基于人工智能的混合式教学过程中数字化能力提升研究

张婷 张文涛

关键词：混合式教学；人工智能；知识图谱；智慧课堂；精准教学

近年来，将人工智能应用在教育中成为教育领域的一个热点。根据联合国教科文组织的报告，人工智能技术是教育中最重要的技术之一，在未来十年内是很有前途的技术，其市场将会呈指数级增长[1]。疫情期间，知识的教学行为和获取行为越来越需要时间和地点异步化，允许老师学生地点不同步的线上教学瞬间成了刚需[2]。2022 年中国在线教育市场规模达4000亿元。受新冠疫情影响，人们对在线终身教育的需求快速提升[3]。混合式教学要求教师的角色从单纯的知识传授者转变为兴趣激发者、纠正误区者、资料提供者、资料推荐者、理解引导者、理解验证者等[4]，难免会造成教师负压过重，难以保证混合式教学的教学质量。

1 混合式教学过程中遇到的主要问题及问题的原因分析

1.1 线下教学与线上教学脱节严重

课堂教学与在线学习衔接不紧密是当前混合教学中的一个突出问题。混合学习线下教学仍主要采用传统教学模式，在线教学最初是线下学习的补充和延伸，但承担线下教学、家庭作业和试卷纠正的教师，本身教学任务比较繁重。另外，在线教学资源的制作也需要教师独立完成或协助完成，再加上需要进行在线教学，使教师疲惫不堪，因此在线与学生的互动未能及时完成，混合式教学质量堪忧[5]。如果学生在网上互动时没有得到老师的及时回应，或者面对大量的课程资源没有头绪，他们的兴趣自然会逐渐消失，课堂教学与网上学习的分离程度会越来越严重。

1.2 混合式教学情感交流不充分

混合式教学效果不理想主要有两个原因：第一，教学内容不能激发学习者的兴趣不能引导学生从浅到深掌握知识；第二，学生在教学过程中感受不到情感交流[6]。主要是由于教师在教学过程中，没能提前了解学习者当前的学习任务和情绪状态，根据学习者当前的状态进行有针对性地创造适当的情境，不知不觉地使学生的情感发生积极的变化。

1.3 人工智能辅助教学系统应用较少

目前，人工智能教育技术的发展是国内教育技术产业的重点，实践应用研究仍然较少，人工智能辅助教学的功能在教育中没有得到充分体现。有些国内在线教育机构推出了辅助人工智能系统，优化教育教学效果，基本与第三方机构合作，不是独立研发[7]。目前许多应用仍在研发阶段，就算应用落地也非常简单，参考价值低。

1.4 解决该问题的意义

上述问题和现象的产生，很大程度来自教师负担过重。随着人工智能教学技术的发展，一些知识记忆和简单重复的教学工作可以分配给人工智能技术来完成，可以帮助教师提高效率，减轻负担。这样教师就可以提高学术素养，投入更多精力和时间在开发高质量的课程教学资源等方面。教师在课堂上引导学生的学习，提取学习者的情感和学习兴趣，进行有针对性的浸润式情感教学，从而更好地促进课堂教学与在线学习的融合。

2 基于人工智能的混合式教学全过程数字化能力提升框架

人工智能技术创设混合式课程不再局限于传递既定知识，课程实施过程中，师生之间的交往不是单向信息传递。因此线上的教研活动包括知识图谱建设和线上平台数据分析和测评，要与线下的智慧教室软硬件及线下课堂交互活动紧密联系，才能使得课程目标变得更加灵活，课程内容变得更加私人定制，课程形态变得更加灵活，课程实施变得更加个性化、混合性与体验性，课程评价变得更加游离性、即时性与精准性。打造全过程融合的数字化能力需要以数字知识图谱（knowledge graph）为核心，贯通智慧教室（smart classroom）、教研教学平台（learning platform）以及课堂交互（classroom interaction）[8]，如图1所示，四者之间相互联系形成完整闭环，才能创造一个更具互动性和吸引力的学习体验。

从线上学习平台和教学视频中抽取资源，包括教学大纲、知识大纲、课程关系、PPT、教材、教学视频等，对文本知识点进行识别（包含目录结构和三元素的提取）、富媒体资源识别（包含音视频内容、图片）、教学热词的提炼，形成动态知识点关联到知识单元成为知识图谱中的关系。多个知识点形成知识单元（相当于课程章节的概念），多个知识单元又形成了知识领域（相当于课程的概念），最后庞大的知识领域构成了学科的知识库。只有课程的依赖形成，才能构建完整的知识库图谱结构。知识图谱可以为学生提供知识推荐，为教师提供智能决策，方便学生进行知识重构和个性化学习。在智慧教室中进行线下教学的实录和学生行为数据也要跟线上学习平台数据相结合才能实现线上线下紧密衔接。线上线下教学过程中生成的教学视频可以通过视频切分引擎自动抽取知识点，并完成知识点自动挂载和点击知识点，直接定位到视频位置，无需看完所有视频。还可以自动生成视频文字讲稿，进行对比学习，讲稿位置定位到当前知识点，方便学生快速定位所需学习的内容，提高学习者的学习兴趣和学习体验。

