智能校園視閾下的人工智能教學分析

郭 陶，彭雄飛

(1.精華教育科技股份有限公司，鄭州 450000； 2.河南理工大學計算機科學與技術學院，河南 焦作 454003)

近年來，智能浪潮席卷全球，各個領域、各個機構都開始著手“人工智能+”研究布局。2020年8月，《國家新一代人工智能標準體系建設指南》的發布，意味著“人工智能+”教育將從研究轉向應用，從原先的探索性、小規模為主，轉向大規模的普及式運用[1]。同時，2019年發布的《中國教育現代化2035》明確指出了智慧校園發展下一階段的目標，即智能校園。

1 人工智能教學分析的應用場景

人工智能領域中，當前最有效也最熱門的技術是機器學習技術，它能夠對海量數據進行模式識別、規則發現、特征提取、結果預測等，基于機器學習技術建立的模型具有一定的自適應性、通用性與魯棒性，可滿足智能校園視閾下的教學分析需要。

1.1 學習分析

學習分析是指運用人工智能技術，對學生在智能學習環境中產生的可分析數據進行持續的采集與分析，使教師可以持續監控學習活動的過程與結果，從而識別學習過程中存在的問題[2]。這個過程獲得的分析報告為教師提供了一個對學生學習情況及可能出現的學習成果進行全面了解的機會，有助于評估并提高學生的學習效率，維持學生學習興趣，并對學生的異常學習行為進行及時控制。具體應用方式包括學習策略調整、社交網絡分析與自主學習行為分析[3]。

首先，通過對學習平臺中用戶的活動日志文件進行數據提取及統計分析，可以發現學生的學習規律以及對不同主題、不同形式的教學環節的認同度，有助于決策者根據學生的實際學習情況，動態調整教學方式，從而滿足學生的學習需求，促進學生更好地參與到教學過程中。通過對學生的學習模式進行識別，并與學生的發展目標進行匹配，可以幫助了解學生的各種學習特征，從而識別出有學業風險的學生。

其次，通過對學生社交網絡進行分析，一方面可以為學生智能推薦學習伙伴，提升學習效率；另一方面可以發現學生中比較孤僻和處于社交群體邊緣的個體，避免其陷入心理危機。

最后，當前經濟社會的不斷發展使就業市場對學生知識技能的要求不斷變化，學生不僅需要完成既定的學習內容，還需要主動參與自主學習。在自主學習過程中，為學生提供智能、自適應的分析，有助于幫助學生觀察、掌握、評估、計劃與調整自己的學習過程，根據與學習目標的差距進行自我激勵，提升學生的自我效能感。通過增加學習過程的屬性維度，可以對學習者將思維能力向知識技能轉化的過程進行觀測，從而有針對性地提供學習建議[4]。

1.2 預測分析

在已開展數據采集及學習成果認定指標體系制定工作的基礎上，可以通過運用人工智能技術，基于對學生的學習參與、學習設備物聯數據、學習過程多模態數據等進行采集，結合已獲知的領域知識，識別數據中隱藏的知識與模式，對學生學習結果進行預測分析，并生成以增強整體學習成果為目標的新學習策略，反饋給學生。具體應用方式包括：學業預警、異動預測等[5]。

首先，對學生學業水平的監測、評估與預警，是教育信息化中的一個重要環節，是實現自適應人才培養的基礎條件之一。智能校園視閾下，應在傳統大數據挖掘技術對數據之間關聯性分析的基礎上，結合厚數據挖掘方法，對教學過程進行挖掘，利用機器學習技術、模糊挖掘技術等建立模型，追蹤學生學業水平下降或上升的影響因素與其中的反饋調節機制，進而打造“全數據認知”下，大數據與厚數據結合的預測機制：先利用厚數據分析方法，確認影響學生學業的主要因素，并對影響方式進行量化；再利用數據挖掘方法，對這些因素的變化趨勢進行預測，從而獲得未來某一時間節點下學生的學業水平。與目前主流的數據挖掘下的學業水平分析模型相比，智能校園視閾下的預測模型結合了更多數據來源，而不僅局限于教務數據、消費數據等常規數據，另外模型建立過程更加符合自然規律，注重因果反饋關系在模型中的體現，因此模型更具有魯棒性、自適應性及科學性，預測結果將更為精準且具有說服力。

其次，智能校園視閾下的預測分析應用也包括異動預測。目前，我國在線教育發展的主要阻礙之一是居高不下的退課率，學生通常在前幾節課時能夠保持較高的到課率與參與度，但隨著教學過程的推進，越來越多的學生會中途退課，呈現長尾效應。線下授課也是如此，逃課、早退等現象屢見不鮮。學生的這些異動從數據層面同樣有很高的可預測性，會在學生的社交行為數據、學習行為數據等的時序結構中呈現異常。通過運用人工智能技術，可以對學生異動的早期表征如動機、滿意度、學習態度等進行識別，從而確定具體的異動原因，并加以干預。

1.3 行為分析

智能校園視閾下的行為分析可對學生行為模式中包含的信息進行獲取與解讀，從而發現學生的學習模式的個體與群體特征，發現學生之間的學習交互行為與社會調節方式進行動作建模、模式建模、知識建模，并依此設計更具有適應性的教學模式，以改善學生的學習體驗[6]。通過對學習過程中產生的行為數據結合學生的學習動機、元認知、學習態度、學習風格和知識掌握情況進行實時計算，對學生進行學習成功分析，識別其中各項行為對學生成果的正向及反向影響，從而提供對學生學習行為的規范與矯正。

1.4 可視化分析

可視化分析應用是智能校園視閾下人工智能教學分析應用的重要一環，可對數據進行圖表、圖形等多種方式的映射，提供模型化、可視化的界面，并與使用者產生實際交互[7]。可視化分析使教學分析更加靈活多樣、更為直觀，使用者可通過可視化界面對系統分析的結果進行直觀了解，并與機器之間產生交互，使非技術人員了解到數據分析的結果，避免教學信息化淪為簡單的黑板搬運或過程搬運，從海量數據中提取出有意義、值得關注的知識和信息，并使用此信息發現對教學過程、教學決策有用的規律與知識。

2 結語

智能校園是當前教育信息化發展的必然趨勢，教學分析在近年來的發展中不斷體現出新的活力。智能校園視閾下的教學智能分析，將從學習分析、預測分析、行為分析、可視化分析四個方面展開應用，并呈現出服務導向、數據驅動、創新驅動的特征。學校應提前著手進行布局，不斷探索與實踐，促進學校治理能力與人才培養水平的不斷提升。