高?！皩W困生”人機協同智能識別與精準教學干預策略研究*

張友福 曾明星

（1.吉首大學 張家界校區教學科研與學生事務中心，湖南 張家界 427000;2.吉首大學 計算機科學與工程學院，湖南 吉首 427000）

一、問題提出

據《2021 年全國教育事業發展統計公報》[1]（2022）顯示，2021 年我國高等教育在校生規模達4430 萬，而《1998 年全國教育事業發展統計公報》[2]顯示，1998 年我國高等教育在校生規模僅為643 萬，前者是后者的6.9 倍。隨著高校招生規模的快速擴大，學困生人數與比例也在逐年增加，尤其是非雙一流高校，愈來愈嚴重的“學困生”問題是影響高等教育質量的主要因素之一，也給學生管理、教學管理帶來新的挑戰[3]。那么，我們如何盡早識別學困生，對其進行早期預警、干預與適應性教育，或者預防學生們演變為學困生，爭取不讓一個學生掉隊，既是我們每一個教育工作者義不容辭的責任，也是每一所高校亟待解決的重要問題。傳統“千人一面”的班級授課方式，因為教師的時間和精力有限，難以依賴教師日常觀察與考試等手段準確診斷學生的學習狀態，難以盡早識別學生的學習障礙與困難，更難以對學生進行早期干預、預警與個性化教育。隨著人工智能等現代信息技術的迅猛發展及其在教育領域的快速滲透，教學范式逐漸邁向智能化、精準化、個性化，為“學困生”的早期識別與早期個性化干預提供了新的方法與途徑。

二、關于學困生的研究

（一）學困生的界定

“學習困難”一詞最早由美國學者KirK 于1963 年所提出?！發earning difficulty”即為學習困難，“learning disability”為“學習障礙”“學習失能”之意。20 世紀80 年代，全美學習失能共同委員會認為，學習失能為聽、說、讀、寫和邏輯推理等能力的習得與應用顯著困難[4]?！皩W困生”即“學習困難生”，國內學者又稱“學習障礙生”“學習失能生”“差生”等。但“差生”因有損學生人格或打擊其學習積極性而受到批評，故很少使用，而使用“學困生”這一術語者較多。王運花等（2013）認為，學困生指學習困難，學習效率低，未能達到教學基本要求的成績差的學生[5]。劉江華等（2013）認為，學困生指身體、智力正常，由于各種原因導致延期、留級、退學、肄業等無法按照正常年限達到畢業要求的學生[6]。袁宗虎等（2017）則認為，學業年限延長、退學的學生稱為學困生[7]。張秋燕（2017）認為，學困生是指智力與感官正常，但其學習成績明顯低于同年級或同班學生，不能達到預期教學目標的學生[8]。常磊等（2021）將學困生分為廣義與狹義兩種，前者是指由各種因素引起學習成績差的學生；后者是指生理與心理正常，但學習成績不符合教學要求的學生[9]。

學者對學困生的界定尚未形成一致，不同的學者側重點不太一樣，如劉江華、袁宗虎等從學習困難的后果來界定，強調無法正常畢業并且留級的學生。劉江華、張秋燕、常磊等強調學困生是身體、智力正常的學習困難學生。綜合上述的觀點，我們認為，學困生指身體、智力正常，學習目的不明確，學習態度不端正，學習方法不適當，學習動力較弱，學習成績較差，未能達到教學目標要求的學習困難的學生。

