終身教育背景下新一代信息技術在開放大學教學平臺的應用研究

李振宇 方天宇 關龍艷

摘要：發展全民教育、終身教育是黨的十九大以來重要決策。開放大學擁有優秀的教學平臺，可依托此平臺為終身學習賦能，能夠高速有效地構建網絡化、數字化、個性化、終身化的教學體系。本文根據學習者的需求，分析開放大學教學平臺所應具備的各類特性，完成特性分析后，利用人工智能、自然語言處理、無線通信等新一代信息技術，探索與開放大學教學平臺的融合路徑，并對融合路徑的技術可行性進行分析。以期利用開放大學教學平臺的框架為終身學習賦能，踐行開放大學扎根中國大地辦教育的時代使命。

關鍵詞：信息技術；開放大學；教學平臺；終身教育

引言

國家開放大學的教學平臺包括全業務流程及課程資源，在運行過程中表現出良好的性能。目前公共平臺的建設者只能提供普適性的業務支撐，專用平臺的建設者往往無法真正理解實際業務流程，作為使用方的教師很難提出具體的業務需求，與技術人員很難起到真正的溝通紐帶的作用，建設出來的平臺難以滿足實際業務需求。如果平臺規模較大，問題會大量爆發，國家開放大學教學平臺在建設初期也存在類似情況。平臺每學期網上學習行為以億為單位，在這種海量數據下，該平臺作為專用平臺經歷了三學期的高負荷運轉，建設團隊不斷改進，為國家開放大學終身教育平臺[1]奠定了堅實的基礎。

目前該教育平臺與大規模網絡課程MOOC[2]在模式上較為接近，但終身學習者所需的課程屬性、學習過程的及時反饋和教師持續不斷的大量投入等方面的保障存在一定的不足。而新一代信息技術的逐步發展，為建設能夠滿足終身學習群體各類需求的平臺提供了技術支撐，大規模語言模型[3]、自然語言處理[4]、卷積神經網絡[5]等技術的迅速發展逐漸提高了平臺能力。國內開放教育、開放大學助力終身教育主要集中在發展定位[6]、教學設置和課程建設[7-9]、其他教育途徑[10]、信息技術框架[11]等方面，其中，信息技術框架方面更多的是聚焦宏觀層面。

1. 開放大學教學平臺的特性

開放大學教學平臺面對的學生規模非常大，學生情況千差萬別，會出現公共平臺和常規專用平臺難以實現的特性。

1.1 以學生為本的個性化服務

開放大學的學生類別包括普通學生、殘疾人學生和外國學生，其中殘疾人學生涵蓋所有7類殘疾[12]，外國學生則是多個國家多種語言。對于普通學生，在學歷教育方面采用標準的教學大綱和教學技術即可，但是對殘疾人學生和外國學生而言，教學技術必須做到個性化。例如，對于有視力障礙的學生，需要在平臺調用專用的圖像識別和語音識別接口，將視頻課程內文字提取后轉換為語音輸出，課程全程采用語音交互的方式進行；對于有聽力障礙的同學，需要調用專用的語音識別接口，將視頻課程中教師的語音轉換為字幕供學生學習；對于外國學生，需要利用專用的圖像識和語音識別接口，將視頻課程的文字和語音分別轉換為對應的語種。

1.2 超級開放性

開放大學學生的學習時間和空間都不固定，并且由于外國學生的大量存在，學習時間和空間的分布更為分散。開放大學學生的特性與傳統院校學生不同，他們在學習上具有相當的自主性，自行安排掌握學習進度，能利用自己的知識和經驗理解掌握所學內容。這樣不僅在學習時間和學習空間上要保證足夠的開放，對于學習方式也應該具備足夠的開放性。

1.3 業務集中性和復雜性

開放大學學生的所有學習環節均集中在教學平臺上，結合數百專業、數百萬學生、數千萬選課報考數據，開放大學教學平臺的業務集中性極高，業務集中性和復雜性遠超教育類公共平臺和專有平臺。

1.4 課程內容和資源的快速迭代性

大學體系規模極其龐大，每門課程均有相應的教學團隊，國家開放大學課程教學團隊的規模一般在30名教師以上，省級開放大學課程教學團隊的規模一般在10名教師以上，開放大學教務部門和教學部門對課程內容和資源迭代均有較高的要求。

