融入智能技術的計算機網絡遠程實驗教學改革實踐

謝劍剛 肖小紅 劉磊

廣東開放大學(廣東理工職業學院) 廣東廣州 510091

計算機網絡課程具有理論與實踐相結合、軟硬件交融等特點，不僅理論內容相當繁雜，還需要搭配大量實踐環節加以鞏固和驗證才能達到較好的教學效果。計算機網絡的遠程實驗教學面臨著多種難題的困擾，迫切需要新型教學模式的支撐。要從根本上解決遠程實驗教學中的種種困難，傳統方法難以奏效，而是需要借助云計算、大數據、人工智能等前沿智能技術，構建新的教學模式[1-2]。把傳統的以教師演示為主的實驗教學模式，轉變成以學生為主體、融入智能技術的云教育平臺為支撐的新型教學模式[3]。

1 遠程實驗教學面臨的問題

在計算機網絡教學中，遠程實驗教學一直是一個難點，面臨諸多問題的挑戰。遠程實驗教學與傳統線下教學在教學場景、教學內容和教學模式上都存在很大的差異。由于線上教學的特性和信息技術發展的局限性，許多線下教學場景無法直接在線上重現，線下成熟的教學模式和教學內容也可能無法完全適應線上的實驗環境。

1.1 教學場景分離

遠程實驗教學的教學師生往往面臨學習時間不一致、學習地點不一致、實驗環境不一致等難題。學習時間不一致、地點不一致不僅導致教師和學生互動、監督和指導困難，還導致實驗環境難以統一。計算機網絡實驗教學有軟硬件相結合的特殊要求，學生大多無法自備實驗所需的硬件設備，安裝服務器操作系統和模擬器等仿真軟件也經常出現版本不一致、安裝失敗等意外情況，導致教學過程難以對接。這給實驗教學帶來了很大的不確定性，學生和教師往往無所適從，教學質量也難以把握。

1.2 教師指導難度大，反饋不及時

遠程實驗教學給教學互動、監督和指導增加了很大難度。由于無法面對面接觸學生，教師通常難以實時把握學生的學習進度，更難以即時對學生學習過程中遇到的各種問題給予反饋。教師們往往不得不使用即時通信軟件等工具作為輔助，讓學生通過語音聊天或提供截圖等多種方式反饋實驗中遇到的難題，但是仍然很難滿足教學需要，導致反饋效率低下，而這又很容易導致學生學習效果和學習積極性的下降。采取線上線下交融的學習方式能在一定程度上緩解遠程指導學生的難題，但也很難達到線下面對面教學同等的指導效果。

1.3 學習記錄缺少過程性數據

過程性數據是指學生實驗過程中的具體操作、完成情況等必要信息的記錄，可以作為遠程實驗教學中完成情況和成績評價的重要依據。一些實驗平臺雖然能夠提交和管理實驗報告，但缺乏過程性數據。如果沒有過程性數據，教師就只能從學生的實驗結果或實驗報告來了解學生的學習效果。對于完成實驗任務有困難的學生，難以了解出現錯誤的具體原因，也就無法給予針對性指導，對于網上找答案等行為也很難進行有效的判斷和監督。

1.4 學習評價體系單一

傳統的以教師評分為主的單一評價方式對于遠程實驗教學而言是不夠完善的，教學的目的不是評分，而是引導學生掌握知識點。在傳統線下教學中，教師可以實時了解學生的學習情況，隨時糾正錯誤，教師評分作為學習效果的最終總結無可厚非；在遠程教學中，僅靠實驗完成后的教師評分對學生的學習情況進行評價，仍然無法有效了解學生的學習情況和困難，難以引導學生解決困難，不能達到掌握知識點的目標。

2 融入智能技術策略

在計算機網絡課程實驗教學中融入智能技術，不僅能夠提升教學效果和學生的學習積極性，還能在很大程度上緩解線上實驗教學中存在的若干困難，具有重大意義[4]。

通過建立軟硬件環境完全一致的實驗系統鏡像，再結合錄制的實驗操作微課視頻替代面授講課，就有可能組織基于多媒體、云計算和虛擬化技術的線上實驗教學，使學生非常方便地在云端的統一實驗環境上隨時隨地進行實驗，這能一定程度上緩解教學場景分離帶來的學習時間不一致、學習地點不一致、實驗環境不一致等實驗難題。

建立基于自動化腳本和數據分析的教學反饋機制，能夠程序實現實時監控實驗重點知識點或重點步驟的完成情況，并隨時給予學生預設的信息反饋作為指導，以此替代教師的現場指導能大大改善線上實驗教學反饋途徑缺乏、不及時等問題，提升教學效果和學習效率，降低教師指導難度。

很多過程性數據對于教學評價和反饋都是很有意義的，例如鍵盤鼠標操作次數、間隔、活躍時間等，就能在某種程度上反映學生參與實驗的專注度。可以通過智能算法分析過程性數據和學習專注度之間的關系，構造某種智能模型，可以根據采集的數據自動找出學習不夠專心的學生并給予指導和評價。對學生參與實驗時產生的過程數據進行批量采集，結合大數據分析、人工智能等技術，不僅能夠給予學生針對性的實時指導，給予教師教學效果反饋，還有助于建立科學高效的新型智能分析和學習評價體系[5]。

3 融入智能技術實踐

計算機網絡課程遠程實驗教學中融入智能技術的具體實踐過程可分為課前、課中、課后三個階段，見圖1。課前階段的主要任務是定制符合云實驗平臺特性和要求的實驗任務，定制包含實驗任務所需軟硬件環境的云虛擬機鏡像；課中的主要任務是在云平臺上運行實驗鏡像完成實驗，通過實驗平臺中安裝的智能化腳本收集學習過程數據，并進行實時分析，用智能化方法按階段性學習進度給予學生反饋指導；課后階段的主要任務是針對采集的學習過程數據、階段完成數據、最終實驗評分等建立一套實驗效果評價體系，對學生的學習過程進行綜合評價，對教師進行教學情況反饋。

