基于大数据的自适应学习系统与教师因材施教的结合点

张玉川

[摘要]基于大数据的自适应学习系统一定是真正通过大数据，根据算法模型来分析学生的学习数据，匹配下一步应该学什么。大多数学习系统的学习过程可以分为测、学、练三个环节，在每个环节都要考虑到学生的学习状态、学习目标、潜在能力、兴趣偏好等。

[关键词大数据;因材施教;自适应学习系统

[中图分类号]G712                    [文献标志码]  A                [文章编号]  2096-0603（2018）34-0072-01

因材施教事实上在学习理论里有两个，一个是outerloop“学什么”，一个是innerloop“怎么学”。因材施教首先是每位学生学习的内容都不一样。“因材”代表认识到学生的个体化差异，“施教”指进行差异化教学。

以下是本课题组对句酷网的反馈数据所进行的处理。

课题实施阶段，课题组把服装设计一班作为实验班，二班作为对照班。对实验班学生作文的修改次数、作文成绩、重复率等数据，直接采用了句酷网基于大数据的统计结果。以下数据采集示例以实验过程中学生提交的作文为例：

（1）作文成绩，包括分数和排名。

排名：第6（共124），最高分：91.5，最低分：62，原始分：89。

（2）作文总体评价。

作者词汇基本功很好，高级词汇表达也比较恰当;语句间的衔接成分用得不错，同时文章中的过程性词汇很丰富;作者在句法层面做得很棒。

（3）作文修改次数。

[20：15：21] 李昌奇修改作文：第27版本。

[20：15：01] 李昌奇修改作文：第26版本。

（中间数据略）

[19：58：05] 李昌奇修改作文：第2版本。

[19：57：31] 李昌奇提交作文：第1版本。

（4）作文相似度。

無相似。

又例，另外一篇学生作文的相似度：

相似：1.70%，来源：大连东软信息学院。

（5）语句基础数据。

句酷批改：

拓展辨析（7）

推荐表达（5）

标点警示（4）

闪光短语（2）

学习提示（2）

句子警示（1）

句子错误（1）

语法警示（1）

（6）数据分析。

以下为本课题组对以上数据的解读以及通过访谈了解到的这些对学生所产生的影响：

分数，意味着基于全国大学生作文大数据的评价，代表的是学生的作文在全国大学生同类作文中的地位。访谈结果显示，这种解读的结果使学生从对自己作文分数的漠然转变为重视，具有激励作用。

修改次数，意味着学生作文时的心态、对学习的投入情况、重视程度，尤其反映了学生对网络自动反馈中负向评语和中性评语的重视程度。

相似度，意味着学生的学习态度，甚至反映了学生的品行。访谈结果显示，学生对相似度很在意，这也直接降低了学生抄袭的不良行为。

正向评语，正向评语的数量代表着学生学习中亮点的多少，这对学生的学习具有正向激励作用。

负向评语，负向评语的数量代表着学生学习中缺陷的多少，这对学生的学习内容具有直接指示作用，起到了告诉学生“该学什么”的作用。

中性评语，中性评语的内容也对学生的学习起到了提示“该学什么”的作用。

总评，总评的内容对学生正确看待自己的学习状况具有指示

作用。

鉴于本课题中实验班与对照班的授课教师为课题组的同一位教师，教学内容和方法无差异性，因此，本课题实验过程所取得的数据是比较客观的。相反，因为考虑到实验对学生基础一致性的要求，所选取的实验班和对照班为同级同系，访谈显示，两个班学生的交流甚为密切，对照班学生对实验班学生的实验过程来说毫无秘密可言，实验行为对照班学生的学习行为甚至具有激励作用。因此可以设想，如果排除实验班的实验行为对对照班的激励作用这一因素，本数据所反映的差异性可能会更加显著。

大部分网络学习系统只能提供知识点掌握率或者分数，79分或者知识掌握率达到79%;或者一些其他维度的总结，如逻辑思维能力比较强、阅读的磨炼技巧比较好、学习动力哪方面稀缺。但是，自适应学习的要求却是必须清楚具体地告诉学习者哪些知识点掌握了、哪些知识点没掌握，并推荐出掌握的具体学习路径。总之，学习顺序是非常关键的，必须遵循循序渐进的原则。

因此，为了更有效地利用好各种网络学习系统，我们建议，鉴于目前大部分网络学习系统的实际情况，教师应担负起二次解读网络自动反馈并为学习者推荐学习路径的责任。这正是基于大数据的自适应学习系统与教师因材施教的结合点。

参考文献：

[1]朱新明，李亦菲，朱丹.人的自适应学习：示例学习的理论与实践[M].中央广播电视大学出版社，1998.

[2]刘善循.高效率学习与心理素质训练：如何使您更聪明[M].商务印书馆，2000.

◎编辑 马燕萍