智慧課堂實現方案的系統設計
——以統計學與機器學習領域為例

鄭宇晨 鄭亞琴

（1.四川師范大學，四川 成都 610068；2.安徽財經大學，安徽 蚌埠 233030）

一、引言

在新的教育形勢下，將新興技術與傳統教育模式相結合進而 “跨入”以信息化為基點的新型教育模式——智慧課堂，已經開始受到教育界的普遍認同[1]。智慧課堂即是微課、慕課、翻轉課堂、互動課堂等“傳統”教育信息化形式在“智能+”時代下演進發展的產物，最終將顛覆傳統課堂教學，徹底帶來從“以師為主”向“以生為主”、“（學生）被動學習”向“主動學習”的轉變。

現有關于智慧課堂的研究，更多基于理論層面，實操性有限，或者僅限于對實現方案進行局部探討，智能化、多平臺多終端交互友好、操作性強的系統化智慧課堂實現方案亟待提出。本文提出一種智慧課堂學習平臺科學的設計方案及流程，擁有可以精準推薦的數據庫，具備系統、個性化、人性化、多元化的知識呈現方式，采用更先進的記憶方法指導用戶學習，實現了“課前、課中、課后”的三階段學習模式及學情的實時分析，并通過豐富的激勵機制使學習的趣味性相比各種傳統在線學習方式大為提高。技術層面上，引入統計過程控制（Statistical Process Control，后文中簡稱為SPC）、文本識別等技術，從課堂中的彈幕、課堂反饋留言等入手收集數據，根本性地提升了平臺的性能。SPC是指應用統計分析方法對某個過程的各個階段實行監控。其目的是盡快診斷出異常并及時采取措施做出調整，進而改進及保證過程的質量[2]。

智慧課堂在學術圈和實踐中皆尚未形成具有公信力的定義。本文認為智慧課堂的內涵及外延應包括共8個維度：智能化的，信息化的軟硬件環境；個性化學習方式及后臺數據庫；對學習者有吸引力的知識傳播模式；師生之間，生生之間多樣化的互動形式；電子化程度較高的學習方式；“課前、課中、課后”的三階段學習模式；繼承傳統課堂的優勢并改進其不足；對用戶表現更全面、更基于數據的實時、綜合評價。

二、前人研究綜述及數據分析

（一）智慧課堂實現方案的學術研究現狀

“智能+”對我國教育研究的轉型影響巨大，智慧課堂是發展的新方向[3-4]。智慧課堂的實現涉及到智慧教育理念、智慧教學軟硬件條件、智慧課堂教學模式與方法、智慧課堂教學內容等方面，需要進行系統性設計。現有的研究如下：

汪瓊等（2018）對中小學的翻轉課堂進行了文本分析[5]，劉邦奇等（2018）建立了智慧課堂的數據挖掘分析應用模型，并做了基于中小學的實證分析[6]。以上基于中小學的研究成果無法較好地推廣到高等教育，更毋論普適性的教育實踐。王冬青等（2018；2019）就智慧教學數據采集、人機交互可視化做了技術性的探討[7][8]，此乃“術”，而非“道”。 Sun Y G（2018）的實證研究結果表明，智慧課堂可以有效提高俄羅斯大學生的專業能力[9]。我國的教育現狀不同于俄羅斯。 Cheng N H 等（2014）、張艷等（2018）、Wang D 等（2018）、邱藝等（2019）從不同地維度詮釋了合理的智慧課堂設計方案需要包含的要素，如：智慧環境，個人數據庫與云平臺，“教”與“學”的雙向互動，實時分析[10][11[12][13]。 Zhang C S 等（2018）提出了“課前、課中、課后”的三階段智慧課堂平臺設計思想[14]，楊現民等（2018）較為系統地探討了智慧教學大數據的實踐框架[15]；然而以上研究是針對“道”的，在“術”的層面上有所缺憾，難以實操。

綜上，兼顧“術”和“道”，綜合前人較“微觀”的研究著眼點且具有實操性的智慧課堂實現方案亟待提出。

（二）智慧課堂的國內實踐現狀

總體而言，國內的智慧課堂實踐雖然取得了一些成績，但依然“智慧化”程度很低，處于起步階段。許多所謂的“智慧課堂”只是噱頭，實質為具備有限互動功能的視頻課程或互動課堂。舉例：1.某中學試行開設的外教遠程授課，內容為“AI入門”。2.網絡上關于辦公軟件的“智慧教學”，采用QQ群進行師生互動。

