基于智慧課堂的高職學(xué)生特征模型構(gòu)建研究

崔曙光

摘要：該研究基于湖南汽車(chē)工程職業(yè)學(xué)院智慧課堂教學(xué)平臺(tái)，給出了數(shù)據(jù)采集及分析應(yīng)用總體架構(gòu)，闡述了從軟件平臺(tái)、硬件設(shè)備及特定信息等方面的數(shù)據(jù)采集方式，基于采集的學(xué)生實(shí)時(shí)學(xué)習(xí)數(shù)據(jù)，從基本特征維度、知能結(jié)構(gòu)維度、學(xué)習(xí)風(fēng)格維度、內(nèi)容偏好維度等多個(gè)維度構(gòu)建學(xué)生的特征模型。利用該模型可準(zhǔn)確提取學(xué)生學(xué)習(xí)需求，為后續(xù)實(shí)現(xiàn)個(gè)性化服務(wù)的精準(zhǔn)推送提供有力支撐。

關(guān)鍵詞：智慧課堂;高職;模型

中圖分類(lèi)號(hào)：TP311 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2020）19-0204-02

開(kāi)放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：

1 研究背景

根據(jù)因材施教的教育理論，傳統(tǒng)的統(tǒng)一化、標(biāo)準(zhǔn)化的刻板人才培養(yǎng)模式已經(jīng)不滿足當(dāng)今的時(shí)代需求。《中國(guó)教育現(xiàn)代化2035》提出要關(guān)注學(xué)生的個(gè)性化學(xué)習(xí)，積極探索大數(shù)據(jù)時(shí)代個(gè)性化人才的培養(yǎng)策略。因此，如何對(duì)智慧課堂教育大數(shù)據(jù)進(jìn)行分析建模，實(shí)現(xiàn)學(xué)生的個(gè)性化學(xué)習(xí)已成為當(dāng)前熱點(diǎn)研究問(wèn)題。而要提升個(gè)性化學(xué)習(xí)推送服務(wù)的精準(zhǔn)度，對(duì)學(xué)生的學(xué)習(xí)需求進(jìn)行精準(zhǔn)建模是關(guān)鍵。

2 存在問(wèn)題

其一、需求數(shù)據(jù)采集不實(shí)時(shí)。要實(shí)現(xiàn)學(xué)生學(xué)習(xí)需求的精準(zhǔn)建模，前提是學(xué)生學(xué)習(xí)數(shù)據(jù)的采集能保證及時(shí)，準(zhǔn)確。但目前研究絕大部分采取填報(bào)式的采集方式，而非來(lái)源于智慧課堂的實(shí)際教學(xué)過(guò)程，這難以實(shí)現(xiàn)數(shù)據(jù)采集的實(shí)時(shí)性，亦無(wú)法實(shí)時(shí)更新學(xué)生需求，勢(shì)必導(dǎo)致學(xué)習(xí)資源推薦不準(zhǔn)確。

其二、學(xué)習(xí)需求建模不精準(zhǔn)。建模時(shí)過(guò)多關(guān)注學(xué)習(xí)知識(shí)方面建模，忽略了學(xué)生學(xué)習(xí)行為建模、學(xué)習(xí)經(jīng)歷等因素對(duì)學(xué)習(xí)資源需求的影響，由此生成的特征參數(shù)表示不夠精確，另外目前研究極少考慮特征參數(shù)的權(quán)重問(wèn)題，導(dǎo)致基于學(xué)習(xí)需求模型推薦的學(xué)習(xí)資源序列差異小，不符合個(gè)性化學(xué)習(xí)要求。

3 研究現(xiàn)狀

3.1國(guó)外研究現(xiàn)狀述評(píng)

Bienk提出教育數(shù)據(jù)挖掘是綜合運(yùn)用統(tǒng)計(jì)學(xué)、機(jī)器學(xué)習(xí)算法和數(shù)據(jù)挖掘技術(shù)，通過(guò)建模發(fā)現(xiàn)學(xué)生學(xué)習(xí)結(jié)果與學(xué)習(xí)內(nèi)容、學(xué)習(xí)資源和教學(xué)行為等變量的相互關(guān)系，預(yù)測(cè)學(xué)生的學(xué)習(xí)趨勢(shì)。Ferguson等基于線索詞匹配，提出學(xué)習(xí)者知識(shí)結(jié)構(gòu)模型，開(kāi)展學(xué)習(xí)分析。Koedinger收集196個(gè)學(xué)生的學(xué)習(xí)數(shù)據(jù)，建立個(gè)性化貝葉斯知識(shí)跟蹤模型，研究了學(xué)生能力以及學(xué)生的學(xué)習(xí)率等。

