大數據時代高職學生自適應學習探究

朱再英

[摘 要]隨著人工智能的快速發展，智慧教育成為教育界與企業界最新的研究方向。自適應學習是在大數據的基礎上開展的一種全新的智慧教育方式，在我國尚處于萌芽階段。本文在探討大數據時代高職學生自適應學習的現實意義的基礎上，構建了高職學生自適應學習模式，分析了有效開展自適應學習的現實路徑，為職業教育現代化的推進提供參考。

[關鍵詞]大數據時代；高職學生；自適應學習；智慧教育

doi：10.3969/j.issn.1673 - 0194.2017.20.151

[中圖分類號]G434 [文獻標識碼]A [文章編號]1673-0194（2017）20-0-02

自從2015年李克強總理首次在《政府工作報告》中提出“互聯網+”行動計劃，互聯網與教育深度融合成為教育界關注的焦點。人工智能和大數據技術的快速發展有力推動了教育的創新發展，但目前“互聯網+教育”依然存在一些問題。智慧教育最不智慧的表現，就是忽視了學習者的主體地位，無法真正做到因材施教。事實上，自適應學習在我國尚處于萌芽階段。因此，以學習者為主體的自適應學習是值得深入研究的課題。

1 高職學生自適應學習的重要意義

我國經濟轉型升級迫切需要大量多元化、個性化、創新型人才作為支撐，高職院校承擔著培養高素質技術技能人才的重任，目前正面臨著培養新型人才的挑戰。當前職業教育工作者倡導的基于網絡的自主學習，在理論上是一種個性化的學習方式，但由于種種原因學習效果并不理想。而國外大量教學案例證明，在大數據的基礎上開展自適應學習才是個性化教育的有效途徑。

高職學生利用大數據和智能技術開展自適應學習的重要意義主要表現在以下3個方面。一是能夠減負。自適應學習系統具有智能推送功能，能有效防止學生在海量的信息中迷失自我，并減少查找資源的時間。二是能夠增效。在大數據的支持下，學生可以通過自適應學習系統了解到自己的知識缺陷、能力缺陷、興趣偏好和發展目標等，并能獲取系統智能推送的適合自己的學習資源以及個性化的學習指導服務，從而提高學習效率。三是實現個性化教育。教師通過自適應學習系統能夠了解學生的學習行為和學習軌跡、預測學習結果、診斷學習需求和問題，真正做到因材施教。

2 高職學生自適應學習模式

所謂自適應學習，是指在數字化學習環境中，教師利用大數據分析技術對學習行為的數據信息進行記錄、挖掘和分析，有針對性地提供個性化的學習服務，并進行個性化干預和指導，從而提高學習效果的一種以大數據為基礎的教育技術新范式。

依據高職學生的特點構建以學生為主體的自適應學習模式，該學習模式具體操作步驟如下：①將班級學生進行分組，按每4～6人一組成立課程學習團隊；②教師依據面向未來的能力素質要求設定學習任務；③在云平臺或班級QQ群、微信群發布學習任務；④學習團隊對任務進行解讀，然后通過自適應學習系統分工協作完成任務，按要求取得可交付成果；⑤學習團隊在課堂上展示成果，以團隊自評、互評和教師點評相結合的方式進行學習評價；⑥根據任務完成情況，將完成任務的要求進行重新設定，提升可交付成果質量，從而進一步提升學習能力；⑦對異常狀態進行處理。當學習團隊沒有按照要求完成任務時，則對其進行懲罰，由于學習行為是團隊行為，懲罰對象也應是全體團隊成員。這樣才能在學習過程中互相督促，形成良好的學習氛圍，保證學習任務高質量地完成。

3 高職學生自適應學習模式的應用

3.1 高職學生自適應學習模式要求充分發揮學生的主體作用

高職學生由于基礎較弱，大多數對學習缺乏信心，在傳統教學模式下普遍缺少學習自主性。因此，教師必須引入互聯網思維，轉變教學理念，不搞講授式教學，以學生為中心，從學生的角度出發設計教學活動，吸引學生積極參與。學生通常對于自身學習短板的求知欲強，教師可利用其心理強化其欲望，從而充分調動其學習積極性，使學生自主開展學習。在自適應學習模式下，學習者主動適應在線學習方式，自己制定與執行學習計劃，自主選擇學習策略，并利用自適應學習系統進行自我評估。

