基于人工智能的混合式教學過程中數字化能力提升研究

張婷 張文濤

關鍵詞：混合式教學；人工智能；知識圖譜；智慧課堂；精準教學

近年來，將人工智能應用在教育中成為教育領域的一個熱點。根據聯合國教科文組織的報告，人工智能技術是教育中最重要的技術之一，在未來十年內是很有前途的技術，其市場將會呈指數級增長[1]。疫情期間，知識的教學行為和獲取行為越來越需要時間和地點異步化，允許老師學生地點不同步的線上教學瞬間成了剛需[2]。2022 年中國在線教育市場規模達4000億元。受新冠疫情影響，人們對在線終身教育的需求快速提升[3]。混合式教學要求教師的角色從單純的知識傳授者轉變為興趣激發者、糾正誤區者、資料提供者、資料推薦者、理解引導者、理解驗證者等[4]，難免會造成教師負壓過重，難以保證混合式教學的教學質量。

1 混合式教學過程中遇到的主要問題及問題的原因分析

1.1 線下教學與線上教學脫節嚴重

課堂教學與在線學習銜接不緊密是當前混合教學中的一個突出問題。混合學習線下教學仍主要采用傳統教學模式，在線教學最初是線下學習的補充和延伸，但承擔線下教學、家庭作業和試卷糾正的教師，本身教學任務比較繁重。另外，在線教學資源的制作也需要教師獨立完成或協助完成，再加上需要進行在線教學，使教師疲憊不堪，因此在線與學生的互動未能及時完成，混合式教學質量堪憂[5]。如果學生在網上互動時沒有得到老師的及時回應，或者面對大量的課程資源沒有頭緒，他們的興趣自然會逐漸消失，課堂教學與網上學習的分離程度會越來越嚴重。

1.2 混合式教學情感交流不充分

混合式教學效果不理想主要有兩個原因：第一，教學內容不能激發學習者的興趣不能引導學生從淺到深掌握知識；第二，學生在教學過程中感受不到情感交流[6]。主要是由于教師在教學過程中，沒能提前了解學習者當前的學習任務和情緒狀態，根據學習者當前的狀態進行有針對性地創造適當的情境，不知不覺地使學生的情感發生積極的變化。

1.3 人工智能輔助教學系統應用較少

目前，人工智能教育技術的發展是國內教育技術產業的重點，實踐應用研究仍然較少，人工智能輔助教學的功能在教育中沒有得到充分體現。有些國內在線教育機構推出了輔助人工智能系統，優化教育教學效果，基本與第三方機構合作，不是獨立研發[7]。目前許多應用仍在研發階段，就算應用落地也非常簡單，參考價值低。

1.4 解決該問題的意義

上述問題和現象的產生，很大程度來自教師負擔過重。隨著人工智能教學技術的發展，一些知識記憶和簡單重復的教學工作可以分配給人工智能技術來完成，可以幫助教師提高效率，減輕負擔。這樣教師就可以提高學術素養，投入更多精力和時間在開發高質量的課程教學資源等方面。教師在課堂上引導學生的學習，提取學習者的情感和學習興趣，進行有針對性的浸潤式情感教學，從而更好地促進課堂教學與在線學習的融合。

2 基于人工智能的混合式教學全過程數字化能力提升框架

人工智能技術創設混合式課程不再局限于傳遞既定知識，課程實施過程中，師生之間的交往不是單向信息傳遞。因此線上的教研活動包括知識圖譜建設和線上平臺數據分析和測評，要與線下的智慧教室軟硬件及線下課堂交互活動緊密聯系，才能使得課程目標變得更加靈活，課程內容變得更加私人定制，課程形態變得更加靈活，課程實施變得更加個性化、混合性與體驗性，課程評價變得更加游離性、即時性與精準性。打造全過程融合的數字化能力需要以數字知識圖譜（knowledge graph）為核心，貫通智慧教室（smart classroom）、教研教學平臺（learning platform）以及課堂交互（classroom interaction）[8]，如圖1所示，四者之間相互聯系形成完整閉環，才能創造一個更具互動性和吸引力的學習體驗。

從線上學習平臺和教學視頻中抽取資源，包括教學大綱、知識大綱、課程關系、PPT、教材、教學視頻等，對文本知識點進行識別（包含目錄結構和三元素的提取）、富媒體資源識別（包含音視頻內容、圖片）、教學熱詞的提煉，形成動態知識點關聯到知識單元成為知識圖譜中的關系。多個知識點形成知識單元（相當于課程章節的概念），多個知識單元又形成了知識領域（相當于課程的概念），最后龐大的知識領域構成了學科的知識庫。只有課程的依賴形成，才能構建完整的知識庫圖譜結構。知識圖譜可以為學生提供知識推薦，為教師提供智能決策，方便學生進行知識重構和個性化學習。在智慧教室中進行線下教學的實錄和學生行為數據也要跟線上學習平臺數據相結合才能實現線上線下緊密銜接。線上線下教學過程中生成的教學視頻可以通過視頻切分引擎自動抽取知識點，并完成知識點自動掛載和點擊知識點，直接定位到視頻位置，無需看完所有視頻。還可以自動生成視頻文字講稿，進行對比學習，講稿位置定位到當前知識點，方便學生快速定位所需學習的內容，提高學習者的學習興趣和學習體驗。