3.2 國(guó)內(nèi)研究現(xiàn)狀述評(píng)

智慧課堂的學(xué)習(xí)分析建模研究：孫曙輝提出基于動(dòng)態(tài)學(xué)習(xí)數(shù)據(jù)分析的智慧課堂概念及內(nèi)涵，描述了智慧課堂的教學(xué)結(jié)構(gòu)理論模型，并闡述了智慧課堂的主要應(yīng)用價(jià)值。劉海鷗提出了基于畫(huà)像模型的個(gè)性化學(xué)習(xí)精準(zhǔn)服務(wù)模式。但未能結(jié)合相關(guān)算法進(jìn)行實(shí)證分析。林秀瑜以聯(lián)通主義學(xué)習(xí)理論、數(shù)據(jù)分析方法及教育評(píng)價(jià)與測(cè)量理論為基礎(chǔ)，從學(xué)習(xí)數(shù)據(jù)變量等方面建構(gòu)了智慧學(xué)習(xí)環(huán)境下學(xué)習(xí)分析的理論模型。胡姣設(shè)計(jì)了面向個(gè)性化學(xué)習(xí)的網(wǎng)絡(luò)課程資源推送框架，但其模型僅從軟件開(kāi)發(fā)的角度闡釋了推送框架中的支持系統(tǒng)、分析系統(tǒng)、推薦系統(tǒng)和構(gòu)建系統(tǒng)四個(gè)子系統(tǒng)，并未深入考慮學(xué)生需求。李浩君從多學(xué)習(xí)者特征、學(xué)習(xí)資源特征、強(qiáng)化特征三方面，提出基于三維特征協(xié)同支配的個(gè)性化學(xué)習(xí)資源推薦模型，其中強(qiáng)化特征是為了解決考慮多學(xué)習(xí)者特征導(dǎo)致的推薦準(zhǔn)確度不高的問(wèn)題。

4 基于智慧課堂的高職學(xué)生學(xué)習(xí)需求模型構(gòu)建

要提高學(xué)生學(xué)習(xí)需求模型構(gòu)建的準(zhǔn)確度，首先需要獲取學(xué)生的學(xué)習(xí)需求數(shù)據(jù)，所以數(shù)據(jù)采集至關(guān)重要，數(shù)據(jù)采集的要求是要做到及時(shí)化和常態(tài)化，這樣才能動(dòng)態(tài)體現(xiàn)學(xué)生的最新學(xué)習(xí)需求。

4.1 基于智慧課堂的個(gè)性化學(xué)習(xí)數(shù)據(jù)采集

智慧課堂是利用新一代的智能技術(shù)，從信息化角度構(gòu)建的智慧學(xué)習(xí)環(huán)境。智慧校園最突出功能是靜默式的采集學(xué)生的學(xué)習(xí)數(shù)據(jù)。湖南汽車(chē)工程職業(yè)學(xué)院自2017年開(kāi)始全面推行基于智慧課堂的教學(xué)模式，并打造了“三可視一精準(zhǔn)”即“辦學(xué)水平可視化、教師發(fā)展可視化、學(xué)生成長(zhǎng)可視化和管理服務(wù)精準(zhǔn)化”的大數(shù)據(jù)分析與決策中心平臺(tái)。通過(guò)基于對(duì)智慧課堂課前、課中、課后的學(xué)習(xí)數(shù)據(jù)進(jìn)行分析，可以更加準(zhǔn)確的了解學(xué)生的學(xué)習(xí)狀態(tài)，從而針對(duì)性地進(jìn)行個(gè)性化的學(xué)習(xí)指導(dǎo)和資源的推送。

采集方式包含如下類(lèi)型：

1）基于智慧課堂的軟件平臺(tái)數(shù)據(jù)采集。靜態(tài)基本信息可以智慧校園共享數(shù)據(jù)中心提供的統(tǒng)一查詢(xún)接口關(guān)聯(lián)教務(wù)系統(tǒng)數(shù)據(jù)庫(kù)獲取。動(dòng)態(tài)數(shù)據(jù)采集來(lái)源于課程設(shè)計(jì)平臺(tái)、在線學(xué)習(xí)軟件、互動(dòng)教學(xué)工具等。包括學(xué)習(xí)內(nèi)容、學(xué)習(xí)行為、學(xué)習(xí)互動(dòng)等各方面的常規(guī)學(xué)習(xí)數(shù)據(jù)采集。

