韋 量
(廣西金融職業(yè)技術(shù)學(xué)院,廣西 南寧 530007)
如何因材施教實(shí)現(xiàn)個性化學(xué)習(xí),是自古以來中外眾多教育工作者孜孜以求的目標(biāo)。近年來,隨著Mooc、微課、翻轉(zhuǎn)課堂、混合教學(xué)等新教學(xué)理念的興起,以及我國教育信息化事業(yè)的快速發(fā)展,高職院校的在線教學(xué)達(dá)到了一定規(guī)模。受新冠肺炎疫情影響,我國高職院校紛紛開展大規(guī)模在線教學(xué)活動。在線教學(xué)突破了時空的限制,實(shí)現(xiàn)碎片化學(xué)習(xí),促進(jìn)了優(yōu)質(zhì)教育資源的普及共享。但目前高職院校在線教學(xué)沒有適應(yīng)性,大多沿襲線下教育的模式,所有學(xué)生按照統(tǒng)一模式和固定的內(nèi)容學(xué)習(xí),在線學(xué)習(xí)效率低,不利于學(xué)生的個性化發(fā)展。
隨著物聯(lián)網(wǎng)、大數(shù)據(jù)、云計算、人工智能以及5G等技術(shù)的快速發(fā)展,信息技術(shù)、智能技術(shù)與教育深度融合,導(dǎo)致在線教學(xué)模式發(fā)生重大改變。2018 年4月,教育部發(fā)布《高等學(xué)校人工智能創(chuàng)新行動計劃》明確提出,“加快人工智能在教育領(lǐng)域的創(chuàng)新應(yīng)用,利用智能技術(shù)支撐人才培養(yǎng)模式的創(chuàng)新、教學(xué)方法的改革、教育治理能力的提升,構(gòu)建智能化、網(wǎng)絡(luò)化、個性化、終身化的教育體系”。
智適應(yīng)學(xué)習(xí)就是通過教育大數(shù)據(jù),將人工智能與教育深度融合,評估學(xué)習(xí)者的知識狀態(tài)并預(yù)測其學(xué)習(xí)趨勢,幫助教師實(shí)現(xiàn)精準(zhǔn)化教學(xué),為學(xué)習(xí)者推送適合個體特征的學(xué)習(xí)方案,提高學(xué)習(xí)效率,因材施教,實(shí)現(xiàn)個性化學(xué)習(xí)。
本文先介紹自適應(yīng)學(xué)習(xí)及其發(fā)展,再從模型研究、發(fā)展路徑對高職在線教學(xué)實(shí)現(xiàn)智適應(yīng)學(xué)習(xí)進(jìn)行分析和探索,以期對高職在線教學(xué)智適應(yīng)學(xué)習(xí)系統(tǒng)的研發(fā)提供思路和參考。
目前,國內(nèi)外研究者對于自適應(yīng)學(xué)習(xí)的定義不一,但一致指出自適應(yīng)學(xué)習(xí)的本質(zhì)是個性化學(xué)習(xí)。美國匹茲堡大學(xué)Brusilovsky教授自20世紀(jì)90年代至今深入研究自適應(yīng)學(xué)習(xí),本文引用其在1996年提出的定義:“收集學(xué)生在使用系統(tǒng)學(xué)習(xí)過程中的信息,并對收集的信息進(jìn)行分析,然后為學(xué)生個性化定制符合其學(xué)習(xí)能力和認(rèn)知水平的用戶模型,從而解決教育中針對性不強(qiáng)的難題”[1]。自適應(yīng)學(xué)習(xí)是一種“以學(xué)生為中心”的教學(xué)模式,極大地改變了在線教學(xué)生態(tài),促進(jìn)教育模式的變革,是智能教育發(fā)展的方向。
