教師網(wǎng)絡(luò)研修學(xué)習(xí)倦怠預(yù)警模型構(gòu)建及應(yīng)用研究

朱珂 聞昕 張夷楠

（1.河南師范大學(xué) 教育學(xué)部，河南 新鄉(xiāng) 453007； 2.華中師范大學(xué) 人工智能教育學(xué)部，湖北 武漢 430079）

引言

《教育信息化2.0行動計劃》提到要堅持信息技術(shù)與教育教學(xué)深度融合，教育信息化要體現(xiàn)網(wǎng)絡(luò)化、數(shù)字化、智能化、個性化、終身化?！吨袊逃F(xiàn)代化2035》指出要培養(yǎng)建設(shè)高素質(zhì)專業(yè)化創(chuàng)新型教師隊伍，夯實教師專業(yè)發(fā)展體系，推動教師終身學(xué)習(xí)和專業(yè)自主發(fā)展，強化職前教師培養(yǎng)和職后教師發(fā)展的有機銜接；要加快形成現(xiàn)代化的教育管理與監(jiān)測體系，推進管理精準(zhǔn)化和決策科學(xué)化。如何利用人工智能手段精準(zhǔn)助推教師專業(yè)發(fā)展已經(jīng)成為亟待解決的重要問題。

教師由于職業(yè)的特殊性，需要不斷掌握復(fù)雜的教學(xué)技能、教學(xué)知識，因此教師自身有迫切的專業(yè)發(fā)展需求[1]。網(wǎng)絡(luò)學(xué)習(xí)因其打通空間阻斷、快速傳遞信息等優(yōu)勢而成為教師研修的第一選擇。新的學(xué)習(xí)場景帶來了新的問題，網(wǎng)絡(luò)研修作為一種在線學(xué)習(xí)形式，在缺乏對學(xué)習(xí)者實時反饋、調(diào)節(jié)的狀態(tài)下，極有可能催生教師的學(xué)習(xí)倦怠心理[2]。在線學(xué)習(xí)者的學(xué)習(xí)倦怠心理一旦產(chǎn)生很難被發(fā)現(xiàn)，且可能比參與線下研修的教師更早進入拒絕階段[3]。因此，能夠及時判斷影響教師學(xué)習(xí)情緒的因素，適時調(diào)控學(xué)習(xí)倦怠者的情緒，對于保障教師網(wǎng)絡(luò)研修的學(xué)習(xí)質(zhì)量更加重要。有研究者發(fā)現(xiàn)：通過信息技術(shù)手段分析在線學(xué)習(xí)中的文本數(shù)據(jù)可以有效挖掘?qū)W習(xí)者的隱含學(xué)習(xí)特征。近年，在學(xué)習(xí)倦怠的相關(guān)研究中，研究者關(guān)注的對象主要為參與學(xué)習(xí)的學(xué)生，很少有研究者探討教師作為學(xué)習(xí)者參與研修時的學(xué)習(xí)倦怠問題。

基于此，本研究希望利用文本挖掘技術(shù)構(gòu)建教師網(wǎng)絡(luò)研修學(xué)習(xí)倦怠預(yù)警模型。通過數(shù)據(jù)分析，實現(xiàn)及時發(fā)現(xiàn)教師學(xué)習(xí)倦怠心理的影響因素，快速尋找教師學(xué)習(xí)倦怠心理發(fā)展的規(guī)律，為研修管理者提供數(shù)據(jù)支持服務(wù)，從而保障教師網(wǎng)絡(luò)研修的質(zhì)量。

一、概念界定及技術(shù)基礎(chǔ)

（一）教師網(wǎng)絡(luò)研修學(xué)習(xí)倦怠概念界定

近年，研究者發(fā)現(xiàn)部分教師在職業(yè)發(fā)展的道路上由于受到內(nèi)部心理或外部環(huán)境的影響而出現(xiàn)職業(yè)倦怠的問題[4]。教師有終身學(xué)習(xí)和專業(yè)發(fā)展的需求，教師研修學(xué)習(xí)是教師專業(yè)發(fā)展的必經(jīng)之路，也是教師接受教育的重要途徑之一。在這種境況下，教師不僅僅是知識的傳授者，更是終身學(xué)習(xí)的踐行者[5]。教師不僅僅會受到職業(yè)倦怠的困擾，在參與研修時也會受到學(xué)習(xí)倦怠的影響。教師參與研修時產(chǎn)生的學(xué)習(xí)倦怠不同于教師的職業(yè)倦怠，二者成因大不相同，但是二者都會對教師專業(yè)發(fā)展形成阻礙。

