自適應學習對高職課程改革的思考

周國棟

摘 ?要：分析了高職網(wǎng)絡化課程教學的現(xiàn)狀和存在的問題，介紹了自適應學習的概念，概括了當前自適應學習的國內外研究現(xiàn)狀及取得的相關成績，最后提出了自適應學習對高職課程改革的幾點思考和實施步驟。

關鍵詞：自適應學習 ?高職教育 ?網(wǎng)絡課程 ?個性化學習

中圖分類號：R71 ? 文獻標識碼：A ? ? ? ? ? 文章編號：1672-3791（2019）05（a）-0102-02

目前，基于網(wǎng)絡課程的高職教育蓬勃發(fā)展，但還存在著許多缺點與不足。自適應學習作為網(wǎng)絡教育和人工智能結合的新事物應運而生，這種新的學習方式對實現(xiàn)因材施教、個性化教學具有重要的推動作用。

1 ?高職網(wǎng)絡化課程教學現(xiàn)狀

隨著互聯(lián)網(wǎng)的迅速發(fā)展，基于網(wǎng)絡的在線學習受到社會和高校的廣泛關注，也引發(fā)了一系列的教學模式改革的浪潮，如基于MOOC的教學模式研究、基于SPOC的教學模式改革等，在本科院校取得了不錯的教學效果。與此同時，不少高職教育研究者也積極將在線學習引入到高職教育中，試圖降低教師教學勞動強度、提高學生學習效率。然而，經(jīng)過近些年的探索和實踐，目前這種非智能的在線學習方式并沒有取得理想的效果，似乎有在高職教育中“水土不服”的跡象。究其原因，主要是高職院校學生的學情不適應，高職學生學習基礎個體差異巨大、學習主動性不強、學習自律性不高，從而導致了學生對目前的這種靜態(tài)的、生產(chǎn)線式的在線學習方式興趣不高，于是基于預設流程在線學習便失去了必要的前提。

2 ?自適應學習概念

自適應學習是一種復雜的、數(shù)據(jù)驅動的、非線性方法組織的學習方式。其學習內容與流程會根據(jù)學習者的交互及其表現(xiàn)水平而動態(tài)調整，利用人工智能技術預測學習者在某個特定時間點需要哪些學習內容和資源。

自適應學習方式是一種智能化在線學習形式，是人工智能與在線學習的一種結合體，其學習內容、實訓環(huán)節(jié)、測試內容、答疑環(huán)節(jié)都是針對學生個體學習情況，智能化動態(tài)產(chǎn)生的，換而言之，自適應學習系統(tǒng)可以為每個學生定制出合適的學習方案。所以，運用這種新技術進行教學模式的改革和研究，對實現(xiàn)“有教無類、因材施教”的教育理念，對提高高職教育教學的效率和質量，具有十分重要的理論和現(xiàn)實意義。

3 ?自適應學習的國外研究現(xiàn)狀

國外對自適應學習的研究較國內的研究要早，其中美國的研究開啟了自適應學習研究的大門，起到了領頭雁的作用。

美國對自適應學習的研究起源于匹茲堡大學，該校的ITEM是一套智能授導系統(tǒng)，由Brusi教授提出。該系統(tǒng)的創(chuàng)新之處在于可以支持學習與授導的智能整合，學生管理智能系統(tǒng)存儲學生的大量學習記錄，并采用人工智能技術，優(yōu)化各類學習資源，用以適應每個學生的學習習慣和知識水平。

Rizzo是意大利國家教育研究委員，他提出的語義信息空間地圖導航系統(tǒng)，思路是在相對封閉和或者開放的超級龐大的語料庫空間中，使用人造地標和知識地圖來進行導航?；谶@種模式，研究團隊開發(fā)了Knowledge-Sea系統(tǒng)來幫助用戶在教學講義與相關學習教程鏈接頁面之間，以及多個課程相關索引鏈接頁面之間進行跳轉。

Hannover大學的Alrifai教授等人于2012年對歐洲人工智能項目TERENCE進行了較為深入的研究，并在此基礎上提出了一套自適應學習系統(tǒng)的結構框架，并建立了用戶和領域模型。

4 ?自適應學習的國內研究現(xiàn)狀

國內對自適應學習的研究比國外起步要晚，但近幾年對自適應研究的熱度持續(xù)上漲，也取得了不少研究成果。

2008年，陳仕品、張劍平設計出了基于EAHAM模型（Enhanced Adaptive Hypermedia Application Model，增強適應性超媒體應用模型）的適應性學習支持系統(tǒng)的體系結構，該體系結構能夠實現(xiàn)根據(jù)學習者在知識基礎與認知風格等方面的個體差異提供適應性學習支持，并且使系統(tǒng)的實現(xiàn)具有良好的可操作性。

