基于ISDC的个性化教学模式研究

段梅梅 杨红伟 张兰 马晓鑫

【摘要】    本文针对当前我国高等教育存在“同质化”和“单一化”的问题，借助网络的万物互联特性和云端丰富的教学资源，提出了基于ISDC的个性化教学模式。这种新型的教学模式，建立在学生个性化模型和专业知识体系立体化模型的基础上，采取线上线下相结合、教与学双向互动的教学形式，学生实行个体化学习，教师开展差异化教学，从而培养个性化的创新型人才。

【关键词】    大数据    个性化模型    专业知识体系    个体化学习    差异化教学

引言：

目前，信息技术不断应用到高等教育中，使高等教育逐步进入到个性化、信息化的新征程。但我国高等教育依然存在 “同质化”和“单一化”的问题，主要表现在强调课堂知识的单向传授，不注重因材施教，学生个性化的发展被严重忽略，创新能力不断被腐蚀。为了实施科教兴国战略、人才强国战略，我们需要更新教育理念，探索教育新模式，利用新技术，激发教育创新能力，培养创新型人才[1]。

当前我国高等教育仍存在上述问题的主要原因，是无法准确判断学生的个性差异和没有确定的依据对教学过程做出灵活的调整。随着信息技术的发展，大数据为这一契合提供了有力的依据[2]。大数据之“大”，不仅仅是数据量大，更重要的是数据分析的“全面性”和潜在的“大价值”。它为教师认识复杂的教育教学系统提供了新的手段和思维。大数据背景下的教学信息化——网络（internet）+智慧（smart）+大数据（data）+云端（cloud）相结合的模式（即ISDC）是现代信息技术与教育的最佳融合[3]。网络是基础，云端是大数据存在的条件，核心是具有强大的数据处理能力的大数据，最终实现智慧化的教学过程。它着力构建“多样化”与“个性化”的创新性人才培养，推动高等学校教学改革的发展。

一、大数据对高等教育的影响

大数据已经成为新一轮教育创新和教育变革的重要推手，是实现教育现代化目标的基础支撑和重要动力。大数据对高等教育的影响，主要是指在大数据的推动和冲击下，對教育模式、教育理念和教学思维及方法乃至整个教学过程产生的影响。

（一）大数据对教育过程的影响

在大数据时代，教师通过挖掘与学生学习相关的表现、行为及特点等表征个性化信息，探求最佳教学途径。基于强大的数据处理能力，大数据可以帮助教师及时精准地了解学生的学习动态、个性要求和目标需求，特别是学习中的遗留问题，有利于采取有效的教学方法，根据每个学生的特点做出准确有效的教学安排。它也可以帮助学生客观、快速、准确地了解自身的学习进度、内容和存在的问题，利于选择后续的学习内容和方法。大数据对整个教学过程进行翔实的记录和准确快速的分析，使教学管理者对教学过程能进行高效、准确、有效的规划和管理[4]。

因此，大数据成为为高等教育教学的必要支撑，能帮助师生动态调整教学或学习过程中的每个环节，实时更新自己的教学或学习内容、方法和途径，更好地为教学服务，真正实现培养个性化创新性人才的目的。

（二）大数据对教学模型的影响

高等教育工作者对大数据下的教学进行了多种有益的探索，文献[5]从数据来源的道德问题、学生的学习行为和数据的准确性和即时性进行了分析;文献[6]针对个性化教育中规模化与个性化相矛盾的问题，从理论、资源、方法与实践四个方面进行了分析，提出了基于教育大数据与数据挖掘的个性化教育方法，对评价体系进行了阐述。文献[7]主要针对学习效果评测，研究了基于大数据的个性化自适应在线学习模型及实现方法。上述对个性化教育的探索更多地集中在对教学的总体模式或架构所用手段和实现途径进行分析和探讨。其前提条件是教学内容和教学目标基本保持不变，仅对所用的手段和方法等教学外在因素进行研究。但是随着信息技术的发展，大数据对教学内容和目标本身也会产生重大影响，改变整个教学过程。

