智慧课堂中个性化教学指导服务体系研究
来源:用户上传
作者:饶凯平 陆冷飞
摘 要：智慧課堂的出现改变了传统教学方式，将以教师的教为主体转变成为以学生的学为主体。教师导学，如何在有限的精力下因材施教，更精准地了解学生并指导学生学习成为关键。文章在智慧课堂中运用大数据、人工智能等技术，分析学生的学习行为，形成学生用户画像，建立个性化导学体系，提高了教学过程中的指导精准性，进而增强了学生的学习兴趣，获得更加优良的学习效果。
关键词：个性化教学;智慧课堂;大数据;用户画像
中图分类号：G434 文献标志码：B 文章编号：1673-8454（2020）24-0028-05
一、引言
“个性化教学，因材施教”从古至今都是教育者和教学研究工作者所认可遵从的教育思想。联合国教科文组织在《教育2030 行动框架》中强调：“教育应当致力于个性的全面发展”[1]。2018年《教育信息化2.0行动计划》和2019年《中国教育现代化2035》中都指出，在教育信息化背景下有利于实现教育对人才的个性化培养[2]。但在传统的课堂当中，多以教师为主体实施教学，教师没有时间和精力去深入了解并追踪每一位学生的实际情况，因材施教要实现起来非常困难。
近年来，随着移动互联网、大数据、人工智能、VR/AR及5G等信息技术的兴起，为教学带来了较多便利，各类依托信息技术的教学平台和教学手段如雨后春笋般涌出，如MOOC、SPOC、沉浸式学习、翻转课堂、微课等等。但海量的教育资源却很容易导致诸如“信息迷航”和“信息过载”等现象，其中以MOOC为代表的大规模开放式在线课程，建立了数量庞大的免费教学资源，但学习者想要找到适合自身的教学资源并不容易。如果单从学生主动发起搜索的角度出发来解决信息过载现象是远远不够的，教师凭借自身的教学经验能为学生推荐一些有针对性的资源，但要兼顾多数学生的需求，不能很好地满足学习者的差异化需求。
智慧课堂解决方案的出现，将大数据、人工智能和VR/AR等多种新技术融入教学过程当中，具有学习行为自动采集、智能感知学习环境、深度挖掘分析预测学生需求等特质[3]，从“人找资源”转变成“资源找人”，为学习者提供“私人订制”般的资源推送，让真正意义上的个性化学习成为可能。
从信息化角度来定义智慧课堂概念，是指在教育技术支持下，以培养学生个性化发展为目的，让学生在校的每个时间段都能体验全过程应用的智能、高效的课堂，使学生在轻松、愉快的环境下进行个性化学习[4]。本文结合信息技术和个性化教学理念，研究基于智慧课堂的个性化指导服务体系，贯穿课前、课中、课后，为师生提供动态开放的个性化教学指导及服务。
二、个性化教学研究现状及关键技术分析
1.智慧课堂及个性化教学国内外研究现状
在信息时代背景之下，国内外信息科学和教育管理领域的研究者对智慧课堂和个性化教学进行了大量的研究和探索，主要集中在智慧教学实现路径、个性化资源推荐、学习者特征建模以及大数据智能评估及预测几个方面。刘邦奇[5]提出了“三段十步”教学流程，“三段”指“课前、课中、课后”，“十步”指“学习分析、预习测评、教学设计、情景创设、探究学习、实时监测、总结提升、课后作业、微课辅导、反思评价”十个教学步骤，将十个教学步骤融入课堂的前、中、后，实现可持续发展的智慧课堂、学生个性化学习模式。Brusilovsky[6]等通过将课程进行排序标记，提出教育资源个性化推荐策略的实现路径。DeBra[7]等通过对学习者认知水平的探讨，构建针对不同认知水平的教育资源个性化推荐模型。林愿[8]提出了一种混合协同过滤的智能化推送服务算法，可结合学习者的动态行为数据，自适应更新推送服务算法。刘海鸥[9]等提出了一种基于大数据深度画像的学习伙伴匹配服务，可为课堂分层教学小组讨论提供智能数据支撑。郑阳平等[10]提出了静态和动态的学生学习行为建模的方法，通过建模公式对资源的需求权重进行调整，建立起了学生和资源之间的动态关联。
