基于超星泛雅平臺的精準智慧教學模式研究

劉樹錕，左國才，潘顯民

(1.湖南女子學院 信息科學與工程學院，長沙 410004； 2.湖南軟件職業技術大學 軟件與信息工程學院，湖南 湘潭 411100)

云計算、區塊鏈、人工智能、大數據等信息技術的高速發展，推動了高校課堂教學方式的改革和發展[1]，這一特點也為智慧教學的快速發展提供了重要推動力。在實際的智慧教學場景中，硬件環境和軟件平臺都發揮著重要作用，是智慧教學必不可少的組成部分。利用大數據平臺可以記錄教學過程中的教學數據，更好地分析學生的學習過程、學習動態和教師的教學效果，從而實現精準教學和學習。基于此，學生的知識獲取能力和學習效果也會得到快速提升[1-2]。自新冠疫情暴發以來，超星公司推出的泛雅平臺在本校的實際教學工作中發揮了重要作用，超星平臺為開展智慧教學提供了良好的智慧教學環境。基于該平臺教師可以豐富教學手段和提升課堂效率，并隨時掌握學生學習過程中的學習狀態。教師通過該平臺能夠隨時掌握學生簽到、測試和討論等環節的具體情況。此外，超星泛雅平臺實現了后臺動態化收集學生在學習過程中的各種學習行為特征、學習效果等相關數據，建立了大規模學習數據庫，在數據庫中完成了數據的分類與規范化存儲，形成了教學數據源，并能夠隨時根據數據源生成學生的學習過程報告和最終學習報告，全程360°無死角監控教學過程，為教學指導提供了充分的數據條件[3]。智慧教學為學習者和教學者提供了便捷的溝通方式，有效降低了學習過程中的時間成本，提高了學習效率。本院結合超星泛雅平臺構建了具有明顯知識特征標簽的知識集合，為基于精準教學理念的智慧教學框架構建提供了有力支撐。

1 超星泛雅學習平臺

超星泛雅平臺是由北京世紀超星公司設計的一款主流的同時可以兼容移動端和電腦Web端的線上學習平臺[2]。教師在獲得相應的操作權限后可以根據自己的實際需求創建課程、建立對應的學習班級，并在對應的課程操作空間進行課程資源建設。該平臺完全實現了線上考試、學生簽到、課堂問答及討論等教學活動[2-3]。該平臺具有廣泛的應用范圍，價格比較實惠，學生和教師可以申請免費賬號體驗其中的實際教學場景(課前、課中、課后模擬環節)，具有良好的可操作性[3-4]。此外，學習通APP與泛雅平臺信息資源同步共享，具有良好的操作交互性，可以在手機端和電腦端傳輸視頻、圖片等信息資源。智慧教學以學習通和泛雅平臺為載體，完全具備了課程導學、學生互動、教師答疑和課外拓展等功能[5]。

2 智慧教學平臺架構

構建多元化信息融合的教學生態環境是智慧教學的一大目標，在此環境中教師能夠運用更加高效的教學方法，學生能夠更加方便地獲取個性化的學習資源和服務，對于學生的價值觀培養、創造性思維培養、實踐能力和自主學習能力培養具有重要作用，能夠更好地激發學生的創新能力。智慧課堂是智慧教學平臺的主體和核心，在該課堂中可以較好地運用多元化、個性化、強適應性的智慧教學模式展開教與學。

2.1 實施智慧教學的大環境和小支撐

第一，大環境。2018年，全國教育大會提出了新時代的教育目標和任務，要培養德智體美勞全面發展的社會主義建設者和接班人，形成更高水平的人才培養體系。人才培養質量是大學的核心競爭力和生命線，培養人才是高等學校的根本任務，教學工作是高等學校的中心工作[5-7]。但是從實際情況來看，這一目標的實現對于很多高校來說都面臨著很多挑戰，存在一系列問題，如學生在學習過程中的思維能力和自主學習能力的培養不足，未體現出因材施教的個性化教育；教師在教學過程中過于重視科研、輕視教學、未能深入挖掘教學中存在的問題。

第二，小支撐。針對上述問題，湖南女子學院教務處明確了教師的第一要務是教學，而課堂是教學的主陣地。教師務必要認真對待教學工作，優化教學模式，豐富教學內容，為學生提供良好的教學氛圍。一方面，通過開展教學督導示范式教學、青年教師教學競賽等活動，促進師生間的有效互動交流，實現師生教學相長。另一方面，深化課程評價體系，加大過程性考核在評價中的比重，促使學生在學習過程中保持嚴肅、認真的態度，提升知識掌握程度。各高校應充分認識到智慧教學在提升教學質量中的重要性，構建智慧教學環境，大力開展互動探究式、自主開放型的智慧教學環境建設，實現教育理念、教學模式和教學方法的多元化發展。

