張 治 閆白洋 賈林芝 秦紅斌 劉 瞻

一、 問題提出

(一) 教師精準備課缺乏“常態(tài)”的數(shù)據(jù)支持

傳統(tǒng)班級授課制背景下,教師多是按照班級的“平均水平”進行授課,缺乏個性化和差異化,薄弱的學生“跟不上”,優(yōu)秀的學生“吃不飽”,導(dǎo)致教師課堂教學中低效操練,學生學習積極性大幅度下降。即使有些通過區(qū)域統(tǒng)考或月考獲得的數(shù)據(jù)反饋,但是“顆?！陛^大,往往針對的是一個主題或單元,對精準教學意義較小,因此需要“常態(tài)化”數(shù)據(jù)支持教師的精準備課。在教育智能化改造的大背景下,數(shù)據(jù)賦能為教師精準備課提供了有效支持。[1]

(二) 學生面臨“信息過載”和“信息迷航”問題

在學科學習中,學生遇到薄弱的學習內(nèi)容多是求助于教師,缺乏即時性和有效性。線上的學習資源雖然很多,但面對海量的在線學習資源,學生往往面臨“信息過載”和“信息迷航”等問題,在學習過程中需要花費大量的時間去尋找資源,為學生推薦個性化的學習資源來提升學習效果,已成為當前研究的重要方向[2]?；谥R圖譜和圖嵌入的個性化學習資源推薦方法能顯著提升計算效率和個性化學習資源推薦的準確度[3]。將學習資源與知識圖譜相關(guān)聯(lián),對學生進行個性化的推送,實現(xiàn)“資源找人”,將大大提高學科學習的效率。

(三) 大規(guī)模的因材施教難以落實于實際教學

“有教無類”“因材施教”是中國教育的千年古訓(xùn)。不同的學生在性格、喜好、興趣和行為上都存在較大差異,通過因材施教可以滿足不同學生的個性化發(fā)展需求[4]。當前對因材施教的“解決方案”多是讓有的學生做基礎(chǔ)題,有的學生做拓展題,不僅難以實現(xiàn)因材施教,更有可能給部分學生造成心理傷害。在教育智能化改造的大背景下,人工智能賦能教育為促進因材施教提供了全新的思考方式和解決路徑。

(四) 靜態(tài)的知識體系難以被機器識別和處理

為了便于教學,現(xiàn)有的教材是將章節(jié)按照知識邏輯和學科邏輯構(gòu)成了一個完整的學習體系,但是這種知識的編排方式是靜態(tài)的、固定的,計算機很難進行識別和處理,而且知識和知識之間的關(guān)聯(lián)因為受到教材編排順序的限制,并沒有做到有效的關(guān)聯(lián)。而人工智能時代,計算機架構(gòu)的立體性、動態(tài)性、多維性等,不能簡單地把教材中平面、靜態(tài)的知識直接搬到計算機中,而是需要重構(gòu)新的知識系統(tǒng)和學習體系,而重構(gòu)這些體系的底層邏輯就是知識圖譜,通過知識圖譜將知識變成動態(tài)的、多維的、計算機能夠識別的語言,才能實現(xiàn)線上教學的智能評判、智能推送。[5]

