“互联网+教育”环境下职业教育个性化学习的内涵、框架及路径

摘  要：个性化学习是实现学生全面发展的基础，而“互联网+教育”为个性化学习提供了有利条件。信息技术的发展驱动现代教育变革，技术的智能化催生了个性化学习的多样性和可能性，助推职业教育环境下教学由规模化的一对多到网络化的多对多再到个性化的一对一转变。基于此，结合职业教育实际，对个性化学习的内涵进行界定，设计了由数据层、分析层、服务层和用户层组成的个性化学习框架结构，提出环境可计算、学习者可理解、学习过程可表示、资源优质化、服务精准化的实践路径。

关键词：职业教育;個性化学习;大数据分析

中图分类号：G712     文献标识码：A    文章编号：2096-3769（2021）06-028-05

进化和发展是人类永恒的主题，教育也需要迭代更新。当前，以大数据、人工智能为代表的新一轮信息技术浪潮正席卷而来，给新时代教育及教育信息化建设注入了新的活力，呈现出“互联网+教育”的新型态。“互联网+教育”在拓展教育时空界限的同时，更加崇尚教育的个性化和创新性。2018年4月，教育部印发《高等学校人工智能创新行动计划》《教育信息化2.0行动计划》，强调利用人工智能实现因材施教、个性化教学，构建智能化、网络化、个性化、终身化的教育体系，2019年2月，中央办公厅、国务院印发《中国教育现代化2035》，要求利用现代信息技术，丰富并创新课程形式，实现规模化教育与个性化培养的有机结合。当前，“互联网+”已实现与传统行业的跨界整合，而教育也不例外，催生了“互联网+教育”，推动教育实现系统性和革命性变革，具体包括教育环境、课程形态、教学范式、学习方式、评价模式、教育管理、教师发展、学校组织等变革[1]，同时也为创新性、个性化、复合型人才培养带来新的契机。“互联网+教育”打破时空局限，实现了教育服务供给的社会化，不同学习者通过在线网络学习，产生了大量的学习数据，这些连续的、自动化生成的学习数据反映了学习的个性化，从而为教育服务供给的个性化提供了强大的支持。职业院校学生与本科学生相比，个性化更加突出：一是偏科严重，而且学习自信心不高，但是他们动手能力、表达能力较强;二是生源结构复杂，个性特征明显。因此，在教学和学习中，如何深入挖掘职业院校学生的个性化元素和特征，并重点关注和培养，对学生的个性化发展和高质量培养，具有重要的现实意义。

一、职业教育发展与个性化学习

（一）我国职业教育发展历程

我国职业教育最初的形态是职业大学，采取“收费、走读、不包分配、择优推荐”的办学方式，1992年随着我国社会主义市场经济体制的建立，企业需要大量技术技能人才，国家以多种形式、途径和机制发展职业教育，为生产、服务和管理一线培养急需的技能实用型专门人才，主要由学校为在校学生提供一对多的职业教育，该阶段可视作职业教育发展的第一阶段，即计划和市场融合下的职业教育。随着经济社会的发展，1999年，国家下放高等职业教育管理权限，由省级人民政府主管，根据区域经济社会发展需要确定招生专业和人数，体现了职业教育面向市场化办学的理念。2005年，国家提出校企合作、工学结合的职业院校人才培养模式，确立了职业教育多元化办学方式。2010年和2014年，国家分别下发了《关于进一步推进“国家示范性高等职业院校建设计划”实施工作的通知》和《国务院关于加快发展现代职业教育的决定》，更加强调职业教育的产教融合和校企合作，以及校企双主体育人。在此过程中，借助于网络技术和信息化在教育中的应用，职业教育迈向第二个发展阶段，即现代化的职业教育，职业教育向规模化和标准化转变，同时随着“互联网+教育”诞生、发展和壮大，不断丰富的网络教学资源为学习者提供了突破时空限制的网络化学习模式。伴随着信息技术与职业教育的深度融合，以及“人工智能+教育”的发展，未来将是智能化的职业教育，借助人工智能技术，重构职业教育生态，赋予人工智能的智慧元素，最终实现个性化、智能化和终身化的职业教育，如图1所示。