2.关键技术
智慧课堂所涉及的教育技术有很多，在整个教学进程当中，最关键点在于个性化资源推荐和智能教学决策，二者几乎贯穿了整个教学进程，现对其涉及的技术进行阐述。个性化资源推荐需要利用大数据技术记录用户产生的行为数据进行挖掘提炼，形成一个标签化的用户特征集合，建立深度用户画像，为提供个性化资源推荐服务提供强有力的数据支撑。具体而言，在学习者学习过程当中产生了大量非结构化数据，将这些数据进行结构化和标签化处理，提炼学情中关键语义特征，形成能够精准描述用户特征的集合，如同肖像画当中的轮廓、五官、神态一般，故称之为用户画像模型。用户画像能够在不同的场景之下，结合用户特征准确地预测其学习需求及发展趋势，从而为学习者智能推荐适合自身的个性化学习资源。
人工智能技术在对用户的数据分析、预测及决策方面与大数据技术相辅相成，利用神经网络、深度学习和各种机器学习算法，对大量学习者的学习行为、过程化学习数据和学习评价数据进行有监督机器学习，学习过程中不断更新机器学习参数，用户使用量越大，精确度越高。数据训练完成后，形成个性化学习路径模型，实时反馈学习者的学习状态和进度，通过该模型可以对学生进行智能监督预警，辅助教师去实现教学决策。同时为学生提供可参考的学习方案和学习指导建议。另外，在课堂实时交互及课后答疑过程中，利用人工智能中的自然语言识别技术识别语境、语义，为个性化资源推荐提供有效的数据支持。
三、个性化教学服务体系的架构
智慧课堂中的个性化教学服务体系架构分为教学进程和课堂角色两个维度，如图1所示，教学进程维度由课前、课中、课后三部分组成。而课堂角色维度由参与教学的角色组成，分别为教师、学生和智慧课堂所采用的智慧教学平台（例如科大讯飞的畅言课堂等）。 1.课前阶段
教师在平台中建课，可以采用线上已有的优质慕课或微课，也可以自制课程，并将学生导入到平台中，此时学生的用户基础数据随着名单一起进入平台，基础数据有很多学生的静态信息，如个人基本信息及学籍选课成绩等与学习相关的信息，依据这些静态信息初步建立学生的用户画像。学生在浏览课前资料时，平台自动记录其平均浏览时长，每个视频资源的播放总时长，暂停次数及位置、快进重播位置、评论、点赞数据以及学生与教师之间的答疑讨论等数据，多方面进行数据采集，对学生的认知基础、兴趣倾向、态度、思维特质、能力倾向性、学习水平和学习习惯等主要的个性化学习维度指标进行掌握，根据这些动态的指标更新画像，使得画像越来越精确。
让学生在课前完成对课时所涉及到的知识点的相应测评，并结合测评结果综合分析学生对知识的掌握情况，预判学生可能会遇到的问题，将学生掌握知识的情况分层（如第一层为基础知识尚未完全掌握，需继续夯实;第二层为基础知识已经掌握，需进行延伸拓展;第三层为熟练掌握并会举一反三，需进行实践升华等等），为课堂上的个性化资源推送提供有效的支撑和依据，生成个性化学习方案，同时将学习方案的摘要推送给教师。
教师可以根据实际情况，在学生完成课前提问答疑和评测后得到学习者的不同学习特征，此时可针对学习过程的动态变化来修正用户画像，使平台给出的推荐学习路径与学习者对教育资源的需求保持一致。教师可依据用户画像来提取针对性强的教学资源，设计的教学活动最大程度地贴合学生的需求，在教学实践过程中的每个节点都将个性化教学的属性最大限度地发挥出来，调整知识点的讲解策略和方案：重难点精讲，大多数学生都掌握了的知识点串讲，并且根据平台对学生的分层结果，制定不同层次学生的学习目标，以便进行知识基础夯实、分组协作、任务情境教学等教学策略的选择。
