結合知識追蹤機制的ICARE教學模型應用研究

王磊 張娜 張耀民 韓泉葉 劉夢娟

摘?要：分析了目前開放教育背景下“人工智能導論”課程教學現(xiàn)狀，梳理了教學過程中存在的問題。圍繞專業(yè)人才培養(yǎng)方案、依據(jù)課程標準、經過前期崗位需求分析，統(tǒng)計學生前導課程知識掌握情況。挖掘時政熱點，對教學內容進行重構?；贗CARE教學模型，針對開放教育學生進行學情分析，構建知識追蹤模型，提出了結合知識追蹤機制的“ICARE”變異模型，并對教學效果進行評價，教學效果良好。

關鍵詞：開放教育；知識追蹤；ICARE；人工智能

文獻標識碼：A

Abstract：We?analyze?the?current?teaching?status?of?the?course?"Introduction?to?Artificial?Intelligence"?under?the?background?of?open?education，and?solve?the?problems?during?the?teaching?process.Based?on?the?curriculum?standards，and?analyzing?the?job?requirements?in?the?early?stage，we?calculate?the?knowledge?mastery?in?the?leading?courses?of?students.A?knowledge?tracking?model?is?constructed?to?analyze?the?learning?situation?of?open?education?students?with?ICARE?teaching?model.The?paper?proposes?a?"ICARE"?mutation?model?combining?knowledge?tracking?mechanism.The?teaching?effect?was?evaluated，and?the?teaching?effect?was?good.

Keywords：open?education；knowledge?tracking；ICARE；artificial?intelligence

本研究針對目前遠程教學過程中存在的問題，嘗試進行教學改革研究。在開放教育工科課程中融入思政元素，基于ICARE教學模型，針對開放教育學生進行學情分析，構建知識追蹤模型。提出了結合知識追蹤機制的ICARE教學模型。采用“過程—結果—增值”三維學習評價模式，模塊項目按過程評價、結果評價和增值評價加權得到綜合性評價成績。

1?研究現(xiàn)狀

許多學者對遠程教育課程嘗試教學改革。郭紅霞等人［1］對于開放教育采用OBE理念模式把工科類崗位需求、技能競賽、職業(yè)資格證書緊密結合。嚴娣娟等人［2］通過網絡平臺探索“互聯(lián)網+”教學手段創(chuàng)新。丁鏡人［3］闡述了針對開放教育引入具身認知理論指導開放教育教學改革。顏景佐等人［4］對5G時代教育背景下開放大學SPOC教學模式改革進行研究。

知識追蹤模型能夠準確地預測學生與下一次練習的交互結果，挑戰(zhàn)在于人類學習是基于人類大腦和人類知識的復雜性［56］。Chris?Piech等人首先提出深度知識追蹤模型［7］。王丹萍［8］等人分析了知識追蹤在智慧教學中的應用以及未來研究方向展開討論。魏廷江等人［9］總結了知識追蹤領域的經典模型，對比了傳統(tǒng)知識追蹤理論到深度知識追蹤模型優(yōu)缺點，從學習者內在因素、模型解釋性及可反饋性方面進行剖析。

本研究基于遠程教育課程已有研究現(xiàn)狀，針對遠程教育工科課程特點，設計了ICARE變異模型。使得學生在知識技能方面按難度進階逐步掌握基本概念、原理及程序設計方法。

2?ICARE教學模型簡介

ICARE教學設計模型于1997年由圣地亞哥州立大學設計用于構建和組織教學模塊，在高等教育教學改革過程中起到一定程度推動作用。ICARE教學設計模型指代“互動性—協(xié)作性—真實性—反思性—參與度”。

3?深度知識追蹤模型

問題定義：智能教育系統(tǒng)包括三部分：學生、試題、知識點。知識追蹤認為給定學生歷史序列：s={X0，X1，X2，…，Xt}={（e0，a0），…，（et，at）}，預測下一組交互Xt+1。

知識追蹤是對學生的歷史答題記錄，預測學生對于新知識點的掌握程度，以及學生在下一次的表現(xiàn)。精確的知識追蹤能讓我們滿足學生當前的需求，精準推題。然而人類的學習過程中受到人類自身知識和大腦兩者復雜的影響，也導致知識追蹤是非常困難的。知識追蹤的任務是對學生的知識進行建模，這樣我們就可以準確地預測學生在未來的互動中將如何表現(xiàn)。早期模型過多依賴于人工定義的模板，比如IRT模型，定義了學生能力參數(shù)和題目的難度、區(qū)分度、猜測性參數(shù)，也有改進的不依賴交互函數(shù)的。

