基于人工智能和大数据的精准教学研究

蒋 雷 朱婷婷

（广东白云学院大数据与计算机学院数据工程系，广东 广州 510450）

1 引言

随着移动物联网的发展、移动端设备和应用的普及，越来越多的新型学习方式不断涌现并被人们关注，如移动学习、个性化学习和碎片化学习。高等学校走在教书育人的前沿，因此受到来自各方面变化的挑战，特别是在教学理念、教学目标及教学方案等方面都受到了前所未有的挑战。

精准教学模式起源于20世纪90年代的美国，是由林斯利(Lindsley)在斯金纳(Skinne)的行为学理论基础上总结归纳出来的教学方法。这种教学方法的主要目的是针对不同人群设计不同目标、精选不同教学内容，监控并分析学生的学习表现和学习效果，为后续教学提供数据参考[1]。

引入新的教学模式会对教师的授课方式产生一定影响，同时也会提升学生自主学习能力和知识迁移能力，促进学生深入探究学科内涵。本文通过对具体教学案例的分析，总结了数据导入与预处理课程中精准教学的应用模式：运用新兴的人工智能和大数据技术分析学生学情，教师与学生线上线下实时互动，培养学生自主探究能力和创新思维能力，提高学生综合素质并提升教学质量。

2 精准教学模式的应用

从精准教学实践方面看，当前已有多种教育、教学类平台、APP，用以收集、分析和测评学情，进而为教学模式创新提供数据支持。如郑林、罗莹等人用“智慧学伴”采集学习过程中各学科学习数据、通过微测试题和总测试题对学生学情进行全面的测评与诊断，还可有针对性地推送微课资源等[2]。

虽然多种平台、系统大量涌现，但精准教学模式仍未发展成熟，本质上仍是以传统教学模式为主。要想真正发展学生个性化学习、培养创新思维和自主探究能力，还是要通过充分利用大数据分析结果。我院拥有业内领先的“LMS智能学情分析系统”（以下简称LMS），运用科技手段对学生学情进行全方位监测和数据化分析。该系统实时捕捉并量化学生学习行为，将其转化为有价值的信息。教师通过后台实时数据反馈清楚掌握学生学习状态。如果发现学生没有预习、复习、做作业、线上测验等异常行为，可向学生发起手机短信、QQ或微信提醒。截至目前，我院教师已累计发起2160次提醒，极大提升了线下学习的效率和质量。学生完成每课测验后会在10秒钟内收到一份个性化学习报告，清晰掌握自己的在线时长、上课进度、答题正确率等学习数据。

此外，LMS通过知识图谱对学习行为数据进行挖掘分析后还会生成阶段性学习报告、结课报告，精确定位学生知识薄弱点。这不仅让学生更清晰透明地了解学习进度，还有利于教师进行针对性辅导，也方便教师根据群体薄弱点进行针对性备课。截至目前，LMS已累计生成约49000次课堂报告。

我院通过对产品的AI研发，构筑了完整的教学生态，可为学生提供网课、智能练习、难题解析等多元化智能教育服务，辅助学生系统性、高效率地实现学习闭环。

3 基于LMS的精准教学模式实施途径

在现有教学环节基础上，通过对精准教学理论的研究发现，以现有LMS的功能为基础可总结出基于人工智能与大数据的精准教学流程，如图1所示。

图1 大数据背景下的精准教学流程

在该流程中要关注以下几点：

首先，充分调动学生的主动性，对每一章节均需根据学情设置符合生活经验的情境，在情境中激发学生探究的主动性。

其次，有效访问。课件和其他教学资料是师生间的重要交互载体，要保证大多数师生在校内、校外都能顺畅、安全地接收、发送和阅读资料。

最后，精准实施。要达到教学目标，需要在教学过程中严格按照设计方案实施教学活动。

本研究以该流程为依据，探索出精准教学模式在授课实践中的四条有效途径。

3.1 精准化教学目标

教学中应把笼统、抽象的目标分解为小的、可量化的目标，教师才可以针对小目标进行精准教学，如可按具体任务对目标进行划分，使每个目标下出现更多、更具体的子任务或子目标，从而使目标变得更加精确化、可量化，以促成教学针对性强、学生接受程度高的教学效果。在数据导入与预处理课程中的“数据清洗”章节中的教学目标可细化为“15～20分钟内完成‘使用JavaScript代码组件清理数据’的课堂练习，错误数不超过3项”，加上操作速度的要求后，精准教学的流畅度也大幅提升。