3 基于人工智能的混合式教学全过程数字化能力提升方案

3.1 线上教学平台应用人工智能进行精准评测

目前，教师可根据线上线下混合教学网络平台上的统计数据和信息来评价学生学习情况，细化各种量化评价指标制定课程考核标准，包括平时的作业成绩、测验成绩、期末考试成绩，还包括学习平台和互动情况，如教学视频观看时长、参与讨论次数、评论获得的点赞或认可数等。但是这些评价方式比较平面化，粗放化。融入了人工智能技术的网络平台，可以抓取学生的学习路径和掌握知识的节点，从而更加精准地分析学生掌握知识点的情况。

全球最大的在线教育平台Coursera、主打个性化教育平台Knewto平台根据学生的兴趣和先验知识向他们推荐相关课程[9]。这通常使用协同过滤和基于内容的建议来完成。协作过滤是一种使用其他用户的行为（例如，他们上了什么课程以及他们如何对它们进行评价）来为给定的用户提出建议的技术。另一方面，基于内容的推荐则使用课程本身的特点（例如，它们所涵盖的主题）来提出推荐。另一种方式是提供关于学生进步的反馈。这通常是使用机器学习算法来分析学生数据（例如，他们在问题上花费多长时间，需要多少次尝试才能得到正确答案），以确定学生有疑问的地方，并提供有针对性的反馈。澳大利亚的自适应学习平台Smart Sparrow可以识别学生掌握得不够好的领域，并提供有针对性的反馈来帮助他们提高。所提供的反馈可以是文本、视频或模拟等交互式元素，这可以帮助学生更好地理解这个概念。语言学习工具平台Duolingo使用人工智能分析学生在之前的课程和练习中的表现。例如，如果一个学生一直在努力使用一个特定的语法规则或词汇，那么该平台将在未来的课程中提供关于该概念的额外实践。Duolingo 还使用自然语言处理来跟踪学生的写作和说话情况，并对他们的语言能力提供反馈。Duolingo还可以分析学生完成练习需要多长时间、尝试多少次才能获得正确答案，以及他们在测验和测试中的表现。这些数据被用于为每个学生创建一个个性化的学习计划，其中考虑到他们的优缺点，并相应地调整课程的内容和节奏。美国人工智能学习评估系统ALEKS通过初始评估测试来评估学生当前的知识和技能，该测试涵盖了广泛的数学和科学主题，采用了多项选择题和开放回答题的组合，旨在识别学生知识点掌握的情況。一旦最初的评估完成，ALEKS就会使用人工智能为每个学生创建一个个性化的学习路径，并考虑到他们个人的优势和劣势。然后，该平台向学生提供一套根据他们的特定需求定制的交互式学习模块，并根据他们的表现调整难度水平。

3.2 利用知识图谱完善线上线下衔接机制

线上教学为学生提供了更多的自由和便捷，如课程及时的反馈、直播课程的视频回看、远距离的交互等，线下课堂具有“面对面”的情感优势，如何进行线上线下有效衔接，是目前值得探讨的课题。人工智能技术的融入，让教师及时了解学生线上学习所暴露的知识点掌握不充分等问题，在课堂上能更加有针对性地进行教学，线下课堂中师生之间的情感衔接更加紧密。在学科知识图谱、学生学习画像和带标注学习资源等数据的支持下，可以根据学生的学习肖像设计学生的学习路径，并根据学习路径上的知识点设计学习资源推荐算法，个性化的学习资源推荐将变得切实可行。

澳大利亚昆士兰大学正在使用知识图谱来帮助学生以视觉和互动的方式理解复杂的概念。美国加州大学伯克利分校正在使用知识图谱来改善复杂主题的教学，如计算机科学、电气工程和生物学。德国图宾根大学正在使用知识图谱来帮助学生理解和导航复杂的科学文献。加拿大滑铁卢大学正在使用知识图谱来帮助学生在现实世界中理解和应用这些知识。英国牛津大学正在使用知识图谱来加强复杂和跨学科的教学，如哲学和社会科学。在我国，也有一些高校和企业在探索知识图谱在教育领域的应用，如浙江大学的“学在浙大平台”，阿里云推出的“数字知识平台”等，可视化的学科知识图谱将为学生呈现整个学科的“知识地图”，学生能够更加直观地从学科的整体上了解课程之间的关系，了解每一个知识点之间的关系，从而有目的地规划自己的学习路径。

3.3 微课应用人工智能梳理知识点形成认知链

目前的微课资源教学平台，基本上都是“千人一面”，所有用户都只能按照同样的顺序观看微课视频进行学习。人工智能可以抓取微课视频中的知识点和关键词，提供转录、翻译和字幕生成等功能，学生可以根据自己的学习需求找到教学视频中的有用片段，筛选出符合自己兴趣偏好的项目，提高学习效率。

