基于學(xué)習(xí)行為分析的智適應(yīng)教學(xué)模式研究

徐穎麗

（衢州職業(yè)技術(shù)學(xué)院，浙江 衢州 324000）

0 引言

近年來隨著人工智能（簡稱AI）理論和技術(shù)的日益成熟，應(yīng)用領(lǐng)域也不斷擴(kuò)大。如何將人工智能技術(shù)應(yīng)用于教育領(lǐng)域以提升教育的質(zhì)量，是當(dāng)今研究的熱點(diǎn)問題之一。我國近幾年越來越關(guān)注人工智能在教育領(lǐng)域的應(yīng)用，頒布了一系列相關(guān)政策。在國務(wù)院印發(fā)的《新一代人工智能發(fā)展規(guī)劃》中指出，要“建立在線智能教育平臺，完善人工智能教育體系”，利用智能技術(shù)加快推動(dòng)人才培養(yǎng)模式、教學(xué)方法改革，構(gòu)建包含智能學(xué)習(xí)、交互式學(xué)習(xí)的新型教育體系，提供精準(zhǔn)推送的教育服務(wù)，實(shí)現(xiàn)日常教育和終身教育定制化[1]。

2018 年全球人工智能自適應(yīng)教育峰會在北京舉行，會議圍繞熱門的“AI+教育”進(jìn)行探討與交流。“AI+教育”是人工智能與教育的深度融合與發(fā)展，可以實(shí)現(xiàn)大規(guī)模的定制化教育內(nèi)容及精準(zhǔn)服務(wù)，幫助教師批改作業(yè)、與學(xué)生交流、促進(jìn)個(gè)性化學(xué)習(xí)等[2]?！癆I+教育”能夠更深入地為學(xué)生提供差異性的個(gè)性化學(xué)習(xí)服務(wù)，有效彌補(bǔ)傳統(tǒng)教育的缺陷，因材施教，著重培養(yǎng)學(xué)生能力，實(shí)現(xiàn)高效學(xué)習(xí)和智慧教育的目標(biāo)。隨著教育大數(shù)據(jù)的急劇增加，學(xué)習(xí)行為分析作為教育領(lǐng)域中新興的技術(shù)，對學(xué)習(xí)過程中的行為數(shù)據(jù)進(jìn)行分析，深入挖掘?qū)W生學(xué)習(xí)規(guī)律以及學(xué)習(xí)行為特征與學(xué)習(xí)效果的相關(guān)性，為自適應(yīng)學(xué)習(xí)系統(tǒng)提供個(gè)性化學(xué)習(xí)服務(wù)支持，也為教育研究者構(gòu)建智能化教學(xué)環(huán)境、優(yōu)化教學(xué)模式帶來了新的思路。

1 智適應(yīng)學(xué)習(xí)

自適應(yīng)學(xué)習(xí)（Adaptive Learning）的概念最早出現(xiàn)于20世紀(jì)90年代美國的“智能輔導(dǎo)系統(tǒng)”，隨后以信息技術(shù)為基礎(chǔ)自適應(yīng)學(xué)習(xí)系統(tǒng)逐漸發(fā)展起來，形成了機(jī)器學(xué)習(xí)、計(jì)算機(jī)輔助學(xué)習(xí)以及大數(shù)據(jù)學(xué)習(xí)分析等適應(yīng)性學(xué)習(xí)技術(shù)。國外在自適應(yīng)學(xué)習(xí)方面的研究起步較早，并且多注重于實(shí)踐研究，通過設(shè)計(jì)開發(fā)相應(yīng)的學(xué)習(xí)系統(tǒng)并在實(shí)際應(yīng)用后得出研究結(jié)論。如被譽(yù)為“全球最領(lǐng)先的自適應(yīng)學(xué)習(xí)平臺”的Knewton Platform，自適應(yīng)英語學(xué)習(xí)系統(tǒng)TOEFL Online等。國內(nèi)同樣有很多的相關(guān)研究及應(yīng)用，姜強(qiáng)[3]等基于大數(shù)據(jù)分析，從數(shù)據(jù)與環(huán)境(What)、關(guān)益者(Who)、方法(How)和目標(biāo)(Why)等4個(gè)維度構(gòu)建個(gè)性化自適應(yīng)在線學(xué)習(xí)分析模型。徐炎[4]設(shè)計(jì)了基于教育數(shù)據(jù)挖掘的個(gè)性化自適應(yīng)學(xué)習(xí)系統(tǒng)的架構(gòu)和流程。孫潔[5]構(gòu)建基于學(xué)習(xí)分析的自適應(yīng)學(xué)習(xí)設(shè)計(jì)框架，探討人工智能時(shí)代下自適應(yīng)學(xué)習(xí)未來發(fā)展趨勢。