2.2 智慧教學的特點

第一，信息提取智能化。大數據和人工智能技術的發展，為智慧教學的發展提供了源動力。智慧教學平臺能夠隨時記錄教學管理者、教師、學生、教學督導等主體的數據，形成有效的數據集合樣本，利用大數據技術形成綜合性的教學評價報告，人工智能算法的運用，降低了人工成本，提高了信息處理效率。以平臺數據為支撐，通過大規模數據分析、決策，為開展更精準、更有效的智慧教學服務提供了有效智能路徑[4-6]。

第二，教與學資源的細粒度控制。在信息化、智能化環境中，學習者的學習信息單元越來越精細，劃分的粒度越來越小，教學者也需要根據學習者需求設置有針對性的教學資源，使學習資源的粒度與教學資源的粒度高度匹配。在智慧教學中形成有效的學習特征的映射關系，使教與學資源的細粒度具有可控性，建立融合度更高的教學資源環境[4-5，7-8]，由此形成細粒度的自動化教學決策模型，從而實現精細化管理和全過程評價。

第三，互動性強、交互方式多元化。教師與學生之間的多元交互是智慧教學過程中的一種新型教學方法[4，9-10]。智慧教學場景中的互動不僅僅體現在教師和學生之間的互動，同時也體現在學生與學生、學生與平臺、教師與平臺之間的互動上。各種教學環節完全體現在多種互動活動中，以互動活動完全替代傳統灌輸式的教學授課過程，因此智慧教學就是一種多元交互的多場景切換授課模式[10]。

第四，教學過程因材施教、量體裁衣。智慧教學將新型教學模式、傳統教學模式的優勢以及信息技術手段進行充分融合，智慧平臺能夠及時獲取教與學雙方的各類信息，從而進行有針對性的知識傳授與知識學習，知識的傳授者和學習者能夠制訂有針對性的教學和學習策略，教師也能夠探索出個性化的教學模式，因材施教，滿足學生的個性化學習需求，定期評價和診斷教學中的重難點問題，結合評價結果有針對性地對學生進行指導。

2.3 精準智慧教學模式框架

本文將學習者在學習過程中的屬性特征和學習資源特點作為設計智慧教學模型的基本依據。在強調學習者自主學習的基礎上，基于知識特點和學習需求，構建基于學習資源精準推薦的智慧教學模型框架。該模型主要包括學習者的基本信息、偏好信息和學習者屬性特征信息。框架模型中存儲學習者屬性特征，包括學習水平、學習動機、學習風格等信息。學習者模型根據學習者的偏好和屬性特征對學習者個人資料進行個性化分析，教學資源推薦引擎利用學習者和學習資源的信息共同進行評分預測，為學習者進行個性化推薦。

學習資源部分存儲了學習資源信息，包括文本、圖像等多種形式。學習需求的精準獲取需要將數據預處理組件中的學習者和學習資源數據準備好并預處理成推薦引擎可以識別的正確格式。本文主要圍繞目前高校教育過程中出現的若干問題，基于大數據與區塊鏈技術，針對智慧教育提出一種融合了教學需求精準感知策略的智慧教學框架。智慧教學框架中以興趣、專業、課程、資源、學習者、施教者為主線，建立以教學目標、教學內容、學習評價等要素為主要內容的、適合線上教學平臺的統一資源存儲模式。基于精準需求的智慧教學框架基本結構如圖1所示。

圖1 基于精準需求的智慧教學框架Fig.1 Wisdom teaching framework based on precision demand

2.4 智慧教學效果評價

智慧教學效果評價建立在智慧學習平臺(泛雅平臺)收集和處理教學大數據信息的基礎上，針對學生的學習時間、學習資源類型、學習狀態、學習行為以及學習效果等分析維度，對收集到的數據進行分類和量化分析。將學生的學習效果與教師的教學過程相融合，進行學與教的匹配分析。將“以學評教”作為智慧教學評價的主導思路，具體而言，智慧教學的評價體系由過程數據和總結評價兩部分構成，總結評價(期末評價)主要由期末考試、作品、綜合論文報告組成，此外授課教師具有充分的評價權，可以根據具體課程開展針對性考查，過程評價主要包括智慧平臺中的在線學習過程評價、簽到評價以及作業評價等。實踐發現，建立智慧學習平臺能夠使師生對教學具有更加深入的認知。