不同的形态代表不同的时代背景、国家政策和办学定位，体现出不同的职业教育特性。如果说第一形态的职业教育反映政府主导的一对多供给模式，那么第二形态的职业教育反映了职业教育面向产业行业，由供给模式转向以市场为主的多对多需求模式，而第三形态的职业教育既反映了面向市场为主的需求模式，又反映了运用人工智能技术赋能教育供给侧结构改革的精准一对一供给模式。

（二）个性化学习的特点

让每个学习者都能发挥学习潜能，激发学习者内在的学习动机、兴趣是深度学习的起点，而个性化学习正是以学习者为中心，根据学习者的个性化特征设计和定制学习内容、教学策略、学习方式等。因此，个性化学习强调差异化和个体化，强调主动性和参与性，强调教学策略的灵活性[2]。因此，个性化学习不仅是学生自主性的学习，也包括教师教学的支持，教师和学生协同配合，同时，个性化学习无论是在学习目标、角色定位、学习支持，还是在考核评价、学习空间等方面，都与传统学习存在本质差别。随着“互联网+教育”的应用和推广，学习者通过在线学习积累了海量的学习数据，从而为个性化学习提供了丰富的数据支持。通过对学习数据的分析，可以分析学习者个性的化特征和需求，提供适切性的学习资源和学习路径，促进学习者个性成长，最终激发学习者的个体创新思维。可见，个性化学习是以人为本的教育理念，充分认同和尊重学习者的个体差异，让个性得到充分尊重，最终实现高质量的育人目标。

目前，关于个性化学习的研究主要体现在五个方面：一是从理论层面探讨个性化学习的内涵、特征、影响因素、服务机制等;二是针对个性化学习平台的技术研究，充分发挥其学习分析技术、大数据技术、人工智能技术的优势，构建支撑个性化学习的平台，通过学习平台捕获学习者的个性化元素，进而促进其个性化成长;三是个性化学习模型的设计应从学习者自身特点出发，如基本信息、学习过程、认知模式、情感状态等，并融入学习场景、时空变量等，建立学习者模型，刻画学习者画像;四是个性化学习资源的推荐，根据个性化学习特点，从海量的学习资源中匹配适合学习者个性特点的学习资源;五是精准教学，基于个性化学习，实施精准化的指导和教学，弥补规模化教学的不足，达到因材施教、以人为本、全面发展的目的。

二、职业教育环境下个性化学习的框架设计

（一）技术支撑

1.网络化的学习平台和环境

网络化的学习平台和环境是开展数据化学习的基础，学习者通过对平台和环境中数字化学习资源的学习，会产生学习的行为数据，例如观看了哪些视频、视频学习时长、学习的时间、学习的次数、学习过程中的互动交流等，这些可能是结构化的关系型数据，也可能是非结构化的其他数据，总之详细记录和反映了学习者的学习过程。这些学习数据为分析学习者的学习模式、学习偏好，挖掘学习者的个性化特点具有重要的作用和价值。

2.大数据分析技术

海量的学习数据为分析学习者的个性化特点奠定了基础，但需要依赖大数据分析技术，具体包括存储技术和处理技术。大数据分析技术应用在教育领域具体有预测（分类、回归、潜在知识评估）、结构挖掘（聚类分析、因子分析、社会网络分析、领域结构发现）、关系挖掘（关联规则挖掘、相关性分析、时序模式挖掘、因果数据挖掘）、可视化技术等[3]。

（二）个性化学习框架结构

个性化学习是建立在教育大数据基础上的，旨在满足学习者个性化、精准化和智能化的学习需求[4]。为了准确刻画个性化学习的生成机制，结合职业教育实际，本文设计了个性化学习框架，从下往上依次是数据层、分析层、服务层和用户层，如图2所示。

1.数据层

数据层是构建个性化学习模型的基础，具体包括学习者方方面面的数据，如基本信息数据、通过学习平台和环境生成的学习行为数据、参与实习实训的过程性及结果数据、参加不同级别的技能竞赛训练和获奖数据、获得专业和非专业的培训认证数据，等等。这些数据分层次、多维度反映了学习者的学习过程和结果，为分析层的分析提供数据支持。

