面向深度学习的个性化数字学习*

自十八届五中全会提出“五大发展理念”以来，创新型人才的培养已经成为学校教育改革中重点关注的问题。韦特海默在有关创造性思维的理论中，曾提出创造性思维“不是零敲碎打的而是和整体特征密切相关的，它们随着整体特征而运转，由情境结构上的实际需要所决定。”要培养学生的创新精神和创造性思维，首先必须改革创新人才的整体培养环境，这需要教师、学校和社会等多方面的协作配合。在学校的教育改革中，核心的是探索和实施以培养学生批判性思考和解决复杂问题的能力，实现从浅层学习到深度学习的转变为目标的新型教学模式。在实现该目标的过程中，必须改变传统的以教师为中心的课堂教学模式，而应结合现有的人工智能技术，强化学生的个性化能力构建，把局限于特定时间地点的线下学习扩展到无论何时无论何处的线上数字化学习。

一、深度学习

深度学习的研究源于高等教育领域对学生学习过程与结果的关注。瑞典学者马顿和萨乔在研究大学生进行大量散文阅读任务时，发现不同的学生使用不同学习策略，得到了差异化的学习结果。有的学生使用机械的死记硬背的学习方式，只能对问题给出表层的回答；但有的学生更关心学习的主题和主要观点，则达到了对文章的深层理解。因此，深度学习相对浅层学习而言，更关注学生有意义的学习，即学生“学会了什么”，而非“学了多少”。

近年来，深度学习的研究逐渐从学习过程的内部解释延伸到学习内部与外部过程的整合。美国基础教育深度学习研究项目提出了学生深度学习的能力框架，其核心思想是让学生沉浸在具有挑战性的课程中，要求他们寻求并获取新知识，应用他们所学到的知识，并在此基础上创造新知识。该学习框架要求学生掌握六项不同层次的能力，从低到高分别为：（1）掌握核心学术内容，（2）批判性思考并解决复杂问题，（3）协同工作，（4）有效沟通，（5）学习如何学习，（6）培养学术思维。深度学习框架的提出促使教师更关注于评价学生的核心能力，尤其是能否应用知识解决问题，能否使用现代化媒体进行沟通，是否具有与他人合作的能力，以及自我指导和反馈的能力。

深度学习的研究本质上反映了社会与教育变革的诉求。但是，有限的课堂时间和教学资源使得教育者无法考虑到每一位学生的个体差异性，给予每个学生充分的机会参与到深度学习的教育过程中，从而影响到最终的教学效果。因此，学校教育必须致力于教学和学习性质的巨大转变，通过融合新的技术方法，为学生定制个性化的教育体验，推动和促进深度学习的开展。

二、个性化数字学习

近年来，通过个性化学习来推动深度学习的发展，已经成为当前教育领域共同关注的研究焦点。与传统的教育模式相比，个性化学习不再仅仅关注于学习群体的整体水平和学习路径，而是更加尊重学习者的个体差异，按照学习者的学习目标、兴趣爱好和个人能力等，规划符合学习者特征的学习路径，从而促进个体的个性发展。随着教育信息化的不断深入，教育部发布的《教育信息化十年发展规划（2011-2020）年》指出，要为每一名学习者提供个性化学习的信息化环境和服务。人工智能技术近几年的快速发展和落地应用，在融合教育大数据平台的基础上，为解决深度学习在个性化培养方面的难题提供了可能，从而为学习者提供具有针对性的学习服务。

（一）个性化的知识图谱和学习路径

针对深度学习的第一层次能力，即掌握核心知识点，个性化数字学习的目标是为每个学生构建个性化的知识图谱，进而设计个性化的学习路径。构建个性化知识图谱的含义是指把每个学生个体对本科目核心知识点以及各个知识点间相互关系的掌握程度，通过在线测试、实时反馈的方式，自动地进行汇总、打分以及可视化，用于教师观察学生的学习进度和学生的自我反思。

现有的人工智能技术已经可以支持个性化知识图谱和个性化学习路径的构建与可视化。我们可以使用机器学习中的多标签学习和半监督学习技术，先由人工标注少量的试题，再由半监督的多标签学习算法来学习自动标注其余的大量无标注试题，用于试卷的自动生成。近年来，人工智能教育领域还在研究个性化的试题自动生成，即基于学科／科目中中知识库的基本规则，结合学生的学习背景和兴趣爱好，利用各种情景模板和素材，自动生成各类试题。这种基于知识规则生成的试题，能够遍历各种知识组合与应用情境，有助于更好地判断学生对核心知识的掌握程度。

