一種基于機器學習的反饋教學模式

【摘要】本文從機器學習的視角研究反饋教學模式，借鑒機器學習算法中的反饋機制設計教學實踐中的反饋機制，為反饋教學模式的研究提供了一種新的研究視角，并開展反饋教學模式對提升課程教學質量的有效性研究。

【關鍵詞】反饋教學? 機器學習? 神經網絡

【課題】寧波市教育科學規劃課題（編號：2019YGH065）。

【中圖分類號】H191 【文獻標識碼】A 【文章編號】2095-3089（2020）14-0254-01

1.引言

無論是國外還是國內課程教學是大學的使命，對于高職院校來說，教學更是專業發展和人才培養的重要途徑，教學的質量是衡量一個高職院校辦學水平的重要指標。因此教學質量的提高方法成為國內外很多學者的研究熱點。在眾多教學方法中，反饋教學法被認為是提高教學質量的有效方法。反饋教學模式是根據系統科學、信息科學、控制論等相關學科創立的一種教學模式，以信息反饋為主線，把課程教學的相關信息反饋給教師和學生，幫助教師及時調控教學過程，學生在學習中體驗成功和快樂，從而有效提高教學效果。

反饋教學的目標必須以學生為中心，使學生有趣、高效的學習課程的知識和技能，因此反饋教學模式的實施過程可以看作是在教師指導下的學生學習過程。經過多年的發展，反饋教學被廣大教師所采用，實踐證明反饋教學是提高教學質量的非常有效的方法。但是，近年來反饋教學處在停滯階段，沒有誕生新的反饋教學途徑和方法。人工智能技術近年來取得突飛猛進的發展，尤其在圖像、文字、語音識別領域取得了非常好的效果，同時人工智能被認為是人類的第四次工業革命。人工智能在產業界獲得成功的同時，對教育界也產程了很大的影響，因為機器學習的過程可以看作是教學的過程，雖然機器學習算法的原理沒有被腦科學證明和大腦的學習過程一致，但為教學的改進提供了新的視角，本文就是借助機器學習算法中反饋思想來改進反饋教學。

2.基于機器學習的反饋教學模式

機器學習反饋教學模式就是運用機器學習算法的反饋思想到教學中。目前常用的機器學習算法有BP神經網絡、隨機森林、感知機、生成對抗網絡等，本文將應用這些機器學習思想到教學中。

2.1基于BP神經網絡的三級反饋網絡教學平臺

BP神經網絡的計算過程由正向計算過程和反向計算過程組成。網絡結構有多層神經元組成，當輸出層不能得到期望結果時，運用反向傳播技術逐層反饋，實時更新所有神經元的權值。應用逐層反饋和實時更新的思想到網絡教學平臺。網絡教學平臺為教師和學生的溝通提供了條件，但問題也很突出，如教師沒有那么多的精力來處理學生的反饋，那么如何運用網絡教學平臺來合理的為學生服務呢？本文根據BP的原理設計了三級反饋平臺，大部分學生的問題是重復的，因此讓班級中學習優秀的學生來給學生做反饋，如果有解決不了的問題，學習優秀的學生可以反饋到第二級，第二級有三年級的特長生組成。第三級是教師，教師只處理第二級無法處理的問題，這樣學生的問題可以得到及時的反饋，同時降低了教師的工作量。

2.2 基于隨機森林技術識別學生的學習困難

在機器學習中隨機森林是一個包含多個決策樹的分類器，構建好的決策樹呈樹形結構，可以認為是if-then規則的集合，分類過程是從樹根開始，根據條件逐漸分類到樹葉。本文首先統計學生的學習難點，把每個學習難點作為學生的屬性，同時根據歷史記錄給每個學生分配一個學習分數。因此每個學生有一行數據，這一行數據有多個屬性和一個分數組成，把多個學生的數據輸入隨機森林，通過機器學習可以生成決策樹，根據決策樹上結點的權重可以識別出大部分學生學習困難的知識和技能點。

2.3 覆蓋課堂內外的心理正反饋

運用機器學習算法評價圖片質量時往往要對圖像做預處理，因為圖像質量的最終受體是人眼，人眼對圖像亮度的感知是非線性的，因此用機器學習算法模擬人眼對圖像質量感知時往往預先對圖像亮度值做對數處理能取得更好的效果。課程學習的主體是學生，學生對知識和技能的感知同樣要考慮主觀和心理因素。給學生施加心理正反饋能夠提高學習效果，而施加心理負反饋可能導致學生的學習焦慮。心理反饋的目標是要讓學生喜歡學習課程，喜歡上課的教師，讓學生感覺到自己受到教師的關注。以《WEB 前端開發》課程為例，構建覆蓋課堂內外的心理反饋系統，把心理反饋融合到師生交往的方方面面，在點名、打招呼、案例分析、提問等環節增加心理反饋信息。本教學模式將研究形成心理正反饋的各種技術手段，實驗總結最有效、容易實施的正反饋技術。

2.4基于GAN的學生對學生反饋

GAN即生成對抗網絡，是2018年最成功的深度學習模型之一，生成對抗網絡有生成模型和判別模型組成。從生成模型是先統計全概率，然后計算條件概率，而判別模型是直接生成條件概率。這兩個模型在一個算法中互相對抗，從而達到很好的網絡性能。應用這個思想讓兩組或者多組學生互相反饋學習課程知識和技能，使學生學會自學和團隊學習。以《Web程序開發》課程為例，把學生分成程序開發組和程序測試組，程序開發組學生負責編寫安全的代碼并發布網站，程序測試組學生負責網站的功能測試、安全測試、性能測試。程序開發組學生的任務是不斷改進自己的程序代碼通過程序測試組的測試。在博弈過程中通過多次的相互反饋程序開發組和程序測試組，學生的技能得到顯著提升。

3.總結

本教學模式以《WEB前端開發》、《交互設計》、《Web程序開發》三門課程為實驗對象，開展反饋教學模式對提升課程教學質量的有效性研究，參與教師4人，學生196人，通過問卷調查的方式對課程改革進行評價，結果表明89.9%的學生認為新的反饋教學模式對提高學習效果有幫助，全部教師認為機器學習反饋教學法具有很大的研究和應用前景，初步實驗表明機器學習反饋教學法對提高教學質量有限制效果。

參考文獻：

[1]李廣鳳，王楠楠.反饋有效性研究：影響因素及教學對策[J].教育理論與實踐，2018（19）：57-60.

[2]樊超，樊敏.高等教育教學質量反饋機制研究[J].教育與職業，2014（05）：26-28.

[3]王凱.反饋何以有效：對當前課堂教學評價的新思考[J].教育科學，2011（03）：34-38.

[4]張克非.課堂教學質量評價數據客觀性處理及反饋機制探究[J].教學與管理，2014（09）：44-46.

作者簡介：

蘇萍（1979年12月-），女，漢族，安徽省合肥市人，研究生，副教授，研究方向：計算機。