最近发展区智能可视化机理及其技术设计突破

曾丽颖 曾茂林 曾绍庚 谢裕玲

[摘   要] 文章以教育信息化2.0为背景，旨在借助智能技术可视化地诊测内隐于学生心中的最近发展区，解决教师精准定位教学起点和补教内容等问题。利用文献研究方法发现，社会知识与个体认知之间可以借助语言符号进行转化。研究结果表明：准确诊测学生最近发展区的基本原理，就是将学生现有基础水平同其需要达到的学习目标进行比对，再以认知地图方式找出其可视化的差距。其技术实现原理为：采用Spring MVC技术，推送易、中、难测试题，区分出学生基础水平层次，再将学生残缺和模糊不清的知识点进行可视化补教导航。运用这些原理进行教学实验研究，得出了以下结论：（1）通过分层推送练习题，可准确定位学生最近发展区，有针对性地促进其发展;（2）根据学生最近发展区现状，可实现全班大面积的个性化智能教学导航;（3）针对入门教学特征，需要进行认知地图可视化导航设计，针对教学难点，需要开展解题智能可视化导航设计。

[关键词] 最近发展区; 可视化机理; 诊测技术; 智能导航; 认知地图

[中图分类号] G434            [文献标志码] A

一、引   言

随着教育信息化2.0的深入推进，智能技术作为“促变教育信息化的核心技术”，其作用得以彰显，“智能教育”正在成为“教育信息化 2.0 行动的实践路径”和“行动的航标”[1]。在此背景下，教师运用学习分析技术，“可以有效地开展包括‘智能决策和‘智能实施的智能化教学”[2]。尤其是“个性化学习服务”的实现、“自适应网络学习平台”的建成[3]，都需要诊断出学生学习的最近发展区，才能有的放矢地确定其起点水平。而维果茨基的最近发展区理论，虽然从定性意义上论述了教学同学生发展的关系，阐释了学生独立活动所能达到的解决问题水平同学生借助教学所能达到的发展水平之差。但是，仅仅从概念上表述了学生现有水平和潜在发展水平围成的发展区间，除了让师生大体知道最佳教学的难度水平外，并没有为智能化精准定位教学难度和具体内容提供指导。即使后来的研究进一步阐明了便于中小学教师操作的最近发展区定位和诊断的方法等[4]，但是仍然存在因其内隐于学生大脑而不能精准诊测的问题。我们在“互联网+”电子书包课堂教学的基础上，实现了智能可视化原理研究和诊测技术的突破，为开拓出以最近发展区原理为指导的智能可视化教学导航奠定了理论基础和关键技术支点。

二、最近发展区转化机理与

学科知识智能可视化

（一）借助语言符号转化最近发展区的心理机制

维果茨基的最近发展区理论，将社会背景、内化和符号中介作为三块基石，阐述了发展的机制和个体对社会化内容的内化发展路径，为深入理解语言符号中介将个体与社会联系起来，成为个体发展的心理工具提供了理论基础。维果茨基关于高级心理发展是两次不同类型心理机能转化的结论：“第一次是作为集体活动、社会活动，即作为心理间的机能，第二次是作为个体活动，作为儿童的内部思维方式，作为内部心理机能”[5]，为学生将外在学科认知结构内化为个体的知识和技能，转化成认知地图①提供了心理机制说明，这种转化过程得到了心理学的实验证明。在维果茨基看来，心理发展过程的核心事件是符号中介，它是架起学科知识同个体认知地图互动建构的桥梁。一方面，符号具有个体性，它是个体心理语言内化编码的表征，个体以自身独特的语言和领悟，表示感知到的人和事物;另一方面，符号又是个体心理意识的外化表征，它以当代人的文化世界为参照，以社会共通的语言为载体来表达其独特的心态，将个体内心的个性化发展同社会共同认识发展统一起来，从而让学生个体内隐的最近发展区借助社会共通的语言符号，以他人可以理解的可视化方式外显出来。个体外化语言符号所具有的个体性和社会性，从根本上确立了人工智能语言介入个体和学科知识之间的中介地位。教育技术研究也表明，“基于大脑信息加工原理、信息通信过程和认知资源理论，建立了‘学习者—知识交互过程”，但“知识呈现的设计主要由教育者完成”[6]。因此，教师可以借助智能诊測技术，明确学生个体发展的潜力和能力大小、进展速度等，再根据个体外显反馈信息及时绘制出个体认知地图。