學(xué)習(xí)倦怠是學(xué)習(xí)者因為長期的課業(yè)壓力或負荷而精力下降，從而對課業(yè)持負面態(tài)度，對學(xué)校課業(yè)及活動的熱忱逐漸消失。學(xué)習(xí)倦怠是一種學(xué)習(xí)者普遍存在的消極心理現(xiàn)象，其發(fā)展具有連續(xù)性，一般會經(jīng)歷認識、低興趣、倦怠、拒絕四個階段。當(dāng)學(xué)習(xí)者進入拒絕階段時，任何形式的教學(xué)干預(yù)都無法轉(zhuǎn)變其態(tài)度[6]。

（二）Word2Vec詞向量相關(guān)研究

詞向量是指通過向量化的方式[7]，將詞語映射在向量空間中，以向量的形式表征詞語的含義及詞語之間的關(guān)系。目前，生成詞向量的方法主要依賴于一個核心思想：任意一個詞語的含義都能通過它周邊的詞語來表示，即任意一個詞語的周邊詞語限制了該詞語的含義。

隨著機器學(xué)習(xí)技術(shù)的發(fā)展，Word2Vec作為文本挖掘領(lǐng)域的新星，在文本分析領(lǐng)域發(fā)揮出重要作用。鄧君等通過Word2Vec結(jié)合支持向量機分類器的方法構(gòu)建了情感分類模型，探究微博網(wǎng)民對于輿情熱點的情感時序變化情況[8]。

（三）情感分類理論及情感計算相關(guān)研究

情感和情緒是指人對于客觀事物的主觀反映和心理、行為反應(yīng)。人的情感被劃分為正向情感、中性情感以及負向情感。近年，研究者利用情感計算方法挖掘用戶在線討論中的情感信息，對在線用戶的文本討論進行了情感分類、標(biāo)記、分析等工作。李慧認為情感是影響學(xué)習(xí)者認知和行為的關(guān)鍵性非智力因素，針對在線學(xué)習(xí)者的話語文本進行了語句級的多級情感分類并構(gòu)建了面向?qū)W習(xí)體驗文本的情感分析模型，為教學(xué)設(shè)計提供了有效的支持[9]。在教師網(wǎng)絡(luò)研修社區(qū)中，教師通過在線討論傳遞個人學(xué)習(xí)期望、學(xué)習(xí)收獲等信息，這些討論在一定程度上也蘊含了個人情感[10]。若能在遵循教師在線話語的語義規(guī)則的基礎(chǔ)上構(gòu)建情感計算方法并抽取教師話語中隱含的情感信息，便可有效地獲取教師參與學(xué)習(xí)時的情感狀態(tài)。

二、研究設(shè)計與方法

（一）研究設(shè)計

本研究模型如圖1所示。模型分為三個階段，在數(shù)據(jù)獲取與處理階段，通過爬蟲方法獲取教師討論帖，并完成數(shù)據(jù)預(yù)處理工作。在數(shù)據(jù)分析階段，基于情感詞典對教師討論帖進行情感計算，得出討論帖的情感分值，并根據(jù)情感分值的正負判斷討論帖的情感極性。參考情感極性將討論帖劃分為積極情感數(shù)據(jù)集和消極情感數(shù)據(jù)集。分別對兩個數(shù)據(jù)集中的數(shù)據(jù)進行向量化處理，對訓(xùn)練好的詞向量進行降維聚類，實現(xiàn)對教師的積極情感特征詞匯和消極情感特征詞匯的聚類可視化，并從消極情感信息中抽取教師學(xué)習(xí)倦怠心理的成因。在數(shù)據(jù)可視化階段，對教師的消極情感進行時序演化分析，獲取教師學(xué)習(xí)倦怠心理發(fā)展的規(guī)律，為研修管理者在遵循教師學(xué)習(xí)倦怠心理發(fā)展規(guī)律的基礎(chǔ)上制定預(yù)防、減緩措施。