3 基于人工智能的混合式教學全過程數字化能力提升方案

3.1 線上教學平臺應用人工智能進行精準評測

目前，教師可根據線上線下混合教學網絡平臺上的統計數據和信息來評價學生學習情況，細化各種量化評價指標制定課程考核標準，包括平時的作業成績、測驗成績、期末考試成績，還包括學習平臺和互動情況，如教學視頻觀看時長、參與討論次數、評論獲得的點贊或認可數等。但是這些評價方式比較平面化，粗放化。融入了人工智能技術的網絡平臺，可以抓取學生的學習路徑和掌握知識的節點，從而更加精準地分析學生掌握知識點的情況。

全球最大的在線教育平臺Coursera、主打個性化教育平臺Knewto平臺根據學生的興趣和先驗知識向他們推薦相關課程[9]。這通常使用協同過濾和基于內容的建議來完成。協作過濾是一種使用其他用戶的行為（例如，他們上了什么課程以及他們如何對它們進行評價）來為給定的用戶提出建議的技術。另一方面，基于內容的推薦則使用課程本身的特點（例如，它們所涵蓋的主題）來提出推薦。另一種方式是提供關于學生進步的反饋。這通常是使用機器學習算法來分析學生數據（例如，他們在問題上花費多長時間，需要多少次嘗試才能得到正確答案），以確定學生有疑問的地方，并提供有針對性的反饋。澳大利亞的自適應學習平臺Smart Sparrow可以識別學生掌握得不夠好的領域，并提供有針對性的反饋來幫助他們提高。所提供的反饋可以是文本、視頻或模擬等交互式元素，這可以幫助學生更好地理解這個概念。語言學習工具平臺Duolingo使用人工智能分析學生在之前的課程和練習中的表現。例如，如果一個學生一直在努力使用一個特定的語法規則或詞匯，那么該平臺將在未來的課程中提供關于該概念的額外實踐。Duolingo 還使用自然語言處理來跟蹤學生的寫作和說話情況，并對他們的語言能力提供反饋。Duolingo還可以分析學生完成練習需要多長時間、嘗試多少次才能獲得正確答案，以及他們在測驗和測試中的表現。這些數據被用于為每個學生創建一個個性化的學習計劃，其中考慮到他們的優缺點，并相應地調整課程的內容和節奏。美國人工智能學習評估系統ALEKS通過初始評估測試來評估學生當前的知識和技能，該測試涵蓋了廣泛的數學和科學主題，采用了多項選擇題和開放回答題的組合，旨在識別學生知識點掌握的情況。一旦最初的評估完成，ALEKS就會使用人工智能為每個學生創建一個個性化的學習路徑，并考慮到他們個人的優勢和劣勢。然后，該平臺向學生提供一套根據他們的特定需求定制的交互式學習模塊，并根據他們的表現調整難度水平。

3.2 利用知識圖譜完善線上線下銜接機制

線上教學為學生提供了更多的自由和便捷，如課程及時的反饋、直播課程的視頻回看、遠距離的交互等，線下課堂具有“面對面”的情感優勢，如何進行線上線下有效銜接，是目前值得探討的課題。人工智能技術的融入，讓教師及時了解學生線上學習所暴露的知識點掌握不充分等問題，在課堂上能更加有針對性地進行教學，線下課堂中師生之間的情感銜接更加緊密。在學科知識圖譜、學生學習畫像和帶標注學習資源等數據的支持下，可以根據學生的學習肖像設計學生的學習路徑，并根據學習路徑上的知識點設計學習資源推薦算法，個性化的學習資源推薦將變得切實可行。

澳大利亞昆士蘭大學正在使用知識圖譜來幫助學生以視覺和互動的方式理解復雜的概念。美國加州大學伯克利分校正在使用知識圖譜來改善復雜主題的教學，如計算機科學、電氣工程和生物學。德國圖賓根大學正在使用知識圖譜來幫助學生理解和導航復雜的科學文獻。加拿大滑鐵盧大學正在使用知識圖譜來幫助學生在現實世界中理解和應用這些知識。英國牛津大學正在使用知識圖譜來加強復雜和跨學科的教學，如哲學和社會科學。在我國，也有一些高校和企業在探索知識圖譜在教育領域的應用，如浙江大學的“學在浙大平臺”，阿里云推出的“數字知識平臺”等，可視化的學科知識圖譜將為學生呈現整個學科的“知識地圖”，學生能夠更加直觀地從學科的整體上了解課程之間的關系，了解每一個知識點之間的關系，從而有目的地規劃自己的學習路徑。

3.3 微課應用人工智能梳理知識點形成認知鏈

目前的微課資源教學平臺，基本上都是“千人一面”，所有用戶都只能按照同樣的順序觀看微課視頻進行學習。人工智能可以抓取微課視頻中的知識點和關鍵詞，提供轉錄、翻譯和字幕生成等功能，學生可以根據自己的學習需求找到教學視頻中的有用片段，篩選出符合自己興趣偏好的項目，提高學習效率。

