“AI+教育”視角下自適應混合教學模型構建及應用研究

胡同花

（湖南永州職業技術學院網絡中心，湖南 永州 425000）

0 引言

世界各國及教育組織對“人工智能+教育”都非常重視，先后發布了相關的政策文件和戰略規劃[1]，2017年，國務院印發了《新一代人工智能發展規劃》，將人工智能寫入國策。后續發布的《中國教育現代化2035》，進一步強化了人工智能在教育現代化中的重要意義。湖南省作為教育信息化2.0試點省，正大力推動人工智能在教育中的深入應用，在《湖南省“互聯網+教育”行動計劃（2019—2022年）》中重點關注“基于AI+教育的教學模式創新”[2]。本文主要研究基于“AI+教育”視角下的高校自適應混合教學模型構建及應用。

人工智能在教育領域的應用，即“AI+教育”。“AI+教育”，主要表現為語音語義識別、圖像識別、AR/VR、機器學習、腦神經科學、量子計算、區塊鏈等AI技術與教育的結合。利用AI助力教育，可實現基于數據的教育治理，取代和輔助那些重復性、機械性的工作；可實現個性化教學，促使教育公平[3]。

自適應學習（Adaptive Learning），是指根據學生的學習行為數據，學習者畫像分析，判斷知識點掌握情況，不斷調整下一步學生要學哪個知識點，或者做什么試題，目的是從知識點和題目中選擇最適合學員當前能力水平的內容進行推送，學生通過系統了解自我學習狀態，實現個性化學習；老師依據系統數據對學生進行個性化分析，實現以學定教和減負增效；教育決策部門在系統輔助下可以更好地教學管理決策建議。

1 自適應混合教學現狀、實踐應用和不足

（1）自適應學習及自適應學習系統現狀研究。現階段國外對自適應學習的相關研究與實踐較之國內起步早，研究主要在理論研究、應用模式以及學習效果方面。國內研究集中在自適應學習系統的整體建模、設計和開發、先進技術的應用等方面。

（2）自適應混合教學實踐應用案例研究。隨著大規模在線課程的建設與推廣，近年來混合教學逐漸成為高職領域的聚焦點。在國外部分國家混合教學模式也逐漸成為高校教學主流，Craig Barnum將傳統教學模式與網絡、離線、在線以及現場教學等方式進行結合實現混合教學；印度NIIT公司將混合式教學分為線上教學、傳統課堂教學以及學生自主學習三部分；Barnum等人提出基于web傳輸、面對面學習、解決方案以及協作延伸學習這四個階段的混合教學模式；美國教育部“有效學習”項目調查結果指出，混合學習的學習效果要高于傳統面授課堂教學和線上學習。據調查美國約 83%的高校使用混合式學習進行課程教學；英國約56%的高校在教育教學中采用基于混合式學習的教學模式，約50%的高校采用E-learning進行輔助教學，傳統的面對面教學僅占3%的比重。國內混合式教學主要在教學設計理念上，童玲等人從課下線下、課下線上、課上線下和課上線上四個具體維度，設計了高職院校計算機專業課程混合式教學流程；在教學評價方面，姚玉劍等人以《計算機文化基礎》課程的學生評價為例，構建量化評價+質性評價、診斷性評價+形成性評價+結果性評價、絕對評價+自我評價的信息化多元評價體系。在技術運用上，隨著大智移云時代的到來，微課、云課堂、雨課堂、MOOC、FCM、SPOC等技術運用，國內學者們紛紛將AI技術融入混合式教學模式中，打造優質課堂。如徐曉芳等人在SPOC+FCM的視角下進行研究的，趙俊童等人研究“微課+雨課堂”的智慧教學模式等。基于案例學習的混合式教學模式結合了上述兩種教學模式的優點，亦可稱為混合式案例教學。其特點是為自適應教學法提供了技術支撐，為混合式教學確定了學習目標。我國混合式案例教學法在學生中可接受程度高達85%，這種新的教學模式在促進學生自主學習和提高分析解決問題的能力上均有所幫助。楊燕等人將翻轉課堂理念引入混合式案例教學模式中，設計出“課前—課堂—課后”三步式教學模型，同樣使教學效果得到了提升。