圖1 教師網(wǎng)絡(luò)研修學(xué)習(xí)倦怠預(yù)警模型

（二）研究方法

1.構(gòu)建教師網(wǎng)絡(luò)話語情感詞典

情感計算的首要步驟是構(gòu)建合理完善、具有針對性的情感詞典[11]。部分教師在參與網(wǎng)絡(luò)研修時發(fā)布的討論帖偏向口語化，并非寫作式話語。針對教師網(wǎng)絡(luò)發(fā)言的特點，本研究融合了中國知網(wǎng)等情感詞典（Hownet）。在融合之后的積極詞典的基礎(chǔ)上加入了“點個贊”“給力”“蠻不錯”等口語化詞語；在消極詞典的基礎(chǔ)上加入了“有點難”“就那樣”等詞語；在程度副詞詞典的基礎(chǔ)上加入“very”“so”“more”等英文詞語。經(jīng)過合并和處理之后的情感詞典包含了中文正面評價詞語8656個、中文負面評價詞語8893個、程度副詞219個、否定詞71個。

2.基于情感詞典的情感計算

情感計算方法可以有效地將教師學(xué)習(xí)過程中產(chǎn)生的話語情感數(shù)值化，情感數(shù)值的變化情況可以作為預(yù)測教師消極學(xué)習(xí)情緒的重要依據(jù)。本研究在觀察大量的教師網(wǎng)絡(luò)話語之后，發(fā)現(xiàn)教師參與網(wǎng)絡(luò)研修過程中的話語表達有一定的語義規(guī)則，教師熱衷于通過“強烈的程度副詞+形容詞”的方式表述自己的情緒，部分教師傾向于使用雙重否定來增強自己的情緒表達。因此，本研究在考慮程度副詞和否定詞的情況下構(gòu)建了情感計算方法，計算流程如圖2所示。

圖2 情感計算流程

設(shè)定每條評論數(shù)據(jù)的初始情感分值為0。將數(shù)據(jù)集與情感詞典進行比對，判斷數(shù)據(jù)集詞語出現(xiàn)在哪個情感詞典中，若出現(xiàn)在積極情感詞典中，則記為正；若出現(xiàn)在消極情感詞典中，則記為負；若句子中存在感嘆號，則記為“?1.5”；掃描情感詞語前是否存在否定詞，若存在否定詞則執(zhí)行“?（-1）”的加權(quán)指令；判斷情感詞語前是否存在程度副詞，若有程度副詞，則根據(jù)程度等級執(zhí)行加權(quán)操作。程度副詞等級加權(quán)如表1所示。

表1 程度副詞等級加權(quán)方法

3.Word2Vec向量化及T分布隨機近鄰嵌入

本研究依據(jù)數(shù)據(jù)集特點不斷調(diào)整Word2Vec模型參數(shù)，使用Skip-gram模型分別將積極情感集、消極情感集轉(zhuǎn)化為150維度的詞向量。針對生成的高維度詞向量，本研究采用T分布隨機近鄰嵌入（T-distributed Stochastic Neighbor Embedding, 簡 稱TSNE） 方 法 在Word2Vec生成的詞向量中抽取教師的隱含語義信息并實現(xiàn)數(shù)據(jù)可視化。通過不斷調(diào)整TSNE的參數(shù)使降維聚類的效果達到最佳化，隨后使用TSNE方法分別對維度為150的積極情感集和消極情感集的詞向量進行降維聚類，分別從積極情感集和消極情感集中保留80個數(shù)據(jù)結(jié)果，最后實現(xiàn)情感特征信息可視化。

4.教師消極情感時序演化分析

當(dāng)教師的網(wǎng)絡(luò)研修話語表現(xiàn)出負面情緒時則可以將教師列入低學(xué)習(xí)興趣階段的風(fēng)險用戶。學(xué)習(xí)倦怠心理的發(fā)展會對教師在復(fù)雜任務(wù)環(huán)境下的學(xué)習(xí)造成阻礙。對教師的消極情感的演化情況進行分析能夠快速掌握教師學(xué)習(xí)倦怠心理的變化規(guī)律，從而使研修管理者能夠迅速對教師學(xué)習(xí)倦怠問題做出反應(yīng)。