（二）學困生形成的原因

王運花等（2013）認為，學生的基礎差、不認真學習等是形成學困生的內因，家庭貧困或遭遇變故、教師授課水平低等導致學生學習興趣下降是外因[10]。劉朝暉等（2014）認為，學困生通常由于生理、心理、行為環境、教育等因素影響而形成[11]。王素萍（2014）認為，因缺乏學習興趣、沒有形成良好的學習習慣和掌握科學的學習方法等，導致學習動力缺乏，學習效果差，進而形成學困生[12]。袁宗虎等（2017）則認為，內因有學習動力不足、興趣缺乏、學習情緒倦怠；外因包括教育弊端本身、家庭教育及社會不良風氣等[13]。包志梅（2022）認為，從高中到大學的情境變化易引發學生學習的無力感和無方向感，誘發學生的消極學習行為，而消極行為是導致其學業不良的重要根源[14]。倪亞紅（2022）認為，學生學習致困主要來自社會、家庭、學校和學生個體四個層面，其中，社會層面有種族、成長與不良心態的信息傳播、社交網站過度使用等；家庭層面有收入高低與穩定性、父母教養方式等；學校層面包括學校設施、教學方法和教學管理等；個體層面包括自我效能感、學習方法、情緒與智力、自尊心、學習動機和心理等因素[15]。簡言之，學困生形成的原因是多方面的，涉及社會、家庭、學校和學生個體。

綜上，學者們對什么是學困生及學困生形成的原因等開展了較多研究，但對如何運用人工智能技術尤其是采用人機協同的方式如何識別早期學困生并進行教學干預的研究成果較少。

三、高校學困生的特征與智能識別

一旦學困生出現延期、留級、退學、肄業等無法按照正常年限達到畢業要求等問題，說明學生出現學習困難的時間較長，學習滯后太多，心理障礙較大，根本扭轉這種局面的難度大，需要付出的代價高，對于這些學生來說，已造成不可估量的損失。盡管學生的個體差異是客觀存在的，可以來自遺傳與環境的共同作用，在學習動力、學習能力、學習態度、學習風格、知識經驗、家庭文化背景等多方面存在差異。但對于身體與智力正常的學生，如果教育工作者能夠盡早了解學困生的特征，盡早有效識別潛在學困生并進行預警與干預，就可以預防學困生的產生，并且防止發生較為嚴重的后果，真正做到“不讓一個學生掉隊”。

（一）高校學困生的特征

1.學困生的心理特征

2.學困生的行為特征

行為特征是指個體在特定情境下所表現出的具體行為和動作。行為特征通常是可觀察和可測量的，它們是性格特征、心理特征在特定情境下的外顯表現。學困生的行為特征主要有：學困生學習準備不足，常常不帶教材或者不帶相關的學習用具；學習目的不明確，較少制定學習計劃和課程學習重點；學習習慣不好，不能完成或不能按時完成新知識的預習、教師布置的作業，或作業的正確率低，或不做作業，不獨立思考，習慣于抄襲，應付作業，學習上處于被動的狀態，更談不上主動學習；前期基礎較差、自律性差、專注力差，學習動力不足，學習興趣低，因此，學困生缺課率高，態度不端正，上課走神、不認真聽課與做筆記，舉手提問與回答問題不積極，打瞌睡、打哈欠、揉眼睛、東張西望的頻率高；學困生課后復習、拓展學習、參加學術講座與科研項目、參加學科競賽、與老師溝通、與學長與同學探討學習經驗或方法等興趣與動力缺乏；學困生沒有主動學習的習慣，往往表現出不學習、不預習、不復習、依賴心強、牢騷滿腹、學習不用心、違反紀律等行為特征。

3.學困生的性格特征

性格特征是指個體的固有特質和態度，它們相對穩定，通常不會輕易改變。性格特征與個體的思考方式、情感傾向和行為反應有關。了解學困生的性格特征有助于教師更好地理解其需求，并提供相應的支持和指導，幫助他們克服學習困難。學困生的性格特征主要有：一是性格內向、孤僻，不愿意與人交流，相對較少主動參與課堂討論和發言；二是懶散、悲觀、自信心不足，消極地對待學習，對自己的知識水平、學習能力和人生價值持懷疑態度；三是心神不寧、情緒不穩定、神經質，難以管理自己的學習時間、注意力和情緒，對學習中的挫折更加敏感，自我調節能力差，更容易受到學習困難帶來的負面情緒影響，如沮喪、焦慮或挫敗感。學困生的性格特征是多樣的，他們在不同的特征上表現出不同的行為傾向。這些性格特征又可以影響他們在學習環境中的行為和心理反應。