2.分析层

分析层主要有两个模块，分别是学习者模型和个性化学习服务引擎。前者基于数据层构建用以反映学习者的个性模型，具体有知识模型、能力模型、认知模型和情感模型。后者包括各种适配器、生成器和规则库等，也是建立在数据层基础上的，同时融合了学习者模型，从而为服务层提供分析支持。

3.服务层

服务层是个性化学习服务，具体包括知识能力服务、情境感知服务和自适应匹配服务。知识能力服务根据学习者在知识、能力方面的兴趣推荐适合的知识资源和能力成长指导。情境感知具体借助学习时间和空间因素，在个性化服务中融合情境特性，推荐相应的学习资源。自适应匹配服务结合学习者当前的学习环境，以及历史学习经历，为其推荐和匹配最佳的个性化资源。

4.用户层

用户层是面向特定环境的所有學习者，是个性化学习的最终消费者。

三、职业教育环境下个性化学习的路径

要实现数据驱动的个性化学习，在研究层面就是要求教育情境（如物理环境、虚拟场景、知识背景等）可计算、学习主体可理解、学习服务可定制（如知识供给、精准服务、智能导学）[5]。在实践层面，要树立“以学习者为中心”理念，构建聚合中心（赋权学习者主体实践）、构建资源中心（赋权学习者主体实践）、构建服务中心（赋权学习者个体成长）[6]。结合上述研究成果，以当前职业教育“互联网+教育”实际，本文提出以学习者为中心，构建环境可计算、学习者可理解、学习过程可表示、资源优质化、服务精准化的实践路径。

（一）环境可计算

环境可计算是开展个性化学习的基础，是指学习者的学习场所（包括物理和虚拟）、资源空间都是可以感知和计算的，这样一方面可以感知和定位学习者的学习情境，一方面可以感知学习者获取和学习了哪些资源。环境可计算涉及到智慧教室、智能便携式设备、物联网技术、跨空间资源整合与构建、教育场景边缘计算等。

（二）学习者可理解

在规模化教育环境中，对学习者的理解是建立在平均认知基础上的，而个体差异却是未知的。更好地认识教育主体，精准把握学习者的行为和水平，是开展个性化学习和“因材施教”的前提。而建立在环境可计算的学习平台中，学习者的学习行为会被准确记录，通过大数据分析可以准确把握学习者的学习规律和特性，从而可以为学习者画像，准确得到学习者的差异和优势、不足。因此，借助教育大数据可以做到学习者可理解，每一个学习者的学习特点都会被记录和分析，从而更加精准开展个性化学习和教学。

（三）学习过程可表示

学习行为和过程可以被记录，最终以特定的格式来表示和反映，这就需要形成一种标准和机制。目前，xAPI（experience API）已经取代SCORM，成为存储和访问学习经历的技术规范，其强大之处在于拥有一个储存学习记录的仓库（LRS），并能兼容之前的SCORM，这就为个性化学习提供了标准化的技术规范。使用xAPI记录学习者的学习活动，具有可量化、可分享和可跟踪特性，目前已经应用在移动设备APP（xAPI statement viewer）、网络学习软件（NextGen e-Learning Software）中。同时，xAPI也为基于交互式内容的H5P提供了良好的支持。

（四）资源优质化

在线学习打破了时空界限，为学习者提供了便利的学习方式，使得学习者利用丰富的碎片化时间不断学习。同时吸引学习者在线学习还须要有优质的学习资源。因此，在线教学平台以及网络学习空间中，优质资源永远是第一位的。根据学习者的基本学情以及课程的特点，结合信息化的学习模式和特点，重构学习资源，并结合现代产业行业发展，适时动态更新。

作为职业教育，要充分发挥产教融合、校企合作的优势，由学校课程负责人、企业专家、技术能手等共同参与，开发适合学习者学习的资源，一方面体现教育性，另一方面体现职业性，同时需要渗透工作情境。这样，学习者通过学习会逐步由受教育的学习者向走入工作岗位的职业者过渡，最终成为适合地方经济社会发展的技术技能人才。

