網絡背景下高職英語自適應教學實踐研究

方蘭蘭

摘 要：隨著我國網絡信息技術的發展，“互聯網+”的時代來臨，網絡已經深入到我們生活的方方面面。作為我國職業教育的重要組成部分，高職教育的教學水平會對我國的應用型人才的培養產生重要的影響，英語作為一種全球語言，能夠幫助學生更好地與外界交流，因此一直是我國高職院校的重點教學內容之一，但是傳統的英語課堂已經不能夠有效吸引學生，因此采用自適應學習模式是一種比較好的選擇。基于這種情況，本文對在網絡時代下的高職院校英語教學自適應模式發展展開了研究，闡述了具體的教學模式，以供參考。

關鍵詞：高職英語 自適應教學 互聯網+

現代信息技術的發展促進了我國社會經濟的發展，促進我國步入了“互聯網+”的時代，網絡成為了我們生活中不可或缺的一部分。在高職院校，英語是一門十分重要的科目，作為未來與世界溝通的途徑之一，對學生的影響很大。高職院校培養的應用型人才，但是現在的高職院校學生普遍出現就業難的情況，歸根到底，是高職院校的教學模式和已經方法已經不再適應當今時代的需要了。因此高職院校更要抓住機會，順應時代的發展，利用好網絡資源，開展自適應的教學模式，提高學生綜合素質。

一、自適應技術基礎模塊探討

作為基于現代信息技術發展起來的一種教育模式，自適應學習能夠發展，是基于一個很重要的基礎模塊，就是人工智能技術。在自適應技術發展初期，小范圍內的自適應學習模式十分簡單，電腦設定好相應的程序，彈出一道檢測題，如果學生做對了，那么就會繼續下一道題，如果做錯了，就會彈出相應的知識點，這種模式死板僵化，并不能達到預期的效果，這種情況在人工智能技術發展之后有所改觀，人工智能技術最主要的作用就是在教育數據的發掘上，人工智能技術的出現幫助自適應學習變得更加個性化，更加能夠根據學生的需求制定學習，這也促進了自適應學習的飛速發展。

單從數據挖掘這個詞來看，這是一個計算機科學領域的詞匯，這個概念有著長期的發展歷史，但是將其作為教育學方面的一個詞匯，它還是一個比較新的領域。簡單來說，教育學領域的數據發掘就是指對教育學領域的數據和知識進行挖掘和發現，這些數據最終會被用于幫助學生更好地學習。在計算機領域，數據發掘有著成熟的方法和模式，但是教育領域的數據具有特殊性，因此應用的數據挖掘的方法也是不同的。比如說，在教育學領域，數據的層次劃分比較明顯，同時不同層級的數據還是相互嵌套的，而且與計算機科學不同的是，教育學的數據會涉及到心理學和情緒上的東西，這些內容并不是能夠完全把控的，因此教育學的數據發掘還屬于一個比較全新的領域，也是自適應學習系統構建的重要模塊之一。一般來說，教育學的數據發掘的方法有以下四個部分：

第一部分的內容是預測，這部分內容的發掘主要是為了將在教育過程中不同的變量組合到一起，根據這些變量的不同情況來推測數據發展的可能結果。在進行預測環節的過程中，可以著重觀測那些比較有特點或對時間影響更大的變量，同時也可以關注對預測結果具有調節性或者中介性的變量，提高預測的準確性。

第二部分的方法叫做聚類，顧名思義，這種方法是將相同性質的自然分組集合到一起，比如說學習者、班級、學習行為等。

第三部分的方法是關系挖掘，主要就是指挖掘出變量之間存在的關系，在進行這類方法的挖掘過程中，可以重點從關聯規則的角度出發，或者通過序列模式的挖掘，找到挖掘模型的因果關系。

第四部分的方法就是模型發現法，這種方法是先建立一個驗證模型，然后作為另一輪的分析進行輸入，比如說預測挖掘就是采用模型發現法進行的，在當前的教育數據發掘過程中，模型發現法的應用范圍已經越來越廣泛。

二、網絡背景下自適應學習技術原理綜述

（一）在大數據的支持下構建學習模型

人工智能技術是促進自適應學習發展的一個重要因素一般來說沒人工智能實現自適應學習都是按照以下步驟進行的，即先搜集大數據，然后根據大數據反饋的信息構建學習模型，最后以學習模型為依據，輸出學習建議。這個步驟說起來很簡單，但是做起來卻很難，學習模型的構建需要經歷非常復雜的過程，這是普通人很難理解的，用通俗的話來說，就是人工智能會參考人類大腦思考的方式來進行計算，通過大量數據之間的相互傳導和溝通，在數以萬計的函數點的嵌套當中發現當前學習的規則，然后建立起初步的模型，隨后通過模型的不斷進化、完善，形成一個完整的學習模型。而在學習建議輸出方面，學習建議的構成要素主要有三個部分，即學習材料，比如說學生在學習過程中需要的一段教學視頻或者一些練習題等，第二部分是一個規則，用于檢查學生是否掌握學習材料的內容，最后是學習材料的推送順序，根據學生在學習方面的反饋來決定學習材料如何推送。由于這三部分的詳細情況都是人工智能來決定的，因此學生在系統當中花費越多的時間去學習，就會產生越多的行為數據，這些數據就能夠幫助系統提高工作效率。