三、模型應(yīng)用

（一）數(shù)據(jù)來源及數(shù)據(jù)處理

1.數(shù)據(jù)來源

本研究的數(shù)據(jù)來源于2020年某大學(xué)附屬中學(xué)為主導(dǎo)的大型教師工作坊關(guān)于“教師如何做教學(xué)研究”的主題研修活動，通過爬蟲方法獲取了自2020年3月11日至2020年12月30日（第11期研修至第20期研修）的教師學(xué)習(xí)數(shù)據(jù)，包括發(fā)帖內(nèi)容、發(fā)帖時間、研修期數(shù)。發(fā)布帖子的學(xué)習(xí)者均為一線教師。在研修期間教師可以按照自己的喜好或關(guān)注點進行交流互動，討論內(nèi)容較為多樣化。討論主要反映了一線教師關(guān)于課程的真實想法、學(xué)習(xí)的收獲、學(xué)習(xí)之后的心得體會等。

2.數(shù)據(jù)處理

首先對數(shù)據(jù)進行去重、降噪，刪除了20字以下的帖子。經(jīng)過數(shù)據(jù)預(yù)處理之后保留的帖子共計1556條。因中文有一詞多義、詞語之間缺少分割的特點，將其直接用于模型會導(dǎo)致生成結(jié)果出現(xiàn)偏差，影響模型的質(zhì)量[12]。為了降低數(shù)據(jù)誤差對模型的質(zhì)量造成的影響，本研究在現(xiàn)有的哈爾濱工業(yè)大學(xué)停用詞表的基礎(chǔ)上，整合了“搜狗輸入法”中教育領(lǐng)域的細胞詞庫，添加了教育教學(xué)相關(guān)詞匯。隨后在保證數(shù)據(jù)的原始語義無損的情況下將數(shù)據(jù)集進行詞語切分。

（二）情感特征詞匯分析

本研究將計算之后的結(jié)果按照情感分值進行劃分，得到了積極情感討論帖（情感分值大于0分）共1361條、消極情感討論帖（情感分值小于0分）共83條、無情感討論帖（情感分值等于0分）共112條。本研究以人工判斷的方法對計算結(jié)果進行了檢驗，最終確定積極情感討論帖數(shù)量為1342條，消極情感帖數(shù)量為102條，該情感計算方法的正負情感分類準(zhǔn)確度為81.4%。

本研究基于詞頻-逆文檔頻率(Term Frequency-Inverse Document Frequency，TF-IDF)方法抽取了積極情感集數(shù)據(jù)和消極情感集數(shù)據(jù)中的關(guān)鍵詞。為使簇類之間的分離程度更好，便于聚類結(jié)果分析，本研究不斷改變Word2Vec的維度以尋求最契合該數(shù)據(jù)集的維數(shù)，最終將Word2Vec的維度確定為150。隨后，使用Word2Vec將關(guān)鍵詞轉(zhuǎn)化為150維度的詞向量，最后采用TSNE方法將詞向量映射至二維并完成聚類。

通過分析教師積極情感詞匯聚類反映的信息可知，在研修中，教師的積極情感的指向?qū)ο笾饕譃槿齻€簇類：（1）“聚類1”中的“課題”“講解”“形式”“案例”等詞語反映了教師討論研修課程中的講解內(nèi)容、教學(xué)案例、課程形式；（2）“聚類2”中的“受益匪淺”“授課”“新穎”等詞語說明了教師在學(xué)習(xí)的過程中分享了研修的收獲；（3）“聚類3”中的“感謝”“謝謝”“學(xué)習(xí)”“知識”等詞語說明教師表達了能夠參與研修的喜悅之情，并且認為研修很有成效，認可研修的方法。

通過分析教師消極情感詞語聚類反映的信息可知，在研修中，教師的消極情感的指向?qū)ο笾饕譃樗膫€簇類：（1）“聚類1”中的詞語反映了課程設(shè)置華而不實、大而空；（2）“聚類2”中的詞語反映了教師認為課程內(nèi)容費時費力，勉強能明白，但稍有不解便會感到困難；（3）“聚類3”中的詞語反映了三個問題：課程內(nèi)容存在難度，時間安排不夠充分，教師的現(xiàn)有學(xué)習(xí)水平不能一概而論。（4）“聚類4”中的詞語反映了兩個問題：教師學(xué)習(xí)力不從心，專業(yè)術(shù)語難以理解。

通過觀察計算教師討論帖的平均情感分值發(fā)現(xiàn)：當(dāng)教師把學(xué)習(xí)倦怠歸結(jié)于外因時，教師討論帖的情感分值最低，平均情感分值為-4.32；當(dāng)教師把學(xué)習(xí)倦怠歸結(jié)于內(nèi)因時，教師討論帖的平均情感分值為-2.27。由此可見，相較于教師自身出現(xiàn)的學(xué)習(xí)問題，外部學(xué)習(xí)環(huán)境更容易造成教師學(xué)習(xí)倦怠心理。