2）基于硬件設(shè)備數(shù)據(jù)采集。一是基于物聯(lián)設(shè)備的采集：通過(guò)巡航攝像頭和雨立方設(shè)備捕捉學(xué)生的畫(huà)面組，可細(xì)致、精確的捕捉學(xué)生的面部表情及肢體形態(tài)，如通過(guò)頭部的低頭抬頭的角度算法來(lái)做抬頭分析，進(jìn)一步做學(xué)生學(xué)習(xí)專(zhuān)注度參考，判斷學(xué)生的精神狀態(tài)（興奮、冷靜、困意、睡眠等），由此可分級(jí)描述注意力集中程度（感興趣、注意力集中、丟失注意力）;后方攝像頭可捕捉學(xué)生的電腦屏幕，監(jiān)測(cè)其學(xué)習(xí)動(dòng)態(tài)。結(jié)合前后攝像頭采集數(shù)據(jù)，可較準(zhǔn)確的把握學(xué)生的學(xué)習(xí)狀態(tài)。二是智慧教室中的交互顯示屏/白板可采集學(xué)生的操作記錄。

3）特定信息采集：針對(duì)某個(gè)特定主題，例如教師在新授班級(jí)授完第一次課后，為了解學(xué)生的學(xué)習(xí)情況，可應(yīng)用智課堂教學(xué)平臺(tái)提供的投票功能，發(fā)起主題為“授課速度”的投票，設(shè)計(jì)選項(xiàng)為“合適”、“過(guò)快”、“過(guò)慢”。相對(duì)于傳統(tǒng)的紙質(zhì)調(diào)研，智慧課堂可將這種特定主題的信息采集無(wú)縫融入數(shù)學(xué)活動(dòng)，作為常規(guī)教學(xué)的一個(gè)組成部分，并可實(shí)時(shí)查看參與人員、統(tǒng)計(jì)結(jié)果。

4.2 基于智慧課堂個(gè)性化數(shù)據(jù)的學(xué)生特征模型構(gòu)建

個(gè)性化服務(wù)精準(zhǔn)推送的實(shí)現(xiàn)必須基于對(duì)學(xué)生學(xué)習(xí)特征的準(zhǔn)確把控。采用合適技術(shù)進(jìn)行學(xué)生特征模型構(gòu)建，并能依據(jù)智慧課堂的實(shí)時(shí)學(xué)習(xí)數(shù)據(jù)動(dòng)態(tài)修正模型。一般認(rèn)為學(xué)習(xí)者個(gè)性特征主要包括知識(shí)水平、錯(cuò)誤/誤解、情感特征、認(rèn)知以及元認(rèn)知能力等。本文結(jié)合調(diào)研和相關(guān)文獻(xiàn)，基于學(xué)生在智慧課堂的學(xué)習(xí)行為數(shù)據(jù)“習(xí)得”其特征。擬從如下維度建模：基本特征維度、知能結(jié)構(gòu)維度、學(xué)習(xí)風(fēng)格維度、內(nèi)容偏好維度。使用四元組形式化描述為S=fS_Base，S_KnowStruc，S_Stvle，S_ConPrefl。

1）基本特征維度

基本信息包括姓名、前置學(xué)歷、性別、興趣、特長(zhǎng)、高考分?jǐn)?shù)、獲獎(jiǎng)情況等?？尚问交癁镾_Base=fName，PteEducation，Sex，Interest， Speciality，Score， Prize， Lessons），其中PreEducation：：=SecVocational l HighSchool，表示中職還是普高;對(duì)中職畢業(yè)的學(xué)生，其所學(xué)課程可作為二級(jí)指標(biāo)。Lessons= {Lesson..Les-soni，_Lesson}

2）知能結(jié)構(gòu)維度

知能結(jié)構(gòu)反映學(xué)生的知識(shí)體系的完整度和知識(shí)技能的掌握程度。在學(xué)習(xí)過(guò)程中不斷更新進(jìn)化。知能結(jié)構(gòu)以課程為單位，基于貝葉斯網(wǎng)絡(luò)的組合關(guān)系和依賴(lài)關(guān)系構(gòu)建知識(shí)點(diǎn)關(guān)聯(lián)模型。依賴(lài)關(guān)系形式化為Dependency{（K1，K2，…Kn），K}，描述了知識(shí)點(diǎn)的學(xué)習(xí)順序。組合關(guān)系形式化為Oragination{K，（K1，K2，…Kn）l，表示復(fù)合知識(shí)點(diǎn)和單一知識(shí)點(diǎn)的聚合關(guān)系。采用圖2所示模型體現(xiàn)組合和依賴(lài)。S_KnowStruc= {SK1，SK2，……SKn}，其中SK表示一門(mén)課程。

