“人工智能+教育”對高職學生的個性化學習研究

查艷芳

摘? ?要：隨著人工智能相關技術的發展，“人工智能”在教育領域的應用也日趨成熟。本文將人工智能引入到教學中，利用大數據和知識圖譜等技術，通過對學習過程的追蹤和記錄，研究和分析學生的學習情況，并利用協同過濾算法等分析學生學習特征，最終根據分析結果，給予學生個性化學習內容和方案的推薦。同時教師通過設計不同的教學內容、制定不同的教學策略，準備不同的教學資源，服務于學生的個性化學習，并提高學生的學習效率和效果，真正的實現因材施教。

關鍵詞：人工智能? 教育? 信息跟蹤? 個性化學習

中圖分類號：G642? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻標識碼：A? ? ? ? ? ? ? ? ? ? ? ? 文章編號：1674-098X（2019）11（c）-0202-02

人工智能（Artificial Intelligence，縮寫為AI）是由機器模擬人類能力和智慧行為的一門跨學科的技術科學，它主要用于研究、模擬和延展人的智能。目前人工智能主要研究的內容包括語言識別、自然語言處理和圖像識別等領域。隨著人工智能技術的日趨成熟，其應用領域也在不斷擴大，其中教育已成為人工智能的主要應用領域之一。人工智能在教育領域的應用最早出現于20世紀40年代。隨著大數據、云存儲和海量數據分析等技術的成熟，人工智能在教育領域的應用和發展日趨成熟，同時也受到了全球各國的重視，2016-2019年，聯合國教科文組織陸續發布了《教育中的人工智能：可持續發展的挑戰和機遇》等文件探究人工智能與教育的關系。我國也高度重視人工智能在教育方面的研究和應用，2017年國務院頒布《中國教育事業發展“十三五”規劃》提出了“支持各級各類學校建設智慧校園、綜合利用互聯網、大數據、人工智能和虛擬現實技術探索未來教育教學新模式”。同年，國務院又頒布了《新一代人工智能發展規劃》，推動人工智能在教學、管理、資源建設等方面的應用。2018年，教育部頒布了《教育信息化2.0行動計劃》，強調利用智能技術推動人才培養模式、教學方式改革，探索泛在、靈活、智能的教學新環境建設與應用模式。人工智能將對未來教育的發展提供新的途徑和方法，虛實融合的教育業態、個性化的教育模式也將成為人工智能在教育領域的重要變革趨勢。

1? 高職學生學習差異現狀

對于高職院校而言，目前大部分高職院校的生源較為復雜，有經過高考后錄取的學生;有在高考前通過提前單招錄取的學生;有中職學生通過對口單招的方式錄取的學生，以及通過中高職銜接錄取的中職學生。同時，錄取的生源也來自于不同的地區，以本校為例，有來自江蘇的學生，也有來自浙江、湖南、新疆等地的學生。這些學生之間，無論是學習基礎，還是不同地區由于教育資源不同導致的差異，都使得高職學生的入學基礎參差不齊。在上課的過程中，由于多采用課堂教學的方式，因此不同基礎的學生在同一個課堂中學習，也使得高職學生在課程學習學習過程中，有些學生存在聽不懂、跟不上、學不好、不想學等問題。因此讓不同背景和基礎的學生在高職學習過程中都能找到符合個人情況的學習內容和學習進度，提高學生學習適應度和興趣度，是高職院校需要探索的問題之一。

本論文提出了利用“人工智能+教育”的技術，通過大數據、數據挖掘和知識圖譜等技術，追蹤和分析學生學習基礎和個性特征，推薦適合其自身的學習內容和學習方式，并適時的挑戰學習的難度和深度，形成學生個性化學習方案，提高學習效率，真正實現因材施教。同時在“人工智能+教學”的背景下，針對學生的興趣偏好、認知水平和學習行為等進行記錄，不斷收集高職學生的學習行為數據，為教師的教學目標設定、教學方案設計、教學策略制定和教學資料準備提供依據，從而使得教學資料的準備和教學活動的開展能夠更好的服務于學生的個性化學習。

2? “人工智能+教育”在學生個性化學習中的應用

基于“人工智能+教育”的大數據采集和分析，通過尋找學生共性和個性化差異，追蹤和分析學生學習的過程，例如學生觀看視頻的時間和時長，是否拖拽視頻，回答問題的速度和正確率等建立共性和個性問題庫，并在分析數據后，給出個性化學習方案和意見，促進學生的個性化學習，實現學生的因材施教。

為了實現“人工智能+教育”在高職學生個性化學習中的應用。首先需要通過調查和研究“人工智能”的相關技術，如大數據處理、云存儲和“人工智能+教育”自適應技術和平臺等。同時還要了解各個院校各個專業的學生情況。以嵌入式專業為例，利用大數據等手段，調查和研究嵌入式專業學生的生源，學生的學習基礎和興趣愛好，平時學習過程中學生的學習狀態等學習特征情況，全面掌握嵌入式專業的教學特點、學生特點和學習特點，為“人工智能+教學”的學生個性化學習準備教學基礎資料。