綜上，目前混合式教學應用及模式構建備受國內外學者廣泛關注，也有一定的研究成果。國外主要聚焦在教學平臺、信息技術、移動終端的問題上，對混合式教學效果關注度偏高。國內領域主要集中在對資源混合，以高等教育、職業教育居多。研究具有較高的理論高度，但是對于混合式教學過程、教學實施、教學評價等方面的研究還不深入[4]，不同教育層次（高等教育和職業教育）、不同性質的課程之間缺乏比較研究。將混合式教學應用到課程改革中更少，使用混合式大量的課程教學停留在表面缺乏頂層設計的方法，沒有延伸到課程之外。研究重點應從基本理論、模式構建、影響因素、實踐驗證、推廣策略等多維度探討教學方法的融合，解決的問題主要是線上教學監管度、學習完成度、教學效果、教學大數據精準程度及個性化教學，不能為“混”而混，流于形式；更不可沿用老套的教學方法，以灌輸為主。

（3）自適應學習與混合教學融合情況研究。自適應學習與混合教學的整合研究較少，理論研究較多，研究范圍狹窄，缺乏實證研究。混合教學研究相對成熟，而自適應學習相關研究及實踐大都停留在基礎教育領域，在高職教育領域仍有待長足發展。將自適應學習與混合教學結合的研究很大程度上改善了優質教育資源短缺及分配不均的難題，提高了教學效果，豐富了教學內涵。

（4）自適應學習不足之處研究。現階段的混合教學問題主要是線上教學資源參差不齊，知識碎片化、個性化教學難以實施、教師與學生任務過重、線上教學效果欠佳、缺乏精準化的教學大數據、面授課堂質量低下等等。在線上教學環節，引入自適應學習是一個很好的解決出路，但現有的自適應學習系統更傾向于機器教學而忽略教師作用。然而，教育是塑造人的活動，更需要通過情感的投入和思想的引導，生硬地將自適應學習與混合教學糅合將適得其反。

2 自適應混合教學模型構建及應用

自適應混合教學研究將新興的AI技術與傳統教育方法相結合，改革傳統教育模式，提升教育質量，充分的實現社會提倡的數字化減壓教育，使得學生能夠提升對學習的興趣，改變傳統教育觀念。傳統教育模式中教師以及學生均具有較大壓力，教學過程煩瑣且枯燥，并且相關的知識信息接觸范圍較小，局限了學生的學習認知范圍，同時學生的主觀能動性沒有得到充分發揮，且教學方式單一，傳統的教育模式使得優質教育資源供不應求。自適應混合教學可從個性化學習設定、學習小組、教學內容定制、教學方法、評分機制、課外輔導等多方面進行自適應混合教學模型研究[5]。

（1）個性化學習設定，可以利用AI技術進行數據采集，可以用來分析學生的學習行為，發現學生的弱點，根據優劣勢選擇或定制學習方式，并且可以提出建議來幫助他們改進，提高學生學習興趣。

（2）學習小組，AI技術還可以根據學生的個性、優勢和互補技能等，更科學地為學生配對、組隊，使學習過程更加順利有效。

（3）教學內容定制，人工智能現在可以分析教學大綱和課程材料，給出合適的教學內容。這些系統還可以通過分析教學內容，生成相應的考試試卷。這樣老師就能夠專注于學生表現等更緊迫的問題。

（4）最佳教學方法，智能算法能夠為每個學生確定最佳教學方法。并不是所有的學生都可以在老師講課的過程中把內容全部吸收，部分學生在聽課中也會有問題和障礙。人工智能確定的教學方法將有助于針對性地解決學生的學習障礙。

（5）更公平的評分機制，人工智能可以讀取學生的筆跡并對考試進行評分。通過計算機視覺可以訓練計算機閱卷，系統能夠讀取學生的手寫試卷并進行打分。由于是機器閱卷打分，可以避免人工判卷可能出現的主觀偏見，也可以更好地打擊作弊和抄襲行為。

（6）課外輔導，隨著學生人數的增加，人工智能導師可以在減輕教師負擔，提高效率。人工智能導師可以為學生提供額外的幫助，隨時在他們的學習中給予他們反饋和指導，他們還可以為學生提供遠程教學，滿足學生課堂之外的學習需求。