（二）学科知识结构智能可视化外显绘制原理

借助社会共通的语言载体，将学科教学内容进行人工智能化语言处理，即可绘制出学科知识、技能结构图。这从教师广泛应用的思维导图、教学大纲知识结构图示中即可实现。但作为最近发展区学科知识可视化地图，则需要更为科学和全面的结构化处理。不仅需要突出教学的实际经验性，更需要做到学科知识的专业化。因此，其绘制需要遵守以下原理：首先，专业化绘制原理。需要由课程专家系统解读学科课程标准，将学科中关于事物的现象和规律性理论，转化为易于师生理解的学科知识教学流程。其次，遵循因材施教的分层绘制原理。需要在全面汇集教材知识、技能结构的基础上，根据知识的难度水平进行分层处理。针对不同水平的师生，绘制出相应的智能化教学知识资源结构大纲图示。一是针对抽象能力差的学生，推送依靠感知理解的知识场景地图，让其一看知识技能的形成动画，就能借助知识产生的现场情境掌握其要点;二是针对概括力差的学生，绘制出浓缩学科知识要点的结构地图。再次，需要遵循师生教与学的经验化绘制原理。由一线教师从学科知识结构的复杂度、教学需要的单位时间，确定单位时间内推送知识的信息量。将推送的知识、技能尽可能同师生日常生活联系起来，将前科学概念同科学概念的理解与学习有机结合起来。同时，还需要根据男女性别的思维差异、城乡教学水平和风土人情差异，尽可能采取有针对性的分类绘制。最后，遵循教育心理学的认知原理，智能化地绘制学科知识结构地图。由熟悉学科逻辑结构的课程专家会同一线教师，将学科的关键知识点及其逻辑结构进行编码，协同编程人员绘制出学科智能化知识结构地图。先给师生以鸟瞰式轮廓认识，再针对重、难点知识进行立体解析，从不同角度和层次上立体展示抵达潜在发展目标水平的教学路径。将原来以抽象教学为主的课堂，转变为以情境可视化和游戏为主的图示化习题推送课堂。

三、学生最近发展区可视化诊测及导航原理

（一）内隐最近发展区智能可视化诊测原理

为了让内隐于学生心中的最近发展区以认知地图方式实现可视化外显，可以以学校考试和考核、网上問卷调查、远程作业等多种形式，对个体知识、能力、情感等现状进行测试，诊断出学生现有知识技能水平、思维方式、学习态度等。将这种传统的诊测智能可视化，需要建立起能够准确反映学生最近发展区的试题资源库。由于学生学习系统知识主要以学科课程方式进行，因此，将学科知识按照学习难度划分出易、中、难三个层次，再让学生练习对应层次的习题，根据其练习指定层次习题的正确率，判断出学生掌握某学科知识的难度层次，即可诊测出学生最近发展区达到的现有水平。教师在建立题库时，根据解题步骤的复杂程度，将每个单元教学中的知识点划分为易、中、难三级。如果有条件，可以根据500人以上的大样本笔试解题过关率来确定各类练习题的难度系数。按照80%过关为容易级别习题，50%过关为中等难度题，30%过关为难度较大题型。其实还可以建立仅有10%的人才能过关的高难度题库，不过由于这类习题难度太大，其应用范围主要限于竞赛类少数学生。如果用这种高难度题型要求全班学生，无疑会增加其学习负担，所以普通班级教学中设立易、中、难三个层级，有现实可行性。相关学科教师按照难度层级划分题型，协同信息技术中心的研发人员建立题库。在每个层次题库内部，尽可能地穷尽难度基本一致但题型各异的变式，以便让学生通过智能化地推送练习，借助参考答案纠错、演练等，掌握同一层次多种变式题型的解题思路和技巧，逐步达到熟练掌握该层次题型的水平。学生每次做对推送层次习题总题量的60%，即为基本掌握;真正熟练掌握指定练习层级学科知识点，则至少需要做对推送题量的80%以上。