（三）教師網(wǎng)絡(luò)研修學(xué)習(xí)倦怠時序演化分析

1.消極情感時序演化

為了探究教師在研修中學(xué)習(xí)倦怠發(fā)展的規(guī)律，本研究對研修中教師討論帖中的消極情感集的情感分值進行了分析。

通過分析可知，教師的學(xué)習(xí)倦怠心理發(fā)展具有一定的規(guī)律：教師參加網(wǎng)絡(luò)研修時產(chǎn)生的學(xué)習(xí)倦怠具有明顯的周期性，呈現(xiàn)出多個“斷崖”。其中第13期至第14期較為典型，首先呈現(xiàn)出一個“長下坡”，隨后坡度驟降，最低值達到了-12。說明在該階段的初期，教師反應(yīng)的消極情緒較低且非常穩(wěn)定，但是到了后期，這種消極情緒未得到有效克制，導(dǎo)致消極情緒愈演愈烈。綜合來看，隨著每期研修的開展，教師表現(xiàn)出的消極情感都呈現(xiàn)出由弱變強的趨勢，印證了話語傳播理論，說明當(dāng)教師因種種原因表現(xiàn)出學(xué)習(xí)倦怠心理時，研修管理者未對此問題進行過多的關(guān)注和干預(yù)，也并沒有及時采取有效反制學(xué)習(xí)倦怠心理的措施，導(dǎo)致部分教師群體在每期研修開始之后再次產(chǎn)生學(xué)習(xí)倦怠心理。

2.突出時間節(jié)點教師情感分析

由于第13期至第14期（2020年6月至2020年7月）階段在圖3中反映的消極情緒變化情況較為突出，因此本研究將該時期作為突出時間節(jié)點并抽取了該時期的全部帖子作為研究數(shù)據(jù)，共計726條。按照發(fā)帖的時間順序排列帖子，檢測為積極情感帖子時，情感走向在x軸移動1個距離，檢測為消極情感帖子時，情感走向在y軸移動1個距離，以此為依據(jù)繪制了教師情感走向圖，并基于發(fā)帖日期將數(shù)據(jù)劃分為前期和后期，如圖3所示。

圖3 突出時間節(jié)點教師情感走向

由圖3可見，前期教師討論中表現(xiàn)的積極情感非常穩(wěn)定，且這種積極情感具有明顯的持續(xù)性，隨后教師的情感出現(xiàn)變化，開始表現(xiàn)出消極情緒。后期前段，情感明顯消極，線條呈現(xiàn)出上升趨勢，且教師的這種消極情緒具有持續(xù)性。后期中段，教師情感發(fā)生變化，再次呈現(xiàn)出穩(wěn)定的積極情感。后期尾聲，教師再次表現(xiàn)出消極情緒。整體來看，前期教師整體的學(xué)習(xí)情感較為積極。到了后期教師學(xué)習(xí)情感開始朝負向發(fā)展，說明此時教師已經(jīng)產(chǎn)生了學(xué)習(xí)倦怠心理。

3.教師學(xué)習(xí)倦怠心理數(shù)據(jù)可視化

本文將教師學(xué)習(xí)倦怠心理的嚴(yán)重性分為四種：無須預(yù)警、一般預(yù)警、中等預(yù)警、嚴(yán)重預(yù)警。隨機抽取某一學(xué)習(xí)小組中4名教師的6次連續(xù)討論數(shù)據(jù)，從教師的情感變化情況、情感紊亂程度（樣本方差）、情感總值三個屬性確定教師的學(xué)習(xí)倦怠心理嚴(yán)重程度。

由圖4（見下頁）可知，T32教師情感紊亂程度低、學(xué)習(xí)情感較積極，是較穩(wěn)定的積極情感貢獻者，但仍需適當(dāng)引導(dǎo)，提高其學(xué)習(xí)積極性，因此屬于一般預(yù)警狀態(tài)；T87教師情感紊亂程度適中，學(xué)習(xí)情感非常積極，是較穩(wěn)定的積極情感貢獻者，因此屬于無須預(yù)警狀態(tài)；T21教師情感紊亂程度低，學(xué)習(xí)情感消極，是穩(wěn)定的消極情感貢獻者，因此屬于嚴(yán)重預(yù)警狀態(tài)；T16教師情感紊亂程度非常高，且學(xué)習(xí)情感消極，是不穩(wěn)定的消極情感貢獻者，因此屬于中等預(yù)警狀態(tài)。

