基于人工智能和大數據的精準教學研究

蔣 雷 朱婷婷

（廣東白云學院大數據與計算機學院數據工程系，廣東 廣州 510450）

1 引言

隨著移動物聯網的發展、移動端設備和應用的普及，越來越多的新型學習方式不斷涌現并被人們關注，如移動學習、個性化學習和碎片化學習。高等學校走在教書育人的前沿，因此受到來自各方面變化的挑戰，特別是在教學理念、教學目標及教學方案等方面都受到了前所未有的挑戰。

精準教學模式起源于20世紀90年代的美國，是由林斯利(Lindsley)在斯金納(Skinne)的行為學理論基礎上總結歸納出來的教學方法。這種教學方法的主要目的是針對不同人群設計不同目標、精選不同教學內容，監控并分析學生的學習表現和學習效果，為后續教學提供數據參考[1]。

引入新的教學模式會對教師的授課方式產生一定影響，同時也會提升學生自主學習能力和知識遷移能力，促進學生深入探究學科內涵。本文通過對具體教學案例的分析，總結了數據導入與預處理課程中精準教學的應用模式：運用新興的人工智能和大數據技術分析學生學情，教師與學生線上線下實時互動，培養學生自主探究能力和創新思維能力，提高學生綜合素質并提升教學質量。

2 精準教學模式的應用

從精準教學實踐方面看，當前已有多種教育、教學類平臺、APP，用以收集、分析和測評學情，進而為教學模式創新提供數據支持。如鄭林、羅瑩等人用“智慧學伴”采集學習過程中各學科學習數據、通過微測試題和總測試題對學生學情進行全面的測評與診斷，還可有針對性地推送微課資源等[2]。

雖然多種平臺、系統大量涌現，但精準教學模式仍未發展成熟，本質上仍是以傳統教學模式為主。要想真正發展學生個性化學習、培養創新思維和自主探究能力，還是要通過充分利用大數據分析結果。我院擁有業內領先的“LMS智能學情分析系統”（以下簡稱LMS），運用科技手段對學生學情進行全方位監測和數據化分析。該系統實時捕捉并量化學生學習行為，將其轉化為有價值的信息。教師通過后臺實時數據反饋清楚掌握學生學習狀態。如果發現學生沒有預習、復習、做作業、線上測驗等異常行為，可向學生發起手機短信、QQ或微信提醒。截至目前，我院教師已累計發起2160次提醒，極大提升了線下學習的效率和質量。學生完成每課測驗后會在10秒鐘內收到一份個性化學習報告，清晰掌握自己的在線時長、上課進度、答題正確率等學習數據。

此外，LMS通過知識圖譜對學習行為數據進行挖掘分析后還會生成階段性學習報告、結課報告，精確定位學生知識薄弱點。這不僅讓學生更清晰透明地了解學習進度，還有利于教師進行針對性輔導，也方便教師根據群體薄弱點進行針對性備課。截至目前，LMS已累計生成約49000次課堂報告。

我院通過對產品的AI研發，構筑了完整的教學生態，可為學生提供網課、智能練習、難題解析等多元化智能教育服務，輔助學生系統性、高效率地實現學習閉環。

3 基于LMS的精準教學模式實施途徑

在現有教學環節基礎上，通過對精準教學理論的研究發現，以現有LMS的功能為基礎可總結出基于人工智能與大數據的精準教學流程，如圖1所示。

圖1 大數據背景下的精準教學流程

在該流程中要關注以下幾點：

首先，充分調動學生的主動性，對每一章節均需根據學情設置符合生活經驗的情境，在情境中激發學生探究的主動性。

其次，有效訪問。課件和其他教學資料是師生間的重要交互載體，要保證大多數師生在校內、校外都能順暢、安全地接收、發送和閱讀資料。

最后，精準實施。要達到教學目標，需要在教學過程中嚴格按照設計方案實施教學活動。

本研究以該流程為依據，探索出精準教學模式在授課實踐中的四條有效途徑。

3.1 精準化教學目標

教學中應把籠統、抽象的目標分解為小的、可量化的目標，教師才可以針對小目標進行精準教學，如可按具體任務對目標進行劃分，使每個目標下出現更多、更具體的子任務或子目標，從而使目標變得更加精確化、可量化，以促成教學針對性強、學生接受程度高的教學效果。在數據導入與預處理課程中的“數據清洗”章節中的教學目標可細化為“15～20分鐘內完成‘使用JavaScript代碼組件清理數據’的課堂練習，錯誤數不超過3項”，加上操作速度的要求后，精準教學的流暢度也大幅提升。