（二）个性化的批判性思考和问题解决能力

针对深度学习的第二层次能力，即批判性思考和复杂问题的解决能力，个性化数字学习旨在协助教师训练和评估学生的思辨能力，面对问题时的实时分析能力、策略形成能力和高级认知能力等，记录其各项能力的发展情况，并通过综合性项目训练来提升学生的实践应用能力。个性化数字学习平台在构建学生的个性化知识图谱过程中，采用问答题等开放性问题来评估学生的批判性思考能力，并通过建立开放式的仿真环境——即将知识点嵌入到真实的情景问题中的开放式仿真系统，来锻炼学生的问题解决能力。通过可视化个体能力与平均能力水平的差异，每个学生可以在保护自己隐私的前提下，了解自己的学习相对排名，从而及时调整自己的学习方法。另一方面，教师可以从需要花费大量时间和精力的评测中解放出来，更关注于学生的能力发展进程，针对性地调整课堂的教学策略。

现有的人工智能技术为主观题和仿真项目的自动批阅和实时反馈提供了必要的技术支持。主观题的自动批阅涉及自然语言处理，可通过人工智能领域的深度学习技术自动提取特征，然后将提取出的回答相关的高级特征，嵌入到教师提供的参考答案网络，进行量化分析。仿真项目的自动评阅可通过记录学生在解决问题过程中留下的行为踪迹，例如实时反应速度，遇到困难后的修改路径，策略调整的时间和结果等，结合机器学习中的时序分析、模式聚类和分类等技术，计算出学生的策略形成能力、计划执行能力、实践操作能力和知识迁移能力等复杂问题的解决能力，从而对学生的综合问题解决能力做出评价，生成个性化的数字学习报告。

（三）个性化的协同工作和有效沟通

针对深度学习的协同工作和有效沟通的能力，个性化数字学习旨在提供给学习者一个合作学习的平台。在学生逐步点亮自己的个性化知识图谱过程中，只要掌握相关的知识点，就需要与他人协作完成一个综合性的项目。项目的合作对象可以通过平台推荐的方式来匹配，筛选范围是同样已掌握所需知识点的具有相近能力的学生。整个项目的协作可以完全以线上的形式来完成，例如小组的讨论以远程视频的方式展开，每个小组成员完成的工作由各自独立上传，组员之间的互动以小组讨论的方式完成，最后项目的整合由组长协调完成。这种合作方式的优点在于可以把整个项目的完成历程包括沟通过程全程记录下来，以便后续人工智能的自动评估。为了避免一些主观因素的影响，在评价学生个体协同工作能力时，可采用人工智能技术，对小组提交的项目和在线记录下来的文字、语音和视频等沟通过程进行深度特征提取，然后进行分类和回归分析，给出对每个学生的个性化评分。

在基于合作型项目的学习过程中，学生的有效沟通能力不仅体现在与其他组员之间的相互协商和交流上，而且还体现在对自己所完成项目部分的表达和呈现上。因此，个性化数字学习不同于传统的小组项目只要求一到两个学生代表完成对项目的汇报，而是要求每个参与的学生都要准备幻灯片，独立表达自己对整个项目从设计到完成的想法，并对自己所完成的部分进行尤为详细的阐述。这在传统的课堂教学中由于时间因素的限制，几乎是不可能完成的，但是在数字化平台上，学生可以通过移动设备上传录制的幻灯片和视频，从而打破了时间和地点的限制，而教师也可以依赖于人工智能技术，通过对幻灯片的文字信息进行语义分析，对视频中的语音进行流畅度分析，以及对视频中的面部表情进行情绪分析等，自动获取学生在表达能力方面的高级特征和综合评分，来观察学生能力的分布情况，从而节省了大量的时间和精力。

面向深度学习的个性化数字学习，在人工智能技术的支持下，重新定义了教育者的角色：即帮助学生成长，培养学生的核心素养、创造能力、协作能力、知识的情境化及社会化运用能力，帮助学生发现自己的优点，实现他们的人生价值。随着人工智能的快速发展，如何相应地改革传统的教育制度，更新教师的知识结构，改变教师的教学习惯和教育观念，仍需要经历艰辛的探索。