圖4 教師學(xué)習(xí)倦怠心理狀況

為了確定T16、T21教師出現(xiàn)消極情緒的原因，通過TF-IDF方法抽取了教師學(xué)習(xí)前期和后期全部已發(fā)表帖子的關(guān)鍵詞，按照TF-IDF權(quán)值由大到小進行排列并選取了數(shù)據(jù)中權(quán)重最大的5個詞語，如表2所示。

表2 突出時間節(jié)點TF-IDF關(guān)鍵詞

如表2所示，在前期T16教師討論話語的關(guān)鍵詞中，“豁然開朗”“有用”等多與課程評價有關(guān)；在T21教師討論話語的關(guān)鍵詞中，“培訓(xùn)”“增加”“知識”等多與學(xué)習(xí)收獲有關(guān)。在后期T16教師討論話語的關(guān)鍵詞中，如“專業(yè)術(shù)語”“專業(yè)名詞”“英文”“吃力”等多與研修內(nèi)容難度有關(guān)；在T21教師討論話語的關(guān)鍵詞中，“時間”“有限”等多與教師自身的學(xué)習(xí)投入時間有關(guān)。

從關(guān)鍵詞分析可以看出，T16教師前期的關(guān)注點集中在研修內(nèi)容上，后期的關(guān)注點轉(zhuǎn)移到了研修專業(yè)性強、個人能力不足的問題上。因此可以確定研修難度大、個人能力不足是引發(fā)T16教師出現(xiàn)消極情緒，造成學(xué)習(xí)倦怠的原因。T21教師前期的關(guān)注點集中在學(xué)習(xí)收獲上，后期的關(guān)注點轉(zhuǎn)移到了研修內(nèi)容難度提高、自身學(xué)習(xí)時間不足的問題上。因此可以確定研修難度的提高和學(xué)習(xí)時間緊張是引發(fā)T21教師出現(xiàn)消極情緒，造成學(xué)習(xí)倦怠的原因。

四、研究結(jié)論

本研究使用教師網(wǎng)絡(luò)研修學(xué)習(xí)倦怠預(yù)警模型實現(xiàn)了教師學(xué)習(xí)倦怠心理的自動化識別，結(jié)合學(xué)習(xí)倦怠心理形成的誘因與教師的消極情感特征，對近3年5000余名參與網(wǎng)絡(luò)研修教師的累計數(shù)據(jù)進行了分析驗證，得到了以下研究結(jié)論。

（一）教師學(xué)習(xí)倦怠更多來自課程設(shè)置和自身能力問題

通過分析聚類結(jié)果可以發(fā)現(xiàn)，課程內(nèi)容設(shè)置的不合理性是教師消極情緒誘因之一，會影響教師的學(xué)習(xí)情緒。多數(shù)教師將學(xué)習(xí)倦怠歸結(jié)于外因，認為研修的內(nèi)容并不適用于所有教師、專業(yè)術(shù)語太多、視頻案例不適用、時間安排過于緊張。研修管理者要重視課程的設(shè)置與安排，不宜在研修初期設(shè)置過難過重的研修任務(wù)，應(yīng)酌情選擇合適的教學(xué)課件。

教育研究者、實踐者與政策制定者普遍認為，教師的自我效能感是教師的一項基本特征，且與教師的教學(xué)實踐及教學(xué)質(zhì)量密切相關(guān)[13]。本研究的聚類分析結(jié)果證實了這一理論，當(dāng)教師處于自認為學(xué)習(xí)能力不足狀態(tài)時，易誘發(fā)學(xué)習(xí)倦怠心理。通過聚類結(jié)果分析，多數(shù)教師將學(xué)習(xí)倦怠歸結(jié)于內(nèi)因，認為自己能力有限、自身教學(xué)任務(wù)繁重，無法及時參與研修。研修管理者應(yīng)在研修過程中多給予鼓勵，適當(dāng)組織新手教師和熟練教師進行問題研討。