目前一些高校和线上平台已经利用人工智能对录制的讲座或其他课程视频的内容进行分析和提供反馈。Coursera使用人工智能來实现个性化的视频播放速度，并创建多种语言的字幕。开放式在线慕课教育网站Udemy使用人工智能个性化视频播放速度，并生成字幕和字幕。使学生更容易访问和搜索。这对失聪或听力难听的学生，或非母语使用者的学生特别有帮助。可汗学院，它使用人工智能从录制的讲座中自动创建测验，并根据学生的表现创建个性化的小测验，为学生提供了一种方法来测试他们对所涵盖的材料的理解。大规模开放在线课堂平台edX利用人工智能自动分析记录的讲座，寻找关键的概念、模式和趋势，根据学生的兴趣和表现创建个性化的视频播放列表。这可以帮助教师和学生了解讲座的哪些部分最有效，哪些部分可能需要改进。开源云视频平台Kaltura平台使用人工智能为视频生成自动字幕，使有听力障碍的学生更容易使用它们。虚拟学习助手平台Cognii使用人工智能驱动其虚拟助教，可以回答学生的问题，并在视频播放器中提供他们工作的工作反馈。全球最大的人工智能转录和字幕平台Verbit使用人工智能驱动的转录、字幕和翻译服务，为学生提供更容易获得和更具包容性的学习体验。澳大利亚的自适应学习平台Smart Sparrow使用人工智能来创造自适应的学习体验，根据学生的进步和表现来调整视频的内容和节奏。学生能力评估与学习培训在线平台Querium采用人工智能自然语言处理技术对课程视频进行自动评价并创建互动视频课程，对教师的教学风格、语言使用和所提供教材的有效性进行反馈，为学生提供即时反馈和个性化的实践机会。科大讯飞研发的“畅言智慧课堂”还支持教师线上评课，平台将主讲教师的课堂录制下来并实时生成字幕，评课的教师可以基于这些文字材料进行线上点评分析。

3.4 线下智慧课堂应用人工智能提升混合式课程精准性

智慧教室可以使用各种人工智能技术，如自然语言处理、机器学习和计算机视觉来增强学习体验，拥有智慧考勤、智慧表情分析、互动教学、课堂录播、微信注册人脸、大屏展示等功能。美国新泽西州的峰会公立学校已经实施了一个名为“个性化学习平台”（PLP） 的人工智能学习平台，该平台使用机器学习来适应每个学生的个人需求。PLP为学生提供个性化的指导和实时反馈，并允许教师监控学生的进展，并相应地调整教学。在中国，苏州市正在其小学和中学中使用人工智能驱动的智能教室。这些教室使用面部识别技术来记录出勤率，使用智慧表情分析功能精准分析学生上课时的表情，提炼情绪特征，助力提升教学质量。加拿大多伦多地区学校董事会启动了一个试点项目，将使用人工智能聊天机器人来帮助学生完成家庭作业，使用自然语言处理来理解和回答学生的问题。

许多大学正在使用人工智能驱动的聊天机器人，为学生快速、准确地提供关于广泛主题的信息，如课程时间表、经济援助和校园资源。聊天机器人还可以用来回答常见问题，并为学生提供全天候的支持。例如美国乔治亚理工学院的计算学院、新加坡南阳理工大学的计算机科学与工程学院、巴黎萨克莱大学和清华大学经济与管理学正在使用人工智能驱动的智能教室，为学生提供个性化的教学和实时反馈。教室使用机器学习和自然语言处理等技术来适应每个学生的个人需求。通过使用相机捕捉学生的图像来实现记录出勤率，然后使用机器学习算法将图像与学生的记录相匹配。

4 结束语

人工智能在教育中的应用变得越来越普遍，我们进一步研究了人工智能在教育中应用的好处、挑战和解决方案。人工智能在混合式教学的全过程中，帮助教师改进教学方法，提升工作效率，提供给学生更良好的学习体验。尽管有诸多好处，但人工智能在教育中也带来了一些挑战需要解决。如尽管学生们很欣赏他们可能从人工智能系统中获得的支持，但学生们也担心，封装的和标准化的算法支持会让学校对学生的学习评价不够客观公正。教师们也同样担心来自人工智能系统的过多支持可能会剥夺学生进行探索和发现的机会，学生可能会失去学习新技能或从错误中学习的机会。尽管人工智能加强了学生和教师之间的感知联系，但学生们对测量他们的无意识行为感到不舒服，比如面部表情分析或眼动追踪，因为他们感觉像被监视。不同的人工智能系统也可能会对学生的学习行为有不同的见解，学生和教师对人工智能系统的看法可能会受到不同学科的影响。随着越来越多的人工智能与教育的深度整合，更多的新问题将会出现，因此相关研究也将继续进行。