班级授课制约束下智能技术有效赋能个性化学习的实践路径与风险规避

范佳荣 韩颖 钟绍春

（1.东北师范大学 信息科学与技术学院，吉林 长春 130117；2.教育部 数字化学习支撑技术工程研究中心，吉林 长春 130117）

一、问题提出

自我国古代教育家孔子在两千多年前提出“因材施教”的教育原则后，随着科技进步与经济发展，对个性化教育思想的继承与发扬，人们将其升华为一种更具革新意义和代表人类前进方向的时代精神的衍生物——个性化学习。这成为当今时代学习型社会的典型特征[1]。大数据、学习分析、人工智能等新兴技术在教育中的广泛应用，在进一步强化了教育个体价值与社会功能的同时，最大限度地体现人的独特性、进取性、发展性、潜在性与创新性，为个性化学习的实现提供了技术手段。

在20 世纪60 年代早期，在线学习系统就开始依赖于课程排序机制，使用定向顺序的学习材料，成为今天学习资源推荐的雏形。这种推荐方法忽略了用户的知识背景、学习能力，以及他们在学习过程中的进步和变化，从而影响了在线学习系统的效率及用户的学习体验。因此，考虑个体在学习偏好、目标、能力、知识背景等的差异下，个性化推荐的方法被提出，在描述个性特征的主要参数方面，有学者调查了1990 年初以来发表的160 项研究[2]，发现研究者使用最多的参数包括：与为什么学习有关的参数（如学习目标、学习动机）[3]，与学习什么有关的参数（如知识水平、能力水平）[4]，与怎么学有关的参数（如学习风格）[5]。后续的研究逐渐将其综合起来考虑，称为学习者画像或学习者模型。基于学习者画像的个性化学习推荐大体可以分为学习内容推荐、学习资源推荐及学习活动序列推荐[6]，即诊断学习者的学习情况，生成自适应的课程排序和知识点序列[7]，推荐与之能力相当或符合学习者当前学习需求的片段式学习资源序列[8]，或精准的个性化学习活动序列[9]。表征个体在学习偏好、认知能力、知识背景等方面的差异，在全面把握学习者真实需求基础上，实现精准的个性推荐，为班级授课制约束下的个性化学习提供了强有力的支撑。

我国现阶段的基础教育以课堂教学为主，课堂是教学的主阵地，由于学生具有个性化的认知水平、学习方法、风格、偏好等，不能满足学生的学习需求，因此，实际教学中常常出现“学困生消化不了、优生吃不饱”的窘境。教学模式作为连接理论与实践的桥梁，是将信息技术应用于教育教学，实现教与学的方式变革的主要途径。随着课堂教学环境的变革，新时代对人才培养要求的提高，传统课堂下的个性化教学的指导原则已经不能适用于当前的教学设计当中，传统的教学方式和新的需求呈现出明显的差距和鸿沟，人工智能、大数据等技术在教育中的应用为个性化学习模式的研究提供了新思路。如张忻忻等人[10]通过探讨数据化学习环境下个性化教学设计的价值取向，以学习者模型生成与数据更新为核心，设计了包含课前学案设计与结果分析、课中教学互动与差异化指导、课后个性化自主学习等环节的个性化教学模式。

综上所述，当前的研究偏向于借助智能工具和技术，推送学习资源帮助学习者进行课下的自主预习和完成课后的分层作业，多集中于个性化学习的技术应用，对班级授课制约束下个性化教学的新方法仍然关注较少。鉴于此，本研究从班级授课制约束下实现个性化学习的实践困境出发，探讨技术赋能的实现路径，以及对技术赋能教与学过程中存在的风险进行审思。

二、分析：班级授课制约束下实现个性化学习的实践困境

《中国教育现代化2035》明确提出“利用现代技术加快推动人才培养模式改革，实现规模化教育与个性化培养的有机结合”[11]，肯定了信息技术推动教育变革、重塑教育体系的可能性，为革新保守固化的传统班级制，“批量生产”的教育模式提供了新的方法和思路。从本质上讲，学习者画像、个性化推荐等技术的逐渐成熟能够有效解决传统课堂教学所存在的教师对学情了解不及时、作业分层困难、学生反馈不及时及教学效率低等问题，帮助教师面向学习者真实的学习需求，为其提供适切的学习支持服务，调控和优化教学活动。但是，相关技术真的能给学校带来颠覆性改变，引发教育革命，真正实现班级授课制下规模化教育与个性化学习的有机结合吗？