大数据背景下，基于ISDC的教学过程，借助网络互联特性，结合云端的远程资源，聚合校内校外的教学资源，通过线上线下相结合的教学过程，充分利用大数据精准的数据处理和分析能力，建立集教学、管理、评价等多维的现代化教学生态，同时具有智能预测功能的数据分析使教学过程构成智慧化综合系统，形成完整的个性化智慧教学闭环。

二、个性化的教学模式

基于ISDC的个性化教学结合大数据强大的分析能力，坚持学生的主体特质，问题为主导，教师为辅助，保证教学个性化的教学模式，满足工业4.0所要求的人才必须具备创新能力、学习能力、适应变化能力和协调沟通能力。学生个性化特点愈加突出，创新型人才需求更为迫切，教学过程和方法必须适应这些新的变化。

（一）学生个性化模型的建立

学生的个性化是指学生的个体差异，比如个性特点，学习特点（learning character： LC），兴趣特点（interest character： IC）、目标特点（target character：TC）和职业规划特点（career character： CC）等方面的差异。每个学生的个性化特点都将对学习产生影响，分析这些影响，建立如下个性化模型（Personalized model： PM）：

PM=F1（LC，IC，TC，CC）

其中，PM：代表学生当前已经获得的知识和具备的能力，它是一个多维度的衡量指标，F1（·）表示个体差异与个性化模型之间的关系。比如，以目标特点来说，包括短期目标，中长期目标和长期目标，或者课程目标和专业目标等。个性化模型通过学生个性化的历史特点，结合学生当前特点及目标，客观地呈现学生的学习状态。教师可以很清楚地看到学生对某个知识点、知识模块甚至课程的掌握程度，还有哪些问题亟待解决，根据学生的目标特点需拓展的知识体系，在综合能力方面还需进行哪些训练等。这个复杂的过程以一个个可量化的指标清晰地呈现在教师的眼前，指导教师找到与之相匹配的教学方法，使教学过程有据可依。学生在不断解决问题的过程中，逐步建立和完善知识体系结构。

（二）可视化专业知识体系的建立

现有的培养计划、教学大纲和若干指导说明等文件，虽有成套的课程体系及专业体系，但更多地是平面化的教学指导准则，未能步入量化阶段，缺乏立体化，也不能快速了解学生的学习状态、知识储备和具备的素质等。在ISDC支持下，专业体系化和教学过程的量化及可视化成为可能。教师对课程和专业体系的充分认知，便于建立可视化的立体课程体系和专业体系，与学生个性化模型相结合，为培养个性化人才提供必要的认知和专业基础。

专业知识体系主要包括基础知识、专业知识、基本技能和拓展知识，其横向模型如图1所示。

根据上述知识体系（Major knowledge system： MKS）模型，建立数学模型：

MKS=F2（BK，MK，EK，BS）

其中，BK （basis knowledge）代表基本知识，MK （major knowledge）代表专业知识，EK （extend knowledge）代表拓展知识，BS （basis skill）代表基本技能，F2（·）表示知识体系与各类知识之间的关系。实际每个模块纵向包括课程知识、实践要求和能力目标等。上述纵横结构共同构成一个立体复杂的知识体系模型，是保障个性化人才培养的根本。

专业知识体系结构为教师的教学提供了基础支撑，也为每个学生制定自己的学习目标提供了依据。教学过程中，每个学生的目标、知识基础和性格特点都不同，为了达到各自的目标，以目标为方向，以知识体系结构为纲领，查漏补缺，解决个体学习的遗留问题。教师要及时了解并针对每个学生的具体情况采用相匹配的方法，进行差异化教学，帮助每个学生完成各自的学习任务。

针对具体的专业，知识体系的总体要求是确定的，而学生的目标却不同，两者共同作用下，教师面对量化的教学依据也千变万化。以通信工程专业为例，专业体系从纵向而言主要包括基础课程（数学基础、物理基础和计算机基础），专业基础课（信号类基础课、电路基础课和计算机基础课）和专业课（无线通信类课程、有线通信类课程等）。每门课程的培养目标，至少包括学生对知识层面的掌握程度和能力层面，甚至是专业素养方面的要求。学生个性化特點不同，学习的倾向性也不同，即使专业相同。比如，有的同学比较偏向于编程，有的偏向于数学推导，还有的同学比较擅长电路设计等。教师在教学中需因材施教，如对于擅长电路设计的同学，要让学生知道电路设计应该具备的基本条件和素质，在电路设计类的课程中要对其重点辅导，指导他们独立完成电路等方面的设计工作并引导他们通过参加比赛和相关实践进一步提高和加强。

