基于機器學習的通用技術課程個性化教學探討

劉 濤

（山東省青島市第九中學，山東青島 266012）

隨著科技的不斷發展，人工智能已成為當今科技領域最熱門的話題之一，也在包括工農業生產、醫療衛生、交通運輸等各行各業中得到了廣泛的應用。針對人工智能在教育教學工作方面的潛在助力，教育部在2018 年印發的《教育信息化2.0 行動計劃》指出，要“推動人工智能在教學、管理等方面的全流程應用”，“利用智能技術加快推動人才培養模式、教學方法改革”。作為人工智能的重要分支，機器學習技術因其能從海量數據中自動學習并做出預測決策，為許多領域的發展提供了強大的支持，在近年來受到廣泛關注。以機器學習技術為代表的智能化能使計算機進行擬人思維，可以在教學上扮演人的角色，實現教學行為人性化［1］。然而，該項新技術在教育領域，尤其是中等教育教學方面的嘗試仍然處于初步探索期，尚缺系統性的分析與大規模驗證。筆者圍繞高中通用技術課程的個性化教學這一教學質量提高思路，對機器學習技術在此的應用前景和潛在優缺點展開探討，以期為廣大一線教育工作者提供一種新的思路，為教學實踐提供有益的建議。

一、通用技術高中課程教學現狀及需求

高中通用技術課程教學的實踐，作為新課程改革不斷推進和發展的重要部分，對教師教學的內容和方式方法提出了更高的要求。從通用技術課程主旨出發，教師應當立足于課程，為學生傳授工程技術和日常生活的各方面內容，包括但不限于計算機、電子、機械工程，乃至建筑學、藝術、設計等領域的核心技能和知識。檢驗通用技術課程教學成果的重要標準就是學生作為不同獨立個體，能以何種程度在生活和學習中多樣性、創造性地掌握和運用這些技能知識。通用技術課程所獨有和強調的適應性、通用性、實踐性特點，促使教師需要不斷嘗試和探索新的教學方式方法，積極引入現代化的教育理論工具和教學技術手段，彌補和增強傳統教育教學方法存在的不足和欠缺，真正充分發揮學生的主體地位。正如通用技術教學《大綱》指出，通用技術教學的目標制定和方法實施，需要針對學生的認知特征、知識與技能基礎、個體差異等因素，選擇合適的教學策略和方法，并根據學生學習反饋信息優化教學環節。這對教師凸顯學生的主體地位，廣泛采納和使用多元化、創新性強、靈活度高的教學手段提出了很高的要求。

二、基于機器學習技術的個性化教學的應用意義

我國近代著名教育家蔡元培先生曾經說過：“與其守成法，毋寧尚自然；與其求劃一，毋寧展個性。”基于此，教師在開展高中通用技術教學的時候，要對教學方法和形式進行不斷完善和升級［2］。隨著信息化以及與之相適應的數字化網絡為社會帶來革命性變化，以機器學習、深度學習為代表的新一代人工智能技術與產品為人們帶來了豐富多彩的生活，也為高中階段學科的智能教學提供了廣闊的發展空間。作為智能教學方法的熱點研究領域之一，個性化學習的目標是為特定學習者提供有效的學習資源與方式，從而提升學習效果。盡管個性化教學在部分教學場景中已有應用先例，但鮮有論證闡述如何結合機器學習等先進技術以及如何應用于高中通用技術課程教學的探索。這些技術能夠幫助教師深入理解學生的需求，進而為學生設計和提供更有針對性的教學內容，最大限度地提高教學質量。

三、通用技術教學個性化思路

（一）基于學生學習能力與進度的個性化學習

對學生的學習能力與學習進度進行動態、全面的建模，是實現精準、優質的個性化學習的先決條件。在通用技術教學過程中，教師應當充分利用學習相關大數據的積累和機器學習技術，判斷和建模學生的學習進度和能力，并為他們提供個性化的學習方案和學習內容。這種方式使得學習內容、學習計劃更加精準和有針對性，以幫助學生快速提高學習能力。在前信息化教學時代，由于相關數據收集困難、分析處理方法缺乏，教學只能對全體學生采取一碗水端平的方式，無論是能力還是精力均難以做到精準因材施教。伴隨機器學習等一系列數據智能條件的發展和逐步成熟，教師能夠在保證教學公平的情況下，為每一名學生量身定制個性化的教學歷程，同時也無須額外付出大量精力。

