智慧校园环境下混合式教学模式构建探索

邹明亮，王强芬

(1.桂林理工大学 信息科学与工程学院，广西 桂林 541004；2.桂林医学院 马克思主义学院，广西 桂林 541004)

2018年4月，教育部印发了教育信息化2.0行动计划，提出努力构建人才培养新模式，探索信息时代教育治理新模式。2018年6月国家市场监督管理总局中国国家标准化管理委员会发布了《智慧校园总体框架》国家标准。标准的制定，大数据、云计算、深度学习等技术的成熟，智能手机、平板、可穿戴装置等设备的普及，为开展大样本的数据驱动教学研究和创新教学模式提供了前所未有的便利。混合式教学不仅有利于促进高校教育教学与信息技术的深度融合，而且能很好地促进高校教育教学改革的创新实践[1]。本文探讨了在智慧校园环境下构建一种混合式教学模型，该模型借助于物联网技术、普适计算技术、云计算技术和智能技术等，关注大量在线学习用户个体，利用其随身携带的智能移动终端，如智能手机、可穿戴设备等形成大规模、随时随地且与人们日常学习密切相关的感知系统，以大样本智能数据挖掘为支撑、以能力培养为目标、以发展性教学评价为依据开展教学。高校课程与教学改革的结果应该是促进传统线下教育与在线教育的融通[2],并进一步研究了该教学模式的关键问题，实现线上线下教学的有机融合。

一、智慧校园与混合式教学的融合

(一)智慧校园环境概述

智慧校园环境分基础设施层、支撑平台层、应用平台层及应用终端。其基础设施层又包括感知系统、通信网络系统、数据库与服务器。感知系统提供设备感知、位置感知、人员身份感知、行为感知等，为智慧教学提供基础数据。通信网络系统可以通过WiFi、蜂窝移动通信网络及以太网等实现网络通信，为智慧教学提供网络接入。数据库与服务器为智慧教学提供文件、资源等数据的存储及管理。用户则通过Android或ios移动设备、浏览器等各种终端接入访问以获取智慧教学所需的资源和服务。

(二)混合式教学模式

混合式教学模式于1999年提出，是一种将传统教学模式的优势与线上教学结合在一起的教学模式，通过这种有机的结合可以将学习深度进行有效提升。开展线上部分的教学，通过提供微视频等线上资源，把传统的课堂讲授进行前移，经过充分的课前线上自主学习，为后面开展线下的教学提供基础。根据线上的学习反馈，再通过线下的课堂教学活动，突破重点难点，进而实现教学活动的进一步深入。随着该教学模式的广泛应用，混合的含义不仅仅是线上教学和线下面对面授课的混合，也包含了多种教学策略的混合、多种教学资源的混合以及同步与异步学习的混合，等等。随着未来教学条件的进一步成熟，充分发挥信息新技术在教学中的作用，让多种教学资源得以进一步有机融合，从而切实提升教学效果。

(三)智慧校园助力混合式教学模式变革

混合式教学模式强调线上与线下两种教学形态的融合，并对教学过程及教学结果进行有效的评估。智慧校园环境基于物联网、云计算等信息技术，可以让教师、学生、教学管理人员等教学活动的参与者能够灵活地提供或获取资源，也可以随时随地的提供或使用服务。线上教学资源的建设、分类、检索、推送等在各种终端下可以便捷的实现。对学生的学习行为可以进行监控以及智能化数据采集，并通过数据挖掘与数据分析来制定及调整教学策略，实现检测的自动化、数据采集分析的实时化、评价反馈的即时化、教学资源推送的智能化等。同时，这些智慧校园提供的支撑服务也为线下教学活动的开展提供了依据，教师可以查漏补缺，并进行课堂教学的精准设计，突破重点难点，提升学习深度。

智慧校园有效推动混合式教学模式变革，教育教学改革需要大数据及其数据分析的支撑，智慧校园环境下信息采集与应用，为教育改革提供现实基础和依据。随着可穿戴设备等智能终端的普及，个性化的数据如：运动、睡眠、体征、生理周期等方面的数据采集与使用，收集大规模学习用户感知数据，及时掌握学习者的学习状态和情感变化，实现基于大数据、大样本分析的智能化个性化教学，开展个性化知识推送与服务。

