饒凱平 陸冷飛

摘 要：智慧課堂的出現改變了傳統(tǒng)教學方式，將以教師的教為主體轉變成為以學生的學為主體。教師導學，如何在有限的精力下因材施教，更精準地了解學生并指導學生學習成為關鍵。文章在智慧課堂中運用大數據、人工智能等技術，分析學生的學習行為，形成學生用戶畫像，建立個性化導學體系，提高了教學過程中的指導精準性，進而增強了學生的學習興趣，獲得更加優(yōu)良的學習效果。

關鍵詞：個性化教學;智慧課堂;大數據;用戶畫像

中圖分類號：G434? ? ? 文獻標志碼：B? ? ? ? ? 文章編號：1673-8454（2020）24-0028-05

一、引言

“個性化教學，因材施教”從古至今都是教育者和教學研究工作者所認可遵從的教育思想。聯合國教科文組織在《教育2030 行動框架》中強調：“教育應當致力于個性的全面發(fā)展”[1]。2018年《教育信息化2.0行動計劃》和2019年《中國教育現代化2035》中都指出，在教育信息化背景下有利于實現教育對人才的個性化培養(yǎng)[2]。但在傳統(tǒng)的課堂當中，多以教師為主體實施教學，教師沒有時間和精力去深入了解并追蹤每一位學生的實際情況，因材施教要實現起來非常困難。

近年來，隨著移動互聯網、大數據、人工智能、VR/AR及5G等信息技術的興起，為教學帶來了較多便利，各類依托信息技術的教學平臺和教學手段如雨后春筍般涌出，如MOOC、SPOC、沉浸式學習、翻轉課堂、微課等等。但海量的教育資源卻很容易導致諸如“信息迷航”和“信息過載”等現象，其中以MOOC為代表的大規(guī)模開放式在線課程，建立了數量龐大的免費教學資源，但學習者想要找到適合自身的教學資源并不容易。如果單從學生主動發(fā)起搜索的角度出發(fā)來解決信息過載現象是遠遠不夠的，教師憑借自身的教學經驗能為學生推薦一些有針對性的資源，但要兼顧多數學生的需求，不能很好地滿足學習者的差異化需求。

智慧課堂解決方案的出現，將大數據、人工智能和VR/AR等多種新技術融入教學過程當中，具有學習行為自動采集、智能感知學習環(huán)境、深度挖掘分析預測學生需求等特質[3]，從“人找資源”轉變成“資源找人”，為學習者提供“私人訂制”般的資源推送，讓真正意義上的個性化學習成為可能。

從信息化角度來定義智慧課堂概念，是指在教育技術支持下，以培養(yǎng)學生個性化發(fā)展為目的，讓學生在校的每個時間段都能體驗全過程應用的智能、高效的課堂，使學生在輕松、愉快的環(huán)境下進行個性化學習[4]。本文結合信息技術和個性化教學理念，研究基于智慧課堂的個性化指導服務體系，貫穿課前、課中、課后，為師生提供動態(tài)開放的個性化教學指導及服務。

二、個性化教學研究現狀及關鍵技術分析

1.智慧課堂及個性化教學國內外研究現狀

在信息時代背景之下，國內外信息科學和教育管理領域的研究者對智慧課堂和個性化教學進行了大量的研究和探索，主要集中在智慧教學實現路徑、個性化資源推薦、學習者特征建模以及大數據智能評估及預測幾個方面。劉邦奇[5]提出了“三段十步”教學流程，“三段”指“課前、課中、課后”，“十步”指“學習分析、預習測評、教學設計、情景創(chuàng)設、探究學習、實時監(jiān)測、總結提升、課后作業(yè)、微課輔導、反思評價”十個教學步驟，將十個教學步驟融入課堂的前、中、后，實現可持續(xù)發(fā)展的智慧課堂、學生個性化學習模式。Brusilovsky[6]等通過將課程進行排序標記，提出教育資源個性化推薦策略的實現路徑。DeBra[7]等通過對學習者認知水平的探討，構建針對不同認知水平的教育資源個性化推薦模型。林愿[8]提出了一種混合協(xié)同過濾的智能化推送服務算法，可結合學習者的動態(tài)行為數據，自適應更新推送服務算法。劉海鷗[9]等提出了一種基于大數據深度畫像的學習伙伴匹配服務，可為課堂分層教學小組討論提供智能數據支撐。鄭陽平等[10]提出了靜態(tài)和動態(tài)的學生學習行為建模的方法，通過建模公式對資源的需求權重進行調整，建立起了學生和資源之間的動態(tài)關聯。