（二）学生最近发展区可视化诊测技术实现原理

在最近发展区理论的基础上，欧共体“远距离教育与训练项目”提出支架式教学模式[7]。借鉴其思想，我们将“支架”以教育技术予以实现，集中在小学数学应用题解题中开展最近发展区诊测和智能化教学的实验。在实验中，主要采用Model（模型）—View（视图）—Controller（控制器）框架模式（简称MVC框架）。其中，Model是该应用程序的核心，View用于显示数据，Controller处理输入。之所以选择MVC框架，是因为其数据、业务逻辑、界面显示是分离的，整个系统分工明确，架构合理。为了更好地适应最近发展区分层推送相关知识体系的需要，本实验在系统前端采用了小程序形式，在交互过程中需给小程序发布接口，故需用Spring MVC做控制器。其控制器Struts2是一个Web应用框架，主要执行以下流程：浏览器发送HTTP请求，找相应处理请求的Action类，Web Work的拦截器链主动请求应用通用功能，Action处理业务逻辑，将Action类中的对应方法返回的结果响应给浏览器。实现最近发展区外部知识分层映射机理的Hibernate，是一个对象关系映射框架，“它对JDBC进行了非常轻量级的对象封装”，“使得Java程序员可以使用对象编程思维来操纵数据库”[8]。图1形象表征了Hibernate框架结构原理。Spring MVC是一种实现了Web MVC、基于Java的设计模式，其存在的目的就是要简化我们日常的Web开发。图2完整地表征了Spring MVC的技术实现原理，呈现了从用户发起请求到服务端返回请求的处理流程。

（三）最近发展区智能可视化导航设计原理

将诊测出的学生外化认知地图同学科知识结构地图进行对照，即可明确学生需要补偿教育的知识和技能层次、类型以及最佳教学路径等。再根据学生的学习能力、喜好等因素，即可智能化地绘制其下一阶段的导航图。因此，师生教学导航设计必须遵循针对最近发展区间进行“对比补缺”教育的设计原理。根据最近发展区理论，只要学生掌握了的知识就不再教，教了学生也掌握不了的知识也不教，教学应该精准地落在学生的最近发展区中。因此，智能化教学导航设计需要诊测出学生知识结构现有水平，再同学科教学大纲目标结构地图对比，以可视化的知识结构缺失方式，准确定位学生最近发展区中认知模糊或残缺的知识结构区域，由云端教学资源库将补教内容推送到学生电子书包或手机上，在导航图的引导下开展“对比补缺”教学活动。一方面，教师需要根据智能化推送的分层练习中学生通过率得分，将其分为优、中、合格三个层次。再针对三个层次的学生所在知识盲区，进行知识缺失的结构化诊断，以明确其缺失的知识网点。另一方面，教师通过对三个层次学生的分层访谈，帮助其“实现隐性知识的‘集体认知地图或者‘联合认知地图的”绘制[9]。参与导航图设计的教师，应根据特定层次学生的共性特点，引导其对照教学大纲知识点，将自己熟练掌握的知识点、线和面标识出来，在学科知识技能结构的教学大纲地图上，绘制出学生没有掌握的知识网点图。教师再根据各层次学生群体画出的知识盲区图，结合以往的教学经验和学生认知心理特征，对盲区知识结构按照认知心理规律进行重组，形成既符合学科逻辑、又有助于下阶段“补缺”教育的智能化教学导航图。

四、最近发展区智能可视化诊测技术与

导航设计

（一）最近发展区智能可视化诊测技术实验

最近发展区智能可视化诊测，需要先准确定位学生现有水平。所以，我们采取先练后教、以练促教的智能可视化诊测和教学导航。即从特定层级的练习题诊测中发现学生现有水平，再以此为基础确定推送攻克难点的演示案例和解题方法。最后，在一类题型的变式训练中熟练掌握解题技术，达到最近发展区的较高水平。技术架构如图3所示。