二、 問題解決的過程與方法

項目組解決問題的基本思路是以高中生物學為例,開發(fā)指向素養(yǎng)提升的智適應(yīng)學習系統(tǒng),并將智適應(yīng)學習系統(tǒng)應(yīng)用到傳統(tǒng)課堂教學中,探索智適應(yīng)學習系統(tǒng)的人機協(xié)同教學新模式,提升學生的核心素養(yǎng)。2014年至今,先后經(jīng)過了3個重要版本的迭代(如表1)。研究構(gòu)建了基于知識圖譜的個性化學習模型(如圖1),模型分為知識圖譜層、智適應(yīng)學習層和系統(tǒng)應(yīng)用層,體現(xiàn)了知識圖譜作為學習支持工具與學習者的個性化學習過程的深度融合,在記錄與追蹤學習者的基本信息、認知水平、能力水平、情感態(tài)度等個性特征基礎(chǔ)上,將其與知識圖譜中的實體屬性進行關(guān)聯(lián)。學習者在知識圖譜的支持下,在目標設(shè)定、路徑選擇、資源選擇、自主學習、監(jiān)控評價、反饋調(diào)節(jié)等學習環(huán)節(jié)中發(fā)揮個人感知、決策判斷與修正等主體作用,積極主導(dǎo)并完成學習活動。在此過程中,學習者會結(jié)合個人的時間、學習需求等學習規(guī)劃進行目標設(shè)定,也會結(jié)合個人知識狀態(tài)進行路徑選擇,還會結(jié)合個人偏好進行資源選擇,并在個人學習狀態(tài)感知基礎(chǔ)上進行監(jiān)控評價,從而滿足自身個性發(fā)展需求。[6][7][8][9]

表1 基于知識圖譜智適應(yīng)學習系統(tǒng)的3個版本迭代

(一) 高中生物學知識圖譜建設(shè)

2014年,項目組開始探索高中生物學知識樹結(jié)構(gòu)的建設(shè),建立了高中《生命科學》知識樹的結(jié)構(gòu),這成為知識圖譜建設(shè)的雛形。2016年,著手在建立高中生物學知識圖譜時,先通過專家打標的形式將生物學知識系統(tǒng)進行切分,將每個學科知識作為一個“實體”,進行“實體”和“實體”之間的關(guān)聯(lián)(例如“葉綠體”是“光反應(yīng)”的前置關(guān)系),并標注了“實體”的“屬性”和“屬性值”(例如“葉綠體”的“位置”屬性的屬性值是“葉肉細胞”),用類似方式將生物學核心知識按照“實體”“關(guān)系”“屬性”和“屬性值”系統(tǒng)建立了龐大的語義網(wǎng)絡(luò)。2018年,新課程標準頒布,以學科核心素養(yǎng)導(dǎo)向的教學改革拉開帷幕,在知識圖譜迭代中,基于《普通高中生物學課程標準(2017年版2020年修訂)》核心知識與核心素養(yǎng),共梳理出覆蓋高中生物學課程標準的1109個學科知識點(如主動運輸、自由擴散、協(xié)助擴散、細胞膜等)和16個核心素養(yǎng)要求(如結(jié)構(gòu)與功能觀、進化與適應(yīng)觀、穩(wěn)態(tài)與平衡觀、物質(zhì)與能量觀、歸納與概括、演繹與推理、模型與建模、批判性思維等),把生物學核心素養(yǎng)的“素養(yǎng)”融入到知識圖譜中,并與其他“實體”建立了有效關(guān)聯(lián),將聚焦于知識表達的知識圖譜轉(zhuǎn)向著眼于核心素養(yǎng)導(dǎo)向的知識圖譜。隨著基于知識圖譜的智適應(yīng)學習系統(tǒng)的建立,學生在系統(tǒng)中學習產(chǎn)生的大數(shù)據(jù)反饋修正知識圖譜中“實體”與“實體”的關(guān)系數(shù)值。例如,專家認為知識1和知識2之間的關(guān)聯(lián)系數(shù)是0.3,可是通過學生學習的大數(shù)據(jù)發(fā)現(xiàn)兩者之間的關(guān)聯(lián)系數(shù)是0.5,從而以機器學習不斷地對知識圖譜進行迭代優(yōu)化。

(二) 匹配知識圖譜的資源圖譜建設(shè)