认识和承认人的差异性，还不足以使教师实施因材施教。在课堂实践中理解教学的变与不变，方能清醒评估技术变革力。对“全国中小学信息技术与教学融合创新优质课大赛”课例视频的分析与长期的课堂实践观察发现，虽然相关的技术或智能化工具已经被研发出来并出现在了多数教师的课堂教学中，但是绝大多数的教师主要是借助移动终端、智慧教学系统资源与工具，动态开展课堂教学情况检测与分析，想方设法使教学适应某种工具的用途，仅是在原有的教学模式基础上实现平移性应用，在规模化的教育实践中并没有把握好学习路径、学习资源与工具等为个性化学习带来的实质效用。研究发现，目前班级授课制约束下实现个性化学习过程中存在着如下问题与困境：（1）教学思路与方法选用固化，信息技术的应用并没有带来教师教学模式的创新。（2）在有限的课堂时间与空间内，教学过程动态化调控困难。（3）优秀教师规模化供给不足，导致优质教师的个性化指导缺失。

（一）教学思路与方法选用固化

班级授课制强调利用规模效益，提高教育效益。课堂教学由教师统一组织和安排，教师的讲解和指导是线性、不可逆的，学生只能按照教师所提供的统一讲解和指导，开展课堂学习活动。尽管教师努力利用大数据分析学情，按照班级群体学生共性情况，选择教学模式，安排教学活动，但教师根据已有的教学认知设计了主观经验性的教学流程，讲解、指导等都以教学内容为中心，忽略了学情。这在很大程度上强化了传统教学模式，虽然提升了讲授教学内容的效率，却在培养高阶能力方面后力不足[12]。以大数据在学校课堂教与学中的普及应用为例，它的效用更多地体现在对学生作答结果的实时呈现与统计分析，但如果教师没有形成个性化的教学活动流程，不能根据拟采用的教学法来选择技术工具，那么大数据只是部分取代了传统的评价方式，实时反馈在某种程度上也只能是对班级集中讲授的强化。

（二）教学过程动态化调控困难

移动学习终端解决了在常规条件下由于课后作业提交时间延迟，导致教师无法根据上一节课群体学生的作业完成情况设计下一节课教学活动安排的情况，使课堂教学活动的安排在一定程度上能够与班级群体学生的实际情况相吻合。

但是，预设的教学活动安排不一定有理想的教学效果，在实际教学过程中，可能会出现某一环节的教学活动安排不适合学生当前认知水平和能力的情况。例如，教师根据学情分析，对学习基础薄弱的学生群体选择了启发讲授的教学模式，而学生在讲授指导环节表现良好，教师就需要调整教学方法，布置相应的探究任务，组织学生归纳总结问题解决方法，探索学科规律，培养学生系统的问题解决能力。然而，由于缺乏及时有效的课堂教学数据反馈和相应的教学资源与工具支撑，一般情况下教师很难对课堂教学活动做大的调整和优化。

（三）优秀教师个性化指导缺失

优秀的师资力量是决定学校教育质量的关键，是影响学生学习效果的重要因素。然而高水平的学科优秀教师相对是少数的，只有少数班级能够获得优秀教师的指导。当前的做法大多是，将优秀教师录制的知识讲解微课，推送给所有的学生进一步学习。从形式上看，这种做法的确为学习者提供了很好的个性化学习支持，使学生在课堂或课下自主学习时，从没有教师帮助变成了有教师帮助。但是，由于学生认知差异的不同，其所适合的讲授方式不同，学生更加需要的是最适合自己学习方式的教师指导与帮助，所以导致了学生应用数字化学习资源的主动性不强，对于学习者进一步个性化学习的支撑作用也并不显著[13]。

因此，一些发达地区的学校通过大数据和人工智能技术给学生画像，通过人机协同构建新型双师课堂，发挥教师与人工智能的不同优势，提供面向全体学生的个性化教育服务。但是，双师协同教学对智慧教学环境、师生的数字素养、有效性评价和管理都提出了极高的要求，高经济投入的设备购买，使前沿、智能化的科技难以惠及偏远、不发达的地区。新冠疫情期间的情况也表明，不同家庭环境学生的技术学习适应性差异显著，技术不仅没有缩小而且加剧了教育不平等这一现象[14]，学生的课下自主学习仍然存在着优质学习资源获取困难、疑难问题解决不及时等问题。