系统分析与设计：本系统使用的数据库MySQL为关系型数据库，系统前端开发采用内容、样式、动作分离的小程序开发形式。小程序提供了所有应用题的题型含义、难易度分层、题型数量关系以及解题思路和方法等知识点，系统会根据待测学生历史练习数据，自动估测出其掌握的现有水平，并进行智能化推送。（1）学生需求分析主要以复习题推送测试小学生解答数学应用题的实际发展水平，以新层次题型推送诊测出其解决小学数学应用题的自学和潜在发展水平，利用练习解答将小学生的最近发展区不断向前推进。（2）本系统提供了一个小学生应用题库，学生在电子书包小程序上答题。第一次推送习题主要根据小学生选择的现有水平题型随机推送。然后，针对小学生答对率为30%～50%的最近发展区题型，推送系列经典解题演示和思维方式演练，在下一轮题型推送的初始阶段就集中推送上次的错题，让小学生在练习上次错题中逐渐习得新推层次题的解题技巧。（3）教师根据学生答题情况进行分层判断。学生广泛练习后，答案会提交到后台，系统依此自动进行评分，再由教师对学生进行综合评价，确认小学生实际达到的最近发展区水平，并对下一阶段的试题推送难度给出建议。除此之外，还需添加班级及用户的增、删、查、改等操作，增加答卷评阅、答题情况统计模块等部分内容。

数据库设计：图4为本系统数据库的E-R图，从中可以看出其中的实体、属性及联系。系统的数据库共设计六个表，分别是zpd_admin表（管理员表）、zpd_answer_detail表（答题情況及最近发展区间分析表）、zpd_class表（班级表）、zpd_pattern表（难度层级表）、zpd_subject表（题目表）、zpd_user表（用户表）。

整个系统由后台环境、小程序、考核模块、系统界面四部分实现。后台环境主要是基于SSH框架的Java Web实现的。具体实现过程为：（1）在Java Web项目根目录下导入SSH所必需的jar包，同时，包含其他所需的jar包;（2）通过Spring进行数据库资源和一些Bean组件的管理，主要是配置Spring的扫描机制和数据库连接池;（3）配置struts.xml文件，定义后台管理各个界面操作和跳转相应的action，从而控制界面的跳转操作逻辑;（4）后台主要通过Hibernate进行数据库操作，定义Hibernate的映射规则和相应的映射文件资源，定义Session Factory的连接配置;（5）通过接口的方式与微信小程序进行关联，即通过集成Spring MVC的方式进行rest接口的开发。考试模块的练习题推送和教学演示等编程还在专利申请中，因篇幅限制略去。

（二）最近发展区智能可视化教学导航设计思路

1. 学科教学最近发展区导航设计

由于每门学科都有其独特的学术语言、表征符号、研究问题领域、思考和解决问题的方式、建构学科理论的特有逻辑等。因此，学科可视化导航图应由一线教师根据自身学校处境和自我素质状况，向课程专家提出解决各类班级学科教学中常见问题需要推送的认知结构导航图。再由教育信息软件编程专家实施针对各类班级学科教学的导航地图设计。研究表明：“通过建立网络信息语义模型和用户需求语义模型，在网络信息和用户之间构建导航语义网”[10]，即可实现对用户需求的针对性设计，从而为解决学科教学智能导航提供了技术支持。无论是教师的学科知识教学导航，还是学生的认知技能导航，都主要以学科特有符号所表征的语义为主，建立起针对学科教师的分类处理语义模型，相当于在网络平台上建立起“人—机”语义转译，创造“人—机”对话环境。让导航语义网能够准确、完整地理解教师的学科导航需求，并及时地提供分科、分层针对教学难点的导航。至于导航图上各单元知识难点问题解答，现在的“作业帮”“小猿解题”App软件即可推送解题路径和相应的答案。教师导航中需要做的是帮助学生理清知识点之间的关系，设计出从易到难的优化学习流程;进行学习情境设计，激发愿学、乐学的动机;帮助学生归纳出解决各类问题的原理、公式和技巧。