從教育階段來看，智慧課堂主要應用在中、小學教學，鮮有本科及更高層次的實踐。從地域分布來看，地區間發展非常不平衡，智慧課堂的“試水”集中在一線城市（北上廣深）、南京、合肥、西安及四川的一些偏遠地區。從業界的參與度來看，科大訊飛已經在部分中小學中推進智慧課堂系統并取得了成功；中國電信與成都信息工程大學共同成立的“5G校企智慧實驗室”，打造了“產學研”一體化平臺；聯想、中國移動也參與了“試水”。但總體而言，參與的企業比例很低，業界對智慧課堂的反映敏感性較為滯后。

所以，從應用層面上，急需要提出一個基于智慧課堂的智慧學習范式，即最優化智慧課堂的教學環境，充分利用智慧教學平臺，提出個性化教育方案并提升和優化傳統課堂教學。

（三）研究現狀的數據分析

本部分以“智慧課堂”為關鍵詞，根據CNKI的搜索結果，對國內前人的研究進行統計和數據分析。中文學術期刊被分為2類：權威CSSCI期刊、其它。權威CSSCI期刊的認定姑且以 《四川師范大學中文權威核心期刊（獎勵版）分類目錄》為依據，表述為“高級別的研究成果”，無任何貶損其它刊物之意。

圖1 2013年以來論文發表數量趨勢擬合圖

由圖1可見，僅從發表數量來看，研究智慧課堂的文章在近幾年中呈現“井噴”的趨勢。然而，截止2019年4月30日，僅有15篇涉及智慧課堂的權威CSSCI期刊論文已發表，其中12篇來源于權威B級的《電化教育研究》、2篇來源于權威B級的《中國教育學刊》、僅有1篇來源于權威A1級的《教育研究》。相關論文在2013年上半年第一次出現；從2017年開始，呈現常態化出現，維持平均2-3篇（/半年）的水平，表明關于智慧課堂的高水平研究在國內還比較匱乏，且近2、3年中存在日漸增多的“蹭熱度”研究。

下對2013年以來的權威CSSCI論文和全部文章分別提取關鍵詞，做詞云分析，以期深入地洞察近些年對于智慧課堂的研究動態，把握研究的熱點，分析研究的“盲區”。

以5次為閥值，出現頻數較高的關鍵詞依次為：智慧15次，課堂14次，分析8次，數據7次，教學和學習各6次。以“智慧課堂”為關鍵詞搜索，顯然智慧、課堂出現的頻率高；故需要重點關注的詞：數據、分析、教學、學習。故高級別的研究往往關注智慧課堂的兩點特性：1.數據分析。沒有數據分析的課堂不是智慧課堂。2.教與學。智慧課堂需要同時關注教師的知識傳遞（“輸出”）與學生的知識接受（“輸入”）兩個方向。

進一步研究2015年以來，432篇涉及智慧課堂的全部中文文章，對關鍵詞做詞云分析的結果如圖所示：

圖2 全部文章中關鍵詞的詞云分析

除智慧、課堂兩個詞之外，教學以171次詞頻為最高，遠多于出現詞頻較高的另一個關鍵詞：學習（55次），表明多數研究更多地關注教師的“輸出”而非學生的“輸入”，即許多研究者在潛意識中尚未能實現從傳統課堂教學向智慧課堂的觀念轉變。其它分析結果小結：從受教育層次來看，專科及以下學歷層次的智慧教育研究占據絕大多數，針對高等教育或全年齡段人群的研究較為匱乏；智能化、信息化環境已經收到較高的關注。

綜上，國內智慧課堂的研究現狀為：（1）研究較為豐富的維度：智能化的、信息化的軟硬件環境，電子化程度較高的學習方式，繼承傳統課堂的優勢并改進其不足。（2）研究略顯不足的維度：師生之間、生生之間多樣化的互動形式，對學習者有吸引力的知識傳播模式，“課前、課中、課后”的三階段學習模式。（3）研究嚴重不足的維度：個性化的學習方式及后臺數據庫，對用戶表現更全面、更基于數據的實時、綜合評價。

本文將嘗試提出一種智慧教育產品試點方案設計，以期繼承前人研究之“長”，彌補前人研究之“短”，嘗試為智慧課堂的研究與實踐提供較為系統、完整的解決方案和指導。

三、具有通用性的智慧課堂試點產品設計方案

智慧課堂產品設計可從某一領域知識、技術的普及化教育展開，如果試點成功，再逐步將一所高校開設的課程與各種網絡學習資源一起納入產品，最終在以該校為代表的部分高校首先建立起較為完善的、互通的、具有普適性（而非僅針對中、小學生）的智慧課堂實現方案。且以四川師范大學（下文中簡稱“川師”）為例進行探討和說明，該校是全國首批推進5G進校園的少數高校之一。其它學校的實踐同理。以統計學和機器學習作為試點領域，因為該領域可以作為各專業師生開展學習、科研的重要工具，也是學習大數據、人工智能的前提。機器學習是當下的熱門研究技術，主要基于計算機、統計學和數學專業的知識。