每個小目標都應有具體案例與之相對應，讓學生在某種情境下寫代碼，寫出的代碼可以解決該情境下的問題；還可在目標實現中設置問題和陷阱，使學生在探索中打破原有的認知限制，重新認識問題的本質。具體分解見表1。

表1 教學目標拆分示例

以上的目標精準化促使學生對每個子目標進行分析、探究，學習效果與教學目標都達到了令人滿意的效果。

3.2 預習內容的精準挖掘

授課前，教師依據教學目標、學生的知識儲備和個性化需求調查結果，搜集、制作相關學習資料并在課前通過LMS平臺推送給學生。學生自主查看資料、完成測驗，與同學和教師交流并解決問題，不斷提升發現問題、解決問題的能力。教師通過LMS平臺全方位掌握學生的學習情況，包括資料下載人次、已觀看的在線視頻、測試成績如何、提出和討論過哪些問題等，這些數據對調整教學重難點、優化教學方案等具有重要作用。

具體案例：“Kettle作業設計”這一章的內容是完成一項綜合訓練，傳統教學設計給學生帶來了非常大的學習困難，本章不僅是對前面各章節內容的總結和綜合應用，而且還帶有一定的難度升級，如大作業的步驟多達十幾步、每個步驟處理的數據量達到萬級，如不經事先設計和優化，會長時間卡在某個步驟且找不到出錯原因。這就需要教師對預習內容的設定進行查缺補漏，對本章內容的復雜性進行預警，提高預習難度，才能達到理想的教學效果。

建議預習內容設計如下：

（1）鞏固前面章節的知識點和操作，以其中一個操作為例，擴大數據量，觀察出現的問題并嘗試解決。

（2）預習本章知識點，嘗試大作業的建立和運行，思考為什么會有“執行路徑”這個概念。

針對以上兩個問題大部分同學都參與了討論，如有同學提出數量增大后，程序確實運行很長時間沒有結果，應該停止程序并找到出錯信息。這一推導又找出了第二個問題的答案，既然某步驟容易出錯或運行時間長，那么在多步驟作業中，能否在大而長的步驟執行過程中，在另外一條路徑中執行多個短而小的步驟，從而達到充分利用系統資源的目的，教師在課堂上只需針對這兩個問題進行引導和總結，即可解決本章知識難點。

總結：這一設計的改進在于將教學重點從課中改為了課前。這種學習方式是學生根據預習要求進行自我學習，學習過程整體上呈現出積極主動的狀態，自然提高了學習質量。

3.3 開展多樣化教學活動

教師可通過LMS平臺開展知識點討論、直播授課、錄播授課等多種教學活動，授課對象既可以是整個班級，也可以具體都某個學生或者某個學習小組，學生遇到問題時可在任何階段向教師提問。教師對學生存在的共性問題以及重點知識、課外練習進行集中講解和拓展。

3.4 精準化教學考評機制

傳統教學模式的考評是將課程總分按一定比例分配在簽到簽退、課堂表現、階段測試和期末考試成績四個方面，綜合得出最后分數來進行評定。基于人工智能與大數據的精準教學模式從學習進度、學習動機和總結性評價三個方面客觀考查學生的學情和成果，最終生成可視化報告，與前述精準化教學目標、預習內容的精準挖掘、開展多樣化教學活動形成完整閉環。考核數據中，學習進度數據考查學生在自主學習過程中相應知識單元的完成情況；學習動機數據通過平均簽到率和任務平均完成率評價學生自主學習的意愿強弱；總結性評價考核全體學生平均成績與成績分布、教學質量與學習效果、教學目標完成情況等。教師依據以上統計結果對學生的學習過程和結果進行客觀分析，調整和優化教學設計。

4 教學效果分析

為檢測精準教學模式在教學中的實際效果，筆者以數據科學與大數據技術專業的兩個班級的學生為研究對象，進行了數字化分析和對比。每個班有效人數為49和51，由同一名教師授課。正式授課前，首先對學生進行基礎測試，接著對實驗班采用精準教學模式授課，對傳統班則依然按照傳統教學模式上課。課程結束后的成績測驗證實了精準教學模式在實際應用中確實有比較好的效果：