本文中利用循環(huán)神經網絡（RNN）來處理深度知識追蹤任務（deep?learning?based?knowledge?tracing，DLKT）。RNN是一種具有記憶性的序列模型，序列結構使其符合學習中的近因效應并保留了學習軌跡信息［17］。這種特性使RNN（LSTM和GRU等變體）成為DLKT領域使用最廣泛的模型。

圖1?DLKT模型

DLKT以學生的學習交互記錄（x1，x2，x3…，xt）作為輸入，通過嵌入編碼或預訓練模型轉化為向量。在DLKT模型中，xt學生的知識狀態(tài)作為LSTM的隱藏狀態(tài)，進一步通過激活函數(shù)計算出預測結果。yt的長度等于題目數(shù)量，每個元素為學生正確回答對應問題的預測概率值。

具體的計算過程如下：

ht=tanhWxhxt+Wxhxt+bh

yt=σWxhxt+Wxhxt+bh

深度知識追蹤模型采用負對數(shù)似然損失函數(shù)，目標是通過學習歷史序列在給定的時間計算學生練習過程的負對數(shù)似然性。

L=∑Tt=1（ytlogyt+（1-yt）log（1-yt））

其中，yt和yt分別表示真實值和預測值。

4?課程教學設計

課程采用漸進突破教學難點。模塊教學從項目到子任務，再到教學內容的設計都采用“漸進突破教學難點”教學理念。漸進提升編程思維。鑒于學情分析中學生程序設計能力不足的問題，從訓練學生精準程序輸入、提升編程邏輯和錯誤調試能力入手?？偨Y識記常見錯誤及調試方法，提升編程能力。在教學過程中滲透工匠精神等思政育人元素，深度融入教學活動的各個階段。按“備任務→解疑惑→強技能→再提升→拓視域”五個步驟，分為課前、課中、課后三個階段設計教學活動。課前明確課次任務目標，學習知識技能，進行課次任務準備；課中答疑解惑、強化程序設計技能訓練、提升崗位能力和素養(yǎng)；課后鞏固訓練并拓展學習任務相關內容，拓寬相關知識視域。

針對目前遠程教育現(xiàn)狀，嘗試采用線上線下混合教學模式。教學目標分為知識目標、能力目標、素質目標，針對教學目標確定教學重點。對開放大學學生進行學情分析，凝練教學難點。設計了結合知識追蹤機制的ICARE模型進行開放教育工科課程改革。互動性過程使得學員積極參與教學活動。協(xié)作性使得學員互相配合，鍛煉學生團隊合作能力，強化團隊合作意識。

4.1?課前

課前獲取網絡教學平臺教學行為數(shù)據(jù)，分析學生的學習薄弱點，包括：知識與技能基礎，認知與實踐能力，學習特點分析。項目實施前，利用學生畫像技術行為識別模型對學生進行了群體畫像和個人畫像，精準學情分析。項目實施中，監(jiān)測學生個體學習行為，及時預警不良狀態(tài)，以對個體進行個性化教學引導。在介紹階段利用學生畫像技術加入學情分析。課前教師通過教學平臺發(fā)布教學任務，上傳學習資源，檢查督促調整課堂教學策略。學生梳理任務目標，制訂實施計劃，檢測學生學習效果，解答學生提出的問題。該環(huán)節(jié)對應ICARE+模型的互動性環(huán)節(jié)。

4.2?課中

課中分為復習、攻克重難點、拔高三個階段。復習階段教師引導學生回顧課前學習知識點，展示課前討論成果，帶領學生共同梳理驗證。學生討論成果展示，總結經驗。該步驟對應ICARE模型的協(xié)作性環(huán)節(jié)。攻克重難點階段有針對性地采取教學策略完成教學目標，該步驟對接融入知識追蹤機制ICARE模型的真實性環(huán)節(jié)。設計意圖是強化程序編寫能力，針對重構內容進行滲透“崗課賽證”融通，提升學生發(fā)現(xiàn)問題解決問題的能力。拔高階段教學針對學生已經掌握的知識點進行拔高，提高知識融匯變通能力。該步驟對接融入知識追蹤機制ICARE模型的參與度環(huán)節(jié)。

某開放大學開放教育學院“人工智能導論”直播課共計6次。涵蓋的知識點包括：人工智能緒論、分類算法、聚類算法、回歸算法，本研究以課程中聚類知識點為例展開研究。聚類模型理論性比較強，開放教育學生基本已經參加工作，可以結合學生工作場景展開互動。

ICARE模型各個教學環(huán)節(jié)實施過程如下：

（1）互動教學環(huán)節(jié)。在講解算法之前，可以通過師生交流，引導學生結合自己工作崗位列舉聚類算法現(xiàn)實例子。通過身邊發(fā)生的真實現(xiàn)象，加深對聚類的理解。