雖然已有學者對學科知識圖譜展開研究,但多是解決知識的切分、呈現(xiàn)、表達、關(guān)聯(lián)和搜索,沒有聚焦知識圖譜的教育屬性,教育價值不大。為實現(xiàn)知識圖譜的教育價值,項目組組織了上海市教育名師300多名,建設(shè)了與知識圖譜相匹配的資源圖譜,為知識圖譜中的“實體”匹配了15305個微課、動畫、文本和測評試題,深入研究了指向核心素養(yǎng)的命題技術(shù),開發(fā)了核心素養(yǎng)進階測評模型,以及指向生物學核心素養(yǎng)的測評試題開發(fā)路徑和技術(shù)。資源圖譜中的微課建設(shè)以“情境任務(wù)→概念建構(gòu)→問題解決”為邏輯,時間大概2—3分鐘,試圖通過微課系統(tǒng)開發(fā)理念的改變,發(fā)展學生核心素養(yǎng),確保核心素養(yǎng)價值導(dǎo)向融入資源圖譜建設(shè)中。[10]

(三) 智適應(yīng)學習系統(tǒng)開發(fā)所依據(jù)的教學策略模型

教學策略模型是開發(fā)智適應(yīng)學習系統(tǒng)的規(guī)范和引導(dǎo)。主流教學策略模型有三種:講解輔助的建構(gòu)、任務(wù)驅(qū)動的探究、評價驅(qū)動的補救。三種模型彼此交叉,生成多種路徑,加上學習空間的支持,智能系統(tǒng)的打開過程將是一場多源、異步的對話。本研究提出在建設(shè)基于知識圖譜的智適應(yīng)學習系統(tǒng)中遵循的三個教學策略模型:一是“微課+評價+資源推送”,為偏好聽講的學習者提供智能型數(shù)字教材系統(tǒng)里的微課視頻,匹配以知識點相關(guān)的測試題,根據(jù)測試結(jié)果得出其知識點學習的反饋結(jié)果與評價。其學習過程是“學習內(nèi)化—學習評價—評價反饋”無限循環(huán)的螺旋上升。二是“設(shè)計問題鏈”,通過加入啟發(fā)性議題、引導(dǎo)性議題和探究性議題,設(shè)計出具有沉浸感的學習模式,用問題鏈驅(qū)動學習者不斷深入地開展探究與學習。三是“測試評價+資源推送”,主要提供試題測試,然后給出評價,再開展有針對性的學習。通過完成試題的結(jié)果,系統(tǒng)反饋給教師和學習者知識點的掌握程度,據(jù)此開展驗證性評價,然后根據(jù)評價結(jié)果決定推送給學習者的視頻、動畫等學習資源,并給予針對性輔導(dǎo),把教學策略模型作為智適應(yīng)學習系統(tǒng)的建設(shè)維度。

(四) 智適應(yīng)學習系統(tǒng)開發(fā)所依據(jù)的學習者畫像模型

在智適應(yīng)學習系統(tǒng)中,學習者的學習會留下許多數(shù)據(jù),這些數(shù)據(jù)經(jīng)過分析形成學習者畫像(如圖2)。學習者畫像描繪了學習者第1次學習的行為數(shù)據(jù)與第2次、第3次的區(qū)別及變化,包括學習行為路徑、測試的正確率、學習時長,甚至包括學習者哪類題目一做就對,哪類題目耗時很久還是做錯等。這些行為數(shù)據(jù)全面呈現(xiàn)學習者的學習情況,可以幫助學習者建立錯題數(shù)據(jù)庫,學習者可通過賬號登錄智適應(yīng)學習系統(tǒng)查閱自己的錯題本。[11]

圖2 學習者畫像

學習者畫像是一份詳盡的學情報告,有助于教師了解每位學習者,知曉其起點在哪里、怎么給予幫助。例如,學習者A一登錄智能學習系統(tǒng),系統(tǒng)就會自動識別,并顯示其某個知識點始終沒有掌握。學生群體的學習情況也可以通過群體畫像展現(xiàn)。教師可以清晰地了解學生哪些知識點出現(xiàn)了共性的錯誤,據(jù)此調(diào)整授課計劃,例如下一節(jié)課該講什么內(nèi)容,是否需要增加訓(xùn)練量,哪些方面必須增加講解的精細度等,從而改進教學。