除了上述特征外，相對初高中學生，高校學困生通常在特定學科或專業領域遇到困難，如計算機、土木、機械等，面臨更大的社會壓力，需要更多的專業知識與專業技術支持、具有更高的獨立學習能力，更多地依靠自主學習和自我管理。

（二）高校學困生的人機協同智能識別

與非學困生相比，高校學困生在心理、行為、性格等方面具有一些典型特征。通過教師與智能機器的協同采集來處理學生的學習行為、學習心理狀態數據，對學生進行畫像建模，精準掌握、識別學困生顯性問題與隱性問題，為精準干預提供數據支撐。通常考入同一所高校的同一專業的學生，大一新生入校時的基礎差異不大。如果當學生具有學困性的行為與心理特征時進行及時識別與干預，就可以防止這些學生向學困生轉變，甚至向學優生轉變。

如今這個時代，現實生活是一團糟，每個人都想逃離現實。這就是為什么哈利迪成為了我們的英雄。他讓我們足不出戶也能周游世界。你只需要有一臺具有壓力感應功能的全方位跑步機，便可以在整個虛擬世界中遨游。

人機協同是人與機器各自發揮特長、協同工作[18]，涵蓋人機取長補短，共同認識、共同感知、共同思考、共同決策、共同工作、互相理解、互相制約和相互監護[19]。隨著人們對深度學習算法研究的拓展，機器的智能化程度不斷提升，人與機器之間逐漸形成相互促進、共同發展的關系。在教學監控與教學干預中，教師（包括學生輔導員或其他支持人員）主要承擔與情感、態度、價值觀、創造性等培育相關的教學工作，機器主要完成重復性、程序性和事務性的教學工作[20]。智能系統可以自動采集、處理和識別學生的學習狀態，并提供實時反饋和個性化支持，教師可以根據智能設備提供的信息反饋及與教師的觀察和評估相結合，形成全面的學生學習狀態圖景，便于教師制定相應的教學干預策略、個性化支持措施。人機協同學困生的識別主要包括數據采集、數據處理、畫像建模與學困生識別等環節：

1.人機協同數據采集

數據采集是用戶畫像構建、學困生識別的前提與基礎，包括課前、課內、課后全過程數據的采集，也包括線上與線下多模態數據的采集。人機協同數據采集是指教師與智能設備分工、協作與交互采集學生學習狀態數據的過程。教師可以通過調查問卷、文檔收集或現場觀察等各種渠道獲取數據，智能系統可以通過智能化工具、傳感器或網絡爬蟲等方式自動采集數據。人機協同采集學困生的學習行為、學習心理和學習情感等數據如下：

（1）行為特征數據的采集

教師可以通過直接觀察學生學習時間、學習行為和學習資源的使用情況等，通過測試、交流或通過智能系統的信息反饋來獲取師生互動、生生互動、作業等多模態數據，采集學生是否具有呆滯、不聽課、不做作業、打瞌睡、打哈欠、揉眼睛、東張西望等行為數據；教師要求學生編寫學習日志，采集學生的學習過程、學習策略等數據。智能系統可以適時、自動采集學生的學習行為數據，如：記錄學困生的學習進度，包括已完成、未完成或延遲完成的學習任務或作業；通過自動化跟蹤技術，記錄學生學習的時間、頻率、持續時間和學習活動的分布情況等，追蹤學生與學習資源的交互，包括閱讀時間、筆記記錄和在線搜索等數據，獲取學生的學習行為數據；記錄學生在學習過程中的學習策略，如閱讀、思維導圖等，在線學習平臺可以追蹤學生與教師和其他學生的互動情況，如討論、問答和協作學習；通過虛擬現實、增強現實、混合現實等技術，呈現學生在模擬情境中的行為和反應并采集其數據，這些環境還可以模擬現實世界的學習任務與挑戰及解決問題、合作學習和決策制定。