2. 学生个体个性化学习导航设计

人工智能时代的AI助教系统，可以“根据学习者个性特征为其提供精准个性化学习服务的大规模个性化教育”[11]。在班级教学环境下，大规模个性化教育也不可能完全独立，因此，需要结合学科教师导航，借助师生互动创生出相应的学生个体学习导航。根据布鲁姆的掌握学习理论，只要恰当注意教学中的主要变量，就有可能让绝大多数学生达到掌握水平[12]。为此，在班级个别化教学智能导航设计中，关键是抓住影响学习效果的知识任务进行分解，准确定位好个人对应的学习知识点程序变量（图5左框），进行约束性数学模型问题的建构和设计（图5右框）。首先，“建立某门课程总的学习活动关系图，然后在图中根据不同的学习目标寻找不同的学习路径”[13]，形成图5左框所示的个别化教学智能导航任务分解流程图。各班级教学目标、资源访问时的限制条件，多个学生要求同步达到某个教学目标或协同完成一个共同目标时的约束关系，可以转化为一组约束方程来定义，最终将问题转化为一个CSP（Constrain Satisfaction Problem）求解。建立CSP约束满足问题模型（图5右框）的基本思路是：先按日常教学的条件约束满足智能化设计、规划问题，定义一组基本的变量和约束，设计出系列性的、针对班级教学中各个学生的活动。再根据网络推送特点，对智能化设计的教学情境、图像等约束条件作进一步改进，使其更符合学生个体选择导航过程的特征，并最终形成特定个体的教学自动导航问题模型。这里可以将个别化教学活动的路径图等效地用一组变量来刻画，即对所有变量的一种赋值方案，唯一地确定一个调度。若将调度用图来表示，则定义的变量主要用于描述图中的节点、线条，以及这些节点和联系线条发生与结束的时间。因此，以每个学生的教学活动为单位，将有关该活动的联系及发生时间加以定义，就可以把整个问题转化为CSP问题模型，以集约化方式实现对全班学生个体的可视化导航。

（三）针对入门和难点的智能可视化教学导航设计

1. 学科入门阶段的教学导航设计

由于导航地图绘制表现的只是师生经过的教学知识点名称以及知识点之间的拓扑关系，因此，一是按照知识点、线、面划分，赋予相关知识点、系列和区域以恰当的名字;二是在特定的知识点、线、面上进行高度概括，浓缩为最能概括核心意义的词汇、图表、动画、图形等，使所有教学流程的子目标清晰可见;三是为师生获得清晰的导航图，需要根据知识本身的逻辑结构，绘制出相互联系的结构关系;四是以“地标”方式凸显每个条块、区域、整个学科知识的重点和难点。智能可视化导航系统的实现可以参照LBS（基于位置服务）认知地图导航进行系统设计。为了让班级学生理解学科的认知过程，习得其思维方式，需要有一个针对学生前置学习的认知导航。这是因为学校教育以学习间接知识为主导，其班级教学是去情境化的，它要求学生必须脱离实际情境的限定，借助学科特有的语言符号工具，发挥概念的同化或异化作用;借助对知识间联系的想象和再现等心理机能，激活教师按照教学和教材的逻辑传授知识和技能。但是，如果教学内容一开始就脱离具体情境，根据更高级心理机能进行学科教学，那么许多学生就很难适应抽象知识的学习，因为他们过不了抽象思维转化的第一关。针对这种情况，可以让学生接受学科基础知识的远程诊测，以练习解答、纠错等方式诊断出其直接进入抽象学习中可能存在的认知障碍，从而有针对性地编制出衔接新旧知识的“软着陆”智能教学导航程序。其关键是精准定位新旧知识之间的思维方式转化和衔接点，以可视化方式将新学习阶段去情境化的符号还原为学生经历过的可视化情景;帮助学生在日常概念和学科概念之间建立联系，为学生进入学习新阶段提供同化或重建抽象知识做铺垫。

2. 教学难点的解题智能可视化导航设计

研究表明，可以“通过专家团队对复杂问题建立数学模型，并运用计算机进行可视化模拟，呈现不同决策所產生的结果，提高决策质量”[14]。由专家决策提供的高度复杂化的认识图式可以将若干相关信息组织起来，为师生提供思维方式和解决问题的路向，从而大大降低了解题负载和综合处理现有知识的劳动强度。第一，难点问题的智能可视化导航。以微视频、小游戏解题决策场景推送方式提供引导，尤其需要符合特定班级的现有水平，解决问题的梯度相对较低。第二，以可视化问题情境，实现难点导航的智能化。专门针对各类班级所受条件限制，将一类问题的通常情境进行呈现，推送符合师生现有认识基础和经验的情境，启发其获得解决当下问题的新思路。第三，难点可视化智能导航，需要配合有声信息，再现图形和场景。将视听信息通道有机结合，借助人、物和事件的自我告白或他人讲解，在实现最大信息量输入的同时，降低师生解决难题的认知负载。第四，可视化信息应紧扣师生熟悉的事物进行呈现，提高调用个体原有认知图式的反应和解题速度。第五，将知识技能的教学难点尽可能地以互动情境进行推送。对小学生来说，空间图形的认识历来是数学教学的难点。为了能在学生的头脑中清晰地形成“长方体”的表象，可通过推送三维动画互动游戏，以“搭、粘、说、想、画”五步，强化学生的自主体验[15]。小学生在愉快的虚拟操作中不断感知、体验，在“做”中形成清晰的长方体认知地图，并在解题地图帮助下以实操方式解决抽象的图形变换问题。

