教师培训与教师管理等有关数据的互联互通，建设形成“教师数字驾驶舱”，实现对教师全周期、多维度、深层次、宽领域的伴随式数据采集与业务信息展示。通过对区域培训、参训学校、主管部门、教师队伍等的精准画像，实现全面、实时、动态、精准的教师业务宏观分析，为教师培训和教师队伍建设的循证决策与顶层设计提供支持。
我国拥有一支庞大的基础教育教师队伍，基础教育教师是学生的引路人，是基础的基础、先导的先导。面对百年未有之大变局、新一代信息技术革命和新型冠状病毒肺炎疫情所带来的诸多挑战，基础教育教师培训供给侧改革的一个重要路径是充分的发挥教育大数据这一新生产要素的动力引擎作用，促进中国特色教师培训体系在数字化时代进一步升级改造、流程的优化再造，为高质量教师队伍建设发展融入新的活力。同时，推动教师队伍的数字化治理，更加全面、实时、动态、精准地支撑国家对教师队伍建设的宏观分析、循证决策与顶层设计。在新一代技术革命与当下教育数字化战略的共同助力下，基础教育教师培训供给侧改革将更好地应对新时代新形势新要求，实现教师培训培养体系创新发展，加快造就党和人民满意的高素质、专业化、创新型教师队伍。
陈向明，王志明. 2013. 义务教育阶段教师培训调查：现状、问题与建议[J]. 开放教育研究，19（4）：11-19.
单俊豪，闫寒冰. 2022. 教育新基建赋能数字化教师培训资源建设[J]. 现代教育技术，32（3）：32-41.
冯晓英，郭婉瑢，黄洛颖. 2021. 智能时代的教师专业发展：挑战与路径[J]. 中国远程教育（11）:1-8.
冯晓英，宋琼，吴怡君. 2020. “互联网+”教师培训与专业发展：深度质量评价的视角[J]. 开放学习研究，25（3）:1-7.
何泳忠. 2014. 改革教师培训模式 促进教师专业化发展[J]. 教育研究，35（1）：150-153.
李宝敏，闫寒冰. 2017. 基于CIPP评估模型的教师远程培训质量评估：一项案例研究[J]. 教育发展研究（18）：30-36.
李江，夏泽胜. 2020. “互联网+”时代的教师培训：模式更新、价值证成与行动路径[J]. 教师教育研究，32（4）：38-44.
刘建银，肖未. 2021. 教育循证决策的起源、内涵及其展望[J]. 重庆电子工程职业学院学报，30（5）：64-70.
孙宝华. 2021. “百年未有之大变局”的背景、内涵与因应[J]. 党政论坛（2）：44-48.
王超超. 2017. 教师培训质量评价指标体系框架的构建[J]. 教学与管理（10）：55-57.
王定华. 2020. 新时代我国中小学教师国培的进展与方略[J]. 全球教育展望，49（1）：54-61.
魏景容. 2020. 大数据时代循证决策研究：一个分析框架[J]. 中国科技论坛（7）：24-32.
魏心. 2009. 论中小学教师培训效果的评价[J]. 教学与管理（12）：29-30.
翁伟斌. 2020. 教师培训走向何方：对教师培训的审视[J]. 上海师范大学学报（哲学社会科学版），49（3）：73-82.
夏海鹰，黄遵红. 2021. “国培计划”项目质量评价OTP指标体系构建研究[J]. 现代教育管理（9）：56-65.
徐建华. 2016. 大数据时代教师培训效果评价方式转型[J]. 中小学教师培训（7）：6-8.
杨烁，余凯. 2019. 我国教育政策循证决策的困境及突破[J]. 国家教育行政学院学报（10）：51-58.
余新. 2010. 有效教师培训的七个关键环节：以“国培计划—培训者研修项目”培训管理者研修班为例[J]. 教育研究，31（2）：77-83.
张二庆，王秀红. 2012. 我国教师培训中存在的主体问题及其分析：以“国培计划”为例[J]. 湖南师范大学教育科学学报，11（4）：36-39.
任友群，博士，研究员，博士生导师，华东师范大学课程与教学研究所（200062）。
冯晓英，博士，教授，博士生导师，北京师范大学学习设计与学习分析重点实验室主任（100875）。
何春，助理研究员，中国教育科学研究院教育统计分析研究所（100088）。