隨著人工智能技術(shù)的發(fā)展，人工智能算法為精準(zhǔn)的個(gè)性化學(xué)習(xí)提供有力支持，智適應(yīng)學(xué)習(xí)理念應(yīng)運(yùn)而生。智適應(yīng)學(xué)習(xí)系統(tǒng)是人工智能技術(shù)支持下的在線自適應(yīng)學(xué)習(xí)系統(tǒng)，不僅能夠?qū)崿F(xiàn)學(xué)習(xí)者的相關(guān)數(shù)據(jù)分析、學(xué)習(xí)支持與服務(wù)提供，而且具有深度理解學(xué)習(xí)者學(xué)習(xí)行為的智能性能力[6]。又學(xué)教育創(chuàng)始人栗浩洋表示，智適應(yīng)學(xué)習(xí)系統(tǒng)的最終目的是最大限度地模擬人類教師的角色，根據(jù)孩子的學(xué)習(xí)目標(biāo)、學(xué)習(xí)風(fēng)格、學(xué)習(xí)行為、個(gè)人偏好和知識狀態(tài)，利用AI實(shí)現(xiàn)教學(xué)策略實(shí)時(shí)地、動(dòng)態(tài)地調(diào)整學(xué)生接下來的學(xué)習(xí)內(nèi)容和路徑，從而達(dá)到個(gè)性化教學(xué)的目的[7]。

智適應(yīng)學(xué)習(xí)系統(tǒng)主要由數(shù)據(jù)基礎(chǔ)服務(wù)模塊、學(xué)生模型、學(xué)習(xí)分析模塊、智能化自適應(yīng)服務(wù)引擎模塊構(gòu)成。數(shù)據(jù)基礎(chǔ)服務(wù)模塊是對系統(tǒng)中產(chǎn)生的所有學(xué)習(xí)過程數(shù)據(jù)、情感狀態(tài)數(shù)據(jù)進(jìn)行采集、清洗、轉(zhuǎn)換處理并存儲到學(xué)生信息數(shù)據(jù)庫和學(xué)習(xí)行為數(shù)據(jù)庫中。學(xué)生模型包含學(xué)生基本信息和個(gè)性學(xué)習(xí)特征信息，如學(xué)習(xí)目標(biāo)、認(rèn)知水平、學(xué)習(xí)喜好與風(fēng)格、情感態(tài)度、社交網(wǎng)絡(luò)、學(xué)習(xí)歷史等。學(xué)習(xí)分析模塊是在學(xué)生模型構(gòu)建的基礎(chǔ)上應(yīng)用數(shù)據(jù)挖掘分析技術(shù)和機(jī)器學(xué)習(xí)算法對學(xué)生學(xué)習(xí)行為數(shù)據(jù)進(jìn)行分析。智能化自適應(yīng)服務(wù)引擎在學(xué)習(xí)分析的基礎(chǔ)上為學(xué)生提供個(gè)性化智適應(yīng)服務(wù)支持，如：學(xué)習(xí)服務(wù)策略制定、學(xué)習(xí)資源推薦、個(gè)性化學(xué)習(xí)路徑生成、智能測評、學(xué)習(xí)評價(jià)報(bào)表生成等。智適應(yīng)學(xué)習(xí)系統(tǒng)可以通過對知識點(diǎn)的高精度細(xì)分，實(shí)現(xiàn)知識點(diǎn)的納米級粒度分解，精準(zhǔn)定位學(xué)生薄弱知識點(diǎn)，在學(xué)習(xí)過程中詳細(xì)刻畫學(xué)生知識構(gòu)建過程，精準(zhǔn)評價(jià)學(xué)生學(xué)習(xí)能力。此外，隨著學(xué)習(xí)行為數(shù)據(jù)逐漸豐富，學(xué)生知識狀態(tài)和能力水平不斷變化，系統(tǒng)的自適應(yīng)功能可以實(shí)現(xiàn)個(gè)性化學(xué)習(xí)推薦服務(wù)實(shí)時(shí)更新，個(gè)性化學(xué)習(xí)路徑的自主調(diào)整等。