通過設計一個稱為“統計智能”的學習平臺，有PC端學習軟件和手機端APP供選擇；旨在科普統計學、機器學習中較為基礎的知識和技術。下文以APP設計為例來探討，PC端的軟件設計思路同理可得。開發APP的計算機技術不在本文的探討范圍之內。平臺的設計流程是具有一般性的，同理可用于其它學科、領域的智慧課堂設計。思路如下：

（一）借鑒“學習強國”APP，構建一個基礎的“智慧”學習系統

仿照“學習強國”的設計，在“統計智能”APP中，借鑒用戶的登錄和搜索功能，將知識分版塊的形式進行歸類推薦。

第1個版塊是統計與生活，旨在培養用戶對統計學和機器學習的興趣。該版塊是最主要的知識普及版塊，對數學的要求不超過高二文科生的水平。第2個版塊有選擇地推薦前沿的學術、業界動態并介紹需要一定知識背景的生活實例，旨在提升用戶把統計學、機器學習作為“工具”使用的能力。內容的設計原則是“2分理論，8分應用”。在第3個版塊中，針對用戶需要，推薦個性化學習素材。該版塊的內容會基于對用戶在注冊賬戶時提供的信息、填寫的學習訴求以及在其它版塊中的學習表現分析得出，比如：對于一位非理工科專業的本科生，學習目標是對統計學和機器學習有初步了解并會用SPSS進行菜單式操作，在平臺上的學習表現也一般；則系統為他推薦內容簡單、操作步驟詳盡、知識量較小的學習材料。而對于一位志在發表高水平SCI的物理學教授，則可以從相關領域的TOP期刊中選擇與其研究興趣一致的文章作為“工具”推薦。

前3個是“統計智能”學習平臺的基本版塊。之后的版塊提供給有興趣系統學習的用戶，多數需要具備基本的高等數學及計算機操作知識。具體設置如下：第4-6版塊為“統計版塊”，依次為抽樣分布、參數估計、假設檢驗，以《數理統計》的視角將統計學劃分為三部分，幫助用戶在統計學領域入門；第7-9版塊為“機器學習版塊”，依次為監督學習、非監督學習、強化學習版塊，教學重點為建模及使用R或Python軟件的實現；第10版塊為統計學史，用于激發平臺對以文、史、哲類為代表的純文科用戶之吸引力，也使平臺中的知識體系更加完整；第11、12版塊依次為深度學習和人工智能入門、大數據時代背景下的統計學和機器學習，為用戶提供拓展閱讀。

（二）設計激勵機制

“統計智能”學習平臺還將借鑒一些其它受歡迎的APP形式并做出改進，如：百詞斬、扇貝網等英語學習APP，以期更好地維持用戶黏著度并保持更高的市場占有率。

所以，平臺的設計將允許用戶每天在社交媒體中打卡展示；再根據學習表現進行積分，用于評定等級，以“電子獎章”（如：QQ中是太陽、月亮和星星）的形式呈現。針對每一位用戶，按照周、月、季度、年生成學習報告，該報告將對學習人格、學習行為和學習收獲進行數據分析和可視化呈現，并對高水平的課堂交流、學術論文的閱讀給予醒目標出并支持分享，以期激勵用戶自我總結反思，堅持努力。在報告最后，為用戶生成一段個性化的評語作為鼓勵。

（三）構建“智慧的”的數據庫

建立平臺的數據庫，用于記錄、整理、存儲用戶信息和學習資源。相比普通的數字化圖書館，更“智慧化”之處在于：數據庫中的學習資源將被更合理、有效地分類，以支持（一）、（二）中的功能。舉例：某醫學專業博士生從事基因組方向的研究，針對10000個指標，需要采用機器學習中的方法Lasso進行變量選擇。此時，平臺將為其推薦并突出顯示《The Elements of Statistical Learning》等經典書籍中關于Lasso的內容，而不是只將電子版直接推薦或在搜索框中展示，需要用戶在每本書中人工搜索自己關注的內容：Lasso。 以《The Elements of Statistical Learning》為例，此書厚達745頁且難度較大，而與Lasso建模相關的內容出現在書中不止一處。如果直接推薦此書，只會讓大部分用戶望而卻步。

