高校“学困生”人机协同智能识别与精准教学干预策略研究*

张友福 曾明星

（1.吉首大学 张家界校区教学科研与学生事务中心，湖南 张家界 427000;2.吉首大学 计算机科学与工程学院，湖南 吉首 427000）

一、问题提出

据《2021 年全国教育事业发展统计公报》[1]（2022）显示，2021 年我国高等教育在校生规模达4430 万，而《1998 年全国教育事业发展统计公报》[2]显示，1998 年我国高等教育在校生规模仅为643 万，前者是后者的6.9 倍。随着高校招生规模的快速扩大，学困生人数与比例也在逐年增加，尤其是非双一流高校，愈来愈严重的“学困生”问题是影响高等教育质量的主要因素之一，也给学生管理、教学管理带来新的挑战[3]。那么，我们如何尽早识别学困生，对其进行早期预警、干预与适应性教育，或者预防学生们演变为学困生，争取不让一个学生掉队，既是我们每一个教育工作者义不容辞的责任，也是每一所高校亟待解决的重要问题。传统“千人一面”的班级授课方式，因为教师的时间和精力有限，难以依赖教师日常观察与考试等手段准确诊断学生的学习状态，难以尽早识别学生的学习障碍与困难，更难以对学生进行早期干预、预警与个性化教育。随着人工智能等现代信息技术的迅猛发展及其在教育领域的快速渗透，教学范式逐渐迈向智能化、精准化、个性化，为“学困生”的早期识别与早期个性化干预提供了新的方法与途径。

二、关于学困生的研究

（一）学困生的界定

“学习困难”一词最早由美国学者KirK 于1963 年所提出。“learning difficulty”即为学习困难，“learning disability”为“学习障碍”“学习失能”之意。20 世纪80 年代，全美学习失能共同委员会认为，学习失能为听、说、读、写和逻辑推理等能力的习得与应用显著困难[4]。“学困生”即“学习困难生”，国内学者又称“学习障碍生”“学习失能生”“差生”等。但“差生”因有损学生人格或打击其学习积极性而受到批评，故很少使用，而使用“学困生”这一术语者较多。王运花等（2013）认为，学困生指学习困难，学习效率低，未能达到教学基本要求的成绩差的学生[5]。刘江华等（2013）认为，学困生指身体、智力正常，由于各种原因导致延期、留级、退学、肄业等无法按照正常年限达到毕业要求的学生[6]。袁宗虎等（2017）则认为，学业年限延长、退学的学生称为学困生[7]。张秋燕（2017）认为，学困生是指智力与感官正常，但其学习成绩明显低于同年级或同班学生，不能达到预期教学目标的学生[8]。常磊等（2021）将学困生分为广义与狭义两种，前者是指由各种因素引起学习成绩差的学生；后者是指生理与心理正常，但学习成绩不符合教学要求的学生[9]。

学者对学困生的界定尚未形成一致，不同的学者侧重点不太一样，如刘江华、袁宗虎等从学习困难的后果来界定，强调无法正常毕业并且留级的学生。刘江华、张秋燕、常磊等强调学困生是身体、智力正常的学习困难学生。综合上述的观点，我们认为，学困生指身体、智力正常，学习目的不明确，学习态度不端正，学习方法不适当，学习动力较弱，学习成绩较差，未能达到教学目标要求的学习困难的学生。

