淺談如何能教學平臺 填補教育信息化空白

馬靜怡

[摘 要]近年來，無論在高等教育、職業教育，還是基礎教育，學習者對網絡在線學習需求飛速增長，特別是從互聯網到移動互聯網，創造了跨時空的學習方式，使知識獲取的方式發生了根本變化。隨著數據技術、圖形技術的發展，建立在自適應、智能化基礎上的個性化教學迅速得到普及應用。而我國與國外教學平臺的差距非常大。建設一流的、能夠大范圍應用的自適應智能教學平臺是填補我國教育信息化領域重大空白的重要舉措。

[關鍵詞]智能教學；數字出版；創新方法

一、國內外大環境

1.全球數字化教學呈爆發式發展

近年來，無論在高等教育、職業教育，還是基礎教育，學習者對網絡在線學習需求飛速增長，特別是從互聯網到移動互聯網，創造了跨時空的學習方式，使知識獲取的方式發生了根本變化。培生教育集團的配套教材在線學習平臺學生人數突破700萬。斯坦福大學兩位教授創立了在線免費課程網站Coursera，已有30余所一流大學與其合作共建免費課程，2012年4月上線，4個月后學生數便突破100萬，不到一年，來自世界各國學生人數已經突破了234萬，呈現爆發式增長。麻省理工學院和哈佛大學聯合發布的EDX在線教學計劃，整合兩校師資，建設在線課程，第一門課程《電子與電路》獲得了12萬名學生注冊。

2.教育出版社成為數字教學發展主力軍

配套教材的教學平臺由于有豐富的內容作為基礎，更加容易實現功能與內容的融合，能夠充分發揮平臺功能的作用。而且，隨著數據技術、圖形技術的發展，建立在自適應、智能化基礎上的個性化教學迅速得到普及應用。因此，國際上已有Knewton、Desire2Learn、LearnSmart等先進的智能教學平臺都主要應用于配套教材的教學活動。

3.我國智能教學平臺水平較低

在我國，一些高校和互聯網公司合作，錄制了不少課程視頻，在線觀看人數也增長迅速，但由于缺乏先進教育技術與內容資源的支撐，無論是課程的個性化交互功能、配套課件，還是習題的設計都停留在初級階段，難以制作出真正具有良好教學效果的“微課程”，也起不到對課堂教學的支撐或補充作用。總體上，與國外教學平臺的差距非常大。

一些教育技術公司和出版社研發了教學支撐平臺，普遍停留在內容管理系統的層面，某些名為“智能教學平臺”“泛在教學平臺”的平臺實際并不具備智能性的個性化學習功能，也沒有真正實現跨終端互動。

因此，建設一流的、能夠大范圍應用的自適應智能教學平臺是填補我國教育信息化領域重大空白的重要舉措。

二、建立自適應智能教學平臺的必要性

自適應智能教學平臺在學科知識網絡基礎上，運用圖論算法構建規劃最佳個性化學習路徑，然后利用學生在學習過程中產生的數據，進行個性化知識發現（PKD， Personalized Knowledge Discovery），為每一個學習者找到最適合自身的學習內容與即時調整的學習路徑。同時，運用分層聚類算法提升對于學生評價的科學性，幫助教師實現個性化教學。

面向學生，自適應智能教學平臺將各學科知識整理成多維動態知識地圖，在此基礎上運用圖論算法，為每一個學習者生成即時更新的個性化的學習路徑，并且按照不同的終端設備特點進行功能與內容整合設計，運用知識發現技術為學生即時提供豐富的個性化內容，實現智能化泛在學習，能夠極大地提高學習效率。

面向教師，自適應智能教學平臺提供個性化定制教材、智能題庫、合作學習等各類教學工具，在平臺上融合大量高品質的學習內容，并大力拓展科學動畫等前沿領域。同時，運用分層聚類數據分析技術，對學生的學習數據進行科學分析，為教師提供學生類別區分依據，有助于實現分類教學、因材施教。

在軟件開發技術上，自適應智能教學平臺采用基于領域驅動的軟件開發方式，以保證系統的可維護性、擴展性和復用性，在處理復雜業務邏輯方面有著先天的優勢。采用HTML5技術進行網頁與內容制作，將大幅提高內容資源的生動化與互動性，并可方便應用于PC、平板電腦與手機等終端。

自適應智能教學平臺將填補我國教育信息化的重大空白，可使我國師生在具有世界領先水平的教學平臺支撐下進行混合式教學，促進教學方式的改進，提升學習興趣與學習效率，減輕教師負擔，并有效提高教學質量。

三、自適應智能教學平臺的關鍵創新技術和主要創新難點

1.在國內首次將學習分析技術運用于教學平臺

目前國內尚未有采用學習分析技術進行教學平臺建設的相關文獻報道。自適應智能教學平臺在國內首次綜合運用，對學生在學習過程中的學習行為進行數據挖掘，可以深入了解每個學習者的特性。該技術創新的主要難點在于如何在不影響既有學習任務的基礎上采用學習分析技術以及如何降低實時分析的成本。

2.在國內首次采用圖論算法來發現個性化學習路徑

學習路徑是學習活動的主線，學習路徑的科學性對學習質量的影響至關重要。目前常用的學習路徑引導方法均為靜態、非個性化的學習過程管理，自適應智能教學平臺創新性將圖論算法引入到學習領域，來判斷每個學生的個性化學習路徑。該方法經美國培生教育集團在Mylabs教學平臺中應用，取得了顯著成效。目前尚未見國內有相關文獻報道圖論算法在這一領域中的應用。該技術創新的主要難點在于訓練算法、檢測算法的設計和優化。

3.在國際上首次將個性化知識發現技術運用到教學系統中

個性化知識發現技術已經廣泛運用于數字圖書館、數字學術資源管理系統中，但在教學系統中的運用還未見先例。在智能教學系統中，常規的方法是向學生推送事先設定好的課件、習題等內容資源，運用個性化知識發現技術之后，能夠將論壇、問答、習題等模塊中的相關內容也合并進行數據挖掘之后推送更具個性化的、更豐富的學習資源。

4.綜合運用面向對象、領域驅動設計等技術使得平臺更靈活、更具拓展性

領域驅動設計（Domain Driven Design）在項目的干系人中形成一個通用的語言，達到消除業務領域專家和程序開發者之間的溝通鴻溝。ORM（Object Relation Mapping）對象關系映射技術將業務領域分析設計的業務對象轉換成關系型數據，提取時將關系數據轉換成業務對象。這兩項技術的配合保證了系統能夠應對復雜業務的需求和變更。在國內的教學平臺中，這兩項技術的綜合運用尚屬首次。

參考文獻：

[1]強彥.大型關系數據庫Oracle 教學模式的改進[J].計算機教育，2010（6）：125-127.

[2]祝智庭. 教育信息化：教育技術的新高地[J]. 中國電化教育，2001（2）：23-27.