(五) 知識路徑矩陣(KPM)資源推薦算法的研究

在香港科技大學首席副校長、英國皇家工程院院士郭毅可指導(dǎo)下,項目組開發(fā)了基于知識圖譜的知識路徑矩陣(KPM)算法與平臺。構(gòu)建流程主要包含三個部分:一是使用專家經(jīng)驗初始化矩陣;二是利用標簽化題庫提升矩陣的度量精度;三是通過不斷累積的學習樣本數(shù)據(jù)持續(xù)進化更新矩陣中的度量值。如圖3為KPM核心數(shù)據(jù)結(jié)構(gòu)圖,如圖4為基于KPM的平臺架構(gòu)。這為智適應(yīng)學習系統(tǒng)建設(shè)提供了算法和平臺框架。[12][13]

圖3 KPM核心數(shù)據(jù)結(jié)構(gòu)圖

圖4 基于KPM的平臺架構(gòu)

(六) 基于知識圖譜的智適應(yīng)學習系統(tǒng)建設(shè)

以知識圖譜為基礎(chǔ),以資源圖譜為支撐,以學習者畫像為起點,以教學策略模型為核心,以KPM為推薦算法,以學習數(shù)據(jù)為反饋,以提升學生生物學核心素養(yǎng)為根本導(dǎo)向,項目組與技術(shù)公司合作,開發(fā)了指向素養(yǎng)提升的智適應(yīng)學習系統(tǒng)。智適應(yīng)學習系統(tǒng)的學生學習端是APP和網(wǎng)頁,教師教學端是電腦軟件,學生班級和任課教師進行綁定。在此過程中,項目組組織團隊教師,從技術(shù)與內(nèi)容方面,對導(dǎo)入學習平臺的資源包括試題、微課、文本等,與知識圖譜中的“實體”進行了關(guān)聯(lián),對試題的難度初始值進行了設(shè)置,前后共進行了6輪核對與打標,確保平臺資源的正確性及其與知識點匹配的科學性。還組織教師對平臺內(nèi)容與技術(shù)進行了全面測試,并根據(jù)測試結(jié)果對平臺進行了修訂與完善。

(七) 探索人機協(xié)同的智適應(yīng)學習系統(tǒng)教學模式

智適應(yīng)學習系統(tǒng)對接了上海市平臺,已經(jīng)升級為上海市教育數(shù)字化轉(zhuǎn)型“三大助手”深化應(yīng)用項目,在全市各類型學校150多所高中的4萬余名學生中進行多輪實踐,并通過研討課、同課異構(gòu)、主題論壇等教研方式進行展示,歸類提煉了嵌入式、翻轉(zhuǎn)式、補償式等人機協(xié)同教學新模式。通過計算機記錄的學生學習路徑、學習數(shù)據(jù),推送的個性化資源,為教師精準備課、精準互動提供了數(shù)據(jù)和資源支撐。計算機處理簡單個性的問題,教師則在課堂上引導(dǎo)學生合作解決真實情境的問題,建構(gòu)復(fù)雜的核心概念,提升生物學核心素養(yǎng)[14],從而建立了課前、課中、課后及超越課堂的智能教與個性學模型,為學科教學與學生素養(yǎng)發(fā)展提供新的模式。

三、 成果主要內(nèi)容

(一) 構(gòu)建了多維的、動態(tài)的、計算機識別與計算的高中生物學知識圖譜

通過專家模型和學生測試的大數(shù)據(jù)建立了高中生物學的知識圖譜(如圖5)。每個圓表示一個實體,圓的從大到小表示知識等級由高到低;圓和圓之間的聯(lián)系表示兩個實體之間的關(guān)系,從實線到虛線表示兩個知識之間關(guān)系從親密到疏遠;圓的顏色由綠色到紅色表示學生對該知識掌握程度由高到低。學生通過基于知識圖譜的智適應(yīng)學習系統(tǒng)學習產(chǎn)生的大數(shù)據(jù)可以修正知識圖譜中知識與知識之間的關(guān)系數(shù)值,而這個關(guān)系數(shù)值則是智適應(yīng)學習系統(tǒng)智能推送的重要依據(jù),于是知識圖譜和智適應(yīng)學習系統(tǒng)在大數(shù)據(jù)驅(qū)動下處于動態(tài)變化的“協(xié)同進化”狀態(tài)。從圖5可以看出,相比于早期的知識圖譜,大數(shù)據(jù)“滋養(yǎng)”的知識圖譜中知識關(guān)聯(lián)更加豐富。表2列舉了一部分實體和實體之間的定量關(guān)聯(lián)系數(shù),例如如果學生掌握了“分泌蛋白的合成和運輸”這個知識點,可以認為學生對“流動鑲嵌模型”“高爾基體”“內(nèi)質(zhì)網(wǎng)”“核糖體”等知識點的掌握分別是0.02、0.72、0.54和0.43。