（二）学困生形成的原因

王运花等（2013）认为，学生的基础差、不认真学习等是形成学困生的内因，家庭贫困或遭遇变故、教师授课水平低等导致学生学习兴趣下降是外因[10]。刘朝晖等（2014）认为，学困生通常由于生理、心理、行为环境、教育等因素影响而形成[11]。王素萍（2014）认为，因缺乏学习兴趣、没有形成良好的学习习惯和掌握科学的学习方法等，导致学习动力缺乏，学习效果差，进而形成学困生[12]。袁宗虎等（2017）则认为，内因有学习动力不足、兴趣缺乏、学习情绪倦怠；外因包括教育弊端本身、家庭教育及社会不良风气等[13]。包志梅（2022）认为，从高中到大学的情境变化易引发学生学习的无力感和无方向感，诱发学生的消极学习行为，而消极行为是导致其学业不良的重要根源[14]。倪亚红（2022）认为，学生学习致困主要来自社会、家庭、学校和学生个体四个层面，其中，社会层面有种族、成长与不良心态的信息传播、社交网站过度使用等；家庭层面有收入高低与稳定性、父母教养方式等；学校层面包括学校设施、教学方法和教学管理等；个体层面包括自我效能感、学习方法、情绪与智力、自尊心、学习动机和心理等因素[15]。简言之，学困生形成的原因是多方面的，涉及社会、家庭、学校和学生个体。

综上，学者们对什么是学困生及学困生形成的原因等开展了较多研究，但对如何运用人工智能技术尤其是采用人机协同的方式如何识别早期学困生并进行教学干预的研究成果较少。

三、高校学困生的特征与智能识别

一旦学困生出现延期、留级、退学、肄业等无法按照正常年限达到毕业要求等问题，说明学生出现学习困难的时间较长，学习滞后太多，心理障碍较大，根本扭转这种局面的难度大，需要付出的代价高，对于这些学生来说，已造成不可估量的损失。尽管学生的个体差异是客观存在的，可以来自遗传与环境的共同作用，在学习动力、学习能力、学习态度、学习风格、知识经验、家庭文化背景等多方面存在差异。但对于身体与智力正常的学生，如果教育工作者能够尽早了解学困生的特征，尽早有效识别潜在学困生并进行预警与干预，就可以预防学困生的产生，并且防止发生较为严重的后果，真正做到“不让一个学生掉队”。

（一）高校学困生的特征

1.学困生的心理特征

2.学困生的行为特征

行为特征是指个体在特定情境下所表现出的具体行为和动作。行为特征通常是可观察和可测量的，它们是性格特征、心理特征在特定情境下的外显表现。学困生的行为特征主要有：学困生学习准备不足，常常不带教材或者不带相关的学习用具；学习目的不明确，较少制定学习计划和课程学习重点；学习习惯不好，不能完成或不能按时完成新知识的预习、教师布置的作业，或作业的正确率低，或不做作业，不独立思考，习惯于抄袭，应付作业，学习上处于被动的状态，更谈不上主动学习；前期基础较差、自律性差、专注力差，学习动力不足，学习兴趣低，因此，学困生缺课率高，态度不端正，上课走神、不认真听课与做笔记，举手提问与回答问题不积极，打瞌睡、打哈欠、揉眼睛、东张西望的频率高；学困生课后复习、拓展学习、参加学术讲座与科研项目、参加学科竞赛、与老师沟通、与学长与同学探讨学习经验或方法等兴趣与动力缺乏；学困生没有主动学习的习惯，往往表现出不学习、不预习、不复习、依赖心强、牢骚满腹、学习不用心、违反纪律等行为特征。

3.学困生的性格特征

性格特征是指个体的固有特质和态度，它们相对稳定，通常不会轻易改变。性格特征与个体的思考方式、情感倾向和行为反应有关。了解学困生的性格特征有助于教师更好地理解其需求，并提供相应的支持和指导，帮助他们克服学习困难。学困生的性格特征主要有：一是性格内向、孤僻，不愿意与人交流，相对较少主动参与课堂讨论和发言；二是懒散、悲观、自信心不足，消极地对待学习，对自己的知识水平、学习能力和人生价值持怀疑态度；三是心神不宁、情绪不稳定、神经质，难以管理自己的学习时间、注意力和情绪，对学习中的挫折更加敏感，自我调节能力差，更容易受到学习困难带来的负面情绪影响，如沮丧、焦虑或挫败感。学困生的性格特征是多样的，他们在不同的特征上表现出不同的行为倾向。这些性格特征又可以影响他们在学习环境中的行为和心理反应。

