職業教育教學考試平臺設計與大數據分析

卜強

摘要：2017年，國務院印發《新一代人工智能發展規劃》，明確指出人工智能成為國際競爭的新焦點，應逐步開展全民智能教育項目，培養復合型人才，形成我國人工智能人才高地。本文正是描述了這樣一個基于互聯網的人工智能教育平臺，利用人工智能提供更有效的教學服務，同時在提供服務時搜集大量教育教學中的過程化數據反饋平臺本身。

1引言

計算機輔助教育是個并不新鮮的話題，從上世紀80年代家用計算機逐漸普及開始，已有前人做了大量的研究和探索。但在新世紀之前一直未有公認的大范圍的成功案例，直到互聯網的普及為計算機輔助教育再上一層奠定了基礎，自此以后隨著知名學府的網絡公開課，慕課等基于互聯網的計算機輔助教育新形式的推出與被廣泛認可終于指明了進一步的發展方向。

與此同時，近兩三年來，人工智能大數據的興起，獲得了相當的社會關注度。無論是傳統制造業，還是新興的互聯網行業，商業產品從標準化向個性化演變已經是所有人能夠看清的大勢所趨。每個人都希望擁有與自己實際需求相匹配的產品或服務，基于機器學習、大數據等技術廣告推送和產品體驗已經融入我們的生活，不再是只有在最新的學術論文或科技節目中看到的前端科學理念。作為一個職業類院校的教育行業從業者，不免要思考如何去順應技術風口，參與到最新的科技生活中去。

通過前文論述，能夠馬上想到的辦法，就是制作一個基于互聯網的智能教育平臺（以下簡稱平臺），利用人工智能提供更有效的教學服務，同時利用提供的服務搜集大量教育教學中的過程化數據反饋平臺本身，實現智能迭代，良性循環。

2平臺的意義與設計思想

2.1 平臺的可行性

在學界，僅在中國知網（CNKI），以人工智能為關鍵字進行搜索，相關論文的數量已經從2010年前后的每年三千篇左右變成了現在的每年一萬篇以上，有了長足的理論積累。

同樣在應用領域，以著名的GitHub開源社區為例，2014年以后各類人工智能、大數據的開源應用如雨后春筍一般的出現，涉及語言理解、文本處理、基于瀏覽器的神經網絡框架、基于網絡的機器學習等諸多方面。已在各個領域被廣泛應用。而這些已經被證明有效的工具，可以我們自己的平臺開發中直接使用，大大節省了平臺的開發成本。

2.2 平臺建立的緊迫性

正如引言中所述，利用新技術、新概念提高教學生產率是職業教育行業必須盡快直面的問題。但經過排查，國內尚未有一個專門面向職教類學生并運用了人工智能、大數據分析技術的互聯網教育平臺。眾所周知，基于海量數據的大數據分析是人工智能的重要組成部分，可供分析的數據也不是朝夕可得，一蹴而就的，需要大量的實際應用反饋與長年的數據搜集。因此，盡管可以想象到有諸多困難與不確定性，也要盡快把這個平臺建立起來，立即開始搜集可供分析的有效數據，并一步步的加入人工智能嘗試個性化服務。本文接下來將要探討的，就是基于前文所述的用于數據搜集的智能化網絡平臺的設計。

2.3 平臺的設計思想

在16年年末，北京的GET教育科技大會上，有科技公司做過專題演講。提出教學內容的數字化、學習的個性化、交互的擬人化是未來人工智能影響教育教學的具體方向。本次平臺也正是沿著這三個方向設計的。

3平臺的具體實現

3.1內容的數字化

內容的數字化不僅是建立平臺的基礎。數字化的內容大大方便了用戶，是平臺的建設的關鍵，平臺需要解決的首要問題就是吸引用戶前來使用，僅僅憑某個教學單位單方面的推廣是不夠的，強制性的指派也無法培養用戶的使用習慣。必然導致平臺的邊緣化。因此平臺必須先要解決目標用戶的痛點，讓廣大師生愿意使用才能有進一步的發展。因此平臺開發之初，選擇了考試功能作為切入點。