因此，基于ISDC的教学模式对教师的能力和水平提出了更高的要求，要不断学习，努力提升自己，才能真正匹配个性化教学。

（三）个性化的教学模式

对理工科来说，在个性化模型和可视化专业知识体系的基础上开展有效的教学活动要遵循四层次原则[8]：第一层次：是什么;第二层次：物理含义是什么;第三层次：数学模型如何;第四层次：如何应用。教师、学生和管理者，都可针对教学过程中存在的问题，提出切实有效的解决方法或进行有益探索。

1.个体化的学习过程

假设在个性化模型下学生学习过程中存在的问题为Q，则有下列关系式成立：

Q=MKS-PM

对于每个学生而言，结合自己个性化目标，专业目标的要求和知识体系即MKS是需要达到和不断接近的学习目标，PM是在当前特定条件下已经获得的知识和技能，则Q代表了为了自己的专业目标和能力要求，需要训练的实践能力和其他还存在和遗留的问题。每个同学需要不断进行测试，查找自己存在的问题，通过学习不断解决存在的问题，取得更好的成绩，获得更完善的课程及专业体系结构和更强的专业技能。对教师而言，通过这一模型，可以进一步了解学生存在的问题，针对问题，有的放矢，无需浪费时间和精力在学生已经获得的知识上，即使该知识还没有系统地讲授过，避免了无用的重复劳动而造成双方的时间和精力浪费。

以通信原理课程为例，教师必须清楚了解实现点对点通信的课程目标及其衡量指标。要求学生在四层次原则下，通过课程学习，掌握点对点通信的基础理论、工作原理及系统性能指标，理解所用的基本分析方法、实验过程和工程应用，同时了解点对点通信在网络通信中的地位，为后续专业课程的学习奠定基础并进行恰当引导，使其具备良好的专业素质。该课程目标对于不同的学生，在学习过程中存在的问题也不一样，比如，有的学生难点是随机信号的分析，有的学生则是对调制的理解，也有一些学生的难点在实践环节的操作。如何使每个学生的问题都得以解决？在个性化模型和专业体系结构的共同作用下，每个学生的学习过程都可直观地量化，可以准确地发现各自的遗留问题，并且明确下一步要进行的学习内容和途径。学生的学习过程不断重复，逐步建立和完善知识体系结构。

因此，衡量指标的具体化，学习过程的可视化，使学生能够精确了解自己的不足，寻找方法去弥补，促使学生积极地去自学或通过请教老师来解决问题，形成教与学的良性互动，共同实现优质的个性化学习。

2.差异化的教学过程

差异化的教学过程实现个性化的服务，改变了传统的面对面同质化的教学过程，教师更多地以个体引导为主，从知识的讲授者化身为传道、授业、解惑的实施者。使教和学良性互动，相互依存，相互促进。不但为信息化的教学过程和教学改革注入新的生机和活力，也为培养个性化创新型的人才提供必要的条件。结合线上线下教学的教学手段，充分利用大数据，进一步提供精准化、可视化和智慧化的教学服务。

教学过程是线上线下的相互融合，立体个性化教学模型如图2所示。线上教学更多地讲授具体知识点，为学生的学习解决知识储备。线下教学更多地引导学生建立课程体系和专业知识体系之间的关系，让学生对课程或专业深入理解，建立系统的专业高度和广度，同时引导学生积极投入到实践训练中，提高专业技能和实践能力。线下线上教学相结合，夯实学生的知识和实践能力，提升专业素养。对于教师而言，在个性化模型和专业知识体系结构的基础上，教师能够更加直观地深入了解学生各个维度的情况，保证教学工作的具体化、立体化、个体化和高效化。