（2）協(xié)作教學環(huán)節(jié)。采用云班課基于學情分析進行分組教學，不同小組采用分層教學策略。聚類知識點理解快的同學和理解慢的同學分成一組，操作能力強的帶動編程基礎差的同學。小組內部學生互相幫助，互相彌補，小組與小組進行互相點評。

（3）真實性環(huán)節(jié)。教師通過構建的知識追蹤預測學生對新知識的掌握情況。根據(jù)預測結果進行學生角色互換。讓學生在教學過程中用模擬仿真軟件實驗，體驗聚類給大家的樂趣。

（4）參與度環(huán)節(jié)。教師通過構建的知識追蹤預測學生對新知識的掌握情況。根據(jù)預測結果組長進行任務分解，讓每個學生都發(fā)揮其作用。組長根據(jù)作品對子任務分配進行微調，盡可能讓每個學生都熟悉所有子任務。

（5）在反思性環(huán)節(jié)，讓小組某個觀察成員梳理實驗過程中碰到的問題，大家共同提出解決方案，進行對比，找出最優(yōu)方法，最后讓教師點評。

4.3?課后

針對聚類章節(jié)部分布置課后作業(yè)：思考現(xiàn)實社會中聚類有哪些應用場景？

引導學生交流學習心得體會：

（1）向優(yōu)秀同學學習，努力縮小與優(yōu)秀同學的差距。

（2）中華民族文字博大精深，大家要積極學習中國優(yōu)秀傳統(tǒng)文化，弘揚民族精神。

利用個性化資源推薦模型結合學生歷史學習行為數(shù)據(jù)和分組教學，進行個性化學習輔導。該步驟對應ICARE+模型的反思性環(huán)節(jié)，設計意圖是通過作業(yè)內化消化課程知識點，拓展學生知識面廣度和深度，鍛煉學生解決問題的能力。

5?教學評價

5.1?過程評價

項目實施過程依據(jù)課前、課中和課后對學生的學習效果進行評價，過程評價采用學生自評、學生互評、教師評價。學生自評、互評針對學生學習態(tài)度、學習能力、團隊協(xié)作等方面進行。

5.2?結果評價

項目完成時進行項目理論測試和效果考核。理論測試限時完成，通過客觀題型評價學生的基本知識點。

5.3?增值評價

關注不同基礎學生學習增值部分。教師從知識技能、崗位能力、思想素養(yǎng)等方面的提升進行評價。

結語

本文基于ICARE教學模型，針對開放教育學生進行學情分析，提出了結合知識追蹤機制的ICARE變異模型。在遠程教育工科課程中融入思政元素，以開放教學學院“人工智能導論”課程聚類知識點為例，根據(jù)學情分析制定教學目標和重難點，在教學實踐應用階段根據(jù)“三階五升”教學理念組織教學，合理運用教學資源，采用“過程結果增值”學習評價。

參考文獻：

［1］郭紅霞.基于OBE理念的開放課程建設模式研究——以光伏專業(yè)傳感器課程為例［J］.南方農機，2022，53（16）：195198.

［2］嚴娣娟，朱政賢，凌丹櫻，等.新時代高校思政課程“互聯(lián)網+”教學模式改革研究——以開放教育思想道德修養(yǎng)與法治課程為例［J］.新疆開放大學學報，2022，26（04）：1823.

［3］丁鏡.具身認知理論視域下開放大學開放教育的教學改革［J］.中國成人教育，2022（20）：3741.

［4］顏景佐，劉淑娟，鄒燕.5G時代開放大學SPOC教學模式改革路徑探究［J］.山東開放大學學報，2022（03）：1115.

［5］劉恒宇，張?zhí)斐?，武培文，?知識追蹤綜述［J］.華東師范大學學報（自然科學版），2019（05）：115.

［6］艾方哲.基于知識追蹤的智能導學算法設計［D］.北京交通大學，2019.

［7］Chris?Piech，Jonathan?Spencer，Jonathan?Huang，et?al..?"Deep?Knowledge?Tracing"，Advances?in?Neural?Information?Processing?Systems.28（2015）.

［8］王丹萍，王忠，梁宏濤.基于深度學習的知識追蹤研究綜述［J］.計算機測量與控制，2022：110.

［9］魏廷江，倪琴，高榮，等.面向教育大數(shù)據(jù)的知識追蹤研究綜述［J］.上海師范大學學報（自然科學版），2022：171179.

基金項目：陜西開放大學教育教學改革研究課題：“大思政”背景下利用“ICARE+”模型進行開放教育工科課程教學改革（sxkd2022yb02）；陜西省教育廳科研計劃項目資助（項目編號：23JZ020）

作者簡介：王磊（1984—?），男，漢族，陜西咸陽人，碩士，副教授，主要研究方向：機器學習，從事大數(shù)據(jù)應用工作。