自適應(yīng)學(xué)習(xí)自20世紀(jì)90年代興起,受限于技術(shù)瓶頸,在前十幾年發(fā)展較為緩慢。最近十年,隨著慕課的興起以及大數(shù)據(jù)、云計算、人工智能等技術(shù)的快速發(fā)展,推動自適應(yīng)學(xué)習(xí)進(jìn)入快速發(fā)展通道,使自適應(yīng)學(xué)習(xí)成為一種新型的在線學(xué)習(xí)模式。
目前,國外的很多自適應(yīng)學(xué)習(xí)平臺研發(fā)早且技術(shù)日趨成熟,大多遵循統(tǒng)一的標(biāo)準(zhǔn),以Knewton,Aleks為代表的平臺產(chǎn)品在K-12領(lǐng)域和高等教育中獲得大規(guī)模推廣和使用。國內(nèi)自適應(yīng)學(xué)習(xí)行業(yè)在近五年才逐漸發(fā)展,但尚未形成廣為認(rèn)可且成熟度高的自適應(yīng)學(xué)習(xí)平臺。目前,國內(nèi)的自適應(yīng)學(xué)習(xí)平臺主要應(yīng)用于中、小學(xué)教育領(lǐng)域,缺少應(yīng)用于高等教育的產(chǎn)品。
得益于近幾年來機(jī)器學(xué)習(xí)的發(fā)展,特別是深度學(xué)習(xí)算法的突破,以人工智能為驅(qū)動核心技術(shù)建立的自適應(yīng)學(xué)習(xí),形成了人工智能自適應(yīng)學(xué)習(xí)。
智適應(yīng)學(xué)習(xí)的基本工作原理是首先通過在線教學(xué)平臺收集學(xué)生的個體特征數(shù)據(jù)和學(xué)習(xí)過程數(shù)據(jù),形成教育大數(shù)據(jù),其次,使用數(shù)據(jù)挖掘和分析技術(shù)獲得待訓(xùn)練的樣本數(shù)據(jù),通過人工智能算法訓(xùn)練該樣本數(shù)據(jù)來構(gòu)建模型,最后使用構(gòu)建的模型對各類自適應(yīng)學(xué)習(xí)環(huán)節(jié)進(jìn)行預(yù)測與推薦。
智適應(yīng)學(xué)習(xí)系統(tǒng)是指在教育大數(shù)據(jù)的支持下,將人工智能與在線教學(xué)深度融合,能自動評估學(xué)習(xí)者的知識狀態(tài)并預(yù)測其學(xué)習(xí)趨勢,幫助教師實(shí)現(xiàn)精準(zhǔn)化教學(xué),為學(xué)習(xí)者推送適合個體特征的學(xué)習(xí)內(nèi)容和路徑的在線教學(xué)系統(tǒng)。
高職在線教學(xué)的智適應(yīng)學(xué)習(xí)系統(tǒng)以美國匹茲堡大學(xué)Brusilovsky教授提出的自適應(yīng)教育超媒體(Adaptive Educational Hypermedia Systems,AEHS)通用模型為參考模型,由領(lǐng)域模型(Domain Model)、學(xué)習(xí)者模型(User Model)、教學(xué)模型(Pedagogical Model)、界面模塊(Interface Module)和自適應(yīng)引擎(Adaptive Engine)5個核心組件構(gòu)成[2]。
文章結(jié)合高職專業(yè)教學(xué)的特點(diǎn),以強(qiáng)化學(xué)生的職業(yè)能力為目的,著重討論如何構(gòu)建智適應(yīng)學(xué)習(xí)系統(tǒng)的領(lǐng)域模型、學(xué)習(xí)者模型和教學(xué)模型。
2.1.1 領(lǐng)域模型的內(nèi)涵
領(lǐng)域模型是領(lǐng)域知識元素及其之間關(guān)系的集合。領(lǐng)域知識元素一般是指領(lǐng)域內(nèi)涉及的知識單元、知識點(diǎn)和學(xué)習(xí)對象,主要解決學(xué)習(xí)者“學(xué)什么”的問題,是智適應(yīng)學(xué)習(xí)系統(tǒng)的基礎(chǔ)和核心。