在了解學生學習基礎和個性化興趣和習慣的基礎上，將“人工智能+教育”用于高職學生個性化學習過程追蹤。以嵌入式專業為例，通過利用人工智能，大數據和數據挖掘等技術，追蹤學生學習興趣、基礎、習慣、進度、難點等內容，例如通過追蹤學生觀看視頻的時長，觀看過程中有無拖拽等數據，了解學生的視頻內容興趣度和學習度;通過追蹤學生課后作業的完成時間、作業的完成率和正確率等數據，了解學生對所學內容的掌握情況。通過多種不同的平臺對學生的學習進行全面的追蹤，從而掌握學生的學習習慣和學習過程。這為研究和確定“人工智能+教育”背景下，嵌入式專業學生個性化學習模式的研究提供了可能。

在了解了學生的學習基礎和教學過程中學生的學習情況之后，將“人工智能+教育”用于高職學生個性化學習的分析和決策。以嵌入式專業為例，在追蹤和了解學生的學習習慣、學習興趣、學習基礎和學習進度后，一方面通過現有的一些專業平臺，另一方面通過搭建大數據集群平臺，通過協同算法分析學生學習的過程，分析并總結學生學習過程中的共同點和差異性，得到學生學習特點，從而研究并設計適合學生個性化學習的學習內容推薦和學習策略引導，做出個性化的學習策略和意見。

同時，“人工智能+教育”在學生個性化學習中的應用，由于各個學生的學習情況不盡相同，因此這也要求教師在了解學生學習特定和學習情況之后，根據不同情況的學生制定不同層次的教學目標，采用因材施教的教學策略，準備難度不同的教學資料等。這對于高校教師而言，也是一種新的挑戰。

3? “人工智能+教育”對學生個性化學習的意義

（1）“人工智能+教育”背景下高職學生個性化學習，可以提高學生高學習效率，提高學習效果，真正實現因材施教。以嵌入式專業為例，其生源有高考后招生，有提前單招生，有中職對口單招生，也有中高職銜接生。由于生源不同，學生之間的學習基礎和習慣也存在較大差異。針對這一現狀，通過人工智能的方式，采用自適應的模式，追蹤學生的學習過程，并針對分析結果，對學生給與內容的推薦和學習策略的引導，使得學生通過人工智能，得到更適應于自己的學習方式，從而提高學生學習效率，提高學習效果，真正實現因材施教。

（2）“人工智能+教育”背景下高職學生個性化學習，可以疏導學生的厭學情緒，提升學生學習主動性和積極性。在傳統的教學過程中發現，高職學生在學習過程中接觸到一些自己不感興趣或不懂的內容時，容易出現沮喪、懶惰、厭學等情緒。因此，通過人工智能的方式，為學生“定制”個性化的學習內容和方案，可以提高學生學習的興趣和自信，從而疏導學生的厭學情緒，提升學生學習的主動性和積極性。

（3）“人工智能+教育”背景下高職學生個性化學習，為高職院校教學改革提供了新的模式。通過“人工智能+教育”的方式，實現學生的個性化學習，這種方式既不同于傳統的課堂教授形式，又不同于以互聯網為基礎的“翻轉課堂”，這種教學模式打破了傳統教學過程中標準化、統一化的授課形式，讓學生在學習過程中更具自主性和個性，是一種全新的以學生為中心的教學模式。

（4）“人工智能+教育”背景下高職學生個性化學習，為高職院校教學活動的開展提出了新的挑戰。本課題打破了傳統教學過程中統一授課的標準化、統一化教學模式。同時，為了適應學生個性化學習，在教學資料準備中也要打破傳統的統一化模式，采用不同層次、不同類型的多樣化教學資料的準備，這對于高職院校的教學活動和教師而言，也是一種全新的挑戰。

4? 結語

人工智能的發展對職業教育的教學內容以及人才培養模式提出了新的要求，同時通過人工智能在學生學習過程中相關技術的應用，為學生的個性化學習提供了可能。這種個性化學習的方式主要以網絡為載體，學生為主體，通過線上線下相互補充，打破了時空對教育模式的限制，使學生的學習更具個性化和自適應特征。此外，教師通過在教學過程中應用人工智能等先進的科技手段輔助教學，一方面使得教師通過大數據和分析更了解學生情況和班級情況，另一方面為了能通過人工智能的方式制定適合每一位學生的學習策略，因此需要教師準備更多的個性化學習資料，并最終達到因材施教的目的。

參考文獻

[1] 張旭. 人工智能背景下高職教育自適應學習模型研究[J]. 信息記錄材料， 2019（5）：77-79.

[2] 劉培燕.初探“人工智能”時代下職業教育人才培養模式[J].天津職業院校聯合學報.2019（6）：32-35.

[3] 李振， 周東岱，王勇.“人工智能+”視域下的教育知識圖譜：內涵、技術框架與應用研究[J]. 遠程教育雜志， 2019（4）：42-53.

[4] 高偉，劉苗苗.人工智能時代教育人工智能研究與應用現狀、問題及對策[J].軟件導刊，2019（8）：25-29.

[5] 修南.論人工智能時代職業教育教師教學能力的發展[J].職業教育研究，2019（8）：10-15.

[6] 吳波. 人工智能和大數據驅動下的研究生個性化教育[J]. 林區教學， 2019（7）：18-20.

[7] 周睿文. 新時代新挑戰——人工智能下的設計教育人才培養[J]. 職業， 2018， 498（35）：22-23.