（2）心理特征數據的采集

教師可以通過設計問卷調查或面對面交流，采集學生的學習心理和情感狀態數據，及時掌握學生的學習動機、注意力、焦慮、興趣等方面的感受和體驗；教師要求學生進行學習反思，記錄他們的學習困難、學習策略的使用心理以及情感體驗。智能系統可以適時、自動采集學生的學習心理與情感數據，如：運用可穿戴設備（心率監測器）可以記錄學生的心率變化；運用傳感技術可以采集學生的臉部表情；運用情感計算技術進行情緒和情感狀態分析，包括分析學生在學習過程中是否具有憤怒、泄氣、焦慮、厭煩、走神、恐懼、困惑、疲憊、悲傷等心理情感數據。智能系統也可以通過問卷調查、自我評價或學習日志來采集學生的自信心和學習動機水平數據，或記錄他們的學習心理狀態。智能系統還可以采集學生在學習過程中產生的文本和語音數據，包括學生的語調、語速和語言情感等特征，了解他們的心理情感狀態和認知負荷。

（3）性格特征數據的采集

教師可以通過觀察、訪談等方式采集學生的學習動機、自信心、注意力、焦慮、挫敗感等情況及他們對待學習的態度；制定合適的人格評估工具，教師或智能設備可以采集學生的性格特征數據，諸如學生的內向性、宜人性、盡責性、情緒穩定性、開放性和自我調節性等。制定合理的學習風格評估工具，教師或智能設備可以采集學生的學習偏好和學習風格數據，包括視覺、聽覺、動手實踐等學習習慣與性格等。運用計算機視覺與情感計算等技術，智能系統可以自動追蹤學生在學習過程中的眼球運動或臉部表情，獲取學生的注意力與投入度、心神或情緒穩定性等性格特征數據。

2.人機協同數據處理

從不同來源采集的多模態學生數據，一方面，數據量龐大，另一方面，數據可能存在不一致、雜亂無序、數據冗余或缺失等問題，因此，需要我們進行數據的分析與處理。數據處理以智能系統自動處理為主，教師人工處理為輔。一是數據預處理。智能系統對采集到的學生的行為特征、心理特征、性格特征等數據進行預處理，包括數據的智能清洗、去噪、處理異常值和缺失值、數據歸一化處理等，以確保數據的質量和一致性。二是數據分析和挖掘。利用數據分析、數據挖掘技術和統計分析技術等，對學生的多模態數據進行深入分析，深度挖掘、分析學生特征與歷史數據。三是學困生特征提取與標簽化處理。運用機器學習、深度學習等算法對學生學習狀態數據進行特征提取、標簽化處理，構建標簽化體系，如：學困生不學習、不預習、不復習等行為特征標簽；矛盾心理、逆反心理、疑懼心理、學習動機水平偏低和消極、敵對、抑郁等心理特征標簽；性格內向、孤僻、懶散、悲觀、自信心不足性格特征標簽。

3.人機協同畫像建模與學困生識別

（1）畫像建模

在處理學生多模態數據的基礎上，對學生的學習狀態進行畫像建模。一是模型選擇和建立。運用聚類分析、分類算法、關聯規則挖掘、決策樹及深度學習算法等進行選擇建模。二是模型訓練和評估。使用采集到的數據對選擇的模型進行訓練，并使用交叉驗證、指標評估和誤差分析等方法來進行模型評估，以確保模型的性能。三是畫像建模和解釋。根據訓練好的模型，生成學困生畫像，并進行解釋。四是模型迭代和改進。隨著學困生的數據積累和反饋，自動進行模型的迭代和改進，以提高模型的準確性和實用性。

