对确定的目标数据进行采集。由于智慧课堂的用户操作行为种类多且分散，本文将原始课堂行为序列按照6类间接教学情境分类，然后进行标准化，形成特征数据。数据预处理阶段需要对数据进行异常值处理以及简单的数据变换，主要对教师的无效操作数据进行剔除。例如：如果教师教学行为序列中某一活动的驻留时间小于N（0.5min）或者超过N（30min），则代表这不是教师所实施的有效活动，即教师可能在教学操作过程中出错或教师可能离开这个教学操作，需要将该操作从教师教学活动列表中剔除。
早先国内外对于教育数据挖掘的应用研究主要聚焦于在线学习或学习结果数据的挖掘，关注学生发展，对学生的行为表现、学习偏好等内容进行评估，因为访问学生日志的数据和学习成绩数据更容易自动获取和分析，如利用数据挖掘工具对在线开放课程学习者的过程和行为数据进行采集与聚类分析，发现不同群体的学习行为与学习效果之间存在密切相关性[13]。而近年来人们越来越意识到教师数据对于改善教学设计的重要价值，教师教学数据挖掘逐渐成为教育数据挖掘领域最新的发展方向[14]。McKenney收集教学过程中的数据进行教学实证研究，表明教学挖掘有利于帮助教学和学习，是一个非常有潜力的领域[15]。更有一部分学者深入探讨了大数据对教师表现的影响研究，关注分析教育系统中的行为数据，以探索课堂教学模式的应用及效果，进一步评估和改进教师表现。陈俊强等人通过定量与定性相结合的分析方法，对大数据背景下科学课教师的教学行为进行了探讨，全面剖析课堂存在的教学问题，有效促进教师改进课堂教学行为[16]。与之不同的是，李淼浩在对教学行为大数据分析的基础上，融入了教学模式和课堂效率的评价，帮助教师清晰审视教学方法的合理性，有益于实现教学能力的自我提高[17]。此外，还有学者针对特定的智慧课堂环境中产生的教学数据进行挖掘分析，包含师生的行为互动数据和表现数据，并以此构建了完整系统的智慧课堂学习行为分析框架[18]；孙曙辉提出了智慧课堂数据挖掘分析的四类应用模式，最后基于真实数据探讨了学生主观行为对成绩的影响分析应用案例[19]；除关注智慧课堂学生群体的行为分析外，有学者还基于智慧课堂教师教学行为数据，寻找不同教师群体及其教学行为的关系[20]。不难发现，现有研究多采用传统的分析方法，关注课堂教学呈现的显性数据，对自动采集的海量教师行为数据分析利用较低，尚不能深入对教学过程性数据进行全面挖掘分析，需要提出一套系统集成的技术方法来挖掘分析过程性的教师行为数据。
智慧课堂教师行为数据的分析方法与应用验证云计算、大数据和学习分析等新一代信息技术融入教育教学全过程，智慧教育日渐兴起，并日益成为未来教育的发展趋势[1]。智慧课堂是智慧教育的典型教学应用，其迅速发展引发了教学环境的新一轮变革，为教师创新教学模式、转变教与学方式、提升专业发展水平提供更多机会，也因此对教师的专业发展提出了更高的要求和标准。其中，数据素养已成为当下任何教师都必须具备的核心专业能力，具体表现为数据意识、数据处理与分析能力、数据决策能力、数据交流与评价能力等。对于教师而言，采用数据驱动的精准教学模式，对课堂进行全样本、全过程分析，透视隐藏在数据背后的教学特征，能帮助教师对自身教学行为进行有效反思，提升专业发展能力。
我们也正在创建研究中心。现在的教师将会再工作30年，重要的是，新教师要真正专注于教学和职业发展。例如，每所大学的博士生名额都有限，新上任的助理教授常常要争取博士生名额。我们的做法是为青年教师提供有竞争力的薪资，要求他们每学期开设一门课程，并以教学水平和国际专家的专业认可作为晋升标准。另外，我们认为不应该只根据论文发表数量获取推荐信，而应该问推荐人这样几个问题，比如“这位教员做了哪些事？为什么这些事很重要？”。
此外，在今天的开班典礼上，还有两位高校教师代表讲述了自己与传智播客的渊源。其中，邢台职业学院的王海宾老师表示：作为高校IT教师，为了把最前沿的IT技术教授给学生，就需要不断更新教师自身的知识库，而传智播客的教材不仅实战性强，而且还能符合当下高校向应用型大学转变的方针。所以，在邢台职业学院的软件专业中有30%的教材都来自于传智播客。
