基于線上教學的智能學業預警系統干預策略探討

劉亞剛

(長春光華學院 電氣信息學院,吉林 長春 130033)

0 引言

隨著科學技術的發展,線上學習成為當代大學生學習不可或缺的一部分,線上教學的優勢彌補了線下教學的不足,利用大數據技術對學生成績、學習軌跡等行為進行分析及預測,能夠為學生提供精準預警,起到輔助干預的作用。

1 線上教學應用優勢

1.1 線上教學能夠突破時間與空間的限制,能夠有針對性地“重復”學習

大部分傳統教學都是以教師講、學生聽為主。在這種教學模式的學習中,學生在一定程度上喪失了自主學習的機會,學生在課堂教學中容易無法集中注意力聽課。一方面,課堂時間有限,一些課程內容需要循序漸進,前一部分內容如果跟不上,將會影響后續章節的學習,最終學習效率低下,學習進度跟不上;另一方面,每個學生都是獨立的個體,因此每個學生都必然存在個體的差異性,學生對學習的知識掌握程度快慢不同,傳統的線下教學無法滿足不同學生的個性化差異和需求。這種傳統課堂與“互聯網+”相互結合的混合式教學,突破時間與空間的限制,讓有針對性的重復學習成為可能[1]。

1.2 線上教學可以更好地采用多元教學方法,激發學生的學習興趣

興趣是最好的老師。線上教學給了學生極大的學習選擇空間,同時也推動了多元教學方法的實施,在新課程改革的教育背景下,傳統的單一的教學方法已經無法滿足新時代的教學需求,多媒體教學、研究性學習等新型教學方法也越來越多地被應用到教學中。采用多元的教學方法,是提高教學效果的關鍵一環。通過線上教學,教師可以更好地根據教學內容和不同班級、年齡層次的學生的具體情況,選擇合適的教學方法。通過線上教學的簽到、回答問題、討論等功能可以讓更多同學參與到課程中[2]。

2 線上教學智能學業預警的必要性

線上教學突破了時間和空間限制的同時,也導致了教師與學生之間處于“時空”分離的狀態。教師僅僅通過冰冷的視頻畫面查看學生的學習狀態,無法很好地對學生的學習過程進行指導,也無法很好地監督學生學習,視頻的可視范圍有限。學生如果假裝學習,教師很難及時發現。這大大削弱了教師對學生學習的指導和監督作用[3]。

2.1 線上教學容易忽略線上教學的學習效果

當前,大部分線上教學系統的關注點集中于如何實現和完善“線上教學”平臺功能,注重教學知識的組織和安排,往往忽略了教學的學習效果,這就背離了教學目標,無法起到線上教學的真正意義[4]。

2.2 線上教學缺乏及時的反饋與提醒

“線上教學”方式因其便利性而受眾面廣,這也給教學管理帶來了壓力,導致教師在進行線上教學時,往往無法對學生的學習疑問提供及時的反饋,學生的疑問無法得到及時反饋與提醒,這將大大降低學習效果,一些學生可能因為某個疑點沒得到反饋與提醒,導致跟不上學習進度,甚至出現厭學心態。而當出現厭學心態后,在線上教學這種相對要求自覺性較高的學習方式上,其學業危機就變得更不可控。

3 幾個典型的線上教學智能學業預警系統及智能學業預警中常見的問題

現階段比較典型的學業預警系統有4個,分別為學生成功系統、學習儀表盤、海星預警系統、課程信號系統。

3.1 典型的線上教學智能學業預警系統

學生成功系統的主要實現形式為獨立的在線學習預警系統,預警內容為學習危機、輟學危機,這種預警系統的技術方法為語義分解、預測建模、學習分析、數據可視化等,通過可視化圖形、電子郵件的方式發送預警報告,通過學習成功系統,可以有效提高學生知識點的掌握程度、提高學生自身的技能、為學生推薦個性化的學習內容。

學習儀表盤的實現形式為學習管理系統與可視化工具相結合,主要預警內容側重于知識點的預警,其采用的技術方法為信息跟蹤技術、鏡像技術、學習分析等,通過學習儀表盤和電子郵件的方式輸出預警內容,通過學習儀表盤的這種學業預警系統,可以有效提高學生知識點的掌握程度、提高學生自身的技能、為學生推薦個性化的學習內容。

海星預警系統的實現形式為在線學習平臺中的一個模塊,預警內容主要為努力程度、課程成績,其主要采用的技術方法有大數據、分布式計算、自矯正系統、學習分析等,預警方法是小紅旗、短信、電子郵件,通過海星預警系統,教師可以盡早了解學生的情況,降低輟學率。

課程信號系統的實現形式為獨立的在線學習預警系統,其預警內容為課程成績、努力程度、輟學,采用的技術方法為預測學習成功算法、數據挖掘和分析工具,預警方式為電子郵件、短信、學習管理系統中的消息。課程信號系統可以有效提高學生成績,降低輟學率,節省管理時間及成本。