2.1.2 構(gòu)建高職在線教學(xué)領(lǐng)域模型的策略
在構(gòu)建領(lǐng)域模型中,要明確領(lǐng)域知識元素及其關(guān)系,領(lǐng)域知識元素在不同的研究領(lǐng)域中會有不同的命名和關(guān)聯(lián)關(guān)系。
高職院校是培養(yǎng)高素質(zhì)技術(shù)技能人才的基地,以促進(jìn)就業(yè)為導(dǎo)向,依據(jù)專業(yè)所面向的職業(yè)崗位設(shè)置專業(yè)課程體系,并根據(jù)崗位的典型工作任務(wù)確定專業(yè)核心課程,因此,以職業(yè)能力為導(dǎo)向構(gòu)建領(lǐng)域模型更能體現(xiàn)高職教育專業(yè)培養(yǎng)的內(nèi)涵。將領(lǐng)域知識元素按照職業(yè)能力、任務(wù)單元、知識點(diǎn)、學(xué)習(xí)對象進(jìn)行劃分。
首先,職業(yè)能力是指專業(yè)所面向的職業(yè)崗位群所需的職業(yè)技能和知識,再把職業(yè)崗位群中為完成某一工作任務(wù)所需的職業(yè)技能和知識分解為任務(wù)單元,將任務(wù)單元分解成獨(dú)立且不可細(xì)分的知識點(diǎn)或技能點(diǎn)。其次,學(xué)習(xí)對象是在學(xué)習(xí)過程中支撐學(xué)習(xí)任務(wù)和學(xué)習(xí)活動所需的教學(xué)資源,其類型包括文本、視頻、測試題和實(shí)訓(xùn)操作。明確專業(yè)領(lǐng)域的知識元素之后還要確定元素之間的關(guān)系。常見的關(guān)系有父子關(guān)系和前驅(qū)后續(xù)關(guān)系,如知識元素B是知識元素A的一部分,A包含B,則A是B的父知識元素,B是A的子知識元素;如果學(xué)習(xí)知識元素D之前必須要掌握知識元素C,則C是D的前驅(qū),D是C的后續(xù)。最后使用圖或者樹結(jié)構(gòu)展示領(lǐng)域模型,目前最常用的方式是使用知識圖譜來展示領(lǐng)域模型。
2.2.1 學(xué)習(xí)者模型的內(nèi)涵
學(xué)習(xí)者模型是智適應(yīng)學(xué)習(xí)系統(tǒng)制定個性化決策的依據(jù)。該模型記錄了學(xué)習(xí)者個人信息、知識狀態(tài)和學(xué)習(xí)行為等數(shù)據(jù),智適應(yīng)學(xué)習(xí)系統(tǒng)依據(jù)這些數(shù)據(jù)來向?qū)W習(xí)者推薦學(xué)習(xí)內(nèi)容和方案。
2.2.2 構(gòu)建高職在線教學(xué)的學(xué)習(xí)者模型策略
自適應(yīng)源、建模技術(shù)和可視化視圖是構(gòu)建學(xué)習(xí)者模型的主要關(guān)鍵點(diǎn)。
(1)自適應(yīng)源是指用來構(gòu)建學(xué)習(xí)者模型所依據(jù)的學(xué)習(xí)者的個體特征,如學(xué)習(xí)興趣、知識水平、技能水平、評測記錄、學(xué)習(xí)記錄、學(xué)習(xí)風(fēng)格、學(xué)習(xí)偏好、認(rèn)知能力、實(shí)操能力、學(xué)習(xí)動機(jī)、背景與經(jīng)驗(yàn)等。