（二）人工智能的運行模式

自適應學習模式中的人工智能運行模式，可以簡單用一句話來概括，就是像教師一樣去思考和教學。教師在教學過程當中主要依仗的因素是教學經驗，有經驗的教師能夠很好的掌握教學的節奏，而且這種經驗是不能夠快速獲得的，只能是通過日積月累來積攢。因此在教師的普遍情況當中，年輕的教師在答疑方面更加擅長，但是卻不能夠構建完善的教學體系，經驗豐富的教師更加擅長把握教學的整體性，但是卻沒有年輕教師的親和力，同時受到不同教師的個性不同，對于學生情況的認知也就不同，因此不同教師為學生規劃的學習道路也有所不同。即使兩位老師在教學經驗上相當，也會因為對于學生的期待、對于薪資的看法等方面不同而產生不同的教學效果。人工智能在進行教學時會參考教師的教學模式和教學方法，但是人工智能贊考的教師并不單單是某一位，而是通過大數據搜集產生的一個理想化的教師，通過量化教師的教學經驗，以數據和計算機技術開展教學，這能在最大限度上平衡教師之間的差異，提高教師教學的效果。

（三）自適應學習與教學中人工智能應用的關系

自適應學習模式的優勢之一就是能夠更加適應人工智能，究其原因，是傳統教學模式當中對人工智能的應用十分表面化，而自適應學習的模式是將人工智能應用到了教學的核心環節當中。人工智能的應用已經成為了我國發展的趨勢，在教育行業應用也已經是大勢所趨。但是在當前的人工智能應用方面，傳統教學模式中智能將人工智能應用于分層排課、組卷閱卷、作文批改等環節，這些各方面的應用顯然只是用于輔助教學，卻不能夠對教學的效果產生直接的影響。而在自適應學習模式之下，人工智能使參與教學的重要因素之一，將人工智能應用到核心的教學環節，能夠轉變教學的理念和方式，提高教學的效果。

三、高職院校英語教學自適應模式存在的問題

（一）教學方法單一

高職院校的學生基礎相對較差，因此更加要注重教學方法，如果教學方法不合適，那么就很容易導致學生失去學習興趣，不去學習。但是在當前告知院校的課堂當中，自適應學習模式的應用還十分淺顯，教學方式也很單一。自適應教學模式是通過現代信息技術開展個性化學習，但是當前我國的高職院校還沒有擺脫傳統教學模式的影子，以考級和不掛科為目標，現代信息技術只能夠體現在多媒體課件當中，嚴重影響了教學活動的開展。

（二）教學內容不全面

英語是一個非常多元化的科目，作為一種應用型的語言，聽說讀寫是英語必備的教學內容，但是在當前的高職院校的英語課堂當中，教學內容設置得非常不全面。學生在聽、寫兩方面的學習內容十分全面，通過自適應學習能夠獲得提高，但是相對的，讀和說兩部分內容就沒有足夠的時間去學習，這也導致很多學生學習的僅僅是“書面英語”，能寫卻不會讀，不能說。

四、網絡時代下提高高職院校英語自適應教學效果的建議

（一）合理選擇教學內容

高職院校主要培養的是應用型的人才，因此在教學內容的選擇上，要更加符合專業特性，使學生能夠在未來的工作當中直接應用。由于不同專業在英語的需求方面有所不同，因此就可以應用自適應學習模式來為學生提供個性化的教學內容，確保不同專業都能夠學習符合自己專業未來發展模式的英語。

（二）利用網絡模式提高學生的自適應學習能力

自適應學習是基于現代信息技術進行的，因此就對學生的自控能力和學習的主動性提出了要求。現代信息技術的發展，網絡為學生提供了豐富的在線學習平臺，但是這些平臺不具有強制性，因此需要學生主動選擇自己適合的學習內容去學習。人工智能可以根據學生的情況為學生提供個性化的學習內容，同時大數據也為學生提供了大量的學習材料，這些都需要學生去自主積累學習。

結語

總而言之，在當今網絡技術如此發達的情況之下，自適應學習模式發展起來，高職院校的教學也要充分利用網絡中的資源，進行有針對性的教學內容和教學模式選擇，提高高職院校學生的英語水平。

參考文獻

[1]郭嚴如.基于大數據的高職英語寫作自適應學習研究[J].英語廣場，2018（02）.

[2]羅建婷.MOOCS在大學英語自適應學習中的價值研究[J].外國語文，2017（01）.