2.關鍵技術

智慧課堂所涉及的教育技術有很多，在整個教學進程當中，最關鍵點在于個性化資源推薦和智能教學決策，二者幾乎貫穿了整個教學進程，現對其涉及的技術進行闡述。個性化資源推薦需要利用大數據技術記錄用戶產生的行為數據進行挖掘提煉，形成一個標簽化的用戶特征集合，建立深度用戶畫像，為提供個性化資源推薦服務提供強有力的數據支撐。具體而言，在學習者學習過程當中產生了大量非結構化數據，將這些數據進行結構化和標簽化處理，提煉學情中關鍵語義特征，形成能夠精準描述用戶特征的集合，如同肖像畫當中的輪廓、五官、神態(tài)一般，故稱之為用戶畫像模型。用戶畫像能夠在不同的場景之下，結合用戶特征準確地預測其學習需求及發(fā)展趨勢，從而為學習者智能推薦適合自身的個性化學習資源。

人工智能技術在對用戶的數據分析、預測及決策方面與大數據技術相輔相成，利用神經網絡、深度學習和各種機器學習算法，對大量學習者的學習行為、過程化學習數據和學習評價數據進行有監(jiān)督機器學習，學習過程中不斷更新機器學習參數，用戶使用量越大，精確度越高。數據訓練完成后，形成個性化學習路徑模型，實時反饋學習者的學習狀態(tài)和進度，通過該模型可以對學生進行智能監(jiān)督預警，輔助教師去實現教學決策。同時為學生提供可參考的學習方案和學習指導建議。另外，在課堂實時交互及課后答疑過程中，利用人工智能中的自然語言識別技術識別語境、語義，為個性化資源推薦提供有效的數據支持。

三、個性化教學服務體系的架構

智慧課堂中的個性化教學服務體系架構分為教學進程和課堂角色兩個維度，如圖1所示，教學進程維度由課前、課中、課后三部分組成。而課堂角色維度由參與教學的角色組成，分別為教師、學生和智慧課堂所采用的智慧教學平臺（例如科大訊飛的暢言課堂等）。

1.課前階段

教師在平臺中建課，可以采用線上已有的優(yōu)質慕課或微課，也可以自制課程，并將學生導入到平臺中，此時學生的用戶基礎數據隨著名單一起進入平臺，基礎數據有很多學生的靜態(tài)信息，如個人基本信息及學籍選課成績等與學習相關的信息，依據這些靜態(tài)信息初步建立學生的用戶畫像。學生在瀏覽課前資料時，平臺自動記錄其平均瀏覽時長，每個視頻資源的播放總時長，暫停次數及位置、快進重播位置、評論、點贊數據以及學生與教師之間的答疑討論等數據，多方面進行數據采集，對學生的認知基礎、興趣傾向、態(tài)度、思維特質、能力傾向性、學習水平和學習習慣等主要的個性化學習維度指標進行掌握，根據這些動態(tài)的指標更新畫像，使得畫像越來越精確。

讓學生在課前完成對課時所涉及到的知識點的相應測評，并結合測評結果綜合分析學生對知識的掌握情況，預判學生可能會遇到的問題，將學生掌握知識的情況分層（如第一層為基礎知識尚未完全掌握，需繼續(xù)夯實;第二層為基礎知識已經掌握，需進行延伸拓展;第三層為熟練掌握并會舉一反三，需進行實踐升華等等），為課堂上的個性化資源推送提供有效的支撐和依據，生成個性化學習方案，同時將學習方案的摘要推送給教師。

教師可以根據實際情況，在學生完成課前提問答疑和評測后得到學習者的不同學習特征，此時可針對學習過程的動態(tài)變化來修正用戶畫像，使平臺給出的推薦學習路徑與學習者對教育資源的需求保持一致。教師可依據用戶畫像來提取針對性強的教學資源，設計的教學活動最大程度地貼合學生的需求，在教學實踐過程中的每個節(jié)點都將個性化教學的屬性最大限度地發(fā)揮出來，調整知識點的講解策略和方案：重難點精講，大多數學生都掌握了的知識點串講，并且根據平臺對學生的分層結果，制定不同層次學生的學習目標，以便進行知識基礎夯實、分組協(xié)作、任務情境教學等教學策略的選擇。