技術方面，趙蔚、姜強提出基于用戶模型的個性化本體學習資源推薦，設計了基于GALSRM模型，并運用貝葉斯網(wǎng)絡法挖掘網(wǎng)絡學習行為，更新學習風格模型，使用協(xié)同過濾技術實現(xiàn)學習信息的動態(tài)適應推送，開發(fā)了面向“服務”視角的自適應學習系統(tǒng)（SOALS）。

自適應學習在某些專門領域已經(jīng)出現(xiàn)初步的應用系統(tǒng)，國內的是猿題庫，國外的有Knewton、SmartSparrow、Knowre、CogBooks、Declara。猿題庫剛開始提供公務員題庫、司法考試題庫和考研題庫，2013年開始進軍中考和高考領域。Smart Sparrow主要聚焦于像科學、工程、醫(yī)學這樣的“通過實踐來學習”的學科。CogBooks致力于企業(yè)培訓和高等教育兩塊，故其無科目限制。Declara允許用戶相互合作、共享資源，平臺通過用戶生成內容（UGC）的方式構成開放教育資源（Open Educational Resources，OER）平臺。

人工智能在近幾年掀起了研究和應用高潮，繼2017年3月5日人工智能首次被寫入政府工作報告，今年的3月5日它再次出現(xiàn)在《政府工作報告》之中。而且相比去年被提升到國家發(fā)展戰(zhàn)略層面的待遇，人工智能在今年還被賦予協(xié)助國家經(jīng)濟增長與產(chǎn)業(yè)升級的重任。

為了搶占人工智能的制高點，國內外幾家IT巨頭爭相推出各自的人工智能應用平臺，從而讓普通用戶能快速便捷地使用人工智能技術，其中影響最大是谷歌公司推出的TensorFlow平臺，TensorFlow平臺以其功能強大且簡單易用，使得人工智能的應用門檻大大降低，目前幾乎已經(jīng)成為人工智能和深度學習的應用標準。

Knowre是來自美國的一個功能較為齊全的自適應學習平臺。Knowre人工智能自適應學習平臺的架構，主要包括三大神經(jīng)網(wǎng)絡：第一，學習資源神經(jīng)網(wǎng)絡。該網(wǎng)絡以學生對學習資源的評價為依據(jù)，對學習資源進行分析和聚類，實現(xiàn)對學習資源的優(yōu)勝劣汰、動態(tài)有效分類。第二，學生聚類神經(jīng)網(wǎng)絡。以學習資源的利用情況為標準，對學生進行分析和聚類，目的是根據(jù)學生學習特點對不同學生進行精準分類。通過不斷地學習和進化，以上兩個網(wǎng)絡將越來越得到優(yōu)化。第三，學習策略神經(jīng)網(wǎng)絡。能根據(jù)教師的調整規(guī)律和學生的反饋信息，動態(tài)對學習策略進行分析和聚類，最終發(fā)育成能根據(jù)不同學生個體推薦出有效學習策略的強大人工智能。深度學習網(wǎng)絡隨著學習資源的不斷豐富，學習者的不斷增加，學習時間的不斷累積，以上3個神經(jīng)網(wǎng)絡將越來越強大，給教師和學習者推薦的學習策略和學習資源就會越來越準確。

5 ?自適應學習對高職課程改革的思考

關于自適應學習的國內外研究取得了初步的理論成果，也推出了一些實踐應用平臺，但離高職的教學應用還有一定的距離，主要表現(xiàn)在以下兩個方面。

第一，在自適應學習和高職教學模式結合的理論方面，由于其研究較少，尚未形成有共識的研究成果，在課程教學改革的實際應用中必將產(chǎn)生很多理論困惑。因此，急需對這種智能化的在線學習方式對高職教學模式的影響做好理論研究儲備。

第二，在基于自適應學習的高職教學模式應用方面，缺乏從職業(yè)教育經(jīng)驗和職業(yè)教育實踐角度開展大范圍的實證研究。因此，也需要從新的視角開展相關研究。

6 ?基于自適應學習的高職課程改革的步驟

首先，通過研究自適應學習的內涵、結構和運行機制，歸納其課程和資源開發(fā)的規(guī)律;其次，通過研究目前高職課程教學模式的局限性，得到其不適應個性化學習的根本原因;再次，通過研究高職學生學習習慣、心理特征，并按照自適應學習的開發(fā)規(guī)律，對現(xiàn)有課程教學模式進行重新設計;最后，將新的教學模式進行教學試點，并及時總結和反復修改、校正，得到日趨完善的基于自適應學習的高職課程教學模式，最終實現(xiàn)高職課程的個性化學習，有效提高教學效率和教學效果。

參考文獻

[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，趙蔚.自適應學習系統(tǒng)參考模型比較分析研究[J].中國電化教育，2009（9）：97-101.

[7] 姜強，趙蔚.自適應學習系統(tǒng)中用戶模型和知識模型本體參考規(guī)范的設計[J].現(xiàn)代遠距離教育，2011（1）：61-65.