（四）建立完善的平臺評估機制

分為三個部分，對用戶學習效果的評估、對平臺資源的評估、對平臺性能的評估，旨在對平臺的不完善處予以歸因，以期有的放矢的解決，實現對平臺的不斷改進和優化。

對用戶學習效果的評估：在小組討論、師生問答環節等環節都參與度低的用戶很可能代表學習態度不佳。關于用戶的課堂表現，通過SPC等技術進行評估，詳盡的實現方案將在以后的研究中探討。

對平臺資源的評估：通過用戶的學習效果，評估平臺提供的資源是否有效。比如：平臺中有3000位用戶登陸學習了《線性回歸》視頻教程，姑且將其中2個稱為A、B。連續10天，視頻A的平均每日累計學習時長為50h，視頻B為2600h，差異顯著；可能表明視頻A不受歡迎。下一步從課堂中的彈幕、反饋留言等入手探究問題出現的原因。若出現針對教師授課態度的群體性負面評價，說明責任在教師，平臺將著手解決。評價指標：大量用戶打開了學習素材，結果堅持學完的人數比例過低或顯著低于其它同類課程。若有些學習材料閱讀人數過少，可能的原因是內容推送或數據庫中學習材料的選擇太難、較偏或無趣。該學習材料將被處理：從數據庫中刪除，僅在第3個版塊中向部分用戶做個性化推薦，或調整到第4-9或11、12版塊中。

對平臺性能的評估：如果出現賬戶登錄速度慢、容易掉線，視頻等學習資源加載緩慢、卡頓和延遲，部分用戶不支持資源下載及離線學習等問題，就是平臺的性能有待提高[16]。

（五）實現個性化學習

后臺根據用戶的個性化選擇，及對每位用戶的學習行為、習慣和偏好等的分析結果，將相同“特征”的用戶劃分為一組，為每個小組安排不同的任務、學習目標。

在課前自學階段，用戶反饋疑問給平臺，平臺再匯總、建模和分析并可視化后呈現給教師，教師在備課中將有的放矢，在課堂中著重講解學生的困惑點。這樣，既使得教師備課更輕松，也使得用戶更感到受重視，更有收獲。而傳統教學中，教師需要“全面備課”，然后根據作業情況、課后與學生的交流獲得學生的易錯點、難點，結果不僅效率偏低；而且，有時由于問題的積壓，可能導致積重難返，學生的自信心也會受到打擊。無論在課上、課中、課后，只要用戶發出提問，系統將自動私信回復一條鼓勵信息，比如：“積極參與，認真思考，繼續加油，你是最棒的”。對于隨堂作業，上傳最快和正確回答問題者一視同仁，將給予積分獎勵。在課后，平臺會借鑒《17天搞定GRE單詞》中推薦的記憶方法，在學習后的1天、2天、4天、7天、15天等關鍵時間節點提醒用戶及時復習，幫助用戶最科學、高效地鞏固知識。如果當天有新的學習內容，則要求用戶必須完成復習后，才可以開始新的學習。

平臺將支持用戶查詢自己的 “學習軌跡”（即有數據支撐的學習歷史），包括但不限于歷次作業、測試的數據分析和可視化結果，課堂表現的實時分析。從而對自己的學習狀況，尤其不足之處，可以有更科學、清晰的認識。個性化學習與激勵機制互為補充，以數據庫、完善的平臺評估機制為基礎，旨在更好的理解用戶行為并提高用戶體驗。

四、總結及未來研究展望

本文基于智慧課堂與其它教育信息化模式的關系，闡明了實現方案的系統設計思路。區分權威CSSCI和其他中文期刊進行了對比梳理，并結合國內實踐現狀，基于數據分析和可視化工具進行了定量分析。系統地提出了智慧課堂試點產品的設計方案，即具有可操作性的智慧課堂設計流程，以 “統計智能”學習平臺的設計為例進行說明。特別的，該智慧課堂學習平臺可以使不同年齡段、學習階段的使用者受益。

研究展望：1.實證分析與設計改進。待“統計智能”平臺得以落地實踐并積累了一定的數據量后，再基于數據，對實現方案進行驗證和迭代修正，進一步拓展其在智慧教學領域的廣泛深入應用。2.更多技術可以引入智慧課堂的研究，如：變點（Change Point）理論。該理論可以與SPC相結合，“雙劍合璧”實現對學生課堂表現的靈敏監測，對學習平臺的后臺運行異常給予預警。