3.2 智能學業預警中常見的問題

當前智能學業預警系統中常見的問題可以歸納成3點:(1)在應用智能學業預警系統的時候,很多時候各個學科采用的都是一個通用的預測模型,忽略了不同課程之間的差異性,無法很好地解決所有學科課程的復雜性。(2)大部分智能學業預警系統針對的只是學生的學習行為,忽略了對教師授課行為的研究,得到的預警內容有失偏頗[5]。(3)當前大部分智能學業預警主要是結果預測,忽略了影響結果的相關量化指標分析。

4 精準干預措施策略

教學智能學業預警并不是為了預警而預警,其目的不僅是提前發現學生學習行為的異常,同時也要提前發現教師行為的異常,發現異常后加以干預,盡量避免學業危機的出現,因此,技術人員必須制定精準干預措施。

4.1 通過學習分析建立模型

學習者知識建模,顧名思義,就是分析學習者對每個知識點的掌握情況,建立學習知識模型,為學生提供相關的學習反饋和建議。

學習者行為建模是把學生的學習行為與學習結果掛鉤,通過大量的數據分析,得出關聯結果,以此來預測學生的未來學習表現。學生的學習行為包含學習平臺登錄次數、登錄時長、登錄時間間隔規律、作為完成時間以及互動評論完成時間等內容,這些內容可以幫助教師了解學生的學習狀態,根據收集到的數據結合實際情況,建立模型的評判標準,如設定學生完成作業的時間,如果超過3天就可以視為拖延作業,通過不同周期的情況分析,了解學生當前的學習積極性是逐漸降低還是升高。

學習者情緒建模,即學生的學習情緒與學習成績成正相關。學生的學習情緒越高漲,其學習的積極性也會越大。學習的積極性越大,其學習成績也會越好。

4.2 確立干預要素

第一個要素是篩選,即在進行干預之前,要根據學習平臺和課程的特點來篩選干預工具和技術,而在干預的過程中,則是要通過預警指標,篩選出有學業危機的學生。第二個要素是監控預測,即利用大數據技術和工具監控學生的學習行為,量化相關的學習數據,對學習進度比較落后或者是學習過程偏離學習目標、學習中存在障礙的學生進行風險預測。第三個要素是多層次干預,多層次干預指的是教師不僅是針對學生個人進行干預,還可以通過小組干預、群體干預的方式進行干預,為個體、為小組、為群體提出可視化的學業診斷。第四個要素是決策,即對預警結果進行措施實施,如建議學生調整學習的方式或者態度,如建議教師調整教學方式等。第五個要素為學習分析,學習分析是整個干預模型的核心,是進行精準干預的關鍵[6]。

4.3 檢驗干預機制的干預效果

在進行線上教學智能預警干預周期內,研究人員要密切關注學生的學習狀態數據,并將分析結果通過可視化報告輸出,讓學生了解自己的學習狀態,并通過干預策略對出現學業危機的學生進行個性化的干預。如通過電子郵件的形式把預警報告發送給學生,預警報告中分析了學生前期的學習狀態中出現的問題,以及這些問題可能對學習成績帶來的不良影響,并告知學生可以通過什么措施來改善學習狀態,提高學習質量。后期觀察學生在受到干預后,干預是否有效,其學習成績是否有所提高。

4.4 建立干預制度

當前通過線上教學智能學業預警進行干預的過程中,主要還是以技術干預為主,如發現學生有學業危機的時候,系統會發出預警,讓學生注意相關方面的問題,為了保障干預策略的精準和有效性,教師可以在技術干預的同時,加上制度干預。

建立積分保持制度,把課程的參與度、自評互評活動的參與度、學習任務完成度等學習行為進行分類,設置不同積分,如每個學生的原始積分均是100分,當學生缺席一節課會扣分,扣分達到不同程度時會有不用程度的干預。當積分低于某分時將暫停學生參與某項學習活動并無法通過某個課程。

建立預警指標制度,制定不同的預警指標,如測驗分數低于多少分,線上訪問次數、討論次數,課件觀看時長等,根據學生的不同個性特征進行預警指標的動態微調,篩選出需要作為督導對象的學生,并設定當某個學生連續一段時間成為督導對象的時候將無法結課。

5 結語

線上教學的出現和發展給教育帶來了極大的便利性,但在線上教學也存在一些問題,教師與學生之間的“時空分離”狀態會削弱教師對學生學習過程的指導和監督,學生的學習得到不及時的反饋和提醒,同時線上教學也存在忽略教學效果的情況,因此教師需要利用大數據技術,建立智能學業預警系統,對學生的線上教學環節進行精準干預,以便更好地發揮線上教學的優勢,推動教育教學更好地向前發展。