面向自适应学习的高校数字资源制作框架研究

陈诗群，黄红涛

(华中师范大学 信息化办公室,湖北 武汉 430079)

1 高校数字资源建设存在的问题与研究现状

高校数字资源建设是高校信息化建设工作的重点，我国大部分高校的数字资源建设仍存在较多问题。刘新阳[1]通过检索相关文献，总结出我国高校数字资源建设和应用中存在的问题，其集中出现在资源数量与质量、应用时效性、资源管理和配置3个方面。徐明等[2]通过问卷等调查方法对苏北12所本科高校的数字资源库建设、应用和满意度等现状做出调研，发现各本科高校数字资源建设存在数字资源库建设品种少，内容不显丰富、数字资源库共享范围窄，学习个体获取途径单一、数字资源库的应用满意度较低，资源满足率亟待提升等问题。凌泽农等[3]指出当前我国高校数字资源建设中缺乏高质量资源，资源库设计缺乏教学设计思想，不符合学习者的学习特征。

针对高校数字资源建设存在的问题，研究学者从多个角度给出解决策略。徐明等[2]从数字资源建设的区域共享和深层应用角度提出应对当前我国高校数字资源存在的问题，各高校之间应科学规划，优化配置，多技术平台整合，建立特色门户网站，以营销应用等方法推进高校区域性数字资源共享和深层应用。段建等[4]则立足于我国高校数字资源建设的发展进程和各阶段的发展任务和特点，提出现阶段高校数字化教学资源建设方案：即建设优质数字化教学资源池、建立稳定的资源分类和灵活的资源搜索服务、建立专属的资源推送服务、基于移动设备的学习应用和资源开发。上述策略虽能保证当前高校数字资源的有效管理和统一配置，实现深层次的应用于共享，但仍未从根本上解决我国高校数字资源建设中存在的问题。

2 数字资源的一般制作模型及其局限性

学习资源是指可用与学习的一切资源，包括信息、人员、资料、设备和技术等。数字资源是指经过数字化处理，可以在多媒体计算机上或网络环境中运行的，可实现共享的多媒体材料[5]。数字资源的一般制作模型见图1。

图1 数字资源的一般制作模型

该模型以学习者特征分析和学习目标分析为中心，将数字资源的制作分为需求分析、资源设计、脚本编写、加工制作、测试与评价、出版发行6个流程。其中，需求分析即是在数字资源制作开始前对学习个体的学习特征、学习的期望和目标、可用的资源等方面做出具体考虑；资源设计是指对数字资源的结构、导航和界面进行构想和调整；编写脚本环节主要是对资源的组织编排、动画视音频的呈现内容与形式等做出的详细文字说明；加工制作环节主要包括准备好相关素材，选择合适的制作工具，按照事先编排的脚本整体制作；测试与评价环节主要是从角度对数字资源的有效性开展测试，并对其做出评价。经过测试与评价，数字资源即可出版发行，供学习个体使用。

高校信息化建设中的数字资源建设主要包括素材资源建设和网络课堂建设。其中素材资源建设的内容多来源于网络、出版商和其它第三方资源平台，这些素材内容陈旧，质量参差不齐，在因此很难对学习个体的学习过程产生较大帮助。数字资源的一般制作模型虽以学习者特征和学习目标为中心，按照教学设计思想流程开发数字资源，但也很难避免素材资源库中素材资源的质量问题，产出的数字资源呈现形式及组织编排也缺少针对学习者的个性化服务。要实现“数字校园”向“智慧校园”的跨越，只有从数字资源制作本身出发，开发适用于高校“智慧”型学习门户应用的“智慧”型资源，才能解决高校数字资源建设的短板问题，实现数字资源对高校师生的个性化服务。