2. 終身教育背景下新一代信息技術在開放大學教學平臺的應用研究

依托開放大學教學平臺為終身學習賦能，需要將新一代信息技術，包括大規模語言模型、自然語言處理、深度學習圖像處理、區塊鏈、云計算、5G等高速穩定的無線通信網絡、虛擬現實等技術。應用到開放大學教學平臺，提高平臺的個性化服務能力，使平臺具有更強的開放性，無須過高的集中性和復雜性，課程內容和資源的范圍更大、課程迭代更快。

2.1 人工智能提升個性化服務能力

終身教育對個性化服務的需求不僅體現在學習過程中，更多地體現在教學目標、教學過程反饋等方面，大規模語言模型、自然語言處理和深度學習圖像處理技術能夠有效提高這些環節的個性化服務能力。終身教育與開放教育存在一定的不同，終身教育的教學目標是學習者自己定義的，因此傳統的培養方案不適用于終身教育，而經過訓練的大規模語言模型能夠得到足夠豐富的知識路徑。對于某一個教學目標，大規模語言模型能夠根據已生成知識路徑構建知識樹，自動生成對應教學目標的培養方案。對于在教學過程中產生的反饋和互動，大規模語言模型經過訓練能夠替代教師給出準確的反饋。利用自然語言處理和深度學習圖像處理技術能夠更加準確地完成語音識別和圖像識別。

2.2 區塊鏈、云計算及無線通信技術帶來更強的開放性和安全性

終身教育學習者遍布全球，優秀的平臺也更加吸引終身學習者的到來，進而帶來了更大的運行負荷和分布更均勻的學習時間，對學生的數據安全的保護也需要進一步加強，也就意味著整體的開放性更強。云計算是一種分布式計算，能夠極大地提高平臺運行負荷能力。區塊鏈技術具有去中心化和數據難以篡改的特點，能夠有效地提高數據的安全性。5G等無線通信技術具有高傳輸速度、高響應速度、高連接穩定性的特點，能夠有效地為學生提供良好的網絡。

2.3 人工智能技術加快了課程迭代

終身教育的課程范圍要遠大于傳統學歷教育課程，相關的課程建設和課程迭代是比較困難的。傳統教育機構很難做到擁有大量教師以不斷進行課程迭代，開放大學系統的專職教師為61595人，具有其他教育機構無法比擬的系統優勢。大規模語言模型能夠根據網絡檢索的信息構建非學歷課程的知識路徑，有效輔助專職教師，加快課程迭代速度。

2.4 虛擬現實技術帶來更具沉浸感的課程體驗

傳統課堂教學使用書本、道具、課件等媒介構建了常規教育環境，在常規教育環境中學生很難達到沉浸式學習狀態。虛擬現實技術能夠利用計算機圖形學、仿真技術、顯示技術等構建與真實世界相仿的虛擬環境，因此，應用該技術可以實現終身教育的沉浸式教育環境構建。

3. 開放大學教學平臺應用新一代信息技術的技術可行性分析

技術可行性一般包括硬件、軟件和人員這三個方面。對本節中出現的大規模語言模型、自然語言處理、深度學習圖像處理、區塊鏈、云計算、5G等無線通信技術、虛擬現實/增強現實/混合現實等技術，所需的硬件、軟件和人員各有不同。

3.1 大規模語言模型、自然語言處理、深度學習圖像處理

對于這三種技術，需要專門的深度學習算法工程師來構建模型，模型可以利用已有的開源模型來進行改進，改進的模型需要在服務器計算顯卡（MXC500、A800、H800等）上進行訓練。

硬件：服務器計算顯卡；軟件：GPT-4.0類開源大規模語言模型、Transformer類模型、Resnet類模型；人員：深度學習算法工程師。服務器計算顯卡價格較為昂貴，以A800為例，單塊顯卡價格約為10萬元。

3.2 云計算

對于云計算技術，一般是采用租賃云服務商的服務器進行構建，不需要軟件和人員支出，只包括硬件服務支出。但是云服務商的服務器價格比較昂貴，超大規模學習平臺的年服務費在百萬元以上。

3.3 區塊鏈

對于區塊鏈技術，需要軟件開發人員完成區塊鏈的設計，軟件可以用已有的、較為有效的區塊鏈相關技術構建終身教育區塊鏈，硬件方面沒有支出。區塊鏈技術自2008年以來，不斷經過技術迭代，是較為成熟的技術。