2 學(xué)習(xí)行為分析

2.1 學(xué)習(xí)行為分析方法

學(xué)習(xí)行為是學(xué)習(xí)者在學(xué)習(xí)的過程中產(chǎn)生的一系列動(dòng)作，包括閱讀書籍、回答問題、觀看視頻、查看課件、瀏覽論壇、上傳資源、訪問學(xué)習(xí)平臺、與他人討論交流等[8]。學(xué)習(xí)行為分析通過數(shù)據(jù)挖掘等分析技術(shù)對學(xué)習(xí)數(shù)據(jù)進(jìn)行分析與挖掘，更加全面、深入地了解學(xué)生內(nèi)部特征，發(fā)現(xiàn)學(xué)習(xí)規(guī)律、分析學(xué)習(xí)特征、評估學(xué)習(xí)現(xiàn)狀和預(yù)測學(xué)習(xí)效果等，并根據(jù)學(xué)習(xí)分析結(jié)果指導(dǎo)教學(xué)過程，為學(xué)生提供個(gè)性化學(xué)習(xí)服務(wù)。

常用的學(xué)習(xí)行為分析方法有：聚類、預(yù)測分析、關(guān)聯(lián)規(guī)則和時(shí)間序列模式挖掘。聚類分為聚類分析和離群點(diǎn)分析。教師通過聚類分析可以對學(xué)生進(jìn)行分組，發(fā)現(xiàn)相似學(xué)習(xí)特征和行為模式的學(xué)生群體，對不同學(xué)生群體進(jìn)行比較分析。聚類分析常用的聚類算法有K-means算法和DBSCAN算法。離群點(diǎn)分析的任務(wù)是發(fā)現(xiàn)與大部分其他對象顯著不同的對象，通過離群點(diǎn)分析可以檢測學(xué)生異常行為。

預(yù)測分析包括回歸分析和分類，回歸分析適用于連續(xù)值域，分類則適用于離散值域，常用的算法有Logistic回歸、決策樹和貝葉斯網(wǎng)絡(luò)。學(xué)習(xí)分析領(lǐng)域應(yīng)用預(yù)測分析可以預(yù)測學(xué)習(xí)成績，利用分類方法識別出缺乏學(xué)習(xí)動(dòng)力的學(xué)生等。

關(guān)聯(lián)規(guī)則是挖掘數(shù)據(jù)之間潛在的關(guān)聯(lián)性，常用算法有Apriori算法和RP-tree算法。應(yīng)用關(guān)聯(lián)規(guī)則可以挖掘?qū)W習(xí)行為數(shù)據(jù)中的相關(guān)性，分析學(xué)習(xí)行為和學(xué)業(yè)成績之間的關(guān)系等。

時(shí)間序列模式挖掘以時(shí)間為變量，分析在不同時(shí)間內(nèi)數(shù)據(jù)之間的相互影響。學(xué)習(xí)分析過程中應(yīng)用序列模式挖掘算法，發(fā)現(xiàn)學(xué)生學(xué)習(xí)過程中的學(xué)習(xí)習(xí)慣，分析出有效學(xué)習(xí)路徑，從而進(jìn)行個(gè)性化學(xué)習(xí)內(nèi)容和路徑推薦。

2.2 學(xué)習(xí)行為分析過程

學(xué)習(xí)行為分析的基礎(chǔ)是學(xué)習(xí)行為數(shù)據(jù)的采集，即學(xué)生根據(jù)個(gè)人需求在平臺學(xué)習(xí)中產(chǎn)生的一系列活動(dòng)數(shù)據(jù)、情感狀態(tài)等數(shù)據(jù)的采集。數(shù)據(jù)采集后形成豐富的結(jié)構(gòu)化、半結(jié)構(gòu)化的原始數(shù)據(jù)池，然后通過ETL等技術(shù)進(jìn)行整合、轉(zhuǎn)換和清洗，并將數(shù)據(jù)存儲到相應(yīng)數(shù)據(jù)庫。學(xué)習(xí)分析過程如圖1所示。