3 自适应学习的发展现状与优化路径

自适应学习(Adaptive Learning)的提出源于20世纪80年代中科院心理研究所的认知心理学家朱新明教授与认知科学、人工智能创始人西蒙(Herbert A. Simon)的合作研究成果，开创了教育界素质教育的先河，对认知心理学和学习理论做出了重要贡献。自其诞生之日起，心理学界、教育学界和人工智能界的研究者就以不同的研究视角不断丰富自适应学习的理论与实践内涵。

早期的自适应学习的理论发展处在不断的探索之中。李克东[5]认为，自适应学习亦可称为适应性学习，其本质是一个个性化的学习方式。在学习过程中，可以根据学习个体的个性化特征为学习个体制定个性化的学习视图，其中包括个性化的学习资源和个性化的学习过程及策略。通过对其进一步解释，认为自适应学习是一种因人而异的学习方式，其着重于个体的差异化，是让学习环境、学习内容、学习活动来适应每个学习个体不同特点的高度个性化的学习过程[6]。随着研究者对自适应学习概念的清晰化，总结多数学者普遍较为认可的观点，可以认为学习本身是一个极为复杂的过程，在这个过程中，每个学习者在学习风格、认知水平、学习习惯等多方面存在差异性。自适应学习中的“自适应”即是指在学习中为学习者提供符合学习者学习风格、认知水平、学习习惯的学习环境、实例或场域，使学习者在学习过程中通过自身的发现总结，构建自己的理论体系并用以解决问题[7]。

在对自适应学习分类的研究中，李亦菲[8]最先提出自适应学习包括归纳学习、解释学习、在例中学、在做中学等类型，并指出自适应学习的理论基础是条件建构——优化理论，揭示了人类自适应学习的心理机制，丰富了自适应学习理论的理论内涵。在此之后的研究中，多数研究者开始以自适应学习理论为指导，或实施教学模式改革，或构建新自主学习模型，或开展学习者学业诊断研究，自适应学习理论逐渐应用于到教学实践中。

随着网络远程教育的发展，自适应学习系统(Adaptive Learning System)亦或称为自适应学习平台开始出现，拓展了自适应学习的实践应用。在国内，自适应学习系统被定义为针对个体学习过程中的差异而提供适合个体特征的学习支持系统[9]。该定义强调了自适应学习系统通过对学习个体的学习风格、认知水平、学习习惯等背景因素综合分析，为学习个体提供个性化学习服务。在国外，自适应学习系统是“收集学生学习中与系统交互的数据，创建学习者模型，以克服先前教育中体现的‘无差异’问题”，这一定义主要强调自适应学习系统的自适应是基于系统数据的收集和分析为学习个体提供个性化服务的[10]。由此可知国内外对自适应学习系统的定义存在一定差异，但究其根本，二者均说明自适应学习系统的实现需要通过一系列的学习分析技术，以此实现为学习个体提供个性化学习服务。

2008年在美国成立的Knewton是世界上第一个成功商业化的自适应学习平台，随后众多自适应学习平台如雨后春笋般涌现。如果说自适应学习的理论发展得益于其认知心理学的“出身”，那么自适应学习的实践探索则主要依靠其人工智能的“血统”。2013年受到澳大利亚国家生物医学教育中推广的Smart Sparrow开始将人工智能的技术应用到自适应学习系统中，用以为学习者提供自适应的学习资料。随着人工智能技术的迭代发展，云计算、情感计算、机器学习、大数据分析等先后应用在自适应学习系统的设计与开发中，为学习个体提供个性化学习服务。

纵然自适应学习在基于认知心理学的理论发展和基于人工智能的实践探索方面有了长足发展，但是鲜有人将自适应学习理论应用于数字资源制作，更少有人关注自适应学习系统中数字资源的设计与开发情况。创建“智慧”型学习门户，促进数字资源对高校师生的深度服务是高校信息化建设中数字资源建设的重要工作。自适应学习系统中系统能根据学习个体的学习风格和认知水平自动寻找数字资源，设计学习活动，有效提高学习效率。“智慧”型的自适应学习系统与高校学习门户结合，恰能满足创建“智慧”型学习门户的需求。因此可以认为自适应学习理论能为当前数字资源制作提供“智慧”型理论指导，自适应学习系统与高校学习门户融合，能为学习个体提供符合学习个体学习风格和认知水平的“智慧”型数字资源。