3）學(xué)習(xí)風(fēng)格維度

學(xué)習(xí)風(fēng)格的建構(gòu)方式有顯式和隱式兩種。常用的顯式建構(gòu)方法采用所羅門(mén)學(xué)習(xí)風(fēng)格量表推測(cè)，但其只能反映學(xué)生的某階段的靜態(tài)狀態(tài)。本文在智慧課堂不斷積累的學(xué)習(xí)數(shù)據(jù)支撐下，參考Feilder-Silverman學(xué)習(xí)風(fēng)格理論模型，從智課堂教學(xué)平臺(tái)提供的問(wèn)題解答、上課彈幕、參與投票、上課互動(dòng)等功能生成的數(shù)據(jù)，可挖掘出學(xué)生屬于活躍型|沉思型的何種類(lèi)別;從學(xué)生訪問(wèn)具體案例、操作文檔等具體事物的次數(shù)和訪問(wèn)時(shí)間，訪問(wèn)抽象概念等描述原理性的文檔的次數(shù)和訪問(wèn)時(shí)間，可推測(cè)出其屬于感覺(jué)|直覺(jué)型的何種類(lèi)別;通過(guò)分析學(xué)生在視頻、音頻文件及文本文件的次數(shù)和時(shí)長(zhǎng)可推測(cè)其屬于視覺(jué)|言語(yǔ)型的何種類(lèi)別。序列|綜合型的推斷可依據(jù)學(xué)生對(duì)不同頁(yè)面組織形式的喜愛(ài)程度。學(xué)習(xí)風(fēng)格可形式化描述為S_Style= {ThinkWay，Percep-tion， Media， Navigation），其中ThinkWay：： activelthoughtful， Percep-tion：： sensationallintuitive， Media：： Visualltextual， Navigation：： se-quencelintegrated。

4）內(nèi)容偏好維度

內(nèi)容偏好反映了學(xué)生感興趣的知識(shí)領(lǐng)域，可通過(guò)分析學(xué)生觀看或下載的學(xué)習(xí)資源的語(yǔ)義信息，結(jié)合搜索歷史記錄、收藏記錄、分享評(píng)論記錄等，對(duì)資源集合R={r1，r2，……rn}中的ri，描述為V（ri）={（s1，w1），（s2，W2），，，.（sn，Wn）}，其中Si為特征向量，Wi為對(duì)應(yīng)權(quán)重。采用K-meas進(jìn)行聚類(lèi)分析，得出學(xué)生感興趣的知識(shí)領(lǐng)域。其形式化描述為S_ConPref=（domain1，domain2，_domain。]。

5 總結(jié)

本研究基于湖南汽車(chē)工程職業(yè)學(xué)院智慧課堂的采集的真實(shí)學(xué)生學(xué)習(xí)數(shù)據(jù)，從學(xué)生基本特征、知能結(jié)構(gòu)、學(xué)習(xí)風(fēng)格、內(nèi)容偏好等多維角度構(gòu)建學(xué)生特征模型，能較準(zhǔn)確地反映學(xué)生的學(xué)習(xí)狀態(tài)和需求，為后續(xù)個(gè)性化服務(wù)推送研究提供有力支撐。

參考文獻(xiàn)：

[1]Bienk.Enhancingteachingandlearningthrougheducationaldatamin-ingandle aminganalytics： Anissuebrief[J]. USDepartmentofEduca-tion， OfficeofEducationaITechnology，2012（1）.

[2] Ferguson.Anevaluationoflearninganalyticstoidentifyexploratoryd-ialogueino nli nediscussions[A]. ProceedingsoftheThirdlnterna-tionalConferenceonLearningAnalytics [C].NewYork：ACM，2013.

[3]孫曙輝，劉邦奇.基于動(dòng)態(tài)學(xué)習(xí)數(shù)據(jù)分析的智慧課堂模式[J].中國(guó)教育信息化，2015{22）.

[4]林秀瑜，智慧學(xué)習(xí)環(huán)境下學(xué)習(xí)分析的理論模型及其機(jī)制[J].現(xiàn)代教育技術(shù)，2019（4）.

[5]胡姣.面向個(gè)性化學(xué)習(xí)的網(wǎng)絡(luò)課程資源構(gòu)建路徑探索[J].教學(xué)與管理，2019（33）.

[6]李浩君.基于三維特征協(xié)同支配的個(gè)性化學(xué)習(xí)資源推薦方法[J].計(jì)算機(jī)科學(xué)，2019（S1）.

[7] Lyu M R.Software Fault Tolerance[M].New York：John Wileyand Sons，1995.

【通聯(lián)編輯：朱寶貴】