圖1 學(xué)習(xí)行為分析過程圖

學(xué)習(xí)行為分析主要有：學(xué)習(xí)特征分析、學(xué)習(xí)行為模式分析、學(xué)習(xí)現(xiàn)狀分析和學(xué)習(xí)危機(jī)預(yù)測。學(xué)習(xí)特征分析可以通過訓(xùn)練貝葉斯分類器或關(guān)聯(lián)規(guī)則挖掘?qū)W習(xí)風(fēng)格行為特征，判斷學(xué)生學(xué)習(xí)風(fēng)格習(xí)慣和喜好，并據(jù)此為學(xué)生推送個(gè)性化學(xué)習(xí)資源。學(xué)習(xí)行為模式分析應(yīng)用聚類和序列模式挖掘算法，發(fā)現(xiàn)學(xué)生行為序列特征，為學(xué)生規(guī)劃有效學(xué)習(xí)路徑，教師也根據(jù)分析結(jié)果為學(xué)生提供個(gè)性化學(xué)習(xí)指導(dǎo)。學(xué)習(xí)現(xiàn)狀分析用于評估學(xué)生對知識點(diǎn)掌握程度，定位薄弱知識點(diǎn)，形成學(xué)習(xí)能力評價(jià)報(bào)表反饋給教師和學(xué)生，以便及時(shí)調(diào)整教學(xué)策略和學(xué)習(xí)方案。學(xué)習(xí)危機(jī)預(yù)測通過構(gòu)建分類器和回歸分析等方法分析學(xué)習(xí)交互數(shù)據(jù)、學(xué)習(xí)情緒數(shù)據(jù)和學(xué)習(xí)測試數(shù)據(jù)，識別和預(yù)測處于學(xué)習(xí)風(fēng)險(xiǎn)中的學(xué)生并預(yù)警，教師及時(shí)構(gòu)建干預(yù)模型，實(shí)施干預(yù)措施。

總之，通過學(xué)習(xí)行為分析技術(shù)，可以實(shí)現(xiàn)教學(xué)的智能決策、智能管理和智能評價(jià)，幫助教師調(diào)整教學(xué)目標(biāo)，優(yōu)化教學(xué)策略，實(shí)施干預(yù)管理，開展課后補(bǔ)救，促進(jìn)教學(xué)模式向個(gè)性化教學(xué)方向轉(zhuǎn)變。

3 智適應(yīng)教學(xué)模式

3.1 新型課堂構(gòu)建

3.1.1 智能化學(xué)習(xí)環(huán)境

智適應(yīng)學(xué)習(xí)系統(tǒng)借助人工智能、大數(shù)據(jù)、云計(jì)算、VR/AR等技術(shù)構(gòu)建智能化新型課堂，呈現(xiàn)有利于學(xué)生高效學(xué)習(xí)、深度學(xué)習(xí)、全新的學(xué)習(xí)空間與環(huán)境。它以學(xué)生為中心，以各種新技術(shù)、工具、資源、活動(dòng)為支撐，具有靈活、智能、開放等特性，為學(xué)生的有效學(xué)習(xí)提供輕松、個(gè)性化學(xué)習(xí)支持[9]。在智能化學(xué)習(xí)環(huán)境中創(chuàng)設(shè)學(xué)習(xí)情境，讓學(xué)生置身于情境中獲取知識，提供豐富、逼真、身臨其境的學(xué)習(xí)體驗(yàn)，枯燥、抽象的知識通過情境更加形象化，易于理解。智能化學(xué)習(xí)環(huán)境為教師的精準(zhǔn)教學(xué)，學(xué)生的個(gè)性化學(xué)習(xí)、智能測評、智能輔導(dǎo)和學(xué)習(xí)交互等行為提供有利支持。學(xué)生在智能化學(xué)習(xí)環(huán)境中更加個(gè)性化、沉浸式學(xué)習(xí)，從而達(dá)到更好的學(xué)習(xí)體驗(yàn)，提高學(xué)習(xí)參與度，啟發(fā)創(chuàng)新意識，提升學(xué)習(xí)效率。

3.1.2 人機(jī)協(xié)同課堂構(gòu)建

教師在智適應(yīng)學(xué)習(xí)系統(tǒng)的精準(zhǔn)學(xué)習(xí)支持下，將人工智能、大數(shù)據(jù)分析技術(shù)和課堂教學(xué)相融合，構(gòu)建“教師+AI導(dǎo)師+智能學(xué)習(xí)伙伴”的人機(jī)協(xié)同課堂。教師運(yùn)用人工智能輔助教學(xué)，同時(shí)與之深度融合，三者互相協(xié)作，發(fā)揮自身優(yōu)勢。教師和AI導(dǎo)師協(xié)作教學(xué)過程中，AI導(dǎo)師智能引導(dǎo)學(xué)生提出問題，自主探究構(gòu)建知識，引導(dǎo)深度學(xué)習(xí)，促進(jìn)學(xué)生對知識深層理解和建構(gòu)。教師發(fā)揮創(chuàng)新創(chuàng)意思維，將更多時(shí)間和精力用于創(chuàng)造性教學(xué)活動(dòng)、復(fù)雜決策和對學(xué)生人格塑造、情感關(guān)懷中。