除了上述特征外，相对初高中学生，高校学困生通常在特定学科或专业领域遇到困难，如计算机、土木、机械等，面临更大的社会压力，需要更多的专业知识与专业技术支持、具有更高的独立学习能力，更多地依靠自主学习和自我管理。

（二）高校学困生的人机协同智能识别

与非学困生相比，高校学困生在心理、行为、性格等方面具有一些典型特征。通过教师与智能机器的协同采集来处理学生的学习行为、学习心理状态数据，对学生进行画像建模，精准掌握、识别学困生显性问题与隐性问题，为精准干预提供数据支撑。通常考入同一所高校的同一专业的学生，大一新生入校时的基础差异不大。如果当学生具有学困性的行为与心理特征时进行及时识别与干预，就可以防止这些学生向学困生转变，甚至向学优生转变。

如今这个时代，现实生活是一团糟，每个人都想逃离现实。这就是为什么哈利迪成为了我们的英雄。他让我们足不出户也能周游世界。你只需要有一台具有压力感应功能的全方位跑步机，便可以在整个虚拟世界中遨游。

人机协同是人与机器各自发挥特长、协同工作[18]，涵盖人机取长补短，共同认识、共同感知、共同思考、共同决策、共同工作、互相理解、互相制约和相互监护[19]。随着人们对深度学习算法研究的拓展，机器的智能化程度不断提升，人与机器之间逐渐形成相互促进、共同发展的关系。在教学监控与教学干预中，教师（包括学生辅导员或其他支持人员）主要承担与情感、态度、价值观、创造性等培育相关的教学工作，机器主要完成重复性、程序性和事务性的教学工作[20]。智能系统可以自动采集、处理和识别学生的学习状态，并提供实时反馈和个性化支持，教师可以根据智能设备提供的信息反馈及与教师的观察和评估相结合，形成全面的学生学习状态图景，便于教师制定相应的教学干预策略、个性化支持措施。人机协同学困生的识别主要包括数据采集、数据处理、画像建模与学困生识别等环节：

1.人机协同数据采集

数据采集是用户画像构建、学困生识别的前提与基础，包括课前、课内、课后全过程数据的采集，也包括线上与线下多模态数据的采集。人机协同数据采集是指教师与智能设备分工、协作与交互采集学生学习状态数据的过程。教师可以通过调查问卷、文档收集或现场观察等各种渠道获取数据，智能系统可以通过智能化工具、传感器或网络爬虫等方式自动采集数据。人机协同采集学困生的学习行为、学习心理和学习情感等数据如下：

（1）行为特征数据的采集

教师可以通过直接观察学生学习时间、学习行为和学习资源的使用情况等，通过测试、交流或通过智能系统的信息反馈来获取师生互动、生生互动、作业等多模态数据，采集学生是否具有呆滞、不听课、不做作业、打瞌睡、打哈欠、揉眼睛、东张西望等行为数据；教师要求学生编写学习日志，采集学生的学习过程、学习策略等数据。智能系统可以适时、自动采集学生的学习行为数据，如：记录学困生的学习进度，包括已完成、未完成或延迟完成的学习任务或作业；通过自动化跟踪技术，记录学生学习的时间、频率、持续时间和学习活动的分布情况等，追踪学生与学习资源的交互，包括阅读时间、笔记记录和在线搜索等数据，获取学生的学习行为数据；记录学生在学习过程中的学习策略，如阅读、思维导图等，在线学习平台可以追踪学生与教师和其他学生的互动情况，如讨论、问答和协作学习；通过虚拟现实、增强现实、混合现实等技术，呈现学生在模拟情境中的行为和反应并采集其数据，这些环境还可以模拟现实世界的学习任务与挑战及解决问题、合作学习和决策制定。