五、结   语

本研究主要从教育学、心理学角度出发，认为最近发展区智能化教学取得突破的关键在于代表社会共识的学科知识文字语言同个体心理内部语言之间的转化机理。借助这一转化机理，可以通过计算机编程实现学科知识结构可视化，让学生通过不同层次的练习诊测出其现有的认知水平，再借助同教学大纲要求的知识结构及水平的对比，由编程人员协同教师按照学生“补教”需要，编制出最近发展区智能化认知导航地图，以在线方式推送恰好落在学生最近发展区的各种习题。让学生从解答中、从专题训练的解题案例演示中，不断学会新的知识和解题技能、技巧，更为精准地促进学生的持续发展。

我们目前的研究对原理研究比较系统，有较为清晰的框架性设计思路，在诊测小学生最近发展区实际水平、潜在发展水平及智能化推送试题恰好落在最近发展区内的技术实现上取得了实质性突破。这些成果为下一步研究学科知识结构的诊测，并针对性地推送知识单元奠定了基础。但要从技术实现上全面突破，还需一段时间，主要是认知导航地图的智能化绘制需要多方协同全面攻关。我们相信，以本研究的基本原理为基础，联合研究实力更强的智慧教育专业机构，实施多学科、多部门协同攻坚，将班级教学中最近发展区认知地图及时外化，再同学科课程考试题库和教学大纲知识网点比对，智能化地绘制出适合各层次班级的教学导航图，指日可待。

[参考文献]

[1] 祝智庭，魏非.教育信息化2.0：智能教育启程，智慧教育领航[J].电化教育研究，2018（9）：5-16.

[2] 何克抗.“学习分析技术”在我国的新发展[J].电化教育研究，2016（7）：5-13.

[3] 牟智佳，武法提，乔治·西蒙斯.国外学习分析领域的研究现状与趋势分析[J].电化教育研究，2016（4）：18-25.

[4] 曾茂林，王体华.确定最近发展区的方法及其在教学中的应用[J].四川教育学院学报，2002（1）：6-7，10.

[5] 维果茨基.维果茨基教育论著选[M].余震球，译.北京：人民教育出版社，2005：388.

[6] 李晶，郁舒兰，金冬.均衡认知负荷的教学设计及知识呈现[J].电化教育研究，2018（3）：23-28.

[7] 陈军涛.最近发展区理论在教学模式中的应用[J].当代教育论坛，2007（9）：15-16.

[8] 朱运乔.基于Spring+Spring MVC+hibernate框架的Web系统设计与实现[J].电脑知识与技术， 2018（26）：66-68.

[9] 张凌，乔晓东.基于组织认知地图的隐性知识共享的实现[J].情报理论与实践，2013（7）：81-84.

[10] 高雪霞，田文强.基于语义网的网络智能导航系统研究[J].科技通报，2012（2）：126-127.

[11] 杨彦军，罗吴淑婷，童慧.基于“人性结构”理论的AI助教系统模型研究[J].电化教育研究，2019（11）：12-20.

[12] 张婷婷.布卢姆“掌握学习”教学理论解读[J].现代教育科学（普教版），2009（2）：60-62.

[13] 陈乙雄，吴中福，冯永，等.基于CSP的学习智能导航服务模型与算法研究[J].计算机科学，2012（12）：41-46.

[14] 岳金星，于楠楠.基于认知心理学的高效视觉信息加工可视化策略[J].北京理工大学学报（社会科学版），2008（5）：19-21，26.

[15] 俞彭寅.学生数学“认知地图”的建立[J].教学与管理，2009（17）：39-40.