面向深度學習的個性化數字學習

何萍 徐曉華

[摘 要] 深度學習是近年來教育理論研究的重要成果。它提倡主動、批判性地學習，要求學習者在不同社會情境中通過深度理解復雜概念和有效遷移知識，解決復雜問題，最終促進學習者高階思維能力的發展。因此，如何促使學習者進行信息深度加工，構建結構化的知識體系，滿足其個性化學習和高階思維能力發展的需求，是目前的研究焦點。文章在闡述深度學習內涵的基礎上，研究如何通過個性化數字學習，促進學生在深度學習各個層次上的能力提升，并探討了如何使用人工智能技術，來自動化地評估學生的各項深度學習能力。

[關鍵詞] 深度學習;個性化學習;數字化學習;人工智能

[中圖分類號]G642? ?[文獻標志碼] A [文章編號] 1008-2549（2021） 02-0092-02

自十八屆五中全會提出“五大發展理念”以來，創新型人才的培養已經成為學校教育改革中重點關注的問題。韋特海默在有關創造性思維的理論中，曾提出創造性思維“不是零敲碎打的而是和整體特征密切相關的，它們隨著整體特征而運轉，由情境結構上的實際需要所決定。”要培養學生的創新精神和創造性思維，首先必須改革創新人才的整體培養環境，這需要教師、學校和社會等多方面的協作配合。在學校的教育改革中，核心的是探索和實施以培養學生批判性思考和解決復雜問題的能力，實現從淺層學習到深度學習的轉變為目標的新型教學模式。在實現該目標的過程中，必須改變傳統的以教師為中心的課堂教學模式，而應結合現有的人工智能技術，強化學生的個性化能力構建，把局限于特定時間地點的線下學習擴展到無論何時無論何處的線上數字化學習。

一、深度學習

深度學習的研究源于高等教育領域對學生學習過程與結果的關注。瑞典學者馬頓和薩喬在研究大學生進行大量散文閱讀任務時，發現不同的學生使用不同學習策略，得到了差異化的學習結果。有的學生使用機械的死記硬背的學習方式，只能對問題給出表層的回答;但有的學生更關心學習的主題和主要觀點，則達到了對文章的深層理解。因此，深度學習相對淺層學習而言，更關注學生有意義的學習，即學生“學會了什么”，而非“學了多少”。

近年來，深度學習的研究逐漸從學習過程的內部解釋延伸到學習內部與外部過程的整合。美國基礎教育深度學習研究項目提出了學生深度學習的能力框架，其核心思想是讓學生沉浸在具有挑戰性的課程中，要求他們尋求并獲取新知識，應用他們所學到的知識，并在此基礎上創造新知識。該學習框架要求學生掌握六項不同層次的能力，從低到高分別為：（1）掌握核心學術內容，（2）批判性思考并解決復雜問題，（3）協同工作，（4）有效溝通，（5）學習如何學習，（6）培養學術思維。深度學習框架的提出促使教師更關注于評價學生的核心能力，尤其是能否應用知識解決問題，能否使用現代化媒體進行溝通，是否具有與他人合作的能力，以及自我指導和反饋的能力。

深度學習的研究本質上反映了社會與教育變革的訴求。但是，有限的課堂時間和教學資源使得教育者無法考慮到每一位學生的個體差異性，給予每個學生充分的機會參與到深度學習的教育過程中，從而影響到最終的教學效果。因此，學校教育必須致力于教學和學習性質的巨大轉變，通過融合新的技術方法，為學生定制個性化的教育體驗，推動和促進深度學習的開展。

二、個性化數字學習

近年來，通過個性化學習來推動深度學習的發展，已經成為當前教育領域共同關注的研究焦點。與傳統的教育模式相比，個性化學習不再僅僅關注于學習群體的整體水平和學習路徑，而是更加尊重學習者的個體差異，按照學習者的學習目標、興趣愛好和個人能力等，規劃符合學習者特征的學習路徑，從而促進個體的個性發展。隨著教育信息化的不斷深入，教育部發布的《教育信息化十年發展規劃（2011-2020）年》指出，要為每一名學習者提供個性化學習的信息化環境和服務。人工智能技術近幾年的快速發展和落地應用，在融合教育大數據平臺的基礎上，為解決深度學習在個性化培養方面的難題提供了可能，從而為學習者提供具有針對性的學習服務。

（一）個性化的知識圖譜和學習路徑

針對深度學習的第一層次能力，即掌握核心知識點，個性化數字學習的目標是為每個學生構建個性化的知識圖譜，進而設計個性化的學習路徑。構建個性化知識圖譜的含義是指把每個學生個體對本科目核心知識點以及各個知識點間相互關系的掌握程度，通過在線測試、實時反饋的方式，自動地進行匯總、打分以及可視化，用于教師觀察學生的學習進度和學生的自我反思。