（2）心理特征数据的采集

教师可以通过设计问卷调查或面对面交流，采集学生的学习心理和情感状态数据，及时掌握学生的学习动机、注意力、焦虑、兴趣等方面的感受和体验；教师要求学生进行学习反思，记录他们的学习困难、学习策略的使用心理以及情感体验。智能系统可以适时、自动采集学生的学习心理与情感数据，如：运用可穿戴设备（心率监测器）可以记录学生的心率变化；运用传感技术可以采集学生的脸部表情；运用情感计算技术进行情绪和情感状态分析，包括分析学生在学习过程中是否具有愤怒、泄气、焦虑、厌烦、走神、恐惧、困惑、疲惫、悲伤等心理情感数据。智能系统也可以通过问卷调查、自我评价或学习日志来采集学生的自信心和学习动机水平数据，或记录他们的学习心理状态。智能系统还可以采集学生在学习过程中产生的文本和语音数据，包括学生的语调、语速和语言情感等特征，了解他们的心理情感状态和认知负荷。

（3）性格特征数据的采集

教师可以通过观察、访谈等方式采集学生的学习动机、自信心、注意力、焦虑、挫败感等情况及他们对待学习的态度；制定合适的人格评估工具，教师或智能设备可以采集学生的性格特征数据，诸如学生的内向性、宜人性、尽责性、情绪稳定性、开放性和自我调节性等。制定合理的学习风格评估工具，教师或智能设备可以采集学生的学习偏好和学习风格数据，包括视觉、听觉、动手实践等学习习惯与性格等。运用计算机视觉与情感计算等技术，智能系统可以自动追踪学生在学习过程中的眼球运动或脸部表情，获取学生的注意力与投入度、心神或情绪稳定性等性格特征数据。

2.人机协同数据处理

从不同来源采集的多模态学生数据，一方面，数据量庞大，另一方面，数据可能存在不一致、杂乱无序、数据冗余或缺失等问题，因此，需要我们进行数据的分析与处理。数据处理以智能系统自动处理为主，教师人工处理为辅。一是数据预处理。智能系统对采集到的学生的行为特征、心理特征、性格特征等数据进行预处理，包括数据的智能清洗、去噪、处理异常值和缺失值、数据归一化处理等，以确保数据的质量和一致性。二是数据分析和挖掘。利用数据分析、数据挖掘技术和统计分析技术等，对学生的多模态数据进行深入分析，深度挖掘、分析学生特征与历史数据。三是学困生特征提取与标签化处理。运用机器学习、深度学习等算法对学生学习状态数据进行特征提取、标签化处理，构建标签化体系，如：学困生不学习、不预习、不复习等行为特征标签；矛盾心理、逆反心理、疑惧心理、学习动机水平偏低和消极、敌对、抑郁等心理特征标签；性格内向、孤僻、懒散、悲观、自信心不足性格特征标签。

3.人机协同画像建模与学困生识别

（1）画像建模

在处理学生多模态数据的基础上，对学生的学习状态进行画像建模。一是模型选择和建立。运用聚类分析、分类算法、关联规则挖掘、决策树及深度学习算法等进行选择建模。二是模型训练和评估。使用采集到的数据对选择的模型进行训练，并使用交叉验证、指标评估和误差分析等方法来进行模型评估，以确保模型的性能。三是画像建模和解释。根据训练好的模型，生成学困生画像，并进行解释。四是模型迭代和改进。随着学困生的数据积累和反馈，自动进行模型的迭代和改进，以提高模型的准确性和实用性。

（2）学困生识别

智能系统可以利用学生画像中的数据和模式来识别学困生。一是学困生学习行为问题识别。智能系统通过对学习时间、行为模式、做题速度、错误频率、学习停顿时间等学习行为数据的分析，结合学生的考试成绩、作业完成情况等学业表现，系统可以自动识别学生是否存在学习上的困难。二是学困生性格问题识别。智能系统可以通过分析学生在学习过程中的偏好和行为，如课堂参与和交流互动等，识别学生的性格是否内向、孤僻等问题。三是学困生心理情感问题识别。智能系统可以通过情感分析技术来分析学生的情绪状态，如，识别学生在学习过程中是否表现出焦虑、挫败情绪等问题。