（二）教師學(xué)習(xí)倦怠多由外部環(huán)境造成

相比較內(nèi)部因素，外部環(huán)境帶來的壓力、教師對外部環(huán)境的不滿情緒等因素更容易造成教師學(xué)習(xí)倦怠心理。針對這一問題，管理者不能一味地追求研修進度而忽視對教師學(xué)習(xí)情緒的關(guān)注，要合理控制研修的頻次和時長。此外，管理者應(yīng)在把握教師學(xué)習(xí)倦怠心理的發(fā)展規(guī)律的前提下，結(jié)合研修進度對研修做出調(diào)整：研修初期，教師表現(xiàn)出消極情感的概率相對較低，可以開設(shè)趣味討論以促進教師交流互動，營造良好的溝通氛圍，提高教師的研修參與度；同時管理者應(yīng)預(yù)估本次學(xué)習(xí)任務(wù)的難度，選擇是否提前安排預(yù)習(xí)任務(wù)。研修中期，針對出現(xiàn)學(xué)習(xí)倦怠心理的教師，可以通過調(diào)節(jié)研修內(nèi)容平滑度、調(diào)整時間不充裕教師的研修安排、適時降低研修難度以增加教師自信等一系列措施，在學(xué)習(xí)倦怠心理形成之前及時對學(xué)習(xí)倦怠心理進行干預(yù)。研修后期，將研修活動設(shè)計的重點放在促進教師的個人反思上，為學(xué)困生提供個性化研修指導(dǎo)。

（三）教師學(xué)習(xí)倦怠心理具有傳播性、持續(xù)增強性

教師研修中的學(xué)習(xí)倦怠發(fā)生在群體層面時，個體往往在群體的情緒體驗中逐漸趨于一致，進而聚合成群體情緒。在初期，部分教師可能只是在言語中摻雜了少量的負面情緒，這些情緒在一定程度上會對其他教師造成影響。一旦有教師產(chǎn)生消極情感，則會在一定程度上影響研修中其他教師的學(xué)習(xí)情緒。這種消極情緒會持續(xù)增強，且并不會隨著時間的推移而降低，若教師的消極情緒沒有得到及時的調(diào)節(jié)，則這種情緒會在教師群體中蔓延，教師學(xué)習(xí)倦怠心理會隨著研修進度的深入而發(fā)展。無論是何種原因?qū)е陆處焸€體產(chǎn)生學(xué)習(xí)倦怠心理，隨著研修任務(wù)增加、研修內(nèi)容難度增大，教師的學(xué)習(xí)倦怠心理都會進一步發(fā)展。

針對學(xué)習(xí)倦怠心理的傳播特性，管理者應(yīng)正確對待具有消極情緒的教師反映的問題，防止消極情緒擴散，并根據(jù)教師帖子反映的問題，適當(dāng)對研修中學(xué)習(xí)目標(biāo)的設(shè)計、學(xué)習(xí)任務(wù)的安排、學(xué)習(xí)資源的呈現(xiàn)形式進行調(diào)整，同時給予消極教師更多的學(xué)習(xí)鼓勵。

五、總結(jié)與展望

網(wǎng)絡(luò)研修更應(yīng)借助信息技術(shù)手段，在研修初期及時識別教師的學(xué)習(xí)倦怠心理并降低或消除不良誘因，這是干預(yù)學(xué)習(xí)倦怠的最佳策略。研修管理者可以時刻關(guān)注教師在研修社區(qū)中發(fā)布的討論帖，通過自動化的情感分析手段及時了解教師的研修狀態(tài)并對學(xué)習(xí)倦怠心理加以干預(yù)。

本研究通過情感計算、Word2Vec詞向量、TSNE降維聚類、消極情感時序演化分析構(gòu)建了教師網(wǎng)絡(luò)研修學(xué)習(xí)倦怠預(yù)警機制。該機制基于教師討論帖情感分值篩選出在研修時遇到困難的教師的帖子，通過抽取這些帖子反映的消極情感特征，分析了在研修中引發(fā)教師學(xué)習(xí)倦怠心理的主要因素，在一定程度上能夠幫助研修管理者及時了解教師學(xué)習(xí)情感變化與學(xué)習(xí)倦怠心理發(fā)展情況。

需要指出的是：本研究僅從學(xué)習(xí)倦怠中的情感因素出發(fā)分析了教師學(xué)習(xí)倦怠心理的影響因素，未來研究的重點是將教師的隱性情感和顯性行為結(jié)合起來，探究潛在的學(xué)習(xí)倦怠教師的普遍情感行為特征。研究計劃在未來探索基于編碼器—解碼器的雙向語言表征模型的情感分析在教師研修領(lǐng)域的具體應(yīng)用。