2.課中階段

教師可以根據學習過程中那些頻繁出現的問題進行劃分，區(qū)分重點和難點，在課堂教學中運用教學技能有目的、有選擇地穿插在其中。教師可以統(tǒng)計分析大多數學生遇到的問題，在學生疑點或關注比較多的地方，有針對性地提供相應的實踐案例，讓學生共同研究思考，發(fā)散學生的思維，提高學生主動解決問題的能力。

課堂上的個性化教學顯然不可能對每一個學生都傳授不同類型或程度的知識，課堂教學的優(yōu)勢無法得以體現。智慧課堂上的個性化資源推薦可采取一種折中的方案，從教學資源的群體性偏好角度出發(fā)，這樣既考慮到了不同學習者的需求，也兼顧了課堂教學的集體學習特點。對于某個層次的學習群體進行畫像歸納得出綜合標簽，進行群體個性化資源推薦，可以滿足群體中絕大多數學習者的需要。

教師根據課前自學掌握到的學情進行分層，設定不同的情境去引導學生學習，還可以根據分層進行分組項目任務式探索學習，智慧教室的課桌可以隨意組合，將同一小組的學生課桌拼在一起，增加學生的團隊感，可更好地激發(fā)學習興趣。不同層次的學生需要在課上達到的目標和效果不一樣，如對基礎知識點掌握不好的這部分學生，上課的目標就是將知識點消化。而對于已經掌握基礎知識點的這部分學生，課堂上的目標就是熟練運用并能解決一些實際問題。

對于教師，首先推送的教學資源可選擇在課前備課中準備好的資源，也可以根據教學進程的動態(tài)變化，實時從云端下載并且推送給學生，確保教學過程的動態(tài)貼合學生需求的特性，同時也展現了教師對教學活動的設計思路與思考。教師在什么情況下推送資源非常關鍵，在小組討論或協(xié)作式學習的過程中，學生遇到無法自行解決的問題可以通過即時通訊軟件將問題呈現給教師，教師可以根據學生學習的節(jié)奏適時地推送教學資源，避免填鴨式地灌輸知識點，使學生在探索的過程中學到知識。

平臺則通過學生瀏覽資源的平均速度、停留時長，對視頻資源的瀏覽總時長、暫停次數、快進或快速定位頻率等進行分析，并通過建模公式對資源的需求權重進行調整。同時學生對資源可進行打分，學生對資源的打分情況將更新資源的畫像，再次調整從用戶畫像到資源畫像之間映射關系的權重，在后續(xù)的資源推送中將會更加精確。

在課堂教學過程中，學生會實時遇到很多問題，可以先在平臺中發(fā)起提問，平臺中的智能問答引擎通過人工智能的自然語言識別技術，提取關鍵詞分析語義、語境，以人機對話的形式，逐步為學生答疑解惑，這樣能夠解決大部分基礎知識方面的問答。若仍然沒有得到解決，可以發(fā)起師生答疑，智能答疑引擎替教師分擔了很多課堂答疑工作。個性化教學需要學生有更多的主動性，而不是被動地接受知識。但是部分學生卻缺乏學習的主動性，平臺的學習監(jiān)督功能可以幫助提醒學生，如課堂提問或討論的頻率較低，或對于資源的瀏覽進度過低時，平臺認為學生的課堂熱情和參與度不夠，將通過終端主動提醒學生。

教師通過平臺隨時可發(fā)起實時訓練，實時訓練的形式多樣，如普通的主觀客觀題、搶答題、彈幕、有獎問答題等，通過訓練反饋報表了解學生對知識的掌握情況，依此對教學內容和進度進行微調。在課堂教學過程當中產生的所有學習行為數據平臺都記錄下來，如學生在哪里做筆記、在哪里停下、何時放棄以及課堂上的提問和討論發(fā)言情況等。收集學生的學習行為數據后，運用大數據技術來分析處理和歸類，得出學生對教學資源的需求方向，根據教學資源的標簽以及學生的用戶畫像進行數據關聯計算，根據學生的知識基礎匹配某個學習群體對于某一類型的教學資源的需求契合度，并且借助人工智能的自然語言識別技術，分析教學資源的關鍵詞、主題和標簽的語義，建立教學資源之間的相關性，從而為不同的學習者提供個性化的教學指導。