（2）學困生識別

智能系統可以利用學生畫像中的數據和模式來識別學困生。一是學困生學習行為問題識別。智能系統通過對學習時間、行為模式、做題速度、錯誤頻率、學習停頓時間等學習行為數據的分析，結合學生的考試成績、作業完成情況等學業表現，系統可以自動識別學生是否存在學習上的困難。二是學困生性格問題識別。智能系統可以通過分析學生在學習過程中的偏好和行為，如課堂參與和交流互動等，識別學生的性格是否內向、孤僻等問題。三是學困生心理情感問題識別。智能系統可以通過情感分析技術來分析學生的情緒狀態，如，識別學生在學習過程中是否表現出焦慮、挫敗情緒等問題。

綜上，通過智能系統對學生進行畫像建模，可以實時、精準呈現每個學生個體的行為、心理、性格特征與學習規律，刻畫學生的外顯與內隱學習行為，精確診斷學困生的現有問題及潛在問題，為師生提供個性化教學服務。教師根據智能系統提供的學生狀態分析報告，再結合自己的觀察、分析與判斷，精準識別、評估學困生的學習障礙、薄弱知識點及相關問題，如：學習效果差、投入不足、專注度低、學習動力不足、自我效能感低下、學習興趣低等問題的類型和程度。

四、學困生智能精準教學干預

學困生通常存在知識基礎差、學習興趣低、動力不足、學習能力與自我控制能力弱等問題。一方面，利用智能技術手段，及時監測、預測學困生的學習狀態，并為學困生自身提供實時反饋，讓學困生及時了解自己的學習狀況，及時調整學習策略并增強自信心；另一方面，教師根據智能系統的實時反饋與人機協同評估，了解每個學生的興趣、需求和學習風格，精準識別學困生以后，針對學困生的具體學習需求和困難制定個性化教學目標與干預策略，及時開展精準教學干預。

1.人機協同學習興趣與學習動機干預。學習興趣低、動力不足是學困生普遍存在的一個問題。興趣是學生學習的內在動力。學習動機包括學生對學習的態度、價值觀、求知欲、自我效能感和成就歸因等方面[21]。一是設計趣味化教學資源。包含教學內容趣味化與呈現方式趣味化。教學內容趣味化主要體現在教學過程中插入一些學生感興趣、有意義的故事、案例與情境，如：在講授C 語言課程“函數的執行順序”這一知識點時，將其比喻為小貓釣魚的過程[22]。呈現方式趣味化主要體現在教學資源的游戲化、可視化以及虛擬現實、增強現實和混合現實等應用，使學生獲得身臨其境的感受，如教師可運用虛擬現實形象地呈現磁化過程與磁滯回線，便于學生理解內化，激發學習興趣與動機。運用人機交互、增強現實等技術將復雜、抽象的學習資源以真實化、情境化的方式呈現，提升教學資源的交互性、體驗性和娛樂性[23]。二是設計個性化的教學過程與方式。如：可以運用ChatGPT（聊天機器人）、百度智能機器人、在線學習平臺等直接與學生互動，為學生提供個性化的學習體驗和一對一的答疑、導航和社交等服務，激發學生的興趣、認知與情感。三是設計協作和競爭學習情境。利用智能系統來促進學生之間的協作和競爭。如：運用“雨課堂”等智能化教學工具，在教學過程中設計抽簽回答問題等教學環節，對回答問題者進行積分，且根據問題的難易程度賦分獎勵，激發學習動機；創建在線競賽、排行榜和挑戰，激發學困生的競爭動力和學習積極性；設計基于團隊合作的項目，使用在線協作平臺或虛擬團隊來實現學生之間的合作學習，激發學習動機；設計互動式學習活動和虛擬實驗，以激發學困生的參與度；利用虛擬現實等技術或開展現場角色扮演游戲，讓學生扮演不同角色，設計模擬情境，提升他們的社交能力和自信心。