目前一些高校和線上平臺已經利用人工智能對錄制的講座或其他課程視頻的內容進行分析和提供反饋。Coursera使用人工智能來實現個性化的視頻播放速度，并創建多種語言的字幕。開放式在線慕課教育網站Udemy使用人工智能個性化視頻播放速度，并生成字幕和字幕。使學生更容易訪問和搜索。這對失聰或聽力難聽的學生，或非母語使用者的學生特別有幫助。可汗學院，它使用人工智能從錄制的講座中自動創建測驗，并根據學生的表現創建個性化的小測驗，為學生提供了一種方法來測試他們對所涵蓋的材料的理解。大規模開放在線課堂平臺edX利用人工智能自動分析記錄的講座，尋找關鍵的概念、模式和趨勢，根據學生的興趣和表現創建個性化的視頻播放列表。這可以幫助教師和學生了解講座的哪些部分最有效，哪些部分可能需要改進。開源云視頻平臺Kaltura平臺使用人工智能為視頻生成自動字幕，使有聽力障礙的學生更容易使用它們。虛擬學習助手平臺Cognii使用人工智能驅動其虛擬助教，可以回答學生的問題，并在視頻播放器中提供他們工作的工作反饋。全球最大的人工智能轉錄和字幕平臺Verbit使用人工智能驅動的轉錄、字幕和翻譯服務，為學生提供更容易獲得和更具包容性的學習體驗。澳大利亞的自適應學習平臺Smart Sparrow使用人工智能來創造自適應的學習體驗，根據學生的進步和表現來調整視頻的內容和節奏。學生能力評估與學習培訓在線平臺Querium采用人工智能自然語言處理技術對課程視頻進行自動評價并創建互動視頻課程，對教師的教學風格、語言使用和所提供教材的有效性進行反饋，為學生提供即時反饋和個性化的實踐機會。科大訊飛研發的“暢言智慧課堂”還支持教師線上評課，平臺將主講教師的課堂錄制下來并實時生成字幕，評課的教師可以基于這些文字材料進行線上點評分析。

3.4 線下智慧課堂應用人工智能提升混合式課程精準性

智慧教室可以使用各種人工智能技術，如自然語言處理、機器學習和計算機視覺來增強學習體驗，擁有智慧考勤、智慧表情分析、互動教學、課堂錄播、微信注冊人臉、大屏展示等功能。美國新澤西州的峰會公立學校已經實施了一個名為“個性化學習平臺”（PLP） 的人工智能學習平臺，該平臺使用機器學習來適應每個學生的個人需求。PLP為學生提供個性化的指導和實時反饋，并允許教師監控學生的進展，并相應地調整教學。在中國，蘇州市正在其小學和中學中使用人工智能驅動的智能教室。這些教室使用面部識別技術來記錄出勤率，使用智慧表情分析功能精準分析學生上課時的表情，提煉情緒特征，助力提升教學質量。加拿大多倫多地區學校董事會啟動了一個試點項目，將使用人工智能聊天機器人來幫助學生完成家庭作業，使用自然語言處理來理解和回答學生的問題。

許多大學正在使用人工智能驅動的聊天機器人，為學生快速、準確地提供關于廣泛主題的信息，如課程時間表、經濟援助和校園資源。聊天機器人還可以用來回答常見問題，并為學生提供全天候的支持。例如美國喬治亞理工學院的計算學院、新加坡南陽理工大學的計算機科學與工程學院、巴黎薩克萊大學和清華大學經濟與管理學正在使用人工智能驅動的智能教室，為學生提供個性化的教學和實時反饋。教室使用機器學習和自然語言處理等技術來適應每個學生的個人需求。通過使用相機捕捉學生的圖像來實現記錄出勤率，然后使用機器學習算法將圖像與學生的記錄相匹配。

4 結束語

人工智能在教育中的應用變得越來越普遍，我們進一步研究了人工智能在教育中應用的好處、挑戰和解決方案。人工智能在混合式教學的全過程中，幫助教師改進教學方法，提升工作效率，提供給學生更良好的學習體驗。盡管有諸多好處，但人工智能在教育中也帶來了一些挑戰需要解決。如盡管學生們很欣賞他們可能從人工智能系統中獲得的支持，但學生們也擔心，封裝的和標準化的算法支持會讓學校對學生的學習評價不夠客觀公正。教師們也同樣擔心來自人工智能系統的過多支持可能會剝奪學生進行探索和發現的機會，學生可能會失去學習新技能或從錯誤中學習的機會。盡管人工智能加強了學生和教師之間的感知聯系，但學生們對測量他們的無意識行為感到不舒服，比如面部表情分析或眼動追蹤，因為他們感覺像被監視。不同的人工智能系統也可能會對學生的學習行為有不同的見解，學生和教師對人工智能系統的看法可能會受到不同學科的影響。隨著越來越多的人工智能與教育的深度整合，更多的新問題將會出現，因此相關研究也將繼續進行。