自适应学习对高职课程改革的思考

来源:用户上传      作者:

　　摘  要：分析了高职网络化课程教学的现状和存在的问题，介绍了自适应学习的概念，概括了当前自适应学习的国内外研究现状及取得的相关成绩，最后提出了自适应学习对高职课程改革的几点思考和实施步骤。
　　关键词：自适应学习  高职教育  网络课程  个性化学习
　　中图分类号：R71   文献标识码：A           文章编号：1672-3791（2019）05（a）-0102-02
　　目前，基于网络课程的高职教育蓬勃发展，但还存在着许多缺点与不足。自适应学习作为网络教育和人工智能结合的新事物应运而生，这种新的学习方式对实现因材施教、个性化教学具有重要的推动作用。
　　1  高职网络化课程教学现状
　　随着互联网的迅速发展，基于网络的在线学习受到社会和高校的广泛关注，也引发了一系列的教学模式改革的浪潮，如基于MOOC的教学模式研究、基于SPOC的教学模式改革等，在本科院校取得了不错的教学效果。与此同时，不少高职教育研究者也积极将在线学习引入到高职教育中，试图降低教师教学劳动强度、提高学生学习效率。然而，经过近些年的探索和实践，目前这种非智能的在线学习方式并没有取得理想的效果，似乎有在高职教育中“水土不服”的迹象。究其原因，主要是高职院校学生的学情不适应，高职学生学习基础个体差异巨大、学习主动性不强、学习自律性不高，从而导致了学生对目前的这种静态的、生产线式的在线学习方式兴趣不高，于是基于预设流程在线学习便失去了必要的前提。
　　2  自适应学习概念
　　自适应学习是一种复杂的、数据驱动的、非线性方法组织的学习方式。其学习内容与流程会根据学习者的交互及其表现水平而动态调整，利用人工智能技术预测学习者在某个特定时间点需要哪些学习内容和资源。
　　自适应学习方式是一种智能化在线学习形式，是人工智能与在线学习的一种结合体，其学习内容、实训环节、测试内容、答疑环节都是针对学生个体学习情况，智能化动态产生的，换而言之，自适应学习系统可以为每个学生定制出合适的学习方案。所以，运用这种新技术进行教学模式的改革和研究，对实现“有教无类、因材施教”的教育理念，对提高高职教育教学的效率和质量，具有十分重要的理论和现实意义。
　　3  自适应学习的国外研究现状
　　国外对自适应学习的研究较国内的研究要早，其中美国的研究开启了自适应学习研究的大门，起到了领头雁的作用。
　　美国对自适应学习的研究起源于匹兹堡大学，该校的ITEM是一套智能授导系统，由Brusi教授提出。该系统的创新之处在于可以支持学习与授导的智能整合，学生管理智能系统存储学生的大量学习记录，并采用人工智能技术，优化各类学习资源，用以适应每个学生的学习习惯和知识水平。
　　Rizzo是意大利国家教育研究委员，他提出的语义信息空间地图导航系统，思路是在相对封闭和或者开放的超级庞大的语料库空间中，使用人造地标和知识地图来进行导航。基于这种模式，研究团队开发了Knowledge-Sea系统来帮助用户在教学讲义与相关学习教程链接页面之间，以及多个课程相关索引链接页面之间进行跳转。
　　Hannover大学的Alrifai教授等人于2012年对欧洲人工智能项目TERENCE进行了较为深入的研究，并在此基础上提出了一套自适应学习系统的结构框架，并建立了用户和领域模型。
　　4  自适应学习的国内研究现状
　　国内对自适应学习的研究比国外起步要晚，但近几年对自适应研究的热度持续上涨，也取得了不少研究成果。
　　2008年，陈仕品、张剑平设计出了基于EAHAM模型（Enhanced Adaptive Hypermedia Application Model，增强适应性超媒体应用模型）的适应性学习支持系统的体系结构，该体系结构能够实现根据学习者在知识基础与认知风格等方面的个体差异提供适应性学习支持，并且使系统的实现具有良好的可操作性。
　　技术方面，赵蔚、姜强提出基于用户模型的个性化本体学习资源推荐，设计了基于GALSRM模型，并运用贝叶斯网络法挖掘网络学习行为，更新学习风格模型，使用协同过滤技术实现学习信息的动态适应推送，开发了面向“服务”视角的自适应学习系统（SOALS）。
　　自适应学習在某些专门领域已经出现初步的应用系统，国内的是猿题库，国外的有Knewton、SmartSparrow、Knowre、CogBooks、Declara。猿题库刚开始提供公务员题库、司法考试题库和考研题库，2013年开始进军中考和高考领域。Smart Sparrow主要聚焦于像科学、工程、医学这样的“通过实践来学习”的学科。CogBooks致力于企业培训和高等教育两块，故其无科目限制。Declara允许用户相互合作、共享资源，平台通过用户生成内容（UGC）的方式构成开放教育资源（Open Educational Resources，OER）平台。
　　人工智能在近几年掀起了研究和应用高潮，继2017年3月5日人工智能首次被写入政府工作报告，今年的3月5日它再次出现在《政府工作报告》之中。而且相比去年被提升到国家发展战略层面的待遇，人工智能在今年还被赋予协助国家经济增长与产业升级的重任。