表2 實體與實體之間的定量關(guān)聯(lián)系數(shù)舉例

(二) 形成了利用基于知識圖譜智適應(yīng)系統(tǒng)提升學生生物學核心素養(yǎng)的路徑

以提升學生生物學核心素養(yǎng)為導(dǎo)向,提出了核心素養(yǎng)融入知識圖譜的方法、智能推送的邏輯算法、指向核心素養(yǎng)的微課開發(fā)方法、生物學核心素養(yǎng)進階測評的技術(shù)等,得到學科專家和技術(shù)專家認可。主要有三個:一是將核心素養(yǎng)的要求融入到知識圖譜中。例如,推理與演繹是科學思維素養(yǎng)的組成之一,微課中講述了如何進行推理與演繹,相應(yīng)測評試題的開發(fā)側(cè)重推理與演繹的方法,而弱化知識載體。二是基于核心素養(yǎng)要求建設(shè)微課、動畫、文本等資源。例如,微課的開發(fā)模式是“情境任務(wù)→概念建構(gòu)→問題解決”,通過資源開發(fā)理念的創(chuàng)新提升學生的核心素養(yǎng)[15][16]。三是深入研究生物學核心素養(yǎng)進階測評技術(shù),構(gòu)建了生物學核心素養(yǎng)進階測評模型和側(cè)重不同核心素養(yǎng)試題的開發(fā)路徑,使測評試題系統(tǒng)靶向核心素養(yǎng),有利于智適應(yīng)學習系統(tǒng)的精準評判和推薦。[17][18]

(三) 建設(shè)了基于知識圖譜的、指向素養(yǎng)提升的智適應(yīng)學習系統(tǒng)

基于知識圖譜的智適應(yīng)學習系統(tǒng)包括學生的學習端(APP或網(wǎng)頁)和教師的教學端(電腦軟件)。學生的學習端包括“AI學伴”“班級”“發(fā)現(xiàn)”“個人中心”四個模塊(如圖6)?！癆I學伴”模塊主要是學生自主學習,應(yīng)用場景包括三個: 一是自主預(yù)習,基本邏輯是“選擇章節(jié)→通過微課等學習→試題測評→推送個性化資源→……”。二是同步鞏固,基本邏輯是“選擇章節(jié)→試題測評→學習結(jié)果診斷→推送個性化資源→試題再推送→……”。三是精準復(fù)習,基本邏輯是“選擇章節(jié)→設(shè)計目標→試題推送→學習結(jié)果診斷→個性化推送學習資源→個性化試題推送→學習結(jié)果診斷→……”。“班級”模塊主要是教師引導(dǎo)下的課堂教學或作業(yè),包括“智能講義”和“課后作業(yè)”。“發(fā)現(xiàn)”模塊主要是學生的學習畫像,包括“錯題本”“收藏夾”“我的數(shù)據(jù)”,讓學生能夠反思學習過程。“個人中心”模塊主要是一些教材版本、姓名修改等功能。教師的教學端主要提供課前備課、講義發(fā)布、課堂講課、作業(yè)發(fā)布、學情分析等功能,并提供微課、交互系統(tǒng)、圖文、試題等資源,幫助教師了解學生學情,實現(xiàn)課堂師生之間的即時互動和個性化作業(yè)的發(fā)布等。

