基于人工智能的自适应学习模式在高职课堂的应用探索
来源:用户上传
作者:
摘 要
本文针对当前高职院校的在线课堂存在过度使用新技术、在线资源多而不精、在线课程缺乏针对性、缺乏科学的评价跟踪体系等问题，提出基于人工智能的自适应学习模式，通过建立知识库、建立学习者模型、建立个性化学习路径等，为不同特征的学习者提供个性化学习资源，帮助高职学生达到课程学习目标。
关键词
人工智能;自适应学习;高职课堂
中图分类号： G434;G712 文献标识码： A
DOI：10.19694/j.cnki.issn2095-2457.2020.05.023
0 引言
人工智能作为计算机学科的重要分支，于1956年首次被出来，通过使用计算机模拟人的智能，帮助人们进行记忆、分析和决策。经过几十年的发展，至今人工智能技术已经大量应用于生产、制造、教育、互联网等各个领域之中，成为各国家参与国际竞争的核心技术。2017年国家颁布《新一代人工智能发展规划》，明确了新一代人工智能的发展战略[1]。2018年4月国家颁布《教育信息化2.0行动计划》，以人工智能、大数据、物联网等新兴技术为基础，开展智慧教育创新研究和示范，推动新技术支持下教育的模式变革[2]。2018年5月，美国组織多名专家召开人工智能研究讨论会，并成立AI委员会，确保美国是人工智能领域的世界第一[3]。可见，人工智能技术已经成为全世界关注的焦点，必将主导新一代产业的巨大变革。
自适应学习模式是继MOOC课后又一新兴的在线学习模式。它于20世纪90年代被美国学者提出，由于当时技术的限制，它的发展仅限于根据学生的学习水平差异进行分层。人工智能技术的兴起，使得自适应学习模式能根据学习者的认知、性格、兴趣、知识水平等不同特点，推荐个性化的学习资源，并进行跟踪和评价，为学习者提供精准的学习服务，帮助学习者达到学习目标。2017年的《地平线报告》预测个性化学习是未来在线学习发展趋势，自适应学习技术是影响未来高等教育发展的关键技术[4]。《2018 中国职业教育技术展望：地平线项目报告 》指出适应性学习将成未来五年可能会在中国职业教育领域里对教学、学习和创造性探究产生重大影响的12项教育技术重要发展之一[5]。
2 高职学生的在线学习现状分析
在“互联网+”的背景下，依靠智能手机、平板、笔记本电脑等进行社交的工具已经应用在高职学生学习、生活的方方面面。在线学习就是在这种背景下产生的，让学生充分利用碎片化时间，随时随地进行学习，弥补传统课堂的不足，帮助学生提高学习成绩。目前，在线学习课程如雨后春笋般在各高职院校大量出现，为学生提供了丰富的学习资源。然而，虽然在线学习资源丰富了，但是学生的学习效果并不理想。笔者认为主要有以下几方面原因。
2.1 在线资源多而不精
大部分高职教师认为学习资源越多，学生能学到的知识就越多。于是老师们花时间开发了大量学习资源，包括音频、视频、课件等，甚至同一门课程都开发了不同的视频音频教程。这样的做法，没有立足于高职学生的实际，忽略了学生学习自觉性和学习能力。笔者经过调查发现，高职学生普遍觉得在线学习资源太多，根本看不完那么多资料，他们除了完成老师要求的学习任务之外，很少主动花时间去学习额外的在线课程。在线学习资源经常是多而不精，没能给学生进行针对性补差补缺，往往达不到理想效果。
2.2 学生基础能力差异大，在线课程没针对性
当前，高职院校招生方式主要有高考录取、单招录取、对口录取等，生源结构的多样化，学生的基础水平差异大，学生的接受能力各不相同。学生学习同样的在线学习资源，有些学生掌握得非常好，有些学生半知不解，有些学生完全学不会。因为目前的在线课程缺乏针对性，不能对学生实现个性化辅导。
2.3 过度使用新技术，忽略学习过程引导
随着新技术的不断出现，开发在线资源的技术层出不穷。然而这些新技术的应用大都体现在给学习者提供良好的交互界面、监督学习者的学习进度、如何增加学习积分、如何提高点击率等方面，没有引导学生主动关注在线学习资源和自觉学习。相反，这些新技术手段使学生觉得为了监督学生的学习，忽略课程资源的深度和质量，忽略学生深层次的学习需求。
2.4 缺乏科学的评价跟踪体系
在线学习平台对学生学习效果的监控，大部分是以完成在线任务为主，如在线签到、完成练习和作业、讨论题、观看视频时间、在系统停留时间等。据笔者对学校的学生在线学习情况调查，发现大部分学生进行在线学习仅仅是为了满足考核要求，拿到课程学分，并不是真正希望通过在线课程学习提高自己专业知识和技能。高职学生自主学习能力差，基础知识水平差异大。他们在学习过程中遇到困难时，并不会主动从在线学习资源中寻找解决问题的办法，而是寄希望于老师的面对面辅导。对于在线课程的学习任务，如果听不懂，他们并不会主动去把知识点吃透，而是等老师在课堂指导，有的直接放弃。因此，建立一套完整的评价跟踪体系策略，引导学生主动关注并完成在线课程学习，帮助学生达到课程学习目标，是当前混合教学改革必须考虑的问题。
