采用積分制的自主學習過程量化和評價方法

陳可佳，楊庚

（1.南京郵電大學計算機學院，南京210023；2.江蘇省大數據安全與智能處理重點實驗室，南京210023）

0 引言

隨著以互聯網為主的信息技術的蓬勃發展，物聯網、大數據、云計算以及人工智能等研究領域獲得了廣泛的應用，教育也迎來了理論創新和應用創新的時代。教育與信息技術的融合，出現了如翻轉課堂、微課、慕課等新型教學模式[1]，顛覆了傳統以教師課堂講授為主的教學模式。信息化的教學模式為學生的自主學習提供了有效途徑，還能夠產生學習行為數據，有助于教師及時掌握學生的學習情況。隨后，數據研究者對采集得到的客觀數據進一步量化學習和智能化處理，將自主學習過程科學化，從而更好地為我國教育事業的發展與改革服務。

然而，在教學改革的實施過程中也出現了一些問題。例如，部分學生因自主學習能力不足或存在惰性，出現學習進度緩慢、學習效率低的現象，導致新型教育模式未能發揮積極的作用，教師不得不回歸傳統的教學和評價模式，而學習行為數據的缺失也難以得到智能化的學習模型。這說明，盡管學生現在獲得了自主學習的機會，但依然缺少實時的監督和激勵機制，從而造成學習動力不足而難以堅持的結果。而人工提供實時的監督，又會額外加重教師的負擔。因此，學習過程的設計是教學改革的一個核心問題。

本文提出，可以采用積分制度對自主學習[2]過程進行量化，實時督促學生的自主學習，并作為學業評價的客觀依據。積分制的方法以心理學的“操作條件反射”理論為基礎，把學生的外部動機（完成學習任務）通過積分的形式轉化為內部動機（積分排名激勵），最后達到正向自主學習的目的。

本文工作的意義在于：對于學習者，能在潛在監督下養成良好的學習習慣，系統地完成學習內容；對于教師，能掌握學生的學習狀態，評估其學習水平，減輕額外的教學負擔，從而專注于教學內容的改革；對于數據研究者，能持續地收集有效的學習數據，利用人工智能技術手段自動化教學過程，實現個性化學習設計、診斷和推薦等智能教育。

1 理論基礎

本文工作的理論基礎主要包括：自主學習、量化學習和積分制。

1.1 自主學習

自主學習（Self-Access Learning）[3]是從分析學生的需要出發，學習者在教師的指導下，自主選擇和利用學習中心的資源，結合自己的具體情況制訂學習計劃和簽訂學習合同，并進行自我監控和評估學習效果，從而達到學習的目的。

自主學習具有能動性、獨立性、異步性和有效性等特點[4]。

（1）能動性。體現在學生積極、主動、自覺地從事和管理自己的學習活動，而不是在外界的壓力和要求下被動地從事學習活動；

（2）獨立性。體現在學生在整個學習過程中盡可能擺脫對教師或他人的依賴，由自己調節學習策略，獨立地開展學習活動；

（3）異步性。自主學習尊重學生的差異，學習內容應具備層次性，供學生根據自身客觀條件和需要來選擇；

（4）有效性。自主學習的目標之一是采取各種調控措施使學習達到最優化的過程，如果自主性越高，學習過程就越優化，學習效果也就越好。

由此可見，在自主學習過程中，學生的學習動機是自我驅動的，學習策略是自我調節的，學習時間可以自我計劃和管理，學習內容是分層次的，學習過程需要監控和反饋，對學習結果能夠自我評價。信息化教學手段的運用，為自主學習提供了有效途徑。但同時，學生自主學習能力和持久力的差異也是一個客觀存在的問題。為了保護學生的學習積極性，真正實現自主學習，還需要有完善的學習資源體系和學習過程體系作為保障。本文提供的方法是：在已有的信息化教學手段中，增加量化學習過程的模塊，記錄每一條學習行為數據，給予學習者正向的反饋，并根據學習水平實時調整學習策略。

1.2 量化學習

傳統教學模型難以做到對每個學生的學習過程和問題進行精準定位，而信息化技術的使用帶來了新的教學改革機遇。作為教育大數據時代的學習方式，量化學習（Quantified Learning）[5]引起了研究者越來越多的關注。從《地平線報告》（高等教育版）于2017 年提出的量化自我、2018 年提出的智能學習測量系統，以及2019 年提出的智能教育可見，量化學習與人工智能將是高等教育未來幾年所采用的關鍵技術，對教與學均將產生重要的影響。

量化學習面向學習者的學習活動和成長過程，采用適當的策略與方法，獲得學習者外顯和內隱的行為特征數據，通過理解、分析、預測學習的內在規律，提供學習服務，滿足學習者的個性化需求，助力人的全面發展。量化學習能夠為學生的自主學習、教師的教學決策以及教育機構的管理決策均提供科學的依據，有助于構建科學化和精確化的學習新生態。目前，我國出現了一些量化學習平臺，如科大訊飛的智學網。該平臺運用大數據和人工智能技術分析教學過程，對用戶的學習狀態建模，利用知識圖譜對其診斷和評價，并實現個性化的學習資源推薦。

不過，量化學習的研究才剛剛起步，充足而高質量的數據是智能教育實施的前提。目前還沒有成熟的人工智能技術能夠有效處理數據高度稀疏或者缺失的情況，只有基于大量有效的學習行為數據，才能進一步分析學習者的特征、情感、興趣、風格、效果等。因此，本文工作旨在幫助系統在自主學習過程中收集初步量化的學習行為數據，為下游任務作準備。