综上，通过智能系统对学生进行画像建模，可以实时、精准呈现每个学生个体的行为、心理、性格特征与学习规律，刻画学生的外显与内隐学习行为，精确诊断学困生的现有问题及潜在问题，为师生提供个性化教学服务。教师根据智能系统提供的学生状态分析报告，再结合自己的观察、分析与判断，精准识别、评估学困生的学习障碍、薄弱知识点及相关问题，如：学习效果差、投入不足、专注度低、学习动力不足、自我效能感低下、学习兴趣低等问题的类型和程度。

四、学困生智能精准教学干预

学困生通常存在知识基础差、学习兴趣低、动力不足、学习能力与自我控制能力弱等问题。一方面，利用智能技术手段，及时监测、预测学困生的学习状态，并为学困生自身提供实时反馈，让学困生及时了解自己的学习状况，及时调整学习策略并增强自信心；另一方面，教师根据智能系统的实时反馈与人机协同评估，了解每个学生的兴趣、需求和学习风格，精准识别学困生以后，针对学困生的具体学习需求和困难制定个性化教学目标与干预策略，及时开展精准教学干预。

1.人机协同学习兴趣与学习动机干预。学习兴趣低、动力不足是学困生普遍存在的一个问题。兴趣是学生学习的内在动力。学习动机包括学生对学习的态度、价值观、求知欲、自我效能感和成就归因等方面[21]。一是设计趣味化教学资源。包含教学内容趣味化与呈现方式趣味化。教学内容趣味化主要体现在教学过程中插入一些学生感兴趣、有意义的故事、案例与情境，如：在讲授C 语言课程“函数的执行顺序”这一知识点时，将其比喻为小猫钓鱼的过程[22]。呈现方式趣味化主要体现在教学资源的游戏化、可视化以及虚拟现实、增强现实和混合现实等应用，使学生获得身临其境的感受，如教师可运用虚拟现实形象地呈现磁化过程与磁滞回线，便于学生理解内化，激发学习兴趣与动机。运用人机交互、增强现实等技术将复杂、抽象的学习资源以真实化、情境化的方式呈现，提升教学资源的交互性、体验性和娱乐性[23]。二是设计个性化的教学过程与方式。如：可以运用ChatGPT（聊天机器人）、百度智能机器人、在线学习平台等直接与学生互动，为学生提供个性化的学习体验和一对一的答疑、导航和社交等服务，激发学生的兴趣、认知与情感。三是设计协作和竞争学习情境。利用智能系统来促进学生之间的协作和竞争。如：运用“雨课堂”等智能化教学工具，在教学过程中设计抽签回答问题等教学环节，对回答问题者进行积分，且根据问题的难易程度赋分奖励，激发学习动机；创建在线竞赛、排行榜和挑战，激发学困生的竞争动力和学习积极性；设计基于团队合作的项目，使用在线协作平台或虚拟团队来实现学生之间的合作学习，激发学习动机；设计互动式学习活动和虚拟实验，以激发学困生的参与度；利用虚拟现实等技术或开展现场角色扮演游戏，让学生扮演不同角色，设计模拟情境，提升他们的社交能力和自信心。