3 人工智能背景下高职课堂的自适应学习模式构建
自适应学习是近年来出现的一种主动式学习模式，能为学生提供个性化的学习服务。人工智能技术的兴起与发展，为自适应学习带来了新的机遇。针对传统在线课堂存在的问题，自适应学习模式能更好地解决以上问题。本文旨在人工智能背景下构建一种新型的自适应学习模式，提高高职课堂教学效果，主要从知识库构建、学习者模型构建、基于XX算法的学习路径构建三个方面描述。
3.1 知识库构建 自适应学习模式的知识库构建，主要是构建实体与属性之间的关联关系，确定知识点之间的关联网络结构图。通俗地讲，将每门课程需要掌握知识点及其详细解释，建立“课程—章节”、“章节—知识”、“知识点—详细描述”的联系方式，通过这种方式将课程的知识体系建立知识网络结构。使用基于人工智能的语义搜索、智能问答等技术，可以实现对相关知识的精准获取。随着课程的改革与深化，知识库会随着课程特点不断更新与丰富。知识库越丰富，为个性化学习推荐的内容就越精确，针对性就越强，个性化学习的效果就越明显。通过大数据分析决策技术，将知识库的内容进行获取、加工、分析、形成决策，为学习者提供精确的学习资源。
3.2 学习者模型构建 确定学习者的风格类型
不同的学习者，由于性格、兴趣、知识基础等方面存在差异，其学习接受能力各不相同。高职教师在实施教学时，不能以传统满堂灌的方式进行，更不能将学习者视为具有相同能力和基礎的对象。因此，实施自适应学习模式时，需要立足于高职学生的实际情况，建立适合高职学生的学习者模型。本文根据学生的认知水平、知识结构、学习行为、性格特征、兴趣等建立学生特征数据库，并在实施过程中不断更新与丰富学生特征数据库。通过大数据、人工智能等技术，为不同学习特征的学习者建立个性化学习路径，为其推荐个性化的学习资源。
3.3 基于AprioriAll算法的学习路径构建
这一部分是通过对知识库和学习者模型进行统计分析之后，建立个性化的学习路径的过程。该路径使用AprioriAll算法，AprioriAll算法能对不同的学习者进行跟踪与监测，智能地分析学习者对知识点的掌握程度。AprioriAll算法能针对学生的弱项，为其推荐精准学习路径，通过对特定知识点的强化训练，帮助其快速掌握相关内容。AprioriAll算法推荐的路径并不是一成不变的，不同学习者的学习路径各不相同，甚至同一学习者在不同时间学习同一知识点，如果掌握程度不一样，AprioriAll算法推荐的学习路径也会不一样。AprioriAll算法通过学习者特征提取、构建学习路径、推荐精准的知识点这三个步骤完成自适应学习模式构建，为不同学习者提供个性化的学习资源，帮助其达到课程学习目标，提高专业能力。
4 结束语
人工智能、大数据、物联网等新一代技术将会引领着社会向新型的产业方向发展。自适应学习是近年来备受学者青睐的学习模式，它将会对传统在线课堂带来冲击。如何将新一代技术与自适应学习模式进行有效结合，引领互联网+教育向前发展，是当前教育必须考虑的问题。本文首先介绍了人工智能、自适应学习模式，然后论述了当前在线学习的现状，接着从知识库构建、学习者模式构建、学习路径构建等方面阐述了基于人工智能的自适应学习模式，为学生的在线学习提供新思路，旨在帮助高职院校提高教学质量，培养更优秀的专业技术人才。
参考文献
[1]吴永和，刘博文，马晓玲.构筑“人工智能+教育”的生态系统[J].远程教育杂志，2017，35（05）：27-39.
[2]郑旭东.智慧教育2.0：教育信息化2.0视域下的教育新生态——《教育信息化2.0行动计划》解读之二[J].远程教育杂志，2018，36（04）：11-19.
[3]徐晔.从“人工智能教育”走向“教育人工智能”的路径探究[J].中国电化教育，2018（12）：81-87.
[4]崔向平，徐娟.自适应学习技术的应用、问题及趋势——访美国俄亥俄州立大学大卫·斯坦恩教授[J].开放教育研究，2019，25（05）：4-10.
[5]《2018中国职业教育技术展望：地平线项目报告》发布[J].教育学报，2018，14（02）：72.
转载注明来源:https://www.xzbu.com/8/view-15180679.htm