每个小目标都应有具体案例与之相对应，让学生在某种情境下写代码，写出的代码可以解决该情境下的问题；还可在目标实现中设置问题和陷阱，使学生在探索中打破原有的认知限制，重新认识问题的本质。具体分解见表1。

表1 教学目标拆分示例

以上的目标精准化促使学生对每个子目标进行分析、探究，学习效果与教学目标都达到了令人满意的效果。

3.2 预习内容的精准挖掘

授课前，教师依据教学目标、学生的知识储备和个性化需求调查结果，搜集、制作相关学习资料并在课前通过LMS平台推送给学生。学生自主查看资料、完成测验，与同学和教师交流并解决问题，不断提升发现问题、解决问题的能力。教师通过LMS平台全方位掌握学生的学习情况，包括资料下载人次、已观看的在线视频、测试成绩如何、提出和讨论过哪些问题等，这些数据对调整教学重难点、优化教学方案等具有重要作用。

具体案例：“Kettle作业设计”这一章的内容是完成一项综合训练，传统教学设计给学生带来了非常大的学习困难，本章不仅是对前面各章节内容的总结和综合应用，而且还带有一定的难度升级，如大作业的步骤多达十几步、每个步骤处理的数据量达到万级，如不经事先设计和优化，会长时间卡在某个步骤且找不到出错原因。这就需要教师对预习内容的设定进行查缺补漏，对本章内容的复杂性进行预警，提高预习难度，才能达到理想的教学效果。

建议预习内容设计如下：

（1）巩固前面章节的知识点和操作，以其中一个操作为例，扩大数据量，观察出现的问题并尝试解决。

（2）预习本章知识点，尝试大作业的建立和运行，思考为什么会有“执行路径”这个概念。

针对以上两个问题大部分同学都参与了讨论，如有同学提出数量增大后，程序确实运行很长时间没有结果，应该停止程序并找到出错信息。这一推导又找出了第二个问题的答案，既然某步骤容易出错或运行时间长，那么在多步骤作业中，能否在大而长的步骤执行过程中，在另外一条路径中执行多个短而小的步骤，从而达到充分利用系统资源的目的，教师在课堂上只需针对这两个问题进行引导和总结，即可解决本章知识难点。

总结：这一设计的改进在于将教学重点从课中改为了课前。这种学习方式是学生根据预习要求进行自我学习，学习过程整体上呈现出积极主动的状态，自然提高了学习质量。

3.3 开展多样化教学活动

教师可通过LMS平台开展知识点讨论、直播授课、录播授课等多种教学活动，授课对象既可以是整个班级，也可以具体都某个学生或者某个学习小组，学生遇到问题时可在任何阶段向教师提问。教师对学生存在的共性问题以及重点知识、课外练习进行集中讲解和拓展。

3.4 精准化教学考评机制

传统教学模式的考评是将课程总分按一定比例分配在签到签退、课堂表现、阶段测试和期末考试成绩四个方面，综合得出最后分数来进行评定。基于人工智能与大数据的精准教学模式从学习进度、学习动机和总结性评价三个方面客观考查学生的学情和成果，最终生成可视化报告，与前述精准化教学目标、预习内容的精准挖掘、开展多样化教学活动形成完整闭环。考核数据中，学习进度数据考查学生在自主学习过程中相应知识单元的完成情况；学习动机数据通过平均签到率和任务平均完成率评价学生自主学习的意愿强弱；总结性评价考核全体学生平均成绩与成绩分布、教学质量与学习效果、教学目标完成情况等。教师依据以上统计结果对学生的学习过程和结果进行客观分析，调整和优化教学设计。