3.2 自適應學習環境的創設

當前的學生是伴隨互聯網成長起來的數字原生代，他們喜歡信息技術，依賴手機等移動終端進行學習與交流。針對學習者的這一特點，教師應創設適應學習者特征的信息化、個性化的學習環境，將信息技術融入教學過程，實施個性化教學。

3.3 自適應學習系統的選擇

自適應學習模式的實施，需要一個基于網絡的能夠為學習者提供廣泛的、全方位的個性化學習服務的自適應學習系統。自適應學習系統應能為學習者提供學習方法以及策略、資源和情感方面的支持服務，可精準分析和預測學生的優勢、不足、學習興趣、認知投入水平，智能推送學習路徑和學習資源，為具有不同知識基礎與認知風格的學習者提供相適應的個性化服務來促進有效學習。這就要求自適應學習系統能夠人性化地根據學習者的興趣偏好、訪問時間與頻率而動態調整界面，以更好地滿足學習者的個性需求，并縮短學習者尋找資源的時間，提高在線學習效率。

3.4 抓住自適應學習的關鍵環節。

在傳統的在線教育模式下，不同認知能力的學生用相同的步驟學習相同的內容，遇到問題也無法獲得及時反饋與幫助。自適應學習系統則會檢測學習者當前的學習狀態，智能調整學習內容和學習進程，并能獲得即時幫助，從而實現差異化學習。大數據技術支撐下的自適應學習應抓住3個關鍵點：學習診斷、學習內容的動態組織和學習策略。學習診斷可在學習開始前、學習過程中及學習結束時通過系統答題測試進行。在學習開始前，自適應學習系統通過測試題目的難度及學習者做題的速度估算出知識掌握程度，據此動態組織學習內容、適應性呈現，并給出個性化學習建議和進行學習干預。在學習過程中，學生通過測試可實時發現學習薄弱環節，系統可及時提供鞏固性練習；如遇困難，系統可適應地降低測試難度同時呈現前項及相關知識供學習者重新學習；也可在學習者輕松掌握知識時適應地增大測試難度，同時呈現后項知識使其繼續學習。學習結束時主要檢測學習成果的成就性，若達到預期學習目標，則建議終止學習或進行新知識學習，反之，則建議補習。自適應學習系統充當了教師的角色，使不同認知能力水平的學習者都能有效開展學習，最終實現學習目標。

4 結 論

自適應學習是在大數據技術支撐下展開的一種以學習者為主體的全新的智慧教育方式，能真正做到因材施教。高職學生自適應學習模式的實施，必須選擇一個基于網絡的自適應學習系統，能夠為學習者提供學習方法以及策略支持、資源支持和情感支持等服務，有效促進高職學生的個性化教育，提高了學習效率，提升了人才培養質量。

主要參考文獻

[1]萬海鵬，汪丹.基于大數據的牛頓平臺自適應學習機制分析——“教育大數據研究與實踐專欄”之關鍵技術篇[J].現代教育技術，2016（5）.

[2]祝智庭，沈德梅.基于大數據的教育技術研究新范式[J].電化教育研究，2013（10）.

[3]王海元.基于信息技術的學生自適應學習能力提升途徑研究[J].高教學刊，2015（19）.

[4]姜強.自適應學習系統支持模型與實現機制研究[D].長春：東北師范大學，2012.

[6]王新路.初中數學自適應學習系統學習者模型研究與設計[D].長春：東北師范大學，2013.

[7]姜強，趙蔚，李松，等.個性化自適應學習研究——大數據時代數字化學習的新常態[J].中國電化教育，2016（2）.

[8]張岌.“大數據”時代高校信息化對教學改革的啟示——基于美國大學教學系統平臺的分析[J].重慶行政，2017（1）.endprint