综上，应在“人机协同”的技术思维指引下，探索能够全过程掌控学生学习情况，针对学生问题学习的实际需要，为不同学生提供适合的学习方式，帮助其得到最佳教师的指导和帮助，完成学习活动的智能技术应用规律，并形成优质教育精准供给的个性化教学模式，重塑教育新范式[15]。力图为教育不发达地区的学生提供高质量教育资源和及时的教学辅助，有效保障教育公平，提高个性化学习质量。

三、寻变：班级授课制约束下技术赋能个性化的实施策略

规模化统一授课与个性化学习，在传统教育形式中难以找到合理的平衡点，但随着时代进步，利用大数据、人工智能等新兴技术，通过创新教学思路与方法、变革教学模式、重塑教学评价，赋能教学全过程，为打破“规模教育”忽视学习者差异性的壁垒提供了可能[16]。

以智慧教学平台和智能学习终端为支撑，构建学习者学习情况准确判定、学习路径合理引导、优秀教师服务个性匹配、教师精准调控课堂教学活动的线上线下一体化、课前课后全周期教学新模式，最大限度地体现不同教学内容的学习规律和不同学习者的个性特点，最大限度地保证优质教师服务深入课堂，实时可用，克服“大一统”的传统教学模式的弊端，是对技术赋能班级规模化教学中实现个性化学习的回应。

按照这样的思路，在全国多个地区实验校的各学科多轮迭代实证基础上，我们形成了规模效率与个性发展全覆盖的人网融合智慧课堂教学模式，如图1（见下页）所示。其中人网融合是指，在互联网、人工智能等技术支持下，在对不同层次学习者分类基础上，按照不同学习方式，将优秀教师对知识的讲解和典型学生学习分享录制成微课，把优秀教师的教学智慧和典型学习者的学习经验按照不同的教学方式和不同群体适合的学习方式“装进”网中，构建学习路网资源，使学生能够根据需要个性化听讲；使教师可以借鉴优秀教师的教学思路和方法，也可以在自己讲解或指导不及时、不到位的时候，用优秀教师的讲解或指导资源，局部替代任课教师指导，实现优秀教师供给课堂。

图1 人网融合智慧课堂教学模式

该模式分为课前智能诊断个性导学、课中人网融合协同研学和课后精准评价智慧助学三个阶段。在兼顾班级统一教学的基础上，旨在充分发挥任课教师的组织和引导作用、虚拟优秀教师的讲解和指导作用，对学生个体进行个性化干预，为学习者开展意义建构和深度高效参与提供可靠的支持。

（一）基于智能诊断的课前个性导学

课前预习主要是借助平板等终端设备进行基础知识自主学习。教师利用智能教学平台布置预习任务及一些难度适中的、有针对性的问题，提供多样化的学习资源，供学生按照适合自己的方式，选择适合自己的教师讲解视频课程，进行个性化听讲，并在教师提前制作的任务单指导下完成相关任务和学习结果检测。系统自动测评、记录成绩，分析学生知识掌握情况。学生对于掌握不牢固的知识可以再次观看微课学习；教师则通过诊断个体和群体学习者学习情况，分析出班级学习者存在的共性问题，了解共性学习规律，确定适合班级群体学习者学习的共性学习活动安排，选择班级统一教学资源与工具，以及适合不同层次学生的个性化学习资源。

（二）基于人网融合的课中协同研学

课堂作为技术赋能教育规模化和个性化育人功能发挥的主阵地，应在充分考虑不同层次学生实际情况，最大限度满足群体学生学习需要的基础上，促进个体自由而充分地发展。并将更多的时间用于更高难度或复杂问题解决与任务完成，让学生经历发现问题、学习或探索问题解决方法、应用知识解决问题等的完整过程，有更多深入思考和合作学习的机会，全面提升学生的问题解决能力和学科素养。因此，课中可以包括诸如自学反馈、基本问题解决方法学习、复杂问题探究、展示交流、分类应用与提升及梳理总结六个环节。