首先，檢驗兩個被試班級的課前基礎，授課前兩個班的基礎水平接近。

其次，檢驗兩個被試班級被授課后成績的差異性，兩種授課模式的教學效果有顯著差異。實施精準教學后，實驗班平均成績達到93.35分，較授課前提升了8分，而傳統班平均成績變化不大，仍然在85分左右。此外，實驗班有44位同學取得了優異的成績（95分），全班最低分85分（傳統班的平均成績），在總人數只有49人的情況下，出現了成績差1分排名相差40多位的激烈競爭局面，這更加說明精準教學模式對課程的教學質量和學生的學習效果具有顯著促進作用，證明了精準教學的可行性及可操作性。

5 與傳統精準教學模式的區別

本研究的結論和效果與應用“智慧學伴”系統等傳統精準教學方式有一定的區別：

（1）教學目標量化程度不同。本研究中的教學目標對實踐教學、理論教學及學習效果等均有詳細（可分解）、可量化的明確規定，以滿足人才培養方案和學生就業要求。無法量化的教學目標會影響考核準確性，進而影響畢業率和就業率。而傳統精準教學模式的目標量化存在松弛因子，即允許在一定程度上調節達成度，且多數目標只體現考試成績。

（2）解決的學習需求不同。本研究中教學以啟發為主，對學習內容的寬度和深度只做底線要求，不做上限要求。學生以自學為主，LMS平臺線上收集的學情價值遠高于傳統精準模式，教師教學針對性更強、教學質量更高、學生學習效率更高、學習效果更好。而傳統精準教學模式的線上學習往往只作為線下學習的補充和拓展，授課方式仍以單向傳輸為主，學生多數情況下被動接受知識，雖有一定的方式方法支持精準定位學生需求、學習痛點與難點，但由于精準度不高，只對解決大多數同學的薄弱點有較好效果，無法解決學生學習個性化需求，在激發學習興趣方面不及本文的研究成果。

（3）教學活動多樣性不同。本研究開展并實施了多樣化教學，包括但不限于第二課堂、翻轉課堂、頭腦風暴、課堂辯論、問卷調查、工廠式教學、各種比賽競賽等，讓學生在多場景下找到興趣點、切入點，激發學習動力，以更多方式獲得知識而不僅僅是課堂學習，充分滿足其個性化學習需求。而傳統精準教學模式中，學生大部分時間在課堂上，無論怎樣改良教學設計，都無法突破課堂時間限制讓他們充分地相互間討論、與老師辯論，即便應用了人工智能、大數據等技術對學情進行分析、產生了同樣類型的報告，其結果也不夠全面和精準，解決問題的能力只能說相對傳統教學有所改進。

（4）考核方式不同。本研究采用形成性考核方式，既包括最終的考試成績與作品設計，也注重平時的學習過程，如對于偏理論的課程，考試成績完全相同的兩名學生的平時成績可能相差很大，一名同學是為了考試而只學習課本知識，另一名同學則平時就注重基礎理論研究，期末除了考試成績與上一名同學一樣之外，還在教師的指導下發表了學術論文。因此對學生的考核方式應該是彈性的，能夠全面體現學習成績的。而傳統精準教學模式中的考核是硬性的，達成難度本來就高，再增設多樣化、個性化的指標會給學生增加負擔，就考核本身而言是很難提高學生學習興趣和發揮學習潛力的，即便某科目考試成績可通過比賽成績或證書替換，那也只是少數特長生能做到的。

綜上所述，精準教學模式的實際效果不僅僅依賴于理論本身，它與教學管理模式、授課對象、學習需求、考核方式及考核目標等都有千絲萬縷的聯系。在人工智能和大數據背景下，人工智能技術好比是精準教學模式的“血液循環系統”和教育教學創新的“試驗田”，它將助推教育的變革創新，加快教育精準化的進程。

6 結語

本文的教學創新研究，既可為精準教學研究提供理論參考，也可為滿足大數據時代教學需求的教育界同行提供實踐數據。

LMS平臺目前還不支持授課時“實時課件推送”和“多次課件推送”，只具備基礎的“資料上傳”和“定向發送”（如發送給指定班級）功能，因此阻礙了精準教學的路徑實施。為更好地支持學院精準教學的教研教改工作，計劃在平臺內推出“課件推送”模塊，將更好地為精準教學實踐提供支撐，推動高質量教學工作的可持續發展。