tpack理论知识：TPACK进化的数据基础
tpack理论知识：TPACK进化的数据基础三、数据是TPACK进化的基础设计和开发一款信息化教育产品，将教师的实践经验以数据的方式留存下来，通过一定的知识可视化和数据挖掘方式，将数据形态的经验组织起来，在此基础上进行研讨性的反思，不仅有利于教师TPACK知识发展，也能基于研讨和反思改进教育产品的设计，从而优化教育产品的TPACK融合设计，提升智能程度。教育产品的TPACK进化机制，是指在一个教育产品原型基础上，依托教师TPACK实践所形成的数据型反思，形成更科学的教师TPACK知识，加上必要的研讨，以改进教育产品TPACK设计的过程，其基本公式为：产品TPACK=TPACK实践 数据 反思 研讨=教师TPACK plus 研讨。其中教师TPACK plus是基于数据的实践性反思，相对于依靠经验的TPACK知识而言，更加科学理性。这种教师TPACK知识，有共同的产品使用经验和数据基础，利于教师之间的研讨，发展进化的指向性也更强。不足
一、TPACK及其应用范围的拓宽
TPACK是Technological Pedagogical Content Knowledge的首字母缩写，即整合技术的学科教学法知识，是美国学者科勒（Koehler）和米什拉（Mishra）于 2005 年在舒尔曼（Shulman）提出的学科教学知识PCK的基础上提出的。
TPACK 框架包含七个要素。包括三个核心要素，即学科内容知识（CK）、教学法知识（PK）和技术知识（TK）和四个复合要素，即学科教学知识（PCK）、整合技术的学科内容知识（TCK）、整合技术的教学法知识（TPK）、整合技术的学科教学知识（TPACK）。最后一个复合要素TPACK才是TPACK框架最核心的部分。
TPACK模型图
TPACK原本是描述教师整合技术的学科教学法知识，其实也可以描述教育产品的技术-内容-教学法融合水平，因为教育产品也是由教育工作者设计出来的，是教师TPACK知识的集中体现和智能的外化。由此看来，TPACK的应用范围可以从描述、刻画和评价教师知识拓展到评价融媒体教材、智能教学系统之类教育产品的融合或智能程度。
二、TPACK进化的机制
不管是教师还是教育产品，TPACK能力都不是一蹴而就的，会有一个发展和进化的过程。教师的TPACK知识是在不断积累教学信息化实践经验基础上，经过必要的反思总结形成的，其基本公式为：TPACK知识=TPACK实践 反思。TPACK实践的内涵非常丰富，包括设计、开发、实施等相关环节的经验，但是零散的实践经验，很少有人会记得住，更难系统地组织起来，基于零散经验的反思是不够深刻的。因而单纯依靠经验的TPACK知识进化过程是比较缓慢的。
设计和开发一款信息化教育产品，将教师的实践经验以数据的方式留存下来，通过一定的知识可视化和数据挖掘方式，将数据形态的经验组织起来，在此基础上进行研讨性的反思，不仅有利于教师TPACK知识发展，也能基于研讨和反思改进教育产品的设计，从而优化教育产品的TPACK融合设计，提升智能程度。教育产品的TPACK进化机制，是指在一个教育产品原型基础上，依托教师TPACK实践所形成的数据型反思，形成更科学的教师TPACK知识，加上必要的研讨，以改进教育产品TPACK设计的过程，其基本公式为：产品TPACK=TPACK实践 数据 反思 研讨=教师TPACK plus 研讨。其中教师TPACK plus是基于数据的实践性反思，相对于依靠经验的TPACK知识而言，更加科学理性。这种教师TPACK知识，有共同的产品使用经验和数据基础，利于教师之间的研讨，发展进化的指向性也更强。不足之处在于它依赖于教育产品原型。如果这个产品原型设计存在方向性错误，或者数据采集不全面、分析能力不足，那么这种进化就可能朝错误的方向发展，至少找不到进化方向。
三、数据是TPACK进化的基础
在信息化教育产品没有方向性错误的前提下，数据就是TPACK进化的基础，不管是对教师还是对产品而言，都是如此。
如何在教育产品中埋点，采集数据，是TPACK进化的基础性工作。一开始数据分析大都是由人工进行的。人工分析数据的优点是对数据的内涵和意义能够充分解释，数据分析结论可解释性好，缺点是能够进行数据分析量上不来，且有能力分析、理解数据的教师很少。在通过人工数据分析和理解，获得相对确定性的结果之后，利用半自动有监督的算法进行数据分析和挖掘，为教师反思教学和教育产品改进的研讨提供可理解的支持性信息。
不过，数据采集与数据挖掘之间的关系，是个不小的问题。全部可能的数据采集点都埋上，还是根据进化方向来埋点，是个复杂的问题。全部埋点，有利于探寻任何可能都进化方向，但是会降低教育产品的运行效率。如果根据预设的进化方向来埋点，会提高运行效率，但是如果预设方向有偏差，那么就需要重新修改产品的数据采集点。怎么埋点才能实现效率和效果的平衡，就涉及到前期TPACK融合方向的理论分析准确性。
总之，数据采集、分析和挖掘，是教育产品TPACK进化的基础，基于TPACK实践经验、数据和理论模型的反思与研讨，是教育产品智能性进化的关键。