自学反馈环节，教师根据学生课前自主学习情况，利用交流展示工具，针对共性问题进行讲解，或将遇到相同问题的学生组成学习小组，组织小组讨论交流、互助解疑，在此过程中，教师实时动态了解小组交流讨论情况，及时提供答疑指导。在小组对某些问题达成共识的基础上，将未能解决的问题罗列出来。

基本问题解决方法学习环节，教师以教学目标和课前检测学情分析为依据，有针对性地提出问题，将这些问题与小组内未解决的问题作为引导，以班级为单位进行师生、学生间的交流讨论，帮助学生形成解决基本问题的方法和策略。为了验证问题解决策略的科学性和客观性，培养学生系统的问题解决能力，需要进行进一步的探究、应用和内化[17]。

复杂问题探究环节，教师结合生活实际，以能够驱动学习疑难问题解决为任务驱动，可以借助多媒体、VR/AR 等技术，采用虚实结合的方式，将问题在实际场景中可视化呈现出来。为学生提供学科探究工具、虚拟仿真实验室等智能交互学习资源，组织小组开展协作学习以达成问题解决，在探究过程中，智能交互学习资源记录学生过程性数据，为教师掌握每个小组的探究情况提供依据，从而为每个小组提供有针对性的帮助。当遇到问题的小组无法及时获取教师指导时，可以获取智能学习引擎针对所存在问题推荐的适合学习路径和最佳学习服务，也可以按照适合自己的学习方式，在资源库中检索名师知识点讲授视频资源及其他拓展学习资源，获得个性化指导。值得注意的是，教师需要及时关注群体学习者的探究情况，利用智能学习系统的动态数据反馈及巡视观察，分析探究效果，若探究效果不佳，及时根据整体学习水平在系统中选择与讲授或导读教学方式相匹配的支撑资源与工具，优化教学活动安排。

展示交流环节，教师组织学生利用互动工具，将探究形成的复杂问题解决方案以汇报、演讲等形式在班级中进行展示与交流，并开展教师点评、小组互评等活动，在实现资源共享的基础上，加深学生对问题的认识。

分类应用与提升环节，主要是在知识和方法学习的基础上，让学习者通过分层分类测试题的解决，形成系统的问题解决能力。教师在智能学习系统中嵌套分层的训练任务和典型问题讲解微课资源，组织学生根据自身情况，完成分层训练任务，并基于训练测试数据，进行有针对性的评价与指导。当学生在分层训练过程中遇到困难时，也可以通过自主学习名师微课，获得个性化指导。

梳理总结环节，教师引导学生利用知识梳理工具，总结探究过程与分层问题解决办法，建立学科知识规律，使学生再次内化知识与技能，优化自己的认知结构。

（三）基于精准评价的课后智慧助学

通过纵向贯通学生在各个环节所产生的学习行为记录、即时测验、问卷调查、练习与作业、探究报告等异构数据，横向打通数据采集和整合的全流程，在智能学习系统中实现关联分析，形成学生个体画像，以及不同层次学生的群体画像。课后，教师基于群体画像，布置分层作业，安排适合的测试训练，针对不同群体进行智能干预；基于个体画像，发现学生个体的问题，利用优质教师讲解、指导等资源开展个性化辅导，实现对个体的精准干预。组织学生围绕某一主题，利用主题学习资源，开展自主/合作探究和项目式学习，进一步深化知识理解与应用，促进学生的学业成绩、综合素质和个性特长进一步巩固和发展。

五、审思：班级授课制约束下技术赋能个性化学习的风险规避

基于数据的学情分析、个性化精准反馈解决了传统课堂评价的单向度和低效问题，机器人智能答疑、学习路网资源解决了优质资源均衡和规模化供给的问题，为实现基于个体差异的教学提供了技术上的可能，是教育从大规模、标准化走向个性化的“福音”。但是，教育实践可能会因为没有把握好技术与教育的关系而陷入被动和走偏，因此，需要审思、规避教育实践技术化的风险，从而更好实现规模化教育与个性化学习的有机结合。