3.課后階段

在傳統(tǒng)的教學觀念里，教師能做的只有布置課后作業(yè)讓學生完成，但智慧課堂中教師能做的還有很多，教師可根據平臺數據判斷學生掌握知識情況，有針對性地進行課后微課輔導。微課的資源可以從云資源庫中獲取，也可以自行錄制，將微課推送到學生的手機或其他終端設備上，學生利用碎片化時間去完成微課的學習。此外，如在課堂上有些問題討論得很激烈，但因課堂時間有限未能完成討論的情況下，可以組織有興趣的學生進行云課堂討論，延續(xù)課堂教學的內容，亦可安排學有余力的學生幫助跟不上進度的學生進行輔導或討論，幫扶的同時也鞏固了自身的知識。

傳統(tǒng)的課后作業(yè)所有人做同樣的內容，無法符合所有學生的學習情況，智慧課堂的課后作業(yè)平臺可根據學生的學習大數據情況自動生成，根據分層教學中不同層次，學生對應不同的鞏固方案和課后復習資源，教師可以查看并根據實際情況對學生的課后作業(yè)進行調整。學生完成作業(yè)后，平臺對作業(yè)進行自動批閱，錯題推送給學生進行訂正并推送同類變式資源讓學生鞏固知識，同時修正學習指導路徑，最終結合學生線上掌握知識的情況和作業(yè)完成情況形成個性化錯題手冊，便于學生復習。

學生完成作業(yè)后，平臺會根據學生從課前預習評測、課中提問討論實時訓練到課后作業(yè)完成情況，生成一份學生的單元學習報告，報告中提醒學生哪些地方需要加強，同時將后續(xù)的學習方案推送給學生，學習者能從中得知自己學習狀態(tài)和資源應用情況，允許學生對自己的學習報告進行修正，如平臺分析得出某知識點學生掌握得不好，學生可以發(fā)起修正，此時會進入到相應知識點的評測界面，如果學生能通過評測即可修正，如此建立動態(tài)、開放、智能的個性化學習指導服務體系。

在學生學習的過程中不斷迭代更新數據，使用戶畫像一直緊密貼合學生的學習動向，并提供學習監(jiān)督服務。學習監(jiān)督服務是根據學習進程中的每一個節(jié)點設置相應的任務和目標值，通過對學生學習行為的分析更新用戶畫像，實時反應學生的學習情況，掌握學生的學習進程和狀態(tài)，低于設定的值則適當地對其進行有效指導，如在教學過程中學生發(fā)言、交流等學習行為低于設定的值，則可認為學生存在學習消極懈怠的現象，教師可以根據實際情況提供適合用戶學習風格的個性化干預方案，對學生進行相應的學業(yè)幫扶和指導，進而促使學生去主動學習，大幅度地降低因學習主動性不夠而引起的一系列不良影響，提高學習效率和質量。

四、個性化教學指導服務體系的教學效果及優(yōu)勢

智慧課堂運用了眾多信息技術，將信息技術與課堂教學緊密結合起來，能夠符合絕大多數情況下師生的需要，可以適用于不同的學科、不同的教學心態(tài)及模式下進行的個性化教學設計，可以很好地實現因材施教的教學效果。

首先，在智慧課堂中，可全面提高師生在教學過程中的積極性，從而更好地實現個性化教學。在基于智慧課堂的教學活動中，結合了大量的人工智能與移動互聯網方面的技術，優(yōu)化了師生之間、生生之間的交流討論方式方法，以更加豐富多樣的形式滿足了師生的交流需求。在傳統(tǒng)課堂中往往是以教師教授知識為主，師生對話較少，而智慧課堂促進了師生之間的對話熱情，改變了傳統(tǒng)課堂當中教師一言堂的局面，增加了師生對話的渠道和動力。在課前、課中和課后都涉及到了師生的雙向交流反饋與評價?？梢杂^察到，無論是課前的反饋討論，還是課上的小組協(xié)作交流，學生都會參與到相互之間的交流中去。另外，課堂上的實時訓練有搶答題、彈幕、有獎問答題等多種形式的激勵機制，無形當中增加了學生的交流動力，從而使課堂參與度較傳統(tǒng)課堂有非常大的提升。