學(xué)生在個(gè)性化學(xué)習(xí)過程中可以定制智能學(xué)伴。智能學(xué)習(xí)伙伴能了解學(xué)習(xí)需求，輔助學(xué)生自主學(xué)習(xí)；響應(yīng)學(xué)生提問，搜索學(xué)習(xí)資源；消除學(xué)習(xí)孤獨(dú)感，調(diào)節(jié)學(xué)習(xí)情緒；引導(dǎo)學(xué)生思考，鼓勵(lì)自主探究解決問題；同時(shí)還能監(jiān)督學(xué)生學(xué)習(xí)過程和學(xué)習(xí)任務(wù)完成情況。智能學(xué)習(xí)伙伴對學(xué)生的激勵(lì)以及理解，會讓學(xué)生變得更加自律，能進(jìn)一步提高學(xué)生的學(xué)習(xí)動(dòng)機(jī)、學(xué)習(xí)興趣和學(xué)習(xí)持續(xù)性。

3.2 智能化教學(xué)模式

在“AI+教育”的背景下智適應(yīng)學(xué)習(xí)系統(tǒng)在教與學(xué)的過程中扮演了重要的角色，基于智適應(yīng)學(xué)習(xí)系統(tǒng)構(gòu)建新型人機(jī)協(xié)同課堂是實(shí)施智能化教學(xué)的基礎(chǔ)，虛擬學(xué)習(xí)空間和現(xiàn)實(shí)課堂“雙課堂”聯(lián)動(dòng)，人機(jī)協(xié)同、師生互動(dòng)，實(shí)現(xiàn)智能化教學(xué)和智適應(yīng)學(xué)習(xí)。智能化教學(xué)模式如圖2所示。

圖2 智能化教學(xué)模式圖

在智能化教學(xué)過程中，教學(xué)主體除了學(xué)生、教師還應(yīng)包括智適應(yīng)學(xué)習(xí)系統(tǒng)。課前教師通過智適應(yīng)學(xué)習(xí)系統(tǒng)實(shí)現(xiàn)智能化備課，根據(jù)學(xué)生學(xué)習(xí)軌跡、學(xué)習(xí)過程數(shù)據(jù)和預(yù)習(xí)報(bào)表監(jiān)控學(xué)生學(xué)習(xí)過程和預(yù)習(xí)情況，有針對性地調(diào)整教學(xué)內(nèi)容和教學(xué)策略。學(xué)生在智適應(yīng)學(xué)習(xí)系統(tǒng)的支持、啟發(fā)、引導(dǎo)和陪伴下實(shí)現(xiàn)個(gè)性化學(xué)習(xí)、智能陪伴學(xué)習(xí)和智能測評，同時(shí)系統(tǒng)不停地采集學(xué)生個(gè)性化信息和學(xué)習(xí)過程數(shù)據(jù)。學(xué)習(xí)行為分析結(jié)果為后續(xù)的精準(zhǔn)學(xué)習(xí)和教學(xué)提供依據(jù)。

課堂上學(xué)生在智適應(yīng)學(xué)習(xí)系統(tǒng)創(chuàng)設(shè)的情境中進(jìn)行情境式學(xué)習(xí)，在教師啟發(fā)下與其他小組成員進(jìn)行協(xié)作式學(xué)習(xí)以及在系統(tǒng)的智能引導(dǎo)下激發(fā)思考，主動(dòng)探究解決問題，實(shí)現(xiàn)人機(jī)交互式學(xué)習(xí)。教師對整個(gè)教學(xué)過程實(shí)時(shí)監(jiān)控，掌握班級學(xué)習(xí)需求和整體學(xué)習(xí)氛圍，通過智能分析學(xué)生面部表情、學(xué)習(xí)交互過程、課堂參與度等，推斷學(xué)生學(xué)習(xí)狀態(tài)，如注意力、學(xué)習(xí)情緒和學(xué)習(xí)困惑，及時(shí)調(diào)控教學(xué)過程，實(shí)現(xiàn)教學(xué)過程精準(zhǔn)化、智能化。此外教師在智能教學(xué)環(huán)境中與學(xué)生進(jìn)行教學(xué)互動(dòng)，根據(jù)學(xué)生知識和技能的掌握情況為學(xué)生提供課內(nèi)輔導(dǎo)。