圖6 基于知識圖譜、指向素養(yǎng)提升的智適應(yīng)學習系統(tǒng)

(四) 構(gòu)建了基于智適應(yīng)學習系統(tǒng)的人機協(xié)同教學模式

在利用基于知識圖譜的智適應(yīng)學習系統(tǒng)進行教學實踐中,探索了四種人機協(xié)同的教學模式,分別是嵌入式、沙龍式、翻轉(zhuǎn)式、診斷補償式,并構(gòu)建了每一種學習形態(tài)的學習流程(如圖7),相關(guān)研究在全國處于領(lǐng)先。個性化問題和簡單問題由平臺來完成,從而爭取到課上師生合作探究解決真實情境問題的寶貴時間,使課堂更加精準和高效。

圖7 基于智適應(yīng)學習系統(tǒng)的人機協(xié)同教學模式

1. 實現(xiàn)了學習路徑的可視化,為精準教學提供依據(jù)

教師可以通過平臺查看學生學習路徑,通過分析學習路徑為精準教學提供依據(jù)。例如,在“溫度對光合速率影響”的教學中,教師根據(jù)經(jīng)驗認為此內(nèi)容和“光合作用中酶的活性”關(guān)聯(lián),學生沒學好可能是酶特性沒有學好導(dǎo)致的,但是講下來的效果甚微。學習路徑表明,很多學生在學習這個內(nèi)容時都要經(jīng)過“蛋白質(zhì)的結(jié)構(gòu)”,基于此教師再進行教學時強化了蛋白質(zhì)結(jié)構(gòu)的講解,效果很明顯。

2. 實現(xiàn)了學生診斷精準化,提高課堂教學效率

在現(xiàn)有的學生診斷數(shù)據(jù)中,反饋給學生的診斷結(jié)果“顆?！陛^大,多是以模塊或章節(jié)的形式反饋。例如,數(shù)據(jù)反饋細胞代謝模塊較為薄弱,而細胞代謝模塊包含了30多個知識點,學生并不知道具體哪些知識點出現(xiàn)了問題,可能會把30多個知識點一起復(fù)習,花費大量的時間和精力。知識圖譜智適應(yīng)學習系統(tǒng)以知識點為單位對學生的學情進行診斷反饋,“顆?！陛^小,可以清晰地呈現(xiàn)每個學生對每個知識點的掌握程度。由此,學生更加精準地知道哪些內(nèi)容學習學得比較好,哪些比較薄弱,從而大幅度減少學習負擔,實現(xiàn)精準教學。

(五) 通過KPM算法為學生自主學習進行智能推送

破除“打標簽”的資源推送方式,創(chuàng)造性地以KPM算法進行學習資源的個性化推送,綜合學生的學習狀況推送適合的學習資源,并能依據(jù)學生的學習狀況即時改變推送路徑,例如根據(jù)上一道試題解答情況決定下一道試題的推送內(nèi)容。同時,基于知識圖譜的智適應(yīng)學習系統(tǒng)建立了各個知識點之間的關(guān)聯(lián),并經(jīng)過大數(shù)據(jù)和算法將這些關(guān)聯(lián)進行量化處理,例如知識1與知識2、3、4的關(guān)聯(lián)系數(shù)分別為0.6、0.9和0.4,當學生在知識1出現(xiàn)問題后,系統(tǒng)除了優(yōu)先推薦知識1的相關(guān)資源外,還會推送關(guān)聯(lián)系數(shù)最大的知識3的學習資源。當然這種關(guān)聯(lián)系數(shù)會隨著使用學生人數(shù)的增加不斷地進行修正,從而實現(xiàn)資源和作業(yè)推送的精準化和個性化,促進學生課外高效、自主、個性化學習,減負增效。相關(guān)推薦算法也為其他學科智適應(yīng)推薦提供了參考。此外,智適應(yīng)學習系統(tǒng)會根據(jù)學生的整體學習數(shù)據(jù),推送個性化的作業(yè),在實踐中可以據(jù)此設(shè)計個性化作業(yè)和整體作業(yè)的數(shù)目。

