基于迁移学习思想的教学方法研究

摘要：随着大数据时代的到来，数据挖掘和机器学习等人工智能领域相关技术得到了快速发展。其中，迁移学习更是得到了广泛的关注，包括文本分类、图像识别、计算机视觉等众多应用领域都涉及迁移学习方法。文章首先介绍了迁移学习的核心技术，提炼出迁移学习的基本思想，通过分析教育教学的实际问题，将迁移学习的思想理论与教育教学相结合，最终提出了一种基于迁移学习思想的教育教学新思路。

关键词：迁移学习;教学方法;共性特征;特有特征

中图分类号：G642.0     文献标志码：A     文章编号：1674-9324（2019）50-0201-02

一、迁移学习基本理论

随着信息化的进一步发展，大量的数据信息不断深入人们的日常生活。面对大数据时代的巨大挑战，数据挖掘与机器学习等智能化领域的核心技术得到了广泛关注并飞速发展。所谓机器学习，其本质核心是研究如何使得机器具有类似人一样的学习能力，并通过学习进一步获取知识和技能。机器学习这一人工智能领域的核心技术和智能化的根本途径最早出现于1952年，被誉为机器学习之父的塞米尔研发了第一款机器学习的应用——“跳棋程序”。由此，第一款具有学习能力的程序问世了。随后，更多机器学习应用程序相继出现，例如会下象棋的“Deep Blue”以及会下围棋的“AlphaGo”。机器学习自问世以来，历经几十年的发展，其相关技术日益成熟。在包括文本分类、图像识别、自然语言处理、生命科学、专家系统等在内的众多领域都得到了广泛应用。然而，随着科技的不断发展以及对机器学习更高标准的要求，传统机器学习方法的局限性开始显露出来。其中，最主要的问题包括：训练与测试数据来源不一致;训练数据与测试数据分布不同;训练任务与测试任务发生变化。传统机器学习之所以能取得较好效果，其主要前提就是需要避免上述三点情况的出现，然而在实际应用中，这一前提很难得到满足。

为了有效解决传统机器学习所面临的一系列问题，迁移学习应运而生。迁移学习的核心技术是建立不同领域之间的桥梁，从而实现知识和技能的跨领域转移[1]。在迁移学习的众多技术中，迁移桥梁的建立毫无疑问是核心和关键[2]。例如，自行车与摩托车这两个领域之间，知识与技能的迁移需要明确迁移桥梁的两个重要的组成部分，即共同点和不同点，或称之为共有特性和特有特性。如下图所示，这两个领域的共同点是平衡系统，不同点是动力系统[3]。由于不同领域、不同学习之间的相同之处与不同之处是进行知识迁移以及技术迁移的核心要素，因此我们需要分析不同领域间的共性与特性，并以此为基础构建精确的迁移学习模型，从而实现迁移学习。

二、基于迁移学习思想的教学

迁移学习本质上也是一种特殊的学习方法。它与教学的主要目标之一——培养学生的学习能力具有紧密的关联性。学生学习能力的提升不仅需要教师直接讲解知识、传授技能，更在于启发学生的自我认知能力，从而引导学生根据自身特点个性化的设定学习目标以及学习方式方法。然而，目前传统的教育模式通常忽略了基于共性的高效率教学与基于个性化的定制化教学在教学实践过程中的定位、整合与分配。理想化的教学模式应该高效与特性并存，正如迁移学习核心思想，通过同时利用共性与特性，更有效地进行了知识和技能的迁移。

1.迁移学习在教学内容上的应用——知识的有效迁移。在教学内容上，根据不同的教学方式应进行不同的设计与选取。例如，针对常见的集中教学模式，由于面向的是众多学生，因此教学内容的设计与选择必须以教学大纲为依据，做到对所有知识点的全面覆盖。尤其对于核心知识点，更应该为其设计通俗易懂的教学案例，以广大学生的平均接受能力为基准，调整教学内容的难易程度，真正实现教学内容的准确、全面、易懂。此外，对于学生个性化的发展要求，在教学内容的设计上则需要做出明确的类别区分[4]。例如，首先可以将教学内容离散化并进行重组，所有内容根据难易程度或者内容关联度进行分组;其次根据平时训练习题的情况对每个学生的知识掌握以及学习能力进行初步评估;最后预先分组的学习内容个性化的分配给不同学生。通过反复的训练对教学内容的分配模式进行不断的优化，从而充分利用每个学生的特性，针对性的制定个性化的教学内容，实现知识的有效迁移。

2.迁移学习在教学方式上的应用——技能的有效迁移。在教学过程中，根据不同的教学目标，应采取不同的策略。例如，为了提升整体的教学效率，可以采用集中教学模式、互联网模式等集中式教学。集中式教学的优点在于能够高效利用教师资源，充分发挥优秀教师的作用，使得更多的学生能够得到优质教育资源[5]。其缺点在于形式的固化，教学内容缺乏特性化以及增加学生的学习额外成本。学生难以在集中式教学过程中不断提升自我认知能力，从而抑制学习能力的提升。因此，为了提升学生的学习能力，可以通过开展分组式学习、授课与阶段式自习相结合以及现场讨论等形式，激发学生的兴趣与乐趣，给予学生更多思考的空间。最终通过将教师集中教授的学习技能与学生经过大量思考而得到的自我认知能力相结合，进而实现了学习技能的迁移。

三、总结

本文首先介绍了以机器学习和迁移学习为代表的智能化领域的核心技术。通过对上述技术特点以及应用领域的分析与解释，进一步提炼出能够对教育教学理论思想与实践方法具有重要启迪作用和意义的内涵。将迁移学习技术的核心思想内容——共性与特性，与教育教学问题相融合，提出了能够同时满足提升教学效率并强化学生个性化发展的教育教学新思路。

参考文献：

[1]S.J.pan and Q.Yang.A survey on transfer learning[J].IEEE Transactions on Knowledge and Data Engineering，2010，22（10）：1345-1359.

[2]莊福振.迁移学习中文本分类算法研究[D].北京：中国科学院计算技术研究所，2011.

[3]潘剑寒.基于多潜在空间的迁移学习算法研究[D].合肥工业大学，2016.

[4]刘启迪.推进学生发展核心素养落地深化基础教育课程教学变革——第七届基础教育改革与发展论坛综述[J].课程·教材·教法，2018，（1）.

[5]李亦文.网络论坛教学与后现代主义教育观[J].亚太教育，2016，（2）.