2.课中阶段
教师可以根据学习过程中那些频繁出现的问题进行划分，区分重点和难点，在课堂教学中运用教学技能有目的、有选择地穿插在其中。教师可以统计分析大多数学生遇到的问题，在学生疑点或关注比较多的地方，有针对性地提供相应的实践案例，让学生共同研究思考，发散学生的思维，提高学生主动解决问题的能力。
课堂上的个性化教学显然不可能对每一个学生都传授不同类型或程度的知识，课堂教学的优势无法得以体现。智慧课堂上的个性化资源推荐可采取一种折中的方案，从教学资源的群体性偏好角度出发，这样既考虑到了不同学习者的需求，也兼顾了课堂教学的集体学习特点。对于某个层次的学习群体进行画像归纳得出综合标签，进行群体个性化资源推荐，可以满足群体中绝大多数学习者的需要。
教师根据课前自学掌握到的学情进行分层，设定不同的情境去引导学生学习，还可以根据分层进行分组项目任务式探索学习，智慧教室的课桌可以随意组合，将同一小组的学生课桌拼在一起，增加学生的团队感，可更好地激发学习兴趣。不同层次的学生需要在课上达到的目标和效果不一样，如对基础知识点掌握不好的这部分学生，上课的目标就是将知识点消化。而对于已经掌握基础知识点的这部分学生，课堂上的目标就是熟练运用并能解决一些实际问题。
对于教师，首先推送的教学资源可选择在课前备课中准备好的资源，也可以根据教学进程的动态变化，实时从云端下载并且推送给学生，确保教学过程的动态贴合学生需求的特性，同时也展现了教师对教学活动的设计思路与思考。教师在什么情况下推送资源非常关键，在小组讨论或协作式学习的过程中，学生遇到无法自行解决的问题可以通过即时通讯软件将问题呈现给教师，教师可以根据学生学习的节奏适时地推送教学资源，避免填鸭式地灌输知识点，使学生在探索的过程中学到知识。
平台则通过学生浏览资源的平均速度、停留时长，对视频资源的浏览总时长、暂停次数、快进或快速定位频率等进行分析，并通过建模公式对资源的需求权重进行调整。同时学生对资源可进行打分，学生对资源的打分情况將更新资源的画像，再次调整从用户画像到资源画像之间映射关系的权重，在后续的资源推送中将会更加精确。
在课堂教学过程中，学生会实时遇到很多问题，可以先在平台中发起提问，平台中的智能问答引擎通过人工智能的自然语言识别技术，提取关键词分析语义、语境，以人机对话的形式，逐步为学生答疑解惑，这样能够解决大部分基础知识方面的问答。若仍然没有得到解决，可以发起师生答疑，智能答疑引擎替教师分担了很多课堂答疑工作。个性化教学需要学生有更多的主动性，而不是被动地接受知识。但是部分学生却缺乏学习的主动性，平台的学习监督功能可以帮助提醒学生，如课堂提问或讨论的频率较低，或对于资源的浏览进度过低时，平台认为学生的课堂热情和参与度不够，将通过终端主动提醒学生。
教师通过平台随时可发起实时训练，实时训练的形式多样，如普通的主观客观题、抢答题、弹幕、有奖问答题等，通过训练反馈报表了解学生对知识的掌握情况，依此对教学内容和进度进行微调。在课堂教学过程当中产生的所有学习行为数据平台都记录下来，如学生在哪里做笔记、在哪里停下、何时放弃以及课堂上的提问和讨论发言情况等。收集学生的学习行为数据后，运用大数据技术来分析处理和归类，得出学生对教学资源的需求方向，根据教学资源的标签以及学生的用户画像进行数据关联计算，根据学生的知识基础匹配某个学习群体对于某一类型的教学资源的需求契合度，并且借助人工智能的自然语言识别技术，分析教学资源的关键词、主题和标签的语义，建立教学资源之间的相关性，从而为不同的学习者提供个性化的教学指导。
3.课后阶段