二、智慧校园环境下混合式教学模式的构建

智慧校园环境下通过传感技术测量、收集，以及数据挖掘分析和报告有关学习者与所处环境交互的数据，使得教学参与者对教学过程的了解更加及时、全面、透彻和客观，进而更有针对性地干预和改善个体学习过程。它主要从三个层次展开：第一，借助RFID、摄像头和传感器所构筑的感知层随时监视教学情况，全方位实时感知、动态控制和智能处理各个教学环节和场景中的数据；第二，基于海量数据进行相关度挖掘和深度学习，为在线学习个体精准建模，为学习者提供自身特征的用户画像；第三，进一步分析学习者的学习状态、需求、心理，匹配资源子系统中各类资源的数据，为用户匹配最优的资源，提供个性化学习服务推荐。智慧校园环境下混合式教学模式，如图1所示。

图1 智慧校园环境下混合式教学模式图

(一)从新时代能力培养维度构建

能力培养是我们构建该模式的目标，通过智能平台数据，教师从深层方面解读出学生的能力，以创造力、沟通力、学习力为目标，培养出符合时代发展要求的人才。首先，个性化数据的采集，对听课专注度、测试正确率、历年情况对比进行统计，结合数据挖掘分析，为每个学习者画像，将用户画像应用在智慧校园中，将人们曾希望却难以实现的因材施教有了实现的可能[3]。清晰掌握其个性特征、学习规律、学习动态，从而创造出符合学生需求的学习情境，智能化推送合适的个性化学习资源，实现学习过程的个性化。此外，根据学生在学习中的感受状态，加入情绪调节和互动的学习环节，不断适配学习者的心理状态，并进一步激发他们的学习潜能，形成良好的适应性学习机制。

(二)从发展性教学评价维度构建

教学评价也属于一种教学活动，评价的反馈信息对于教学策略的调整以及学生学习行为的调节等起着重要的作用。发展性教学评价是在以人为本的思想指导下,关注个体发展以及教学实践改进的一种形成性教学评价[4]。发展性教学评价重视学生的综合素质发展，评价不单纯是甄选出学生，还考虑到学生的个体差异，从评价中发掘不同个体的特点及需求，通过评价激发学生的潜能，促进其持续发展。智慧校园环境为发展性教学评价提供了必要的条件和现实基础，教学的开展以发展性教学评价为依据。有了依据，教师更能精准地制定智慧教学策略，促进学生的知识学习与能力提升。教师也可以根据实际情况发现策略中存在的问题和不足，在教学过程中得以改正或完善。同时，有了依据也能有的放矢开展资源建设，并调整资源的组织模式，推送算法等，有效提高教学资源的针对性及利用率，满足学生的发展需求。

(三)从应用智能新技术维度构建

未来学校教育体系创新的方向，应是在大数据、人工智能等信息技术的支持下，构建起的新形态教育[5]。人工智能技术将不断应用于解决混合式教学中存在的问题，并为教学的创新发展提供更具智能化的模式与手段[6]。首先，对于混合式教学所需的线上个性化资源的提供需要智能技术的支撑，学生在线学习会访问大量的文字资源、视频音频资源并形成访问轨迹信息，通过深度学习等推理得到个性化信息，进而提供个性化的资源。其次，教师掌握学生学习的状态以及情绪也需要智能技术，通过传感设备等可以采集到相关的基础数据，经过情感计算获得学生的兴趣与情感信息，这对于教师开展个性化的教学服务、激发学生学习的动力与潜能非常重要。最后，应用智能新技术也是开展混合式教学发展性教学评价的需要，教学评价涉及教师、学生、学校等多个主体的参与，评估数据既包括定量数据又包括定性数据，这些数据来源于整个学习的过程，同时也包含了个体差异，简单的统计处理会造成一些信息的忽略，通过数据挖掘技术，比如，挖掘出关联规则，可以更好地使教学评价真正促进教师与学生的发展，更好地为教学服务。