四、 效果與反思

(一) 取得的效果

1. 構(gòu)建了基于知識圖譜的智適應(yīng)學習系統(tǒng),以及人機協(xié)同的教學模式

高中生物學智適應(yīng)學習系統(tǒng)是基于知識圖譜,指向?qū)W生核心素養(yǎng)提升,作為新形態(tài)智慧型教學資源,支持學生個性化學習和多樣化的教學樣態(tài)。基于該系統(tǒng),項目組探索了人機協(xié)同教學模式,推動教學流程再造,形成了以學定教、先學后教、少教多學、個性發(fā)展的高效課堂模式。在智適應(yīng)學習系統(tǒng)構(gòu)建中,創(chuàng)新了科學教育領(lǐng)域的知識圖譜建設(shè)技術(shù)、個性化精準推送算法、指向素養(yǎng)提升的智適應(yīng)學習系統(tǒng)開發(fā)技術(shù)等,讓合適的資源或任務(wù)在合適的時間通過合適的方式推送給合適的學習者,該技術(shù)和人機協(xié)同教學模式為2021年國家教育數(shù)字化戰(zhàn)略行動樞紐工程之“知識圖譜的新型教材建設(shè)”提供了先行實踐,也為其他學科知識圖譜和智適應(yīng)學習系統(tǒng)的研究提供了重要參考。

2. 顯著提升學生的生物學核心素養(yǎng)和學業(yè)成績

基于知識圖譜的生物學智適應(yīng)學習系統(tǒng)已經(jīng)在上海市多所學校進行廣泛使用,為了研究智適應(yīng)學習系統(tǒng)對學生學習的有效性,項目組在上海市實驗性示范高中、區(qū)實驗性示范性高中、區(qū)普通高中共6所中學進行實驗研究,參與班級12個班,共計學生492名。學生進入實驗前進行前測,并利用SPSS進行統(tǒng)計,所有學校對照班和實驗班的學生前測成績無顯著性差異。實驗結(jié)束后,對實驗班和對照班級學業(yè)成績進行后測分析,并對教師、學生和家長進行問卷調(diào)查和訪談。后測顯示,所有學校實驗班學生成績均高于對照班級,且有顯著性差異?？梢哉J為,智適應(yīng)學習系統(tǒng)對促進學生學業(yè)成績提升具有一定的促進作用,除了學業(yè)成績外,實驗班學生進行了多次實踐活動,踐行健康生活、環(huán)境保護、責任擔當,完成的“某區(qū)城鄉(xiāng)居民對城市濕地生態(tài)服務(wù)功能及保護現(xiàn)狀的調(diào)查與研究”“南匯東灘鹽沼濕地大型底棲動物潮周期變化特征及影響因子”等十多項課題獲得上海市青少年科技創(chuàng)新大賽一二等獎。

除此之外,項目組對594名學生、56名教師和258名家長進行問卷調(diào)查,多數(shù)學生、教師和家長支持適當利用智適應(yīng)學習系統(tǒng)賦能課堂教學。在教師調(diào)研中,82.15%教師認為智適應(yīng)學習系統(tǒng)可以減輕教學負擔;94.64%認為智適應(yīng)學習系統(tǒng)產(chǎn)生的數(shù)據(jù)促進教師的精準備課;91.07%教師認為智適應(yīng)學習系統(tǒng)可以實現(xiàn)即時互動,尤其是布置課后作業(yè)智能方便;80.36%教師認為智適應(yīng)學習系統(tǒng)能夠提高班級的教學成績,對薄弱學生補救學習有很大幫助,在教學中發(fā)揮了重要作用。在學生調(diào)研中,82.15%的學生認為系統(tǒng)能判斷自己的薄弱點,并推送相關(guān)的學習資料,系統(tǒng)中的課程資源利于學生的自主學習;82.82%的學生利用智適應(yīng)學習系統(tǒng)實現(xiàn)了薄弱知識的補救學習;72.39%的學生認為智適應(yīng)學習系統(tǒng)的使用提高了自己的學習興趣、學習動力和學習效率;69.53%的學生學業(yè)成績得到了明顯提升。在家長調(diào)研中,76.74%的家長認為孩子使用智適應(yīng)學習系統(tǒng)學習時的狀態(tài)認真,智適應(yīng)學習系統(tǒng)對孩子學習有幫助;97.73%的家長支持適當利用智適應(yīng)學習系統(tǒng)布置生物學作業(yè)。