（一）规避过度鼓吹技术带来的教育实践机械化风险

在多媒体交互设备、互联网、人工智能、虚拟仿真等技术突飞猛进的新时期，可应用于课堂教学的手段和设备发生了重大变化，加速了教育教学的变革。但是，需要清醒地认识到，教育变革是人而不是技术推动的，教育的革命性变化是超越技术之上的教育目的、教育制度、教育模式、教育规律、教育本质的进化或变革[18]。如果新技术被应用于教育，就只是固化了原本的教学思路与方法，例如，应用大数据分析取代主观经验判断学情，利用人工智能的个性推荐取代网络自主检索，利用文本识别取代手工评阅……不断创新的信息技术就会演变为教育变革的阻力，导致其背后的核心仍然是班级集中授课，并按照“以为创新的教育方法”所附着的确定性思维开展实践，难以从根本上解决规模化教育中忽略个性化培养的问题。技术重塑规模化教育，不是盲目移植、借用“流行”的技术，而是需要教师研判班级授课制约束下促进个性发展的瓶颈性问题，根据相关的教育现象和规律，提出可操作的课堂教学新模式，规避过度鼓吹技术带来的教育实践机械化风险。

（二）规避过度应用设备带来的主体性地位丧失风险

现阶段，智能技术赋能教学的主要风险之一是将技术应用视为过度的技术消费，造成了主体弱化和价值迷失等问题[19]。在课堂中，教师过度让学生使用设备，大脑几乎全天都被电子设备占据着，很容易使学生成为技术驱使下的学习者，而忽略了作为主体的理性自由与情感自由，学习的本能，获取知识的欲望，以及主体间的交互性体验，进而制约了人的发展。因此，在技术赋能规模化教育与个性化培养有机结合的过程中，教师仍然应以引导学生开展思考、自主/合作探究、交流讨论、展示评价等活动为主，把某些难以独自完成或完成效果不好的工作交给设备，例如，探究活动支撑工具、个性化指导名师微云课等。不仅专注知识理解、思维训练、技能培养，传递理性知识，养成学生善于思考和探索问题解决的意识与能力，也要关注师生、生生的交互，发挥学科教学内容、教学方式方法和教师人格的育人作用，促进学生道德形成、情感态度和价值观培养，还要关注学生运用知识解决生活实际问题的具身体验，规避过度应用设备带来的主体性地位丧失风险。

（三）规避过度依赖数据带来的教育培养同质化风险

一直以来，个性化学习的相关研究专注于通过移动学习终端，采集学生全场景的学习过程和学习结果数据，利用学习分析技术建立学习画像来分析学生。然而，机器不可能像人一样去分析和思考，在大众的想象中终归是可复制的、标准化的，就如同智能机器人永远无法替代教师。只依赖电子设备获得的必然是“冰冷的”数据，只依赖数据分析算法获得的必然是“标准化”的结果。在课程改革日益深化的背景下，学生的思维能力和素养往往被排除在算法之外，学生的心智、德行和生命价值是无法进行工具化测量的，不能单方面被智能工具监视、计算、分析和改变，这种学习的最终结局可能会让人更像机器，人们在个性发展前进的脚步，在机械化、同质化的智能体系笼罩下，显得极其微弱[20]。因此，教师应结合学习数据和自身教学经验，以立德树人为教育旨归，关注学生鲜活能动的情感体验，发展中的思维能力，以及内在的心灵品质和德行，在设计教学资源、改进教学策略、指导学习方法等方面更契合学生的综合情况，从而在班级授课制的局限下最大限度地导向对个体生命实践有利的方向。

（四）规避过度购买产品带来的智能教育高门槛风险

在促进规模化教育与个性化有机结合的理论研究或实践中，对教师与人工智能教育机器人一起开展“双师”协同教学、支持深度个性化智慧学习的呼声高涨，但是教育相对不发达地区的经济条件、教师的信息素养、学生家长的教育观念等都极大限制了教育信息化的效力；高经济投入的设备购买，使前沿、智能的科技难以惠及偏远、不发达的地区，这无疑加剧了教学差异。

因此，实现规模化教育与个性化培养有机结合的技术应用，应是普惠的。例如，以学习方式为组织方式的优质数字化资源共享平台，使不同经济发展水平地区的学生都有条件使用便携移动终端设备获得最佳教师的个性化指导，才是让科技发展的成果惠及所有学生，避免智能教育成为高投入、高门槛的切实可行途径。