（五）服务个性化

个性化学习就是要发掘和关注学习者独特的天资。因此，学校在助力个性化学习的目标导向上，要提供面向个性化成长的各种服务。首先，需要搭建组织架构，体现学习者不同的知识能力水平，形成不同层次不同类别的“邻近发展区”，这样，学习者在学习过程中根据个人的实际，寻求最近发展区域，通过努力，从一个能力水平跃升到另一个能力水平，让学习者能体验到通过努力实现能力提升的成就感。其次，个性化学习和成长要面向生产生活实际，通过实际问题和实践驱动学习者个性化学习，这就需要政府、学校、企业、行业等通过多元协同发挥彼此优势，提供面向生产和生活的土壤，让学习者从生产和生活中找教育，在实践中总结和提升，在此过程中激发学习者的思考能力和探索精神。

个性化学习是以人为本的教育理念，也是未来教育及智慧教育的永恒追求。个性化学习尊重个体差异，助推人的全面发展，让职业教育环境下的每一个学习者都能“人人皆可成才、人人尽展其才”。本文在深入分析职业教育发展及应对教育形态的基础上，指出个性化学习未来智能技术赋能教育的必然趋势。在界定个性化学习内涵、特征的基础上，设计了个性化学习框架结构，以数据层为基础，构建包含学习者模型和个性化服务引擎的分析层，并向上层的服务层提供知识能力、情境感知以及自适应匹配等支持，最终为顶层的用户层提供精准化、个性化、智能化的学习服务。从个性化学习实现的视角提出环境可计算、学习者可理解、学习过程可表示、资源优质化、服务精准化的实践路径。事实上，本文的研究是从当前的“互联网+教育”以及职业教育信息化角度探讨个性化学习，而真正个性化学习与个性化教育的实现要依赖人工智能技术。因此，在后续的研究中，将从个性化学习的相关理论、“人工智能+教育”以及智能教育赋能职业教育的发展变革等问题作深层次研究。

参考文献：

[1]余胜泉，王阿习.“互联网+教育”的变革路径[J].中国电化教育，2016（10）：1-9.

[2]张春华，彭海蕾. 聚焦学习者的个性化学习：国际经验与借鉴[J].当代教育科学，2020（2）：20-25.

[3]吴文峻. 面向智慧教育的学习大数据分析技术[J]. 电化教育研究，2017（6）：90-96.

[4]杨丽娜，魏永红，肖克曦，等. 教育大数据驱动的个性化学习服务机制研究[J].电化教育研究，2020（9）： 68-74.

[5]杨宗凯. 个性化学习的挑战与应对[J]. 科学通报， 2019， 64（Z1）：7-12.

[6]刘和海，潘阳.“以学习者为中心”：赋权理论视角下的个性化学习实践逻辑[J]. 中国电化教育，2018（8）：100-106.

The Connotation， Framework and Path of Personalized Learning in Vocational Education under the Context of Internet+ Education

CHENG Guang-sheng

（Ningxia Vocational College of Finance and Economics， Yinchuan 750021， China）

Abstract： Personalized learning is the basis of all-round development for students and Internet + education provides favorable conditions for it. The development of information technology drives the reform of modern education. The intelligence of technology has given birth to the diversity and possibility of personalized learning and boosted the vocational education transformation from the traditional mode of one-to-all， networked all-to-all to future personalized one-to-one. Based on the above mentioned situation， combined with the realities of vocational education， this paper gives the connotation of personalized learning， and designs the framework in which data ， analysis， service and user are the basic structure. Finally it puts forward the execution path on which the learning environment is computable， learners can be understood and analyzed， the learning process can be recorded， the learning resources can be optimized and the service can be personalized.

Key words： Vocational Education; Personalized Learning; Big Data Analysis

收稿日期：2021-08-31

作者簡介：程光胜（1981），男，甘肃静宁人，讲师，硕士，研究方向为职业教育、数据科学、软件工程。

此文为2020年度宁夏哲学社会科学（教育学）规划项目“人工智能环境下精准学习者模型及系统构建研究”（课题编号：20NXJC07，主持人：程光胜）的研究成果。