“人工智能+教育”背景下地方高校雙語課程智慧課堂建設路徑研究

熊齊 潘梅森

(湖南文理學院國際學院 湖南常德 415000)

1 相關背景

隨著現代科技的不斷發展，互聯網的日益普及，人類社會當前已經進入了一個人工智能的大數據時代。大數據、云計算、深度學習、圖像識別、語音識別等人工智能技術逐漸成為當今社會的熱點。人工智能技術目前已經廣泛用于醫療、教育、金融等領域。2017年7月國務院印發的《新一代人工智能發展規劃》中指出：“利用智能技術加快推動人才培養模式、教學方法改革，構建包含智能學習、交互式學習的新型教育體系。開展智能校園建設，推動人工智能在教學、管理、資源建設等全流程應用。開發立體綜合教學場、基于大數據智能的在線學習教育平臺。開發智能教育助理，建立智能、快速、全面的教育分析系統。建立以學習者為中心的教育環境，提供精準推送的教育服務，實現日常教育和終身教育定制化。[1]”作為國家戰略層面的重大部署，規劃的發布把我國新一代人工智能研究和應用推向了一個前所未有的高潮，也標志著我國的教育也進入了一個人工智能的智慧時代。

近年來，隨著科技的發展，很多高校開展了智慧教育工作。智慧教育是指將互聯網、人工智能、大數據、物聯網、云計算等現代信息技術融入教育教學全過程。比如教育數據化和學習分析。數據化的意思就是把一種現象轉變為可制表分析的量化形式的過程[2]。比如：大腦活動、調查問卷以及學生的表現等形式可以用某種方式轉換成數字數據[3]。在全球范圍內“數據治理”的教育政策背景下[4]，學校的日常管理越來越倚重“數據化”。再如：對教學質量的評價日益傾向于量化評估[5]，基于計算機的數據處理技術對教育“數據化”以推動“智慧校園”的建設[6-7]。目前，在線學習平臺在教育領域正變得越來越普遍，這有利于教學的企業自動收集和處理學生數據，用于教學的評估和管理[8]。

學習分析（Learning Analytics）是把學生學習后產生的數據收集后進行分析的一種活動[9-11]。教育的重大決策需要大數據分析提供全面、可靠的信息源。數據的質量及其合理運用直接影響教育質量[12-13]。任何計算機應用程序的使用都會產生大量數據。隨著這幾年來線上教育的發展，產生了大量的學習活動的數據。通過大數據架構對這些數據進行分析，可以以了解學生的學習情況，并利用這些反饋的信息改進教育過程[14]。大數據是一種資源，也是一種工具，它可以對教育過程中產生的大量數據進行分析，以挖掘有價值的信息，提供基于個性化教育的教育模式。在線學習是一個不間斷的過程。這期間存在著非常多的學習交流活動[15]。XIA X[16]通過對這些交互活動之間相關性的分析，設計了一種合適的算法。它可以根據關聯規則推薦學習方案，以實現個性化教育。在這種情況下，大數據就成為了一種自適應學習的工具。

除了在線學習，DrAYTON-BROOKS S M等人[17]把學習分析引入了護理臨床教育中。通過對學生在電子臨床管理系統中記錄的大量臨床數據進行學習分析，教師能夠更好地了解學生臨床實習的情況，為基于能力的護理教育提供有用的信息。

但是受技術和資金等條件的限制，很多地方高校直到現在還沒開展智慧教育的工作，無法在人工智能時代下享受科技的發展提升教學質量的便利。目前很多地方高校中外合作辦學雙語教學還是沿用的傳統的教學方式，還存在一些影響教學質量的因素，急需通過引入人工智能技術進行解決。

2 人工智能時代高校教學質量提升的策略：PDCA循環

PDCA 循環理論[18]，是由美國質量管理專家戴明（Deming）提出的。它是全面質量管理的思想基礎和方法依據。P的含義是計劃（Plan），就是根據預期的結果確立目標以及制訂行動計劃；D的含義是實施（Do），就是按照計劃的內容，采取具體的行動計劃；C的含義是檢查（Check），即收集數據以供分析檢查執行計劃的實際結果，與目標進行對比，找出差異，評估計劃的適用性和完整性對執行的影響，判斷哪些是正確的、哪些是錯誤的，分析并找出問題；A的含義是改進措施（Act），也就是對檢查階段的結果進行處理，對成功的經驗進行總結推廣，經過檢驗的可行標準成為下一循環實施的標準；對未達到預期的結果進行分析總結，對那些未解決或新出現的問題可納入下一個PDCA 循環去解決。人工智能時代下的教與學與傳統方式的教與學有著很大的不同。我們可以借助PDCA 循環理論，更好地利用人工智能提升教學質量。