3 以計算機圖形學為例的智慧教學實踐

3.1 實例環境

本實例以湖南女子學院信息科學與工程學院數字媒體技術專業2016級、2017級與2018級計算機圖形學課程教學數據為依據，進行線上線下教學情況統計與分析。2016級學生采用線下教學方式，參與的樣本數據量(學生數)為45個。2017級學生采用線上智慧教學模式，參與的樣本數據量(學生數)為49個。2018級學生采用線上(泛雅平臺)線下相結合的教學方式，參與的樣本數據量(學生數)為46個。線上教學方式和線下教學方式設定的區塊鏈資源結點數量都為131個，每個資源結點分別對應不同的知識點。為了進行知識點學習效果對比，將樣本依次分為3組進行單獨統計。2016級學習需求樣本采用線下學習方式(第1組)，2017級學習需求樣本采用線上學習方式(第2組)，2018級學習需求樣本采用線上線下混合式教學方式(第3組)。采用線上學習方式的2017級學習者可以通過圖2的二維碼進入區塊鏈資源結點學習集合(對應的班級)，采用線上線下相結合方式的2018級學習者可以通過圖3的二維碼進入對應的區塊鏈資源結點學習集合(對應的班級)。線上區塊鏈鏈接的每個資源結點都標記了學習資源的性質類別、訪問方式、訪問地址、可訪問時間以及被訪問的具體時間。資源結點存儲于教學資源服務器中(課程資源訪問地址為https：//mooc1-1.chaoxing.com/course/207397549.html)，設置資源訪問跟蹤器，結點的訪問情況都會被記錄下來，形成永久不可篡改的學習記錄。

圖2 第2組樣本資源訪問入口(2017級)Fig.2 Resource access entrance of the second group sample(2017 grade)

圖3 第3組樣本資源訪問入口(2018級)Fig.3 Resource access entrance of the third group sample(2018 grade)

將基于區塊鏈形成的學習資源結點與個人學習需求結合在一起，基于學習記錄形成統一的結點信息統計，在區塊鏈網絡平臺中記錄典型的結點屬性信息[11-12]，如資源結點數量、每個結點的被學習狀態、教學過程中的章節測試信息與成績管理信息等。圖4記錄了區塊鏈教學資源平臺中自動生成的任務統計信息。2016級樣本資源情況(主要是學習效果與成績分布)通過手工方式進行統計計算。2017級與2018級樣本結點的資源信息(資源數量、學習狀態、成績管理等)由區塊鏈資源平臺自身統計計算。

圖4 平臺中資源結點的訪問狀態信息Fig.4 Access status information for resource nodes in the platform

3.2 結果分析

在本實例中，第1組樣本對于知識的獲取主要來自于線下課堂教學，第2組樣本的知識獲取方式主要為線上學習，第3組樣本的知識獲取是通過線上學習與線下課堂相結合的方式。但在學習過程中，即使是采用線上學習的方式，不同學生采用的訪問途徑也不盡相同，如部分學生通過網頁訪問，部分學生采用移動端學習。

為了對比3組不同學習對象的學習過程和學習結果，在教學過程中分別記錄并統計學生對知識點的掌握情況和對學習資源結點的訪問情況。結果顯示，智慧教學框架可以隨時記錄學生的學習狀態，更好地提升學生的學習興趣，激發學生的學習潛能，有利于學生對知識的掌握。3組學習者的總體成績對比情況如表1所示。

表1 3組學習者成績對比Tab.1 Comparison of learner’s performance of 3 groups

4 結語

基于精準教學的智慧教學過程與傳統教學相比，覆蓋的教學范圍更加廣泛，不囿于學科限制，線上學習者可以根據自身學習偏好，獲得更有針對性的學習資源，形成學習需求與學習資源相結合的智慧教學模式。學習者先通過客戶端或APP等方式提交個人學習興趣，教學服務器端存儲個人興趣數據作為學習興趣偏好源數據，智慧教學框架中的數據分析服務器對數據進行分類處理，提取數據特征，形成不同知識點學習特征的數據集合。智慧教學對于促進高校智慧教育教學體系的完善，加深教與學雙方的有效精準對接，具有深遠的理論意義和重要的應用價值。