三、智慧校园环境下的混合式教学模式构建的关键问题

(一)数据采集与资源建设

开展数据采集，获取教学相关的原始数据，为教学资源建设、教学策略及教学评价等服务。基于这些数据也可以推测学习者学习状态，为学习者个性化学习服务提供智能支持，实现精准教学。智慧校园环境下采集的数据范围应进行适当扩展，并且采集自动化程度应显著提高。需要采集大样本、多元性的数据，可从智慧教学环境、智慧教学资源、智慧校园管理、智慧校园服务等智慧校园各智慧应用平台自动采集，可以通过传感设备对学习者进行面部识别、皮肤电传导、眼动追踪等生理数据进行自动采集，从而实现大样本数据采集的实时化、多元化、自动化。通过数据采集了解学习者的学情，并监测学习者与学习有关的情绪和情感问题，实现实时获取学生的学习态度、心理特征、认知规律等过去难以搜集的隐性教育数据。智慧校园环境下的资源建设应是动态化并且要有多元主体的参与。教师凭借自己的想法笼统地将相关的教学资源都上传作为线上教学资源，忽略了学生对资源的需求，使得资源难以有效利用。大样本及多元化的数据采集为资源需求提供了理论依据，并对资源的更新与维护提供了评价依据，学生不仅仅可以使用资源，智慧校园环境下随时随地的网络访问而且方便学生提供资源，同时也方便学校、教师等多元主体的参与。

(二)数据分析与教学评价

数据分析与教学评估是构建该教学模式的关键环节。对于大样本的数据有效利用需进行数据关联性挖掘，对学生学习活动所涉及要素的相关数据运用统计、深度学习等方法，搜索出其中隐含的学情。数据分析应重点包括以下几个方面：第一，分析学生的学习行为，要统计出学生的学习时数(包括观看教学微视频)、测试情况、出勤情况、作业完成以及参与互动情况等，这些直接的学习过程数据分析是必不可少的。第二，分析出学生学习的趋势、创造力、沟通力、学习力，对原始数据进行挖掘得到学生的学习画像，发现不良学习习惯或学习进步情况，结合学习效果给出预测分析。第三，分析个体学习状态，对运动、睡眠、体征等感知数据进行挖掘，得到学习者的学习状态和情感变化，对学习者给予关注。第四，分析结果的可视化，分析结果以图表呈现，以直观友好的表现形式展示学情。智慧校园环境下采用发展性教学评价，多角度开展，除了采用测试结果来评价教学效果外，也要充分利用数据分析结果，将分析结果作为过程评价结果，注重与学生的互动环节，开展针对性的教学活动，激发其学习潜能，实施个性化教学。

(三)模式创新与优势发挥

学者牟智佳指出，基于学习分析和教育大数据进行个性识别、平台设计和服务模式的探索较少[7]，我们构建的教学模型充分重视这一问题，数据的个性识别、提供个性化学习反馈、推荐和干预服务是该教学模型的创新。模型对数据的分析不仅仅停留在学生的知识学习情况、互动参与情况、考试结果情况等，也强调采集个体学习状态、创造力、沟通力、学习力等深层次影响学习者的数据。该教学模式的优势在于充分利用智慧校园环境下开展教学的条件，通过传感器感知个体在物理空间内的学习状态，能够根据学习者的认知风格和习惯偏好等特征，在学情追踪、学习诊断方面给予支持，为学习者推荐个性化学习资源和学习路径，促进学习效益的最大化。突出大数据支持下的个性化自适应学习，可以为不同的学习者量身打造不同的学习计划、教学策略、激励方式并加以监督执行，帮助学习者实现自我发展、自我超越。

教学模式的开展需要“教师-学生-平台”之间的协同，作为教师也要不断学习和发展相应的数据素养，除了具备数据的获取、分析、解读等能力外，还要有应用数据发现教学问题、改进教学方法、监测教学发展等意识、技术和能力。只有高数据素养的教学团队才能充分借助物联网、传感技术、人工智能等技术的支持，记录分析诸如学生的学习行为、心理状况、认知规律等隐性数据，精准分析学生的学习状况，发现教学过程中的问题，进而有效地改进教学服务。智慧校园为推动智慧教育与数据驱动的教学管理创新带来前所未有的机遇，需要我们进一步探索，从而更好地开展智慧校园环境下的混合式教学。