課后針對學(xué)生的薄弱知識點(diǎn)、學(xué)習(xí)盲點(diǎn)有側(cè)重地進(jìn)行鞏固訓(xùn)練，已掌握的知識減少重復(fù)練習(xí)，在練習(xí)過程中為學(xué)生進(jìn)行自動(dòng)答疑和智能陪伴練習(xí)。課程學(xué)習(xí)結(jié)束后系統(tǒng)為學(xué)生生成課程學(xué)習(xí)報(bào)表和學(xué)習(xí)能力評價(jià)報(bào)表，幫助學(xué)生了解課程學(xué)習(xí)情況、學(xué)習(xí)認(rèn)知水平以及課程學(xué)習(xí)存在的問題。智適應(yīng)學(xué)習(xí)系統(tǒng)精準(zhǔn)預(yù)測學(xué)習(xí)危機(jī)，發(fā)預(yù)警通知單給存在學(xué)習(xí)危機(jī)的學(xué)生，同時(shí)構(gòu)建預(yù)警干預(yù)模型，實(shí)施干預(yù)策略。系統(tǒng)為學(xué)生提供學(xué)習(xí)輔導(dǎo)支持，教師幫助學(xué)生解決學(xué)習(xí)困惑，實(shí)施學(xué)習(xí)情感關(guān)懷，讓學(xué)生明確學(xué)習(xí)動(dòng)機(jī)，提升學(xué)習(xí)方法。教師在智能教學(xué)數(shù)據(jù)分析的基礎(chǔ)上進(jìn)行教學(xué)反思，改進(jìn)教學(xué)過程，改善教學(xué)方法和策略，促進(jìn)教學(xué)效果提升。

4 結(jié)語

隨著人工智能、大數(shù)據(jù)分析技術(shù)在教育領(lǐng)域的應(yīng)用，學(xué)習(xí)空間、教學(xué)環(huán)境和教學(xué)模式都發(fā)生了巨大地變化。在智適應(yīng)學(xué)習(xí)系統(tǒng)的支持下，教師基于大數(shù)據(jù)學(xué)習(xí)行為分析，通過搜集學(xué)生學(xué)習(xí)數(shù)據(jù)，智能化推薦最適合學(xué)生的內(nèi)容，開展以學(xué)生為中心的個(gè)性化學(xué)習(xí)和智能化教學(xué)活動(dòng)，最終高效、顯著地提升教學(xué)和學(xué)習(xí)效果。融合了學(xué)習(xí)行為分析的智適應(yīng)學(xué)習(xí)平臺，分析教和學(xué)過程中產(chǎn)生的數(shù)據(jù)，促進(jìn)理解和優(yōu)化學(xué)習(xí)情境。教師通過教育數(shù)據(jù)的挖掘與智能化分析、實(shí)時(shí)跟蹤與反饋的智能測評、學(xué)生模型構(gòu)建與學(xué)習(xí)行為分析，為學(xué)生提供個(gè)性化的自適應(yīng)學(xué)習(xí)服務(wù)。

目前，人工智能已經(jīng)成為智適應(yīng)學(xué)習(xí)的驅(qū)動(dòng)式技術(shù)。大部分智適應(yīng)學(xué)習(xí)系統(tǒng)的研究和應(yīng)用主要適用于知識型教學(xué)，對于職業(yè)技能型課程教學(xué)研究較少。因此，后續(xù)研究將主要針對職業(yè)教育領(lǐng)域技能型實(shí)踐類課程的教學(xué)和學(xué)習(xí)，根據(jù)學(xué)生學(xué)習(xí)目的、職業(yè)發(fā)展需求和學(xué)生個(gè)人發(fā)展要求培養(yǎng)學(xué)生職業(yè)能力，智能引導(dǎo)、促進(jìn)學(xué)生由淺層學(xué)習(xí)向深度學(xué)習(xí)過渡，促進(jìn)新知識構(gòu)建，實(shí)施智能化、精準(zhǔn)化、個(gè)性化教學(xué)過程。