（二）基于課程內容與學生建模的聯合個性化學習

課程內容的準確、有效建模對于個性化學習的效果起到舉足輕重的影響。在通用技術課程的日常教學中，盡管其在學習目標、知識背景、總體用時、知識點覆蓋等方面具有統一化的教學標準要求，然而在學習資源、學習路徑以及教學風格等方面的個性化調整，尤其是結合學生特征和行為數據建模的聯合個性化教學策略，能夠有針對性地安排教學工作。比如，部分通用技術的課程內容更側重于實驗和實踐，而另外一些內容則更注重理論知識的講解和探討。基于不同課程內容的學習資源本體建構和積累，結合學生的學習過程建模，可以借助機器學習模型提取出學習內容與學習者的深度特征向量。基于高維空間內的馬式距離計算和向量最優化匹配，得到最具效率和效果的課程學習安排和規劃。舉例來說，作為通用技術必修二的“技術與設計”課程的最初部分內容，“結構設計”與物理課程所學內容接近，而“流程設計”更偏向于數學與信息學科。當了解了學生對物理、數學相關內容的掌握程度之后，教師便能更好地規劃這兩部分通用技術課程的教授用時和方式。而通過機器學習的建模工作，能夠幫助教師自動發現和利用大量此類信息，完善個性化學習的效果。

（三）基于大數據的班級統籌個性化學習

在追求高效、精準的個性化教學思路的同時，教師切不可輕視乃至忽略班集體層面的工作在通用技術教學中的重要性。作為具備共同目標、共守規章制度的學習團體，班級能夠通過合作學習凝聚全體學生合力，在整體上提高學習效率，有效補充和統籌單點、孤立的個性化學習，解決如個性化參數不明、目標設定不準確、評價標準不統一等機器學習方法的難點，提高基于機器學習的個性化教學的質量。有計劃地利用好班級層面的學習大數據，能夠使教師更加有效地獲取關于通用技術教學的全景式認知，包括準確及時地學習進度和能力分析、完整全面的教學效果評估等，為教師提供及時的反饋與更多的數據輸入，從而有針對性地調整教學方案，提高教學質量，最終實現教學效益的最大化。例如，通用技術課堂上的分組實踐類內容較多，傳統的分組方式往往是隨機分配、學生自發組隊，或者由教師手工指定，因此難以統籌兼顧組內每一名學生的能力與需求，也極難匹配和鑒別每名學生的學習情況。通過機器學習，我們能夠對學生情況和教學內容進行分析，在提高組隊學習效率的同時顯著提升整體學習效果。

四、基于機器學習的個性化教學應用

（一）預測模型的使用

作為機器學習方法的核心功能之一，預測模型能夠基于歷史數據，并利用統計和機器學習技術來判斷未來結果的可能性，并廣泛成功應用于智能投資、天氣預報和醫學診斷等領域。機器學習預測模型來輔助個性化教學，重點在于收集清理包括學習習慣、成績、對于課程各內容的興趣程度等方面的數據，使用這些數據來訓練合適的模型，并根據預測結果調整教學方案。需要注意的是，預測模型在個性化教學中的使用，需要注意學生學習數據的及時性、全面性與準確性，也需要注意結合教師或者專家對學生的特點和需求的深入分析，才能確保最終教學方案的合理性與適用性。

（二）知識圖譜的構建

作為一項新興人工智能技術，知識圖譜能夠對海量數據進行聚合整理，迅速描述各個事物的概念及其關系，已被廣泛應用于智能搜索、大數據分析、智能決策等領域。通過對數據以結構化語義知識庫形式呈現和使用，知識圖譜能夠極大增強和擴展機器學習的性能和在個性化教學中的應用范疇。比如，教師可以使用知識圖譜來構建高中通用技術課程的知識結構，以便于清晰地展示各學期乃至每堂課的課程教學目標和內容。通過結合學生學習數據的分析和嵌入圖譜，教師能夠更好地理解和發現學生的個性化學習需求和提升教學效率的突破點，從而對課程進行定制化調整。