其次，個性化教學中使用分層教學的策略，通過多種形式進行分層，實踐教學效果良好。智慧課堂中的個性化教學，不等同于在課堂上每個學生進行著各自完全不同的學習，分層教學是實現個性化教學的核心理念，大數據及人工智能技術為分層教學提供了數據支撐，幾乎所有學科當中的課程都可以進行分層教學。如在大學物理課程當中，教師對學生進行分層，以概念、變式、應用三個維度來區(qū)分：第一層為基礎概念尚未完全掌握，需繼續(xù)夯實;第二層為基礎知識已經清晰掌握，需進行延伸拓展，做一些同類變式;第三層為熟練掌握知識并會舉一反三，需進行實踐升華和生活應用。通過學生對知識掌握情況進行分層的方式最為常見，還有通過學生畫像當中的學習興趣、學習風格等特征進行分層。另外，還有在課后云課堂或習題訓練當中，教師以學生的習題完成度進行分層等等。

總而言之，分層方式可以靈活地根據教學的實際情況、實際需要進行，不用拘泥于特定的形式，目的是滿足個性化教學的需要。在個性化教學當中，分層教學模式的教學效果也是非常顯著的。與此同時，對于不同層次的學生，用戶畫像中的特征不一樣，平臺對不同層次學生的資源推送情況也是不一樣的，乃至課后習題生成、學習路徑指導意見都不一樣，體現了不同學生的學習差異性，能夠在教師有限的精力下，兼顧學生的個體化差異，提高教學實效。

五、結語

個性化教學對于學生的個性和能力發(fā)展而言意義重大，智慧課堂是信息技術與課堂教學深度融合所產生的新的課堂教學模式，具有情境化、智能化、互動化等特點，讓教與學的方式變得更加豐富，從而為個性化教學的開展提供了重要支持，更符合學生個性化學習的需要。智慧課堂讓學習者結合自身的個性，形成自己解決問題的方法，同時還能充分發(fā)揮因材施教的特點，照顧到每一位學生，師生、生生之間相互交流，及時發(fā)現問題并解決，有效地提高了學習效率，從而達到個性化教學的目的。

參考文獻：

[1]李學書，范國睿.未來全球教育公平：愿景、挑戰(zhàn)和反思——基于《教育2030行動框架》的分析[J].比較教育研究，2016，38（2）：6-11.

[2]顧明遠，滕珺.《中國教育現代化2035》與全球可持續(xù)發(fā)展教育目標實現[J].比較教育研究，2019，41（5）：3-9+35.

[3]蔡寶來，教育信息化2.0 時代的課堂教學變革：實質、理念及場景[J].海南師范大學學報（社會科學版），2019（4）：82-88.

[4]韓娜，吳華.基于智慧課堂環(huán)境的個性化學習[J].西部素質教育，2020，6（5）：126-127.

[5]劉邦奇.“互聯網+”時代智慧課堂教學設計與實施策略研究[J].中國電化教育，2016（10）：51-56+73.

[6]Brusilovsky P，Millan E. User Models for adaptive hypermedia and adaptive educational systems[M].Berlin：Springer Germany，2007：87-110.

[7]Debra P，Stash N，Smits D，et al. Authoring and Management Tools for Adaptive Educational Hypermedia Systems：The AHA！ Case Study[M].Berlin：Springer Germany，2007：285-308.

[8]林愿.大數據環(huán)境下個性化學習與課堂教學策略研究[J].科教導刊（上旬刊），2018（9）：23-24.

[9]劉海鷗，劉旭，姚蘇梅，等.基于大數據深度畫像的個性化學習精準服務研究[J].圖書館學研究，2019（15）：68-74.

[10]鄭陽平，王欣欣.信息化教學模式下的學習資源智慧推薦的研究[J].河北農機，2019（2）：42-44.

[11]劉海鷗，姚蘇梅，黃文娜，等.基于用戶畫像的圖書館大數據知識服務情境化推薦[J].圖書館學研究，2018（24）：57-63+32.

[12]趙學孔，龍世榮.基于用戶學習路徑分析的教育資源個性化推薦研究[J].大學教育，2019（10）：107-110.

（編輯：李曉萍）