為了實(shí)現(xiàn)在不同系統(tǒng)之間對學(xué)習(xí)者數(shù)據(jù)的共享和移植,同時確保數(shù)據(jù)安全、完整與隱私,需要對建模所用的學(xué)習(xí)者的個體特征數(shù)據(jù)制定統(tǒng)一的標(biāo)準(zhǔn)。本研究采用中國信息技術(shù)標(biāo)準(zhǔn)委員會發(fā)布的CELTS-11學(xué)習(xí)者標(biāo)準(zhǔn)收集相關(guān)數(shù)據(jù)構(gòu)建學(xué)習(xí)者模型。依據(jù)CELTS-11學(xué)習(xí)者標(biāo)準(zhǔn),結(jié)合高職專業(yè)教學(xué)的特點(diǎn),從個人信息、知識狀態(tài)、學(xué)習(xí)行為等個體特征數(shù)據(jù)來構(gòu)建學(xué)習(xí)者模型。其中個人信息包括ID、組ID、姓名、年齡、性別、專業(yè)、年級、班級、籍貫、性格、學(xué)習(xí)風(fēng)格、學(xué)習(xí)偏好等基本信息。個人信息是靜態(tài)個體特征,組ID、學(xué)習(xí)風(fēng)格、學(xué)習(xí)偏好等個體特征是系統(tǒng)為學(xué)習(xí)者確定學(xué)習(xí)同伴的依據(jù)之一。
(2)知識狀態(tài)表示學(xué)習(xí)者在任務(wù)單元或知識點(diǎn)上所具備的技能水平或知識水平,是動態(tài)個體特征。知識狀態(tài)包括ID、對應(yīng)領(lǐng)域模型的知識點(diǎn)ID、知識水平、技能水平等數(shù)據(jù)。知識水平和技能水平是知識狀態(tài)的兩個重要維度,會隨著學(xué)習(xí)者的學(xué)習(xí)進(jìn)展而不斷發(fā)生變化。采用適切的算法對學(xué)習(xí)者的知識水平和技能水平進(jìn)行精準(zhǔn)評估,有助于為學(xué)習(xí)者提供符合其當(dāng)前狀態(tài)的學(xué)習(xí)內(nèi)容。
(3)學(xué)習(xí)行為是學(xué)習(xí)者在學(xué)習(xí)任務(wù)或?qū)W習(xí)活動中與系統(tǒng)交互的行為數(shù)據(jù),記錄著學(xué)習(xí)者使用教學(xué)資源的行為數(shù)據(jù),比如視頻(文本)瀏覽次數(shù)、本次視頻(文本)學(xué)習(xí)時長、本次視頻(文本)回顧時長、本次測試時間、本次實(shí)操練習(xí)時間、實(shí)操練習(xí)次數(shù)等。借助學(xué)習(xí)行為數(shù)據(jù),有助于對學(xué)習(xí)者的學(xué)習(xí)過程和學(xué)習(xí)效果進(jìn)行評價,并為學(xué)習(xí)者提供學(xué)習(xí)反饋,也有助于教師深入了解學(xué)情。
為確保學(xué)習(xí)者模型的準(zhǔn)確性,須混合使用項(xiàng)目反應(yīng)模型、權(quán)重算法和機(jī)器學(xué)習(xí)算法,對學(xué)習(xí)者模型中的動態(tài)個體特征數(shù)據(jù)進(jìn)行訓(xùn)練和修正,不斷完善學(xué)習(xí)者模型。最后,使用可視化視圖展示學(xué)習(xí)者的知識狀態(tài)、學(xué)習(xí)進(jìn)展。
2.3.1 教學(xué)模型的內(nèi)涵
教學(xué)模型是為學(xué)習(xí)者達(dá)成一定學(xué)習(xí)目標(biāo)而實(shí)施的教學(xué)策略、教學(xué)組織等一系列規(guī)則。教學(xué)模型主要解決學(xué)習(xí)者“怎樣學(xué)”的問題,確保智適應(yīng)學(xué)習(xí)系統(tǒng)實(shí)現(xiàn)智適應(yīng)。
2.3.2 構(gòu)建高職在線教學(xué)的教學(xué)模型策略