2.1 人工智能時代下基于PDCA循環的雙語教學質量提升框架

根據人工智能時代下地方高校中外合作辦學雙語教學的質量特點，可以設計如圖1所示的PDCA循環框架用來提升教學質量。在圖1中，我們分別把“教學大綱、教案、教學計劃”放在P（Plan）內，“課堂教學、實驗實訓、課后復習等”放在“D（Do）”內，“教學檢查”放在“C（Check）”內，最后把“如何改進”放在“A（Act）”內，而閉環的中心是“學生”，表示以學生為本，教學質量的提升應體現在學生運用專業知識能力的提高上。

圖1 基于PDCA循環的雙語課程教學質量提升框架

采用PDCA 循環理論來提高雙語課程教學質量，是一項系統工程。學生的水平是在不斷動態變化著的，課程的授課教師也不是一成不變的。教師需要根據學生目前的水平，對相應的人工智能技術能否達到課程設定的教學目標進行測試，根據測試結果采取相應的教學模式，因材施教。通過PDCA循環，老師可以驗證人工智能輔助的教學效果，可以逐漸熟悉和完善人工智能的一些應用，進而不斷提高課程的教學質量。

2.2 地方高校在人工智能時代下基于PDCA 理論的教學質量提升的基本路徑

2.2.1 計劃階段

在這一階段主要是教學目標和教學內容的確定。具體體現在雙語教學課程的教學大綱、教案，所選定的教材。一般來說，由于地方高校中外合作項目的雙語課程由外方大學指定，所以大綱的編寫基本參照外方的課程大綱，教材也是根據外方課程大綱的建議選擇。所以這兩個方面的改進空間不大，其中最有改進空間的就是課程教案。課程教案需要反映課程的重點、難點，能對學生實現真正意義上的因材施教和個性化教育，提高學生的學習效率，發揮其主觀能動性。傳統的在大屏幕演示PPT的方法由于缺少互動性很難達到這樣的效果。在人工智能時代下，各類學習管理系統（Learning Management System，LMS）被廣泛用于大學的教學過程中[19]。這里比較常見的有雨課堂、微助教、百度智慧課堂等。國內很多有名的大學如西安交通大學、貴州大學等在幾年前就開展了雨課堂教學。而很少有地方高校采用LMS教學。

教師利用LMS 可以把制作的課件、課程中涉及的專業詞匯、與課程有關的資料以及一些課前測試題目在手機上推送給學生。學生接收到相關資料后，規定其在一定的時間內觀看課件并完成課前測試題，即時得到自動評分，同時學生可以將預習過程中遇到的問題提交到LMS。教師可以實時查看已預習學生人數和測試題答題情況、學生反饋等，方便老師進行課前學情分析、明確上課的重點難點，進一步優化教學設計。這個步驟對地方高校中外合作辦學的雙語教學尤其重要。因為雙語教學的外方教師上課的時候沒有中文解釋，學生很難理解和聽懂一些專業詞匯。通過預習，學生事先了解了這些專業詞匯的中文含義和英語發音，上課的時候也就更容易聽懂和理解。

2.2.2 執行階段

在課堂教學階段，教師可以把LMS 課前預習情況反饋給學生，使學生認識到該章節的易錯點及自己在預習中的出錯點，使其聽課針對性更強。教師結合預設教學目標內容并依據學生課前預習結果進行針對性教學。LMS 軟件在學生的手機端可以同步接收PPT。如果學生遇到不懂的問題，可以利用LMS 軟件隨時向老師發送“不懂”的訊號，教師則會同步收到，從而可以實時調整課程節奏并重點講解。有些LMS軟件還彈幕功能，學生可以隨時表達自己的觀點、想法以及不懂的問題。地方高校中外合作辦學項目的學生由于英語水平參差不齊，這個功能可以使學生克服膽怯心理，敢于在課堂上通過這種形式與老師進行互動，可以使教師有效地了解課堂的教學效果。

在實驗環節，針對部分編程課程，教師可以利用現在的云計算平臺給學生開展在線編程實踐。比如：現在很多公司都開發了面向高校的私有教育云平臺，在平臺上可以開設編程語言、大數據、網絡安全、人工智能、網絡工程等實驗。這些基于云平臺的實驗系統，一般都可以提供講解的視頻，以及配套的實驗指導，幫助教師一站式解決實驗難題。同時，在實驗完成后，系統可以根據學生的操作情況，自動生成實驗報告，自動生成評語，自動給報告打分。當然這些平臺一般都是收費的，使用平臺的學生人數越多價格越貴。但是國內的百度大腦（AI Studio）提供了一個免費的教育云平臺。目前。在這個平臺上既可以進行常規的編程入門教學，比如Python語言、算法與數據結構等。也可以開展強算力需求的機器學習或深度學習教學。可以在線分享PPT、PDF 等課件，甚至可以開展視頻教學，讓學生在線通過視頻學習。利用這個平臺，老師們不僅可以展示Notebook 實驗給學生，還可以在線分享PPT、PDF等文件給班級學生，更可以插入視頻，學生在線視頻學習。

