浅谈如何能教学平台 填补教育信息化空白

马静怡

[摘 要]近年来，无论在高等教育、职业教育，还是基础教育，学习者对网络在线学习需求飞速增长，特别是从互联网到移动互联网，创造了跨时空的学习方式，使知识获取的方式发生了根本变化。随着数据技术、图形技术的发展，建立在自适应、智能化基础上的个性化教学迅速得到普及应用。而我国与国外教学平台的差距非常大。建设一流的、能够大范围应用的自适应智能教学平台是填补我国教育信息化领域重大空白的重要举措。

[关键词]智能教学；数字出版；创新方法

一、国内外大环境

1.全球数字化教学呈爆发式发展

近年来，无论在高等教育、职业教育，还是基础教育，学习者对网络在线学习需求飞速增长，特别是从互联网到移动互联网，创造了跨时空的学习方式，使知识获取的方式发生了根本变化。培生教育集团的配套教材在线学习平台学生人数突破700万。斯坦福大学两位教授创立了在线免费课程网站Coursera，已有30余所一流大学与其合作共建免费课程，2012年4月上线，4个月后学生数便突破100万，不到一年，来自世界各国学生人数已经突破了234万，呈现爆发式增长。麻省理工学院和哈佛大学联合发布的EDX在线教学计划，整合两校师资，建设在线课程，第一门课程《电子与电路》获得了12万名学生注册。

2.教育出版社成为数字教学发展主力军

配套教材的教学平台由于有丰富的内容作为基础，更加容易实现功能与内容的融合，能够充分发挥平台功能的作用。而且，随着数据技术、图形技术的发展，建立在自适应、智能化基础上的个性化教学迅速得到普及应用。因此，国际上已有Knewton、Desire2Learn、LearnSmart等先进的智能教学平台都主要应用于配套教材的教学活动。

3.我国智能教学平台水平较低

在我国，一些高校和互联网公司合作，录制了不少课程视频，在线观看人数也增长迅速，但由于缺乏先进教育技术与内容资源的支撑，无论是课程的个性化交互功能、配套课件，还是习题的设计都停留在初级阶段，难以制作出真正具有良好教学效果的“微课程”，也起不到对课堂教学的支撑或补充作用。总体上，与国外教学平台的差距非常大。

一些教育技术公司和出版社研发了教学支撑平台，普遍停留在内容管理系统的层面，某些名为“智能教学平台”“泛在教学平台”的平台实际并不具备智能性的个性化学习功能，也没有真正实现跨终端互动。

因此，建设一流的、能够大范围应用的自适应智能教学平台是填补我国教育信息化领域重大空白的重要举措。

二、建立自适应智能教学平台的必要性

自适应智能教学平台在学科知识网络基础上，运用图论算法构建规划最佳个性化学习路径，然后利用学生在学习过程中产生的数据，进行个性化知识发现（PKD， Personalized Knowledge Discovery），为每一个学习者找到最适合自身的学习内容与即时调整的学习路径。同时，运用分层聚类算法提升对于学生评价的科学性，帮助教师实现个性化教学。

面向学生，自适应智能教学平台将各学科知识整理成多维动态知识地图，在此基础上运用图论算法，为每一个学习者生成即时更新的个性化的学习路径，并且按照不同的终端设备特点进行功能与内容整合设计，运用知识发现技术为学生即时提供丰富的个性化内容，实现智能化泛在学习，能够极大地提高学习效率。

面向教师，自适应智能教学平台提供个性化定制教材、智能题库、合作学习等各类教学工具，在平台上融合大量高品质的学习内容，并大力拓展科学动画等前沿领域。同时，运用分层聚类数据分析技术，对学生的学习数据进行科学分析，为教师提供学生类别区分依据，有助于实现分类教学、因材施教。

在软件开发技术上，自适应智能教学平台采用基于领域驱动的软件开发方式，以保证系统的可维护性、扩展性和复用性，在处理复杂业务逻辑方面有着先天的优势。采用HTML5技术进行网页与内容制作，将大幅提高内容资源的生动化与互动性，并可方便应用于PC、平板电脑与手机等终端。

自适应智能教学平台将填补我国教育信息化的重大空白，可使我国师生在具有世界领先水平的教学平台支撑下进行混合式教学，促进教学方式的改进，提升学习兴趣与学习效率，减轻教师负担，并有效提高教学质量。

三、自适应智能教学平台的关键创新技术和主要创新难点

1.在国内首次将学习分析技术运用于教学平台

目前国内尚未有采用学习分析技术进行教学平台建设的相关文献报道。自适应智能教学平台在国内首次综合运用，对学生在学习过程中的学习行为进行数据挖掘，可以深入了解每个学习者的特性。该技术创新的主要难点在于如何在不影响既有学习任务的基础上采用学习分析技术以及如何降低实时分析的成本。

2.在国内首次采用图论算法来发现个性化学习路径

学习路径是学习活动的主线，学习路径的科学性对学习质量的影响至关重要。目前常用的学习路径引导方法均为静态、非个性化的学习过程管理，自适应智能教学平台创新性将图论算法引入到学习领域，来判断每个学生的个性化学习路径。该方法经美国培生教育集团在Mylabs教学平台中应用，取得了显著成效。目前尚未见国内有相关文献报道图论算法在这一领域中的应用。该技术创新的主要难点在于训练算法、检测算法的设计和优化。

3.在国际上首次将个性化知识发现技术运用到教学系统中

个性化知识发现技术已经广泛运用于数字图书馆、数字学术资源管理系统中，但在教学系统中的运用还未见先例。在智能教学系统中，常规的方法是向学生推送事先设定好的课件、习题等内容资源，运用个性化知识发现技术之后，能够将论坛、问答、习题等模块中的相关内容也合并进行数据挖掘之后推送更具个性化的、更丰富的学习资源。

4.综合运用面向对象、领域驱动设计等技术使得平台更灵活、更具拓展性

领域驱动设计（Domain Driven Design）在项目的干系人中形成一个通用的语言，达到消除业务领域专家和程序开发者之间的沟通鸿沟。ORM（Object Relation Mapping）对象关系映射技术将业务领域分析设计的业务对象转换成关系型数据，提取时将关系数据转换成业务对象。这两项技术的配合保证了系统能够应对复杂业务的需求和变更。在国内的教学平台中，这两项技术的综合运用尚属首次。

参考文献：

[1]强彦.大型关系数据库Oracle 教学模式的改进[J].计算机教育，2010（6）：125-127.

[2]祝智庭. 教育信息化：教育技术的新高地[J]. 中国电化教育，2001（2）：23-27.