將師生們平時需要面對的各類考試內容數字化，用戶只要登錄平臺。根據身份的不同就能立刻體驗到數字化內容帶來的方便：

對學生用戶來說，平臺提供題庫瀏覽功能，支持單選、多選、判斷和填空題等多種題型，并支持按考試類目的分類瀏覽。在瀏覽題庫的同時，提供記錄筆記的功能，可以選擇私藏或公開筆記，其他人可以看到公開的筆記，并對其進行評論。

除瀏覽題庫之外，學生也可以根據自己的學習進度進行課程自測，學生可以選擇自測的范圍和測試的體型，也可以選擇是否打亂題目或答案的順序。自測完成后，平臺將給出學生的自測成績以及測試中的錯題供學生自行判斷學習情況。學生也可以查閱歷次自測的成績，對全局的學習情況有基本的了解。

對教師用戶來說，除可以方便的查詢相關學生的自測、考試結果掌握學生學習情況之外。平臺還專門提供了題庫的錄入功能，方便教師將搜集整理的各類試題放入題庫。更提供了自主組卷功能，可以將題庫中的任意試題編組成卷，根據需求設定考試時間、內容、題型、分數分配等考試細節，并在線開考，可以控制學生端是否參與預定的考試，開始、結束開始，自動批閱試卷并給出成績列表等功能。在隨時掌握學生的學習動向，大大節省了出卷、批閱、造表的時間提高工作效率。

上述提到的功能，其實質是在提供便利服務的同時搜集師生學習互動時的過程數據，進行大數據分析，供下文的兩個平臺設計使用。

3.2學習的個性化

搜集了大量過程化數據以后，就是大數據的實際應用。對學生用戶來說，每一次的練習、考試都是一套完整的數據呈現。根據所呈現的數據，平臺可以分析學生的學習時間和學習成果，掌握學生的學習情況。倘若學習時間或成果符合設計的學習路徑，情況正常。則平臺會依據教師的設定自動推送下一步的學習任務，做到個性化教學。

在學生接受了平臺推送的教學任務之后，平臺可以檢測學生是否按時按量完成了學習任務。倘若沒有按要求完成任務，平臺可以提示學生，或提示教師對學生進行管理。倘若學生按照要求完成了學習任務，平臺又可以根據階段測試的結果，反饋推送的任務是否符合達到了最佳的時效比，學生的學習成果是否符合預期。如果不符合預期，則有必要調整任務的難度和練習的頻次，爭取用個性化的學習方案，得到最佳的學習效果。

針對教師而言，對學習效果好，做題效率高的學生的學習進程進行分析。總結歸納出有成效的學習進度方案，利用平臺進行推送，并觀察方案效果，以期所有的學生都能得到相似的學習效果。推廣后再搜集遵照方案學習的學生數據以及學習結果，優化細分推薦的方案，按照學生的實際情況再行分配，進一步推廣，并反饋分析，實現良性循環。逐步建立千人千面的學習進度方案體系。

3.3交互的擬人化

交互的擬人化是一個需要大量實踐解決的問題，人與計算機的交互隨著技術的發展越來越先進。文字是計算機推送和接受數據的傳統方式，現行的技術已經支持圖像、音頻、視頻等多種信息的輸入輸出處理。

平臺在初始階段準備采用更多的圖形以及擬人化的平臺助手來提高用戶體驗。同時，平臺也有個性化的擬人方式：

學生的學習過程接受來自平臺的學習任務推薦。平臺推薦的教學路線來自于教師的整理以及平臺的反饋。平臺以教師的名義向學生派送學習任務。雖然是一個教師設置、平臺推送、學生接受的過程，但此過程中隱藏了平臺推送環節，學生感知到的是教師直接向其指派任務。這樣，在學生的體驗中，不是和冰冷的網站程序交互，而是直接和教師進行交互，將有效的提高教學效果和任務布置的權威性。

4總結

以上就是一個基于互聯網的智能化大數據平臺的基礎設計，但功能還不夠完整。未來此基礎上還可以切入到整個教學流程的完善，比如說教學大綱和教案的統一編撰，校歷的自動編排等功能。只要建立起這個平臺，不但可以方便用戶，還可以從用戶處搜集數據反饋平臺建設。是一個符合當前技術潮流的有實踐意義的工作。