在传统的教学观念里，教师能做的只有布置课后作业让学生完成，但智慧课堂中教师能做的还有很多，教师可根据平台数据判断学生掌握知识情况，有针对性地进行课后微课辅导。微课的资源可以从云资源库中获取，也可以自行录制，将微课推送到学生的手机或其他终端设备上，学生利用碎片化时间去完成微课的学习。此外，如在课堂上有些问题讨论得很激烈，但因课堂时间有限未能完成讨论的情况下，可以组织有兴趣的学生进行云课堂讨论，延续课堂教学的内容，亦可安排学有余力的学生帮助跟不上进度的学生进行辅导或讨论，帮扶的同时也巩固了自身的知识。 传统的课后作业所有人做同样的内容，无法符合所有学生的学习情况，智慧课堂的课后作业平台可根据学生的学习大数据情况自动生成，根据分层教学中不同层次，学生对应不同的巩固方案和课后复习资源，教师可以查看并根据实际情况对学生的课后作业进行调整。学生完成作业后，平台对作业进行自动批阅，错题推送给学生进行订正并推送同类变式资源让学生巩固知识，同时修正学习指导路径，最终结合学生线上掌握知识的情况和作业完成情况形成个性化错题手册，便于学生复习。
学生完成作业后，平台会根据学生从课前预习评测、课中提问讨论实时训练到课后作业完成情况，生成一份学生的单元学习报告，报告中提醒学生哪些地方需要加强，同时将后续的学习方案推送给学生，学习者能从中得知自己学习状态和资源应用情况，允许学生对自己的学习报告进行修正，如平台分析得出某知识点学生掌握得不好，学生可以发起修正，此时会进入到相应知识点的评测界面，如果学生能通过评测即可修正，如此建立动态、开放、智能的个性化学习指导服务体系。
在学生学习的过程中不断迭代更新数据，使用户画像一直紧密贴合学生的学习动向，并提供学习监督服务。学习监督服务是根据学习进程中的每一个节点设置相应的任务和目标值，通过对学生学习行为的分析更新用户画像，实时反应学生的学习情况，掌握学生的学习进程和状态，低于设定的值则适当地对其进行有效指导，如在教学过程中学生发言、交流等学习行为低于设定的值，则可认为学生存在学习消极懈怠的现象，教师可以根据实际情况提供适合用户学习风格的个性化干预方案，对学生进行相应的学业帮扶和指导，进而促使学生去主动学习，大幅度地降低因学习主动性不够而引起的一系列不良影响，提高学习效率和质量。
四、个性化教学指导服务体系的教学效果及优势
智慧课堂运用了众多信息技术，将信息技术与课堂教学紧密结合起来，能够符合绝大多数情况下师生的需要，可以适用于不同的学科、不同的教学心态及模式下进行的个性化教学设计，可以很好地实现因材施教的教学效果。
首先，在智慧课堂中，可全面提高师生在教学过程中的积极性，从而更好地实现个性化教学。在基于智慧课堂的教学活动中，结合了大量的人工智能与移动互联网方面的技术，优化了师生之间、生生之间的交流讨论方式方法，以更加丰富多样的形式满足了师生的交流需求。在传统课堂中往往是以教师教授知识为主，师生对话较少，而智慧课堂促进了师生之间的对话热情，改变了传统课堂当中教师一言堂的局面，增加了师生对话的渠道和动力。在课前、课中和课后都涉及到了师生的双向交流反馈与评价。可以观察到，无论是课前的反馈讨论，还是课上的小组协作交流，学生都会参与到相互之间的交流中去。另外，课堂上的实时训练有抢答题、弹幕、有奖问答题等多种形式的激励机制，无形当中增加了学生的交流动力，从而使课堂参与度较传统课堂有非常大的提升。
其次，个性化教学中使用分层教学的策略，通过多种形式进行分层，实践教学效果良好。智慧课堂中的个性化教学，不等同于在课堂上每个学生进行着各自完全不同的学习，分层教学是实现个性化教学的核心理念，大数据及人工智能技术为分层教学提供了数据支撑，几乎所有学科当中的课程都可以进行分层教学。如在大学物理课程当中，教师对学生进行分层，以概念、变式、应用三个维度来区分：第一层为基础概念尚未完全掌握，需继续夯实;第二层为基础知识已经清晰掌握，需进行延伸拓展，做一些同类变式;第三层为熟练掌握知识并会举一反三，需进行实践升华和生活应用。通过学生对知识掌握情况进行分层的方式最为常见，还有通过学生画像当中的学习兴趣、学习风格等特征进行分层。另外，还有在课后云课堂或习题训练当中，教师以学生的习题完成度进行分层等等。