（三）數據挖掘與搜索

數據挖掘技術能夠從大量數據中發現潛在和高價值的信息，搜索技術能夠將用戶的查詢和已知信息進行匹配并返回最相關的結果。基于知識圖譜的構建和學生信息的獲取，以機器學習為基礎的數據挖掘與搜索能力，能夠為學生提供個性化的學習資源和內容，以及定制化的教學計劃和方案。這種技術應該以激發和培養學習動機，提高學習者的學習積極性和持久性，達到提升學習效率為目標［3］。隨著教學數據的不斷積累和教學案例應用的持續增加，相關數據挖掘和搜索的準確性和全面性也將會自然得到提升，實現正向反饋的促進作用。此外，這類技術可以有效減輕教師的工作負擔，讓教師更專注于個性化教學的內容修訂、策略制定和教學反饋，提高教學效率和質量。

（四）人工智能生成內容

人工智能自動生成內容（即AIGC，AI Generated Content），是信息時代的專業生產內容和用戶生產內容的有力補充，能夠充分利用現有的機器學習技術在計算機視覺、自然語言處理、語音合成等前沿領域的成果，并且在其內容迭代速度、表現力、傳播方式等各方面均有極大優勢。將人工智能生成內容技術應用于教學之中，可以自動生成多樣化的教學內容，滿足不同學生的學習需求和興趣，從本質上十分貼合個性化教學對內容和形式的訴求。另外，引入人工智能自動生成內容之后，也能夠激發學生學習的興趣和創意，在實踐中對課堂氛圍的提升有著顯著作用。當然，人工智能生成內容目前在其準確性、安全性上還有不完善之處，需要教師仔細甄別、謹慎使用。

五、機器學習應用于個性化教學的風險

（一）個人隱私與數據安全

采用機器學習的教學方法，難免需要學生主動或被動提供大量數據，因此，對個人數據和隱私保護的問題也比起傳統教學方法重要得多，采取相應保障措施刻不容緩。在數據采集和預處理階段盡可能避免包含個人身份和敏感信息，并通過隱私保護技術對數據進行處理和保護；在算法使用階段，保證數據不濫用、不進行非必要傳播。除了監管政策、法律方面的舉措，在技術方面也可以通過諸如“聯邦學習”等技術，通過數據加密、混淆、不移動，切實保護每一名學生的隱私和數據安全。

（二）算法公平性

算法公平性特指機器學習算法決策中對個人和群體不存在偏見或偏愛，不論這些成見來自其固有或后天屬性。在個性化教學中，教師也應該公正地對待每個學生，不歧視或偏袒任何一個學生。在傳統教學方法中，公平性更多是對教師自身素質提出的要求，而在基于機器學習的個性化教學中，算法公平性更應該根植于算法設計和實現過程中，如采用公平性約束和公平性評估機制，確保算法結果對不同群體的學生都是公平、中立的。有效提高算法的公平性，也是對個性化教育效果和質量的保證。

（三）應用門檻較高

機器學習技術內容新、發展快，對學校和教師的投入和基礎也提出了相應的高要求。各類機器學習技術的教學應用均需要一定的訓練數據和算力支持，這對學校相應的資源和資金基礎也提出了較高的要求。除了技術問題外，教師和教學管理者對新鮮事物的投入使用意愿、家長和學生的接受和配合程度等等，都增高了此類教學方法的實際應用門檻［4］。這就要求學校乃至地區間多傳播先進教育理念和優秀教研成果，對教學成果能夠及時復盤和調整，以交流和互助推動后進學校和地區的教學效果。

六、結語

本文以個性化教學方案為出發點，結合高中通用技術課程教學實際和機器學習前沿技術，探討了基于機器學習的新教學方法的應用與實踐，也思考了應用此類教學新方法所需要注意的問題。本文所探討的基于機器學習技術發展的教學思路，可以為學生提供更好的學習體驗，并幫助他們在未來的學習乃至更長遠的職業生涯中取得成功。隨著人工智能和機器學習技術的發展，包括個性化教學的精準推薦、機器學習模型的可解釋性、引入人工反饋的強化學習方法等，帶來新的教學思路、教學方法不斷涌現。這也督促一線教育工作者持續探索、有效實踐，用奮斗詮釋初心、用專業承載使命，更好做到“傳道、授業、解惑”，也為促進學生的全面發展和終身學習做出良好的榜樣。