4 面向自适应学习的数字资源制作框架设计

数字资源库是“智慧”型学习门户的核心构件，结合数字资源的一般制作模型和自适应学习的相关特点，从以下几个方面设计出面向自适应学习的数字资源制作框架，如图2所示。

图2 面向自适应学习的数字资源制作框架

(1)确定资源类型。自适应学习可以根据学习者的需求与学习风格呈现不同类型和不同组织形式的数字资源[11]。因此在数字资源制作前，应根据学习内容确定资源类型，以便后续为学习个体提供个性化的学习服务。自适应学习包括归纳学习、解释学习、在例中学、在做中学四种类型，所以与之对应的资源类型则分别为归纳型、解释型、示例型和任务型。归纳型数字资源可以呈现给学习个体一些未经分类的事例或未经整理的经验数据，学习个体的任务是从这些事例或数据中发现概念或规律；解释型数字资源则可以解释性和说明性的文档材料、视频或动画为组织形式；示例型数字资源为学习个体呈现的是学习内容的示例，要求学习个体最终达到类比或举出反例的学习目的；任务型数字资源则提供给学习个体情境化的问题，要求学习个体在问题解决中达到学习目标。

(2)细化设计脚本。脚本是整个数字资源制作中最主要的部分，它贯穿资源制作的全过程。设计脚本首先是选择恰当的内容材料，再根据资源类型确定脚本的基本结构。脚本撰写要求描述准确、完整、细致，重点和要点突出，关于场景画面的描写要求具体、形象，具有一定的可实现性。

(3)选择制作工具。数字资源的制作工具包括硬件设备和软件系统。常用的硬件设备如摄影摄像设备、输入输出设备、素材处理设备；常用的软件系统有网络素材检索系统、视音频处理系统、图像处理系统、动画制作系统等。数字资源制作工具的选择应根据脚本的详细描述和资源制作的实际情况进行合理选择。

(4)制作与开发。数字资源的制作与开发过程是化抽象为具体，由概念到实体变换的过程。该过程要求制作人员有一定的技术操作技能和教育教学技能，能把抽象的、概念化的脚本转换成数字资源实体。

(5)测试与评价。数字资源实体化后需要对资源本身动态调试，检测对比是否按照脚本设计完成制作，制作工具是否选择恰当，制作与开发的过程中是否出现系统性错误等。数字资源的评价主要包括专家测评和小范围的用户测评，测评通过后即可输出资源，完成制作。

(6)正式使用。数字资源的正式使用是以“智慧”型学习门户为平台，自适应学习系统会根据学习个体的学习风格和认知水平匹配对应自适应学习类型，而不同的自适应学习类型对应不同的数字资源。学习个体通过获得与自身学习风格和认知水平的对应的数字资源开始学习活动。

5 结语

数字资源的一般制作模型紧紧围绕学习者特征和教学目标展开，通过需求分析为学习个体匹配学习资源。面向自适应学习的数字资源制作框架以自适应学习的几种类型划分资源类型，投入使用后通过系统分析学习个体的学习风格和认知水平匹配个性化的数字资源类型，为学习个体提供针对性更强、学习效率更高的数字资源。这是一种真正“以学习者为中心”的数字资源制作框架，能从资源制作本身解决当前高校数字资源建设中存在的诸多问题，为高校师生提供个性化的学习服务。

在高等教育信息化建设不断推进的当下，高校“智慧校园”建设需要“智慧”型数字资源平台的加入。目前来看，自适应学习是高校数字资源智慧化的有效途径。相信随着认知心理学和人工智能的不断发展，研究成果的不断出现，自适应学习的理论和实践发展在高校数字资源建设方面会有更加广阔的应用前景，面向自适应学习的高校数字资源制作框架的理论内涵也会变得更加丰富。