总而言之，分层方式可以灵活地根据教学的实际情况、实际需要进行，不用拘泥于特定的形式，目的是满足个性化教学的需要。在个性化教学当中，分层教学模式的教学效果也是非常显著的。与此同时，对于不同层次的学生，用户画像中的特征不一样，平台对不同层次学生的资源推送情况也是不一样的，乃至课后习题生成、学习路径指导意见都不一样，体现了不同学生的学习差异性，能够在教师有限的精力下，兼顾学生的个体化差异，提高教学实效。
五、结语
个性化教学对于学生的个性和能力发展而言意义重大，智慧课堂是信息技术与课堂教学深度融合所产生的新的课堂教学模式，具有情境化、智能化、互动化等特点，让教与学的方式变得更加丰富，从而为个性化教学的开展提供了重要支持，更符合学生个性化学习的需要。智慧课堂让学习者结合自身的个性，形成自己解决问题的方法，同时还能充分发挥因材施教的特点，照顾到每一位学生，师生、生生之間相互交流，及时发现问题并解决，有效地提高了学习效率，从而达到个性化教学的目的。
参考文献：
[1]李学书，范国睿.未来全球教育公平：愿景、挑战和反思——基于《教育2030行动框架》的分析[J].比较教育研究，2016，38（2）：6-11.
[2]顾明远，滕珺.《中国教育现代化2035》与全球可持续发展教育目标实现[J].比较教育研究，2019，41（5）：3-9+35.
[3]蔡宝来，教育信息化2.0 时代的课堂教学变革：实质、理念及场景[J].海南师范大学学报（社会科学版），2019（4）：82-88.
[4]韩娜，吴华.基于智慧课堂环境的个性化学习[J].西部素质教育，2020，6（5）：126-127.
[5]刘邦奇.“互联网+”时代智慧课堂教学设计与实施策略研究[J].中国电化教育，2016（10）：51-56+73.
[6]Brusilovsky P，Millan E. User Models for adaptive hypermedia and adaptive educational systems[M].Berlin：Springer Germany，2007：87-110.
[7]Debra P，Stash N，Smits D，et al. Authoring and Management Tools for Adaptive Educational Hypermedia Systems：The AHA！ Case Study[M].Berlin：Springer Germany，2007：285-308.
[8]林愿.大数据环境下个性化学习与课堂教学策略研究[J].科教导刊（上旬刊），2018（9）：23-24.
[9]刘海鸥，刘旭，姚苏梅，等.基于大数据深度画像的个性化学习精准服务研究[J].图书馆学研究，2019（15）：68-74.
[10]郑阳平，王欣欣.信息化教学模式下的学习资源智慧推荐的研究[J].河北农机，2019（2）：42-44.
[11]刘海鸥，姚苏梅，黄文娜，等.基于用户画像的图书馆大数据知识服务情境化推荐[J].图书馆学研究，2018（24）：57-63+32.
[12]赵学孔，龙世荣.基于用户学习路径分析的教育资源个性化推荐研究[J].大学教育，2019（10）：107-110.
（编辑：李晓萍）
转载注明来源:https://www.xzbu.com/9/view-15374537.htm