圖1 融入智能技術的遠程實驗教學基本流程

3.1 整合課程實驗教學資源，構建云系統鏡像

建立云系統鏡像和設計實驗任務都難免受到云實驗平臺中軟硬件環境的先天性制約，因此是相輔相成、互相制約的，必須結合實際情況提前做好規劃，才能緊密配合達到良好的教學效果。

具體步驟如下：

(1)通過分析當前計算機網絡領域典型工程應用案例，綜合考慮計算機網絡課程的教學內容與遠程實驗云平臺的實驗條件的匹配程度，對實驗教學內容進行重新整合，剔除了部分難以在平臺完成的實驗資源,并用其他實驗資源替代,最終建立起一套適合云實驗平臺的計算機網絡遠程實驗教學資源。例如,選擇大部分虛擬化平臺無法支持華為的eNSP模擬器，則用思科模擬器作為替代；Windows系統存在版權問題，用Linux替代；隨著Linux系統的選擇，IIS等服務也需要選擇替代的軟件。

(2)分析當前計算機網絡遠程實驗教學資源及其在云平臺上實現所需的軟硬件資源清單，整合成一套實驗系統環境。制作滿足實驗系統環境需求的云鏡像并上傳到實驗云平臺，為實驗任務命題提供基礎支持。建立的云系統鏡像具體框架見圖2。通過完善和改造實驗條件，搭建滿足計算機網絡實驗需求的云鏡像，為實驗任務命題提供基礎，也為學生的自主實驗提供明確統一的應用環境，進一步調動了學生結合所學理論知識進行實驗的積極性。

圖2 集成課程資源的云系統鏡像

3.2 結合教學內容與云實驗平臺特色的實驗任務設計

全面分析典型的計算機網絡實際應用案例，并結合計算機網絡課程的實驗教學內容與遠程實驗云平臺的實驗條件和特性，剔除部分完全不適合在云實驗平臺上進行的實驗內容或重新設計新的實驗任務作為替代，對其他實驗教學內容則進行適應性改造，形成一套合理科學、難度適中的遠程實驗任務體系。

對實驗文檔進行完善，把原來主要通過教師演示教學講解的內容轉變為詳細的操作步驟說明，其中的重點或難點內容直接以微課視頻的形式嵌入實驗文檔中，作為教師無法面對面現場演示的補充。

3.3 應用檢測腳本實現智能教學反饋

為了能夠在實驗教學過程中及時給予學生反饋和指導，可以在實驗任務中嵌入準確檢測學生步驟完成情況的檢測腳本，并根據腳本反饋結果實時給出指導意見和修改建議，或將腳本反饋結果作為通往下一實驗步驟的進入條件。例如，Linux平臺均可支持基于Shell腳本語法的檢測腳本，Shell腳本能方便地檢測進程的啟動與否、文件創建是否、文件內容是否包含某些關鍵字等。這些檢測手段結合清晰的任務目標定義，可以幫助我們找到檢查學生實驗步驟完成情況的方法，從而對學生的實驗效果給予有效反饋。

3.4 形成有效的智能分析和評價系統

很多云實驗平臺已經能夠采集過程性實驗數據，例如學習時長、操作時長、總按鍵次數、重復實驗次數、步驟完成數據等，通過這些數據的復合運算又能產生更多有用的數據。這些過程性數據的采集，為構建科學高效的智能分析和評價系統打下了堅實的基礎。

3.4.1 錯誤情況分析和反饋

根據學生的重復實驗次數、步驟完成數據等過程性數據，可以對學生掌握實驗任務目標的情況進行批量分析評估，從而確定學生普遍難以掌握的知識點有哪些，確定學生掌握各知識點的平均練習次數等。錯誤情況和重難點分析評估分析對指導遠程實驗教學的教師具有很大的價值，教師掌握了上述分析評價數據，才能根據學生學習的實際情況，有針對性地給予學生指導，才能更好地完善實驗內容和實驗目標，達到因材施教的效果。

3.4.2 學習專注度分析和反饋

在線實驗過程中，教師雖然無法實時了解學生的學習狀態，但是可以通過學習時長、操作時長、按鍵次數等過程數據綜合分析學生的學習專注度。充分利用大批學生實驗過程數據，設計多項數據加權的專注度算法，可以對學生的學習專注度進行評分，從中篩選出學習態度存在問題的學生給予督促和批評，或篩選出學習認真刻苦的學生給予獎勵。

3.4.3 學習效果評價

學習效果評價僅僅靠教師對實驗報告進行評分是不夠完善的，依托學生實驗過程數據可建立起更科學高效的多層次綜合評價體系。各種實驗過程數據在不同實驗中重要性各有不同，可根據具體實驗內容、實驗目標及實驗步驟難度系數等因素綜合考慮設計一套完善的智能學習評價體系。基于學習專注度、實驗難度系數、實驗目標完成度、實驗報告完成度、教師評分數據訓練一套卷積神經網絡，用于代替傳統依靠加權機制構成的評分機制。

結語

本文的教學改革實踐取得了階段性的成果，一定程度上驗證了遠程實驗教育和智能技術的結合應用是遠程實驗教學發展的一個重要方向，但在智能反饋技術的優化和智能評價體系的完善上還有很大的提升空間，還需要加大研究力度，并不斷在實踐中檢驗成效。