3.4 5G等無線通信技術

對于5G等無線通信技術，主要是國家網絡基礎設施、學生網絡設備和學生個人終端體現，目前是較為成熟的技術，這些技術不需要硬件、軟件和人員支出。

3.5 虛擬現實/增強現實/混合現實技術

對于虛擬現實/增強現實/混合現實技術，需要由軟件開發人員建設虛擬現實類課程，這些課程一般是基于Unity3D等軟件進行開發，同時在線下終身教育學習中心需要采購一些虛擬現實設備來讓學生體驗虛擬現實課程，學生也可以自行采購相關設備完成課程學習。硬件：虛擬現實設備（Oculus Rift、HTC VIVE等虛擬現實頭盔，Meta2 AR等混合現實頭盔）；軟件：Unity3D等開發軟件；人員：虛擬現實軟件工程師。虛擬現實課程建設費用和虛擬現實設備的采購價格都比較昂貴，目前虛擬現實課程的建設是比較成熟的，系列虛擬現實課程多在10節以上，而單節虛擬現實課程價格在5萬元以上，虛擬現實頭盔價格在0.7萬元左右，混合現實頭盔價格在1.5萬元左右。利用新一代信息技術完成上述融合路徑是完全可行的，并且在成本上也是可控可接受的，不過如果大規模推廣虛擬現實課程，成本較高。

結語

本文通過對新一代信息技術與開放大學教學平臺特性的研究，探索新一代信息技術與開放大學教學平臺的融合路徑，并從硬件、軟件、人員這三個方面分析了技術的可行性，得出結論：新一代信息技術與開放大學教學平臺完成融合是完全可行的，在成本方面也是可控可接受的。本文在融合路徑方面進行了研究和探索，但在具體的工程落地方面還沒有進行，需要后期繼續開展研究，以期實現預設的目標。

參考文獻：

[1]何曼.終身教育平臺跑出“加速度”[J].在線學習，2023，（7）：36-39.

[2]王穎，張金磊，張寶輝.大規模網絡開放課程（MOOC）典型項目特征分析及啟示[J].遠程教育雜志，2013，31（4）：67-75.

[3]朱光輝，王喜文.Chat GPT的運行模式、關鍵技術及未來圖景[J].新疆師范大學學報（哲學社會科學版），2023，44（4）：113-122.

[4]林奕歐，雷航，李曉瑜，等.自然語言處理中的深度學習：方法及應用[J].電子科技大學學報，2017，46（6）：913-919.

[5]周飛燕，金林鵬，董軍.卷積神經網絡研究綜述[J].計算機學報，2017，40（6）： 1229-1251.

[6]賈煒，陳麗，李政濤，等.開放大學高質量發展：思考與期待[J].開放教育研究，2022，28（2）：4-10，63.

[7]王薛晴，許之民.技術引領教學法創新：構建面向終身學習的未來教育圖景——英國開放大學《創新教學報告2022》解讀[J].成人教育，2023，43（7）：13-20.

[8]鄭鳳岐，李權晁，董晉.終身教育視域下老年開放大學體育課程設置探究[J].山西廣播電視大學學報，2023，28（1）：26-29.

[9]吳曉輝.終身教育視域下開放大學漢語言文學專業創新發展探究與實踐[J].吉林廣播電視大學學報，2021，（2）：116-118.

[10]李洋.終身教育視角下教育發展路徑探析——以開放大學老年教育為例[J].現代職業教育，2023，（10）：161-164.

[11]沈美英，彭禮安.信息技術在高水平開放大學建設中的應用[J].中國成人教育，2023，（11）：34-38.

[12]邱卓英，李欣，李沁燚，等.中國殘疾人康復需求與發展研究[J].中國康復理論與實踐，2017，23（8）：869-874.

作者簡介：李振宇，在讀博士，講師，研究方向：終身教育、計算機算法、開放教育；通信作者：關龍艷，博士，副教授，研究方向：終身教育、開放教育。

基金項目：黑龍江省教育科學“十四五”規劃2022年度重點課題——為全民終身學習賦能的開放大學建設研究與實踐（編號：ZJB1422322）；中國教育技術協會高校遠程教育專業委員會2022年度專項研究課題一般課題——BOPPPS在社區教育中的應用研究（編號：GYY2016）。