現有的人工智能技術已經可以支持個性化知識圖譜和個性化學習路徑的構建與可視化。我們可以使用機器學習中的多標簽學習和半監督學習技術，先由人工標注少量的試題，再由半監督的多標簽學習算法來學習自動標注其余的大量無標注試題，用于試卷的自動生成。近年來，人工智能教育領域還在研究個性化的試題自動生成，即基于學科/科目中中知識庫的基本規則，結合學生的學習背景和興趣愛好，利用各種情景模板和素材，自動生成各類試題。這種基于知識規則生成的試題，能夠遍歷各種知識組合與應用情境，有助于更好地判斷學生對核心知識的掌握程度。

（二）個性化的批判性思考和問題解決能力

針對深度學習的第二層次能力，即批判性思考和復雜問題的解決能力，個性化數字學習旨在協助教師訓練和評估學生的思辨能力，面對問題時的實時分析能力、策略形成能力和高級認知能力等，記錄其各項能力的發展情況，并通過綜合性項目訓練來提升學生的實踐應用能力。個性化數字學習平臺在構建學生的個性化知識圖譜過程中，采用問答題等開放性問題來評估學生的批判性思考能力，并通過建立開放式的仿真環境——即將知識點嵌入到真實的情景問題中的開放式仿真系統，來鍛煉學生的問題解決能力。通過可視化個體能力與平均能力水平的差異，每個學生可以在保護自己隱私的前提下，了解自己的學習相對排名，從而及時調整自己的學習方法。另一方面，教師可以從需要花費大量時間和精力的評測中解放出來，更關注于學生的能力發展進程，針對性地調整課堂的教學策略。

現有的人工智能技術為主觀題和仿真項目的自動批閱和實時反饋提供了必要的技術支持。主觀題的自動批閱涉及自然語言處理，可通過人工智能領域的深度學習技術自動提取特征，然后將提取出的回答相關的高級特征，嵌入到教師提供的參考答案網絡，進行量化分析。仿真項目的自動評閱可通過記錄學生在解決問題過程中留下的行為蹤跡，例如實時反應速度，遇到困難后的修改路徑，策略調整的時間和結果等，結合機器學習中的時序分析、模式聚類和分類等技術，計算出學生的策略形成能力、計劃執行能力、實踐操作能力和知識遷移能力等復雜問題的解決能力，從而對學生的綜合問題解決能力做出評價，生成個性化的數字學習報告。

（三）個性化的協同工作和有效溝通

針對深度學習的協同工作和有效溝通的能力，個性化數字學習旨在提供給學習者一個合作學習的平臺。在學生逐步點亮自己的個性化知識圖譜過程中，只要掌握相關的知識點，就需要與他人協作完成一個綜合性的項目。項目的合作對象可以通過平臺推薦的方式來匹配，篩選范圍是同樣已掌握所需知識點的具有相近能力的學生。整個項目的協作可以完全以線上的形式來完成，例如小組的討論以遠程視頻的方式展開，每個小組成員完成的工作由各自獨立上傳，組員之間的互動以小組討論的方式完成，最后項目的整合由組長協調完成。這種合作方式的優點在于可以把整個項目的完成歷程包括溝通過程全程記錄下來，以便后續人工智能的自動評估。為了避免一些主觀因素的影響，在評價學生個體協同工作能力時，可采用人工智能技術，對小組提交的項目和在線記錄下來的文字、語音和視頻等溝通過程進行深度特征提取，然后進行分類和回歸分析，給出對每個學生的個性化評分。

在基于合作型項目的學習過程中，學生的有效溝通能力不僅體現在與其他組員之間的相互協商和交流上，而且還體現在對自己所完成項目部分的表達和呈現上。因此，個性化數字學習不同于傳統的小組項目只要求一到兩個學生代表完成對項目的匯報，而是要求每個參與的學生都要準備幻燈片，獨立表達自己對整個項目從設計到完成的想法，并對自己所完成的部分進行尤為詳細的闡述。這在傳統的課堂教學中由于時間因素的限制，幾乎是不可能完成的，但是在數字化平臺上，學生可以通過移動設備上傳錄制的幻燈片和視頻，從而打破了時間和地點的限制，而教師也可以依賴于人工智能技術，通過對幻燈片的文字信息進行語義分析，對視頻中的語音進行流暢度分析，以及對視頻中的面部表情進行情緒分析等，自動獲取學生在表達能力方面的高級特征和綜合評分，來觀察學生能力的分布情況，從而節省了大量的時間和精力。

面向深度學習的個性化數字學習，在人工智能技術的支持下，重新定義了教育者的角色：即幫助學生成長，培養學生的核心素養、創造能力、協作能力、知識的情境化及社會化運用能力，幫助學生發現自己的優點，實現他們的人生價值。隨著人工智能的快速發展，如何相應地改革傳統的教育制度，更新教師的知識結構，改變教師的教學習慣和教育觀念，仍需要經歷艱辛的探索。

參考文獻：

[1]韋特海默.創造性思維[M].林宗基，譯.北京：教育科學出版社，1987.

[2]Pellegrino， James W.， and Margaret L. Hilton， eds. Education for life and work： Developing transferable knowledge and skills in the 21st century[M]. National Academies Press， 2013.

[3] Monica Martinez， McGrath， Dennis， Deeper Learning： How Eight Innovative Public Schools Are Transforming Education in the Twenty-First Century[M]. New York： The New Press， 2014.

（責任編輯：王義祥）