基于人工智能的自適應學習模式在高職課堂的應用探索

溫劍鋒　覃一海

摘 要

本文針對當前高職院校的在線課堂存在過度使用新技術、在線資源多而不精、在線課程缺乏針對性、缺乏科學的評價跟蹤體系等問題，提出基于人工智能的自適應學習模式，通過建立知識庫、建立學習者模型、建立個性化學習路徑等，為不同特征的學習者提供個性化學習資源，幫助高職學生達到課程學習目標。

關鍵詞

人工智能;自適應學習;高職課堂

中圖分類號： G434;G712 ? ? ? ? ? ? ? ? ? ? ? ?文獻標識碼： A

DOI：10.19694/j.cnki.issn2095-2457.2020.05.023

0 引言

人工智能作為計算機學科的重要分支，于1956年首次被出來，通過使用計算機模擬人的智能，幫助人們進行記憶、分析和決策。經過幾十年的發展，至今人工智能技術已經大量應用于生產、制造、教育、互聯網等各個領域之中，成為各國家參與國際競爭的核心技術。2017年國家頒布《新一代人工智能發展規劃》，明確了新一代人工智能的發展戰略[1]。2018年4月國家頒布《教育信息化2.0行動計劃》，以人工智能、大數據、物聯網等新興技術為基礎，開展智慧教育創新研究和示范，推動新技術支持下教育的模式變革[2]。2018年5月，美國組織多名專家召開人工智能研究討論會，并成立AI委員會，確保美國是人工智能領域的世界第一[3]。可見，人工智能技術已經成為全世界關注的焦點，必將主導新一代產業的巨大變革。

自適應學習模式是繼MOOC課后又一新興的在線學習模式。它于20世紀90年代被美國學者提出，由于當時技術的限制，它的發展僅限于根據學生的學習水平差異進行分層。人工智能技術的興起，使得自適應學習模式能根據學習者的認知、性格、興趣、知識水平等不同特點，推薦個性化的學習資源，并進行跟蹤和評價，為學習者提供精準的學習服務，幫助學習者達到學習目標。2017年的《地平線報告》預測個性化學習是未來在線學習發展趨勢，自適應學習技術是影響未來高等教育發展的關鍵技術[4]。《2018 中國職業教育技術展望：地平線項目報告 》指出適應性學習將成未來五年可能會在中國職業教育領域里對教學、學習和創造性探究產生重大影響的12項教育技術重要發展之一[5]。

2 高職學生的在線學習現狀分析

在“互聯網+”的背景下，依靠智能手機、平板、筆記本電腦等進行社交的工具已經應用在高職學生學習、生活的方方面面。在線學習就是在這種背景下產生的，讓學生充分利用碎片化時間，隨時隨地進行學習，彌補傳統課堂的不足，幫助學生提高學習成績。目前，在線學習課程如雨后春筍般在各高職院校大量出現，為學生提供了豐富的學習資源。然而，雖然在線學習資源豐富了，但是學生的學習效果并不理想。筆者認為主要有以下幾方面原因。

2.1 在線資源多而不精

大部分高職教師認為學習資源越多，學生能學到的知識就越多。于是老師們花時間開發了大量學習資源，包括音頻、視頻、課件等，甚至同一門課程都開發了不同的視頻音頻教程。這樣的做法，沒有立足于高職學生的實際，忽略了學生學習自覺性和學習能力。筆者經過調查發現，高職學生普遍覺得在線學習資源太多，根本看不完那么多資料，他們除了完成老師要求的學習任務之外，很少主動花時間去學習額外的在線課程。在線學習資源經常是多而不精，沒能給學生進行針對性補差補缺，往往達不到理想效果。

2.2 學生基礎能力差異大，在線課程沒針對性

當前，高職院校招生方式主要有高考錄取、單招錄取、對口錄取等，生源結構的多樣化，學生的基礎水平差異大，學生的接受能力各不相同。學生學習同樣的在線學習資源，有些學生掌握得非常好，有些學生半知不解，有些學生完全學不會。因為目前的在線課程缺乏針對性，不能對學生實現個性化輔導。

2.3 過度使用新技術，忽略學習過程引導

隨著新技術的不斷出現，開發在線資源的技術層出不窮。然而這些新技術的應用大都體現在給學習者提供良好的交互界面、監督學習者的學習進度、如何增加學習積分、如何提高點擊率等方面，沒有引導學生主動關注在線學習資源和自覺學習。相反，這些新技術手段使學生覺得為了監督學生的學習，忽略課程資源的深度和質量，忽略學生深層次的學習需求。