无论是知识点的学习还是课程体系的引导，都遵循四层次原则。首先，在知识点的学习中，基本概念是建立整个课程或专业体系的基础，如果学生遵循四层次原则则对基本概念的理解已经掌握了80%以上。其次，课程体系是支撑专业体系立体化的支点，以通信原理为例，第一层次什么是点对点通信，即信源--信道--信宿;第二层次什么是信源、信道和信宿，各自有什么特点;第三层次信源、信道和信宿如何用数学模型来表征，用到哪些数学理论和算法;第四层次如何应用，例如，传输一个语音信号，要求实现点对点通信。每个同学对问题的剖析和对知识点的掌握程度不同，设计出的方案也不同。如图3所示：每一条路径都可以实现语音信号的传输，编码方式、调制方法和信道特性等因素都会影响最终的实现方案。再次，学生在建立条条道路通罗马的思想的基础上，具体问题具体分析，从而选择最佳实现方案。结合前面学习的电路的相关知识，将该最佳方案以硬件的形式实现，使之成为提高实践能力的基本环节。

在具体的教学环节中，线上采用如雨课堂、学习通（在线课程平台）等平台，依据课程目标，先发布课程的基本要求（可以是文字，也可以是视频），接着对本节课中的知识点进行讲解，并配以测试题目，测试题目分层次，基础题目，理解型题目，扩展型题目，最后配套智慧虚拟实践操作（如雷实验虚拟平台）等。线下重点是针对学生存在的问题进行答疑，引导学生建立比较完善的知识体系结构，同时进行实践环节的训练（比如，课程实验、专业实训和各类比赛等），逐步提高学生的专业水平、实践能力和专业素养。

因此，差异化教学是集立体化、智能化和可视化为一体的一种教学模式，不但能帮助学生直观地了解自己存在的问题，并为他们指引努力的方向，而且帮助教师更好地了解每个学生的特点以及他们学习的长板和短板，更好地为每个学生制定更加科学、合理的教学方法，真正培养创新型的人才。

三、结束语

基于ISDC的个性化教学，大数据强大的数据处理和分析能力为其提供了可靠的依据，克服了传统教学的“同质化”和“单一化”问题，实现个性化教学。本文借助于大数据，提出了基于ISDC的个性化教学模式。首先建立了个性化数学模型和立体化的专业体系结构，其次构建了以问题为导向的个体化学习过程和差异化的教学过程，实现线上线下相结合，构建立体化、多维度、可视化和精准化的教学过程，积极促进教与学的良性互动，师生共同提高，真正实现个性化教学。本文在个性化模型、教学过程等方面进行了深入探讨，以期在以后的教学中不断实践，不断完善，为个性化教学提供切实可行的方法和实践经验。

作者单位：段梅梅    杨红伟    张兰    马晓鑫

北华航天工业学院 电子与控制工程学院

参  考  文  献

[1]沈阳，田昊，曾海军，大数据时代的教育：若干认识与思考（--访中国科学院院士梅宏教授）[J]，院士訪谈，2020年第7期（总第327期）.

[2]大数据，MBA智库˙百科，https：//wiki.mbalib.com/wiki。

[3]姜强， 赵蔚， 王朋娇，等. 基于大数据的个性化自适应在线学习分析模型及实现[J]. 中国电化教育， 2015（01）：85-92.

[4]周若松， 王志娟. 浅谈大数据对教育的影响[J]. 高教学刊， 2015， 000（013）：5-6.

[5]唐汉卫， 张姜坤. 大数据教育应用的限度[J]. 华东师范大学学报（教育科学版）， 2020（10）.

[6]王维， 董永权， 胡玥. 基于大数据的个性化学习分析模型构建[J]. 黑龙江畜牧兽医（下半月）， 2019， 000（010）：166-169.

[7]韩怿冰， 尚展垒. 基于大数据的个性化教育方法体系构建[J]. 电脑迷， 2018， 000（017）：227-228.

[8]艾尔肯·托乎提. 运用“四步法”还学生学习的主动权[J]. 人间， 2016， 211（016）：118-118.