1.3 積分制

積分制可用于量化學生表現的制度，通過加分獎勵，有意識地強化學生的學習行為，綜合評定學生的階段性學習情況。其理論基礎是美國著名心理學家斯金納的“操作條件反射”和“團體動力學”理論。以斯金納為代表的操作主義學派認為，自主學習本質上是一操作性行為，它是基于外部獎賞或懲罰而作出的一種應答性反應，積極的外部反饋將獲得正向的自主學習。后來，美國丹佛大學莫切特教授提出了具有“正向強化”和“延遲滿足”的“象征性積分法”（The Token System）。

在教學過程中使用積分制的方法基本為：第一步，為學習課程列一個“行為分值清單”，根據行為的重要性程度、完成難度賦以象征性的分值；第二步，建立一個“獎賞強化清單”，例如積分兌換期末附加分、單次作業免寫等；第三步，操作執行。

在傳統教學場景下，積分的規則、記錄和維護通常由教師手動完成，需要耗費大量精力也難免主觀。目前，信息化學習平臺上允許提供充足的學習資源，學生亦具有開放、寬松的學習氛圍，如果能量化并自動記錄學習行為，則能減輕教師負擔。

因此，結合中國高等教育背景以及心理學知識，本文提出在信息化教學手段中采用積分制，根據學習行為自動積分。積分制能夠強化學生的學習行為、培養良好的學習習慣、激發學生的學習動力，最后達到學生正向自主學習的目的。此外，積分制還能起到自我監督和群體監督的作用，可以從側面反映出學生的知識掌握情況、對于此門課的興趣與投入程度，有助于教師實時掌握每位學生的學習進度和學習情況。

2 采用積分制的自主學習量化與評價——以程序設計類課程為例

2.1 學習平臺介紹

以程序設計類課程為例，本文重點介紹如何采用積分制進行自主學習過程的量化和評價。本文方法將用于一個成熟的校內程序設計課在線學習平臺中。該平臺的主要功能模塊如下：

（1）自主學習模塊，包括閱讀資料、觀看慕課、在線答題、提交程序、在線討論等；

（2）教師管理模塊，包括上傳資料和慕課、題庫建設、程序批改、在線答疑等；

（3）系統管理模塊，包括編譯程序、學習積分登記、學習報表生成、常錯題報表生成等。

其中，學習報表展示班級排名、年級排名和全校排名的情況。排名功能不僅增加趣味性，也有利于激勵學生，在競爭中成長。常錯題報表列出錯誤頻次較高的題目并進行排序，有助于教師了解學生的學習困難，對癥下藥。

在整個平臺中，最核心的跟蹤學習過程的模塊就是積分登記，只要系統中出現學習操作，都會激發積分登記模塊。具體的積分細則是教學要重點探討的內容。

圖1 程序設計語言類課程平臺的主要模塊

2.2 積分規則

積分制的核心內容就是積分規則的制定。本文初擬了學習行為的分值清單，具體如表1 所示。分值設置的目的是為了記錄學生的有效學習行為，同時也避免惡意刷分。

針對不同的課程，教師也可自行調整積分細則。例如，本文中慕課觀看滿6 分鐘可以積1 分，這是因為本課題組所制作的慕課視頻基本在6-10 分鐘之內。針對不同層次的學生，教師可提供不同難度系數的題目，系統根據學生的答題正確率和積分情況，動態選擇難度適中的題目。可以看到，教師從教材、視頻、題庫的準備需要花大量精力。因此，對于教師，也可以提供積分制來正向強化教的行為，本文不再贅述。

表1 程序設計課的學習行為分值清單

2.3 積分的數據意義

積分不但可以為教師的評價提供客觀依據，而且也有助于量化學習研究，深化智能教育改革。采用積分制記錄學習過程之后，便可以得到量化的學習數據，有助于教學改革的進一步深化。具體來說，每位學生在每個積分維度上的得分構成了該學生的學習表示向量，該向量隨時間動態變化。因此，利用動態學習模型可以生成學生的學習畫像（profile），識別不同類別的學生群體（自律型、突擊型、拖延型等），并預測學生未來的學習表現，例如：期末考試是否可能掛科等。

2.4 改革的基礎和現狀

本文工作具有良好的改革基礎，程序設計類代表課程《高級語言程序設計》是我校的通識教育課和必修課。程序設計課程平臺從開發到使用已有5 年，每學年有近3000 名學生使用該平臺，積累了大量以提交程序、在線答題為主的學習行為數據，但目前僅以作業提交為主要功能，暫未加入其他學習行為模塊，也沒有嵌入積分機制。《高級語言程序設計》慕課已于去年上線，2018 年選課人數為1973 人，同樣積累了大量以觀看視頻、在線考試等行為數據，但本校學生參與度低于60%，且平均活躍學生比例低于40%。

2019 年1 月23 日山東省濱州市發布了全市使用“學習強國”平臺的情況統計排名公示。發現學員平均參與度高于60%，部分基層組織甚至高于90%。統計數據充分體現了積分制的有效性。因此，通過積分制有機結合已有的教育資源，有望提高學生的參與度和積極性，完善學習數據的采集。

3 結語

本文提出在已有的信息化教學平臺基礎上采用積分制進行學習過程量化和評價，旨在自主學習、考核測評、數據研究等方面獲得改進。首先，學生能夠養成良好的學習習慣，通過積分排名等激勵機制自主學習持續。其次，積分為平時成績和最終考核提供客觀依據；最后，積分能夠用于量化學習，獲得個性和共性的學習行為特征，啟發教學改革的未來方向。

未來，我們將依托于2018“十三五”江蘇省重點教材建設項目、中國大學MOOC 網的教材配套課程《C 語言程序設計》、南京郵電大學計算機學院的程序設計類課程平臺等，開發基于本文方法的App 應用，實踐本項教學改革。