課后復習階段，學生們都希望及時解決遇到不懂的問題。在LMS 軟件的支持下，學生可以把存在的疑問反饋到LMS 教學課堂平臺上，并與教師和同學進行交流討論；教師可以一對一的答疑解惑進行個性化指導。這種方法的好處是便于老師收集學生的問題，缺點是不可能做到實時解答學生的問題。近年來，人工智能的自然語言處理技術（NLP）得到長足的發展，人工智能助教系統也走進了大學校園。比如：在美國等科技發達地區的大學里，有的AI助教已經達到了以假亂真的地步。再如：美國佐治亞理工學院的AI 助教Jill Waston。在這種背景下，教師可以遴選幾門重要的課程，通過LMS以及歷年的考試、作業等途徑收集課程中學生可能存在的問題，利用NLP技術也制作一個AI智能助教，輔助老師課后對學生進行答疑，緩解地方高校的雙語師資緊缺的現狀。

2.2.3 檢查階段

這個階段就是檢查實際教學效果與開始計劃階段的教學目標之間的差距。這種檢查包括自查和他查兩個方面。

（1）自查。自查就是任課老師通過PDCA的運用，發現教師教學設計和教學行為、教學效果之間的關系，找出存在的問題與癥結，以不斷提高教學質量，提高學生學習的積極性和高效性，提升教師教學能力。

對教學設計，我國有的教育專家曾提出一種優化教學設計的方法。首先明確要解決的問題，然后提出解決問題的方案并進行實驗驗證。如果提出的方案正確，就將該方案投入實際使用；如果實驗驗證的結果與預期不符，就修改方案或者嘗試其他方案；如此循環直到成功[20]。由此可見，提高教學設計的過程與PDCA循環過程存在著很強的內在相似性。

實際操作過程中，任課老師通過LMS 或者教學云平臺收集教學過程中學生產生的一些數據，包括學生的到課率、課件查看率、課堂上的互動次數、測試題目的準確率、實驗的完成情況等。根據這些數據，結合相應的大數據算法來分析、改進教學情況，實現個性化教學。其中圖2是人工智能優化教學設計的過程圖。

圖2 人工智能優化教學設計的過程

（2）他查。他查就是由外人，也就是由學校負責教學督導的人員對課程的教學情況進行的階段性內部質量審核工作。包括平時進行的聽課評課工作，以及期末的教學質量檢查。在傳統的檢查過程中需要準備的資料具體包括以下方面。

①任課教師的課程教案、教學手冊等。教學手冊包括教學進度表和學生的考勤情況以及平時成績。

②考核記錄，包括老師批改的試卷、作業的評分和評語等。

工作人員主要檢查課程教案是否與課程大綱相吻合，學生是否所掌握了相應的知識和技能，是否讓大多數學生達到了教學目標。但是這些判斷的主觀性很強。在使用了LMS 教學系統或云平臺教學環境后，我們可以收集到一些量表數據、文本數據和音視頻資料等。根據這些資料，可以對教師的教學質量進行精準、客觀的評價。

2.2.4 行動階段

針對自查和他查中占有的大數據資料，采用相應的人工智能分析模型進行分析，發現其中存在的問題，得出分析報告，幫助教師掌握學生的學習動態，找出學生在學習過程中和老師在教學過程中有可能存在的一些問題，輔助教師開展教學工作，改進教學設計。其過程如圖3所示。

圖3 人工智能提高教學質量的過程

改進后的教學設計需要在下一輪的課程教學中實施，通過計劃、實施、檢查這3 個階段來檢驗行動方案是否解決了問題。如果改進了現有的標準，這些改進將納入教案中成為下一輪課程教學的標準。

3 結語

人工智能的發展改變了人們的生活，給人們帶來了極大的便利。但是人工智能在教育中的應用還處于一個初始階段，還只是在一些一流高校中得到應用，很多地方本科院校都沒有開展或者沒有大規模開展。所以地方本科院校在中外合作項目的雙語教學中引入人工智能的時候，師生雙方都將會遇到一些困難和問題。如果解決不好，就無法發揮人工智能在教學中的作用，達不到提高教學質量的目的，無法提高人才培養質量。為了避免出現這種情況，該文提出了基于PDCA 循環的教學質量提高框架。基于這個建設路徑，將影響教學質量的關鍵點都納入PDCA 循環中，在這個路徑的規范和指引下，把人工智能應用到在教學中去，因材施教，提高相關課程的教學質量。