構(gòu)建教學(xué)模型的最終目的是提高學(xué)生的職業(yè)能力,使之達(dá)到崗位的要求。在制定教學(xué)模型的教學(xué)規(guī)則時,依據(jù)就業(yè)崗位所需的職業(yè)能力要求,結(jié)合學(xué)生當(dāng)前的知識狀態(tài),從領(lǐng)域模型中提取對應(yīng)的學(xué)習(xí)內(nèi)容形成學(xué)習(xí)方案,并向?qū)W生推薦。在實(shí)施學(xué)習(xí)方案的過程中,借助學(xué)生的學(xué)習(xí)行為數(shù)據(jù)評價其學(xué)習(xí)效果,對學(xué)習(xí)者模型不斷修正。這是一種系統(tǒng)數(shù)據(jù)驅(qū)動教學(xué)的模式,為了更好地發(fā)揮學(xué)生的學(xué)習(xí)能動性,還應(yīng)提供另一種自我驅(qū)動教學(xué)模式,即在學(xué)習(xí)前學(xué)生可以自主決定由系統(tǒng)指導(dǎo)學(xué)習(xí)還是以個人喜好選擇學(xué)習(xí)內(nèi)容和方案。
隨著物聯(lián)網(wǎng)、大數(shù)據(jù)、云計算、人工智能、5G等技術(shù)的快速發(fā)展及教育信息化2.0時代的來臨,智適應(yīng)學(xué)習(xí)是智能教育的發(fā)展方向。作為高職院校的教師應(yīng)該未雨綢繆,為今后實(shí)現(xiàn)高職在線教學(xué)的智適應(yīng)學(xué)習(xí)做好前期準(zhǔn)備工作。
教育行政部門統(tǒng)籌規(guī)劃,各職業(yè)院校眾籌眾創(chuàng),依據(jù)標(biāo)準(zhǔn)分解出高職各專業(yè)領(lǐng)域模型中的知識元素及其關(guān)聯(lián)關(guān)系。國內(nèi)出版社和各類慕課平臺有豐富的教學(xué)資源,加強(qiáng)與出版社、各類慕課平臺的合作,整理與學(xué)習(xí)對象相關(guān)的各類資源,并勾畫領(lǐng)域模型結(jié)構(gòu)圖。
按照學(xué)習(xí)者元數(shù)據(jù)標(biāo)準(zhǔn)收集和存儲學(xué)生的個體特征和學(xué)習(xí)數(shù)據(jù)。有規(guī)劃地實(shí)現(xiàn)學(xué)校內(nèi)各類在線平臺的互聯(lián)互通,并對這些平臺的數(shù)據(jù)進(jìn)行清洗并轉(zhuǎn)換成標(biāo)準(zhǔn)數(shù)據(jù),為將來智適應(yīng)學(xué)習(xí)的實(shí)現(xiàn)和學(xué)習(xí)效果的分析積累海量的教育數(shù)據(jù)。
高職在線教學(xué)從如何實(shí)現(xiàn)自適應(yīng)學(xué)習(xí)出發(fā),介紹了一種個性化學(xué)習(xí)的有效方案——智適應(yīng)學(xué)習(xí)。首先,介紹自適應(yīng)學(xué)習(xí)及其發(fā)展,其次,基于自適應(yīng)教育超媒體通用模型,提出高職在線教學(xué)的智適應(yīng)學(xué)習(xí)系統(tǒng)的領(lǐng)域模型、學(xué)習(xí)者模型和教學(xué)模型的構(gòu)建策略,最后,對當(dāng)前高職在線教學(xué)的智適應(yīng)學(xué)習(xí)的發(fā)展路徑進(jìn)行了分析和探索。后續(xù)將進(jìn)一步深入研究高職在線教學(xué)的智適應(yīng)學(xué)習(xí)的模型構(gòu)建及其系統(tǒng)的研發(fā),形成系統(tǒng)的研究成果。