3. 為全國教育數(shù)字化轉(zhuǎn)型提供可推廣實踐案例

智適應(yīng)學習系統(tǒng)是上海市第四期“雙名工程”高峰計劃孵化推廣項目,并于2022年升級為上海市教育數(shù)字化轉(zhuǎn)型“三個助手”深化應(yīng)用項目,實踐學校擴增到各類型學校150多所,服務(wù)4萬余名學生,江蘇、安徽、湖南、新疆、黑龍江等地十多所高中在積極引進實踐。該項目為全國教育數(shù)字化轉(zhuǎn)型提供實踐案例,在“全國科學教育暑期學?！?022中小學教師培訓(xùn)中,直播收聽教師達38萬人次。其探索的科學教育領(lǐng)域的知識圖譜構(gòu)建方法,已廣泛應(yīng)用于物理、數(shù)學等學科,在2022年世界人工智能大會教育論壇中作為人工智能賦能教育的典型案例推廣。其研究成果獲得2022年上海市基礎(chǔ)教育優(yōu)秀成果特等獎和2022年基礎(chǔ)教育國家級教學成果獎二等獎。

4. 教師在教育數(shù)字化轉(zhuǎn)型領(lǐng)域中取得了研究成果

在智適應(yīng)學習系統(tǒng)開發(fā)和實踐中,教師專業(yè)素養(yǎng)和教學技能明顯提升。該項目被評為2022年教育部人工智能賦能教師隊伍建設(shè)典型案例,參與教師共發(fā)表全國核心期刊論文26篇,出版3本專著,20多個案例在省級期刊發(fā)表,開發(fā)了智能系統(tǒng)開發(fā)與實踐的“知行融合,多維并進”的校本教研工作模式(如圖8),核心成員入選教育部“新時代中小學名師名校長計劃(2022—2025)”名師培養(yǎng)對象。

圖8 新型智能系統(tǒng)開發(fā)與實踐的教研工作模式

(二) 反思與展望

項目組在智適應(yīng)學習系統(tǒng)研發(fā)和實踐中也發(fā)現(xiàn)了技術(shù)的邊界性。對于健康生活方式、環(huán)境保護行為、責任擔當行為等很難通過紙筆進行評價,僅能通過紙筆測試測評學生具備相關(guān)的學科知識和能力來推測其行為。但是知道健康的生活方式,未必會在生活中踐行健康的生活方式,因此,智適應(yīng)學習系統(tǒng)在對此類如價值觀念、行為擔當?shù)群诵乃仞B(yǎng)的評判和推送方面遇到瓶頸,不過項目組已在探索增值性評價和表現(xiàn)性評價[19]。除此之外,論述題的機器批閱也是系統(tǒng)的技術(shù)邊界?，F(xiàn)在選擇題和填空題都由計算機自主批閱,大大提高了教師效率,但是論述題還需要教師手工批閱,必然增加教師的工作量,使測評系統(tǒng)的反饋具有滯后性。此外,理科知識有很強的關(guān)聯(lián)性,可以開發(fā)知識圖譜和智適應(yīng)學習系統(tǒng),但文科知識之間的關(guān)聯(lián)不強,如何開發(fā)知識圖譜和智適應(yīng)學習系統(tǒng)也是未來思考的方向。還有,隨著ChatGPT、訊飛星火等生成式人工智能(AI-Generated Content,簡稱AIGC)的相繼出現(xiàn),如何基于知識圖譜開發(fā)生物學智能問答系統(tǒng)也將成為未來研究的方向。