2.4 缺乏科學的評價跟蹤體系

在線學習平臺對學生學習效果的監控，大部分是以完成在線任務為主，如在線簽到、完成練習和作業、討論題、觀看視頻時間、在系統停留時間等。據筆者對學校的學生在線學習情況調查，發現大部分學生進行在線學習僅僅是為了滿足考核要求，拿到課程學分，并不是真正希望通過在線課程學習提高自己專業知識和技能。高職學生自主學習能力差，基礎知識水平差異大。他們在學習過程中遇到困難時，并不會主動從在線學習資源中尋找解決問題的辦法，而是寄希望于老師的面對面輔導。對于在線課程的學習任務，如果聽不懂，他們并不會主動去把知識點吃透，而是等老師在課堂指導，有的直接放棄。因此，建立一套完整的評價跟蹤體系策略，引導學生主動關注并完成在線課程學習，幫助學生達到課程學習目標，是當前混合教學改革必須考慮的問題。

3 人工智能背景下高職課堂的自適應學習模式構建

自適應學習是近年來出現的一種主動式學習模式，能為學生提供個性化的學習服務。人工智能技術的興起與發展，為自適應學習帶來了新的機遇。針對傳統在線課堂存在的問題，自適應學習模式能更好地解決以上問題。本文旨在人工智能背景下構建一種新型的自適應學習模式，提高高職課堂教學效果，主要從知識庫構建、學習者模型構建、基于XX算法的學習路徑構建三個方面描述。

3.1 知識庫構建

自適應學習模式的知識庫構建，主要是構建實體與屬性之間的關聯關系，確定知識點之間的關聯網絡結構圖。通俗地講，將每門課程需要掌握知識點及其詳細解釋，建立“課程—章節”、“章節—知識”、“知識點—詳細描述”的聯系方式，通過這種方式將課程的知識體系建立知識網絡結構。使用基于人工智能的語義搜索、智能問答等技術，可以實現對相關知識的精準獲取。隨著課程的改革與深化，知識庫會隨著課程特點不斷更新與豐富。知識庫越豐富，為個性化學習推薦的內容就越精確，針對性就越強，個性化學習的效果就越明顯。通過大數據分析決策技術，將知識庫的內容進行獲取、加工、分析、形成決策，為學習者提供精確的學習資源。

3.2 學習者模型構建 確定學習者的風格類型

不同的學習者，由于性格、興趣、知識基礎等方面存在差異，其學習接受能力各不相同。高職教師在實施教學時，不能以傳統滿堂灌的方式進行，更不能將學習者視為具有相同能力和基礎的對象。因此，實施自適應學習模式時，需要立足于高職學生的實際情況，建立適合高職學生的學習者模型。本文根據學生的認知水平、知識結構、學習行為、性格特征、興趣等建立學生特征數據庫，并在實施過程中不斷更新與豐富學生特征數據庫。通過大數據、人工智能等技術，為不同學習特征的學習者建立個性化學習路徑，為其推薦個性化的學習資源。

3.3 基于AprioriAll算法的學習路徑構建

這一部分是通過對知識庫和學習者模型進行統計分析之后，建立個性化的學習路徑的過程。該路徑使用AprioriAll算法，AprioriAll算法能對不同的學習者進行跟蹤與監測，智能地分析學習者對知識點的掌握程度。AprioriAll算法能針對學生的弱項，為其推薦精準學習路徑，通過對特定知識點的強化訓練，幫助其快速掌握相關內容。AprioriAll算法推薦的路徑并不是一成不變的，不同學習者的學習路徑各不相同，甚至同一學習者在不同時間學習同一知識點，如果掌握程度不一樣，AprioriAll算法推薦的學習路徑也會不一樣。AprioriAll算法通過學習者特征提取、構建學習路徑、推薦精準的知識點這三個步驟完成自適應學習模式構建，為不同學習者提供個性化的學習資源，幫助其達到課程學習目標，提高專業能力。

4 結束語

人工智能、大數據、物聯網等新一代技術將會引領著社會向新型的產業方向發展。自適應學習是近年來備受學者青睞的學習模式，它將會對傳統在線課堂帶來沖擊。如何將新一代技術與自適應學習模式進行有效結合，引領互聯網+教育向前發展，是當前教育必須考慮的問題。本文首先介紹了人工智能、自適應學習模式，然后論述了當前在線學習的現狀，接著從知識庫構建、學習者模式構建、學習路徑構建等方面闡述了基于人工智能的自適應學習模式，為學生的在線學習提供新思路，旨在幫助高職院校提高教學質量，培養更優秀的專業技術人才。

參考文獻

[1]吳永和，劉博文，馬曉玲.構筑“人工智能+教育”的生態系統[J].遠程教育雜志，2017，35（05）：27-39.

[2]鄭旭東.智慧教育2.0：教育信息化2.0視域下的教育新生態——《教育信息化2.0行動計劃》解讀之二[J].遠程教育雜志，2018，36（04）：11-19.

[3]徐曄.從“人工智能教育”走向“教育人工智能”的路徑探究[J].中國電化教育，2018（12）：81-87.

[4]崔向平，徐娟.自適應學習技術的應用、問題及趨勢——訪美國俄亥俄州立大學大衛·斯坦恩教授[J].開放教育研究，2019，25（05）：4-10.

[5]《2018中國職業教育技術展望：地平線項目報告》發布[J].教育學報，2018，14（02）：72.