2.人机协同前期知识干预。补充、激活学困生的前期知识，尤其是与新知识相关联的前期知识，铲除他们学习新知识的障碍。学生受学习能力、努力程度、经验与知识的局限或遗忘等因素的影响，有可能导致前期知识基础较差，新知识与前期知识之间的连接不足，知识迁移与应用受阻，导致学习兴趣下降，形成恶性循环，进而形成学困生。通过人机协同系统对学生进行画像建模，精准定位学困生的学习短板与学习需求，再结合当前学习的知识内容，通过智能系统进行关联分析与角色分析，深度挖掘新旧知识之间的衔接知识，从海量的学习资源中自动挖掘、提取并向学困生精准推送个性化的学习内容、学习方案和学习路径，供学困生自主学习，拓宽新旧知识连接的渠道[24]。如Knewton 公司开发的自适应学习系统，系统根据学生的前期知识掌握情况，自动向学生推送个性化的学习内容与学习资源，还可以根据学生的学习表现和对知识的理解程度调整难度和内容。

3.人机协同情感干预。情感干预以教师干预为主，智能机器干预为辅。通过教师的观察与运用情感计算等人工智能技术构建的人工智能系统的反馈，精准获取学困生的情感状态与情感问题，精准掌握其情绪、焦虑水平或压力，分析其原因，有针对性地进行学困生情感干预。教师可以综合运用答疑解惑与表扬、欣赏、心理疏导、心灵互动、灵魂关怀、情感渗透等情感激励方式，激活学生的脑内神经元与思维，使之处于一种积极向上的、踊跃的并且愿意与人、与事建立关联的状态，帮助其树立理想、抱负、情怀、价值观和自信心，从心理上激发他们学习的热情与欲望，唤醒学困生投入学习。如：教师要善于发现学困生的学习潜力与闪光点，及时给予表扬，对于具有心理障碍、学习困惑或困难的学生，要及时疏通和帮助，避免学困生进一步产生厌学的情绪，激发学困生的学习热情。教师从学困生的实际情况出发给予关心与帮助，给予个性化的情绪管理和指导、放松练习，调整学习目标与学习环境，如：帮助学困生制定简单、明确的学习目标，布置具体、简单的学习任务，让他们通过努力以后可以实现其学习目标，提高他们的学习自信心[25]。

4.人机协同制度干预。一是建立课堂纪律、学习行为、学习态度等考核机制。通过人机协同系统对学生的学习状态进行实时监控，如：上课迟到、打瞌睡、不完成作业等行为扣减平时成绩与总评成绩等，促进学生端正学习态度，规范学习行为，形成一定的学习压力，养成良好的学习习惯。二是建立常态化的测试、检查、提醒、督促与考核等相结合的制度。对学生的学习过程与结果进行人机协同考核，如：建立积分奖罚制度，课堂回答问题加分，明确加分要求，根据问题的难易程度加分，鼓励学生开展自主学习，给予他们适当的自主决策权和学习责任，形成学习的内在动力。三是建立持续跟踪学困生机制。人机协同系统跟踪学困生学习进展，并评估干预措施的有效性，包括学困生学习行为与学习态度的变化、作业和测试成绩变化、学生和家长的反馈等，通过评估，可以确定哪些策略和方法对学困生有效，并对教学干预计划进行必要的调整。四是构建互帮互助学习机制。通过建立在线学习平台或虚拟学习社区，鼓励学生与同伴和教师进行互动和合作学习，营造相互交流、互帮互助、互相激励的学习氛围，让学生通过合作、互相帮助来解决问题和完成任务，激发学生尤其是学困生的学习兴趣和动力。五是帮助学困生建立适应性学习计划。帮助学困生制定学习计划，并教授他们时间管理的技巧，帮助他们合理安排学习时间并提高学习效率。

五、结束语

学困性具有典型的心理特征、行为特征、性格特征，独立的人类或智能机器均难以实现学困生的早期识别与精准干预，人工智能与人类智能有机协同是解决高校教学过程中学困生问题的有效途径。通过人机协同系统可以采集、处理学生的学习状态数据，尽早精准识别学困生显性问题与隐性问题，有助于尽早进行学习兴趣与学习动机干预、前期知识干预、情感干预和制度干预，实现“不让一个学生掉队”的目标，大力提升高等教育教学质量。