本文從內容模型、學生模型、個性化匹配方式、自適應實現方式、評估方式、目標對象等多維度進行對比研究自適應混合教學模式的構建，從線上和線下兩個環節來進行自適應混合教學劃分：線上環節中，在自適應混合教學系統的支持下，根據學生學習需求、學習特點、學習行為、學習基礎等參數，進行個性化學習路徑打造、推送，也可進行學習內容、時間、方法動態適應性地調整，讓學習活動序列和學習資源鏈接進行更新，讓深度學習成為可能。同時，充分考慮教育的人文特性，不完全依賴于機器教學，教師在線上環節中將深度參與，適時給予學生人文關懷、個性化指導、督學、互動、作業布置等；學習共同體則基于系統討論交流、協作互助以促進知識的內化及意義建構。完成線上教學環節以后，教師可通過系統記錄的教學大數據，實時了解學生的學習狀況，查找教學的薄弱環節，找出影響教學質量的因素進行內容調整、精準督導、個性化指導、教學改進等。同時也可以挖掘課程中的共性問題、爭議性主題、易錯點、重點難點等內容，進行線下面授環節的設計，以更好地實現線上與線下教學的銜接。在線下面授活動中，教師則開展關鍵知識點講解、題目串講、作業輔導、研討辯論、小組探究、頭腦風暴、項目實施等教學活動，以達成更高級的教學目標。整個模式中，線上教學是線下面授的基礎，也是延續。

3 自適應混合教學應用意義

（1）自適應混合教學融合價值。現階段所有的“AI+教育”應用場景中，其中最典型的就是自適應學習（Adaptive Learning）。簡單說來，它基于自適應學習系統，通過AI等技術檢測學生當前的學習水平和狀態，按照學生的學習需求和個性特征進行學習資源的動態推送，以促進個性化學習，提高學習效果。學生通過系統可以了解自我學習狀態，實現個性化學習的最優選擇；教師通過系統能夠為減負增效，減少簡單重復工作的時間，實現對學生的個性化分析、以學定教、提升教學的效率與質量；教育決策部門通過系統能夠為教學管理提供大數據輔助決策與建議，為科學治理提供支撐。將自適應學習與混合教學有機整合起來，實現兩者優勢互補，可實現線上學習的指導與監督、教學大數據的精準化、個性化學習、智能導學、教育公平等。本文針對高職教育教學特點，基于自適應學習系統及傳統面授教學，整合自適應學習與混合教學，研究“AI+教育”視角下的自適應混合教學模型構建與應用，以彌補混合教學的不足，具有重要的現實價值。

要使自適應教學法與混合式教學法相融合教學，真正改善教學效果，最關鍵點在于自適應學習系統、傳統面授教學的技術理論優勢整合。課前：教師線下準備相關理論和案例，線上云課堂發布學習案例，學生線上觀看微課視頻，學習相關資料；課中：教師線上課堂互動、隨堂測驗，線下引導式提問、總結性評價；學生線下分組討論、成果展示、組內自評、組間互評；線上案例情境導入、專家連線點評、拓展案例展示；課后：教師線上做課程參與度評分、案例分析參與度評分；學生線上完成章節測驗、小組案例分析報告等。

（2）自適應混合教學促進學習者全面而有個性發展的價值。長期以來，“教學工廠”模式與個性化因材施教是教育領域難以兼顧的矛盾。本文嘗試基于學習者不同個性特征、不同學習起點，提升學習內容與學習者之間的匹配度，幫助學生對自我學習擁有更為深刻的認識，實現真正意義上的“因材施教”。對促進高職教育教學改革的價值。現階段高職教育領域一直困于混合教學、翻轉課堂等教學方法的實踐，構建自適應混合教學模式，在促進學生自主學習和提高分析解決問題的能力上有很大幫助[6]，我們結合教學實踐對其再加以修正完善，對促進高職教育教學改革具有一定正向推動作用。對于教育公平的意義。自適應混合教學模式的創新應用與推廣，將現有的優質教育資源實現真正意義上的共享，為不同地域、不同層次的學生帶來個性化學習的機會，實現自選內容、自定進度、自我調控，有助于推動和實現選擇機會意義上的教育公平。

（3）采用科學的框架模型進行教學評價的價值。AI技術可進行在線測驗、及時評價知識掌握程度；云數據對學生的情緒態度、學習習慣及學習行為進行統計分析[7]；線下對學生的知識應用能力、方法能力和交際能力給出評價。混合教學從過程性評價和終結性評價兩個維度出發構建線上線下混合式教學評價體系，這些數據主要以學生為主體，教師為輔，多層次，多角度，全方面進行教學效果評價。有助于教師成長成才、人才培養質量的提升，以及決策者和研究者對線上線下混合式教學的理解，為我國職業教育人才培養質量提供新角度、新思路。