借助智能引擎，培養自我驅動學習能力

柯嘉瑩

未來，是擁抱智能教育的時代，智能技術將打破教和學的方方面面，探索教育發展的新維度。蒲石提醒，在深挖教育數據價值與空間的同時，還要時刻注意數據分析的精準度。

數據驅動學校，分析變革教育的時代已經來臨。這是全球教育界共識，人們開始重視教育數據帶來的深層信息與對成績的干預作用。在美國的全日制學校里，已經開始出現自適應學習技術的影子。這項新技術的背后，帶來的是教師教學方法的變革，以及學校對硬件的新一輪升級。

數據分析技術為教育科技企業帶來了一場學習分析技術爭奪戰，因為它瞄準了幾個根本性問題：我們能否創建一種比傳統教材更吸引孩子的傳授方式？教授概念或技能的次序有多重要？我們怎樣才能讓考試或測評不僅用于對學生進行排名，還能成為了解學生學習動機的窗口？為此，國內教育信息化領域資深研究員、西南財經大學天府學院信息技術教學中心蒲石以獨特的研究理念解答了這些難題。

在蒲石看來，學習分析系統在教學體系中的應用涉及三個方面：對象，時間，來源。

“當我們在研究學習分析系統服務的對象時，自然就生出了一個問題，它在學習中改變的是什么？”蒲石介紹說，學習分析系統面向三個群體提供服務——學生、教師、院校。從學生的角度來講，關注點是系統中哪些內容可以調整。首先是改變內容或者題目，如何通過區分任務或項目的難度水平改變內容；其次是改變學習內容的表征形式和路徑選擇；再次是通過間接指導調整教學水平和可用的支持。結合每個學生的不同情況篩選最適合的內容與方式，循序漸進地提升學習成就感，理論上是能夠顯著提升學生學習興趣的。

但是，當前市場上與之類似的自適應學習系統并不少見，卻為何沒能達到這一目標呢？蒲石分析，問題的關鍵在于如何處理科技和人的關系。因此，他整合了學習者的數據軌跡、個人檔案與現有的課程數據，并集中進行分析，以小型網絡集群的形式為學生提供學習內容與規劃。由此研發出基于機器學習和數據挖掘的個性化自適應學習系統，能夠跟蹤學生的線下和線上的交互行為，分析學生的技能和能力，然后比較目前的技能和某一學科或領域知識要求的差距，并告知學生。例如，一個想要考取心理學博士的學生，可以利用個性化自適應學習系統來了解目前他的知識水平與目標要求的差距。可能他目前只達到了心理學博士學位要求的64%，那么，如果這位學生決定考取心理學博士學位，學習系統可以為他提供一個個性化的學習路徑，并在學習的過程中不斷調整，通過數據為這位學生的學習過程提供科學指導，顯著提高學習效率。

關于學習次序的重要性問題，實質上是時間問題。系統會幫助教師調整好教授的模式與進度，這也就要求科學處理好教師的位置。蒲石將教育數據按照多層次結構建模，對學習者和學習環境的挖掘，涉及大量心理學、教育學和學習科學的范式與規律，比如厭倦、困惑、沮喪，或信任、滿意度和獨立情緒等，把這些相對獨立的預測變量組合在一起，發現變量關系及關系程度，再通過關聯規則挖掘、相關性挖掘、序列模式挖掘等，開啟一個關于情感狀態方面的智能學習新領域，實現對學生學習成績的預測與學習狀態的預警。教師可以通過系統實時了解學生的學習狀態，及時調整教學內容與進度，從而提升教育教學水平。

讓考試不僅用于對學生進行排名，還能了解學生學習動機，這對于預測院校、干預學生的心理與行為具有重要意義。解決了時間要素，蒲石針對這一目標展開了研發。

蒲石收集了學習者在學習活動中所有關于習慣與喜好的相關數據，包括鼠標點擊、熱點地圖、社交網絡分析、推薦系統等，并同時完成了學習者和系統的交互、學習參數與教學變量的交互，研發出基于數據挖掘的學習行為數據采集與分析系統，重構教與學與教育管理的模式。

“個性化學習，在現在依然沒有完全統一的定義，你問不同的人，答案也是不同的。不過，需要承認的是，科技雖然是其重要組成部分，但其本質上是一種教學法，包含著幾個重要的元素：多樣的學習策略、實時的學習引導、傾聽孩子的聲音、精通式學習、靈活的學習進度以及學生-老師共同參與的學習路徑等。這些元素最為核心的就是‘將學習的主動權從老師轉換到學生，成為一個自我驅動型的學習者。”利用機器學習與數據挖掘技術進行深入分析，基于數據挖掘的學習行為數據采集與分析系統，能夠根據學習者最近的瀏覽狀態，提供充足但不過分的內容，降低學習者的疲勞感、挫敗感，提升成就感，是當下為數不多的真正能夠影響學習效果的學習分析系統。

現如今，對學習分析技術的研發，教育科技團隊間開始流行起來的一種新的務實精神，開始以學生、教師、院校的應用為中心，注重科技與人的結合。沒人再談論用科技取代教師，但都不會否認教育數據挖掘技術對于教育改革的作用與影響。未來，是擁抱智能教育的時代，智能技術將打破教和學的方方面面，探索教育發展的新維度。蒲石提醒，在深挖教育數據價值與空間的同時，還要時刻注意數據分析的精準度。

（作者單位：遼寧省沈陽北方時代文化傳媒有限公司）