2.人機協同前期知識干預。補充、激活學困生的前期知識，尤其是與新知識相關聯的前期知識，鏟除他們學習新知識的障礙。學生受學習能力、努力程度、經驗與知識的局限或遺忘等因素的影響，有可能導致前期知識基礎較差，新知識與前期知識之間的連接不足，知識遷移與應用受阻，導致學習興趣下降，形成惡性循環，進而形成學困生。通過人機協同系統對學生進行畫像建模，精準定位學困生的學習短板與學習需求，再結合當前學習的知識內容，通過智能系統進行關聯分析與角色分析，深度挖掘新舊知識之間的銜接知識，從海量的學習資源中自動挖掘、提取并向學困生精準推送個性化的學習內容、學習方案和學習路徑，供學困生自主學習，拓寬新舊知識連接的渠道[24]。如Knewton 公司開發的自適應學習系統，系統根據學生的前期知識掌握情況，自動向學生推送個性化的學習內容與學習資源，還可以根據學生的學習表現和對知識的理解程度調整難度和內容。

3.人機協同情感干預。情感干預以教師干預為主，智能機器干預為輔。通過教師的觀察與運用情感計算等人工智能技術構建的人工智能系統的反饋，精準獲取學困生的情感狀態與情感問題，精準掌握其情緒、焦慮水平或壓力，分析其原因，有針對性地進行學困生情感干預。教師可以綜合運用答疑解惑與表揚、欣賞、心理疏導、心靈互動、靈魂關懷、情感滲透等情感激勵方式，激活學生的腦內神經元與思維，使之處于一種積極向上的、踴躍的并且愿意與人、與事建立關聯的狀態，幫助其樹立理想、抱負、情懷、價值觀和自信心，從心理上激發他們學習的熱情與欲望，喚醒學困生投入學習。如：教師要善于發現學困生的學習潛力與閃光點，及時給予表揚，對于具有心理障礙、學習困惑或困難的學生，要及時疏通和幫助，避免學困生進一步產生厭學的情緒，激發學困生的學習熱情。教師從學困生的實際情況出發給予關心與幫助，給予個性化的情緒管理和指導、放松練習，調整學習目標與學習環境，如：幫助學困生制定簡單、明確的學習目標，布置具體、簡單的學習任務，讓他們通過努力以后可以實現其學習目標，提高他們的學習自信心[25]。

4.人機協同制度干預。一是建立課堂紀律、學習行為、學習態度等考核機制。通過人機協同系統對學生的學習狀態進行實時監控，如：上課遲到、打瞌睡、不完成作業等行為扣減平時成績與總評成績等，促進學生端正學習態度，規范學習行為，形成一定的學習壓力，養成良好的學習習慣。二是建立常態化的測試、檢查、提醒、督促與考核等相結合的制度。對學生的學習過程與結果進行人機協同考核，如：建立積分獎罰制度，課堂回答問題加分，明確加分要求，根據問題的難易程度加分，鼓勵學生開展自主學習，給予他們適當的自主決策權和學習責任，形成學習的內在動力。三是建立持續跟蹤學困生機制。人機協同系統跟蹤學困生學習進展，并評估干預措施的有效性，包括學困生學習行為與學習態度的變化、作業和測試成績變化、學生和家長的反饋等，通過評估，可以確定哪些策略和方法對學困生有效，并對教學干預計劃進行必要的調整。四是構建互幫互助學習機制。通過建立在線學習平臺或虛擬學習社區，鼓勵學生與同伴和教師進行互動和合作學習，營造相互交流、互幫互助、互相激勵的學習氛圍，讓學生通過合作、互相幫助來解決問題和完成任務，激發學生尤其是學困生的學習興趣和動力。五是幫助學困生建立適應性學習計劃。幫助學困生制定學習計劃，并教授他們時間管理的技巧，幫助他們合理安排學習時間并提高學習效率。

五、結束語

學困性具有典型的心理特征、行為特征、性格特征，獨立的人類或智能機器均難以實現學困生的早期識別與精準干預，人工智能與人類智能有機協同是解決高校教學過程中學困生問題的有效途徑。通過人機協同系統可以采集、處理學生的學習狀態數據，盡早精準識別學困生顯性問題與隱性問題，有助于盡早進行學習興趣與學習動機干預、前期知識干預、情感干預和制度干預，實現“不讓一個學生掉隊”的目標，大力提升高等教育教學質量。