　　为了抢占人工智能的制高点，国内外几家IT巨头争相推出各自的人工智能应用平台，从而让普通用户能快速便捷地使用人工智能技术，其中影响最大是谷歌公司推出的TensorFlow平台，TensorFlow平台以其功能强大且简单易用，使得人工智能的应用门槛大大降低，目前几乎已经成为人工智能和深度学习的应用标准。
　　Knowre是来自美国的一个功能较为齐全的自适应学习平台。Knowre人工智能自适应学习平台的架构，主要包括三大神经网络：第一，学习资源神经网络。该网络以学生对学习资源的评价为依据，对学习资源进行分析和聚类，实现对学习资源的优胜劣汰、动态有效分类。第二，学生聚类神经网络。以学习资源的利用情况为标准，对学生进行分析和聚类，目的是根据学生学习特点对不同学生进行精准分类。通过不断地学习和进化，以上两个网络将越来越得到优化。第三，学习策略神经网络。能根据教师的调整规律和学生的反馈信息，动态对学习策略进行分析和聚类，最终发育成能根据不同学生个体推荐出有效学习策略的强大人工智能。深度学习网络随着学习资源的不断丰富，学习者的不断增加，学习时间的不断累积，以上3个神经网络将越来越强大，给教师和学习者推荐的学习策略和学习资源就会越来越准确。 　　5  自适应学习对高职课程改革的思考
　　关于自适应学习的国内外研究取得了初步的理论成果，也推出了一些实践应用平台，但离高职的教学应用还有一定的距离，主要表现在以下两个方面。
　　第一，在自适应学习和高职教学模式结合的理论方面，由于其研究较少，尚未形成有共识的研究成果，在课程教学改革的实际应用中必将产生很多理论困惑。因此，急需对这种智能化的在线学习方式对高职教学模式的影响做好理论研究储备。
　　第二，在基于自适应学习的高职教学模式应用方面，缺乏从职业教育经验和职业教育实践角度开展大范围的实证研究。因此，也需要从新的视角开展相关研究。
　　6  基于自适应学习的高职课程改革的步骤
　　首先，通过研究自适应学习的内涵、结构和运行机制，归纳其课程和资源开发的规律;其次，通过研究目前高职课程教学模式的局限性，得到其不适应个性化学习的根本原因;再次，通过研究高职学生学习习惯、心理特征，并按照自适应学习的开发规律，对现有课程教学模式进行重新设计;最后，将新的教学模式进行教学试点，并及时总结和反复修改、校正，得到日趋完善的基于自适应学习的高职课程教学模式，最终实现高职课程的个性化学习，有效提高教学效率和教学效果。
　　参考文献
　　[1] P.Brusilovsky，C.Peylo.Adaptive and Intelligent Web- based Educational Systems[J].International Journal of Artifi-cial Intelligence in Education，2003（13）：159-172.
　　[2] P.Brusilovsky，R.Farzan，J.Ahn.Layered Evaluationof Adaptive Search[A].In Proceedings of Workshop on Evalua-ting Exploratory Search Systems[C].At SIGIR，2006.
　　[3] R.Farzan，P.Brusilovsky.AnnotatEd：A social naviga-tion and annotation service for web-based educational resources[J].New Review of Hypermedia and Multimedia，2008，14（1）：31-32.
　　[4] Wolf，C.Towards Learning Style-Based E-Learningin Computer Science Education[A].In Proceedings of the Aus-tralasian Computing Education Conference[C].Adelaide，Australia，2003：273-279.
　　[5] PapanikolaouK.A，GrigoriadouM，KornilakisH，et al.Personalizing the Interaction in aWeb-Based Educational Hypermedia System： The Case of In-spire[J].User-Modeling and User-Adapted Interaction，2003，13（3）：213-267.
　　[6] 黃伯平，赵蔚.自适应学习系统参考模型比较分析研究[J].中国电化教育，2009（9）：97-101.
　　[7] 姜强，赵蔚.自适应学习系统中用户模型和知识模型本体参考规范的设计[J].现代远距离教育，2011（1）：61-65.
转载注明来源:https://www.xzbu.com/8/view-14955605.htm