4 教学效果分析

为检测精准教学模式在教学中的实际效果，笔者以数据科学与大数据技术专业的两个班级的学生为研究对象，进行了数字化分析和对比。每个班有效人数为49和51，由同一名教师授课。正式授课前，首先对学生进行基础测试，接着对实验班采用精准教学模式授课，对传统班则依然按照传统教学模式上课。课程结束后的成绩测验证实了精准教学模式在实际应用中确实有比较好的效果：

首先，检验两个被试班级的课前基础，授课前两个班的基础水平接近。

其次，检验两个被试班级被授课后成绩的差异性，两种授课模式的教学效果有显著差异。实施精准教学后，实验班平均成绩达到93.35分，较授课前提升了8分，而传统班平均成绩变化不大，仍然在85分左右。此外，实验班有44位同学取得了优异的成绩（95分），全班最低分85分（传统班的平均成绩），在总人数只有49人的情况下，出现了成绩差1分排名相差40多位的激烈竞争局面，这更加说明精准教学模式对课程的教学质量和学生的学习效果具有显著促进作用，证明了精准教学的可行性及可操作性。

5 与传统精准教学模式的区别

本研究的结论和效果与应用“智慧学伴”系统等传统精准教学方式有一定的区别：

（1）教学目标量化程度不同。本研究中的教学目标对实践教学、理论教学及学习效果等均有详细（可分解）、可量化的明确规定，以满足人才培养方案和学生就业要求。无法量化的教学目标会影响考核准确性，进而影响毕业率和就业率。而传统精准教学模式的目标量化存在松弛因子，即允许在一定程度上调节达成度，且多数目标只体现考试成绩。

（2）解决的学习需求不同。本研究中教学以启发为主，对学习内容的宽度和深度只做底线要求，不做上限要求。学生以自学为主，LMS平台线上收集的学情价值远高于传统精准模式，教师教学针对性更强、教学质量更高、学生学习效率更高、学习效果更好。而传统精准教学模式的线上学习往往只作为线下学习的补充和拓展，授课方式仍以单向传输为主，学生多数情况下被动接受知识，虽有一定的方式方法支持精准定位学生需求、学习痛点与难点，但由于精准度不高，只对解决大多数同学的薄弱点有较好效果，无法解决学生学习个性化需求，在激发学习兴趣方面不及本文的研究成果。

（3）教学活动多样性不同。本研究开展并实施了多样化教学，包括但不限于第二课堂、翻转课堂、头脑风暴、课堂辩论、问卷调查、工厂式教学、各种比赛竞赛等，让学生在多场景下找到兴趣点、切入点，激发学习动力，以更多方式获得知识而不仅仅是课堂学习，充分满足其个性化学习需求。而传统精准教学模式中，学生大部分时间在课堂上，无论怎样改良教学设计，都无法突破课堂时间限制让他们充分地相互间讨论、与老师辩论，即便应用了人工智能、大数据等技术对学情进行分析、产生了同样类型的报告，其结果也不够全面和精准，解决问题的能力只能说相对传统教学有所改进。

（4）考核方式不同。本研究采用形成性考核方式，既包括最终的考试成绩与作品设计，也注重平时的学习过程，如对于偏理论的课程，考试成绩完全相同的两名学生的平时成绩可能相差很大，一名同学是为了考试而只学习课本知识，另一名同学则平时就注重基础理论研究，期末除了考试成绩与上一名同学一样之外，还在教师的指导下发表了学术论文。因此对学生的考核方式应该是弹性的，能够全面体现学习成绩的。而传统精准教学模式中的考核是硬性的，达成难度本来就高，再增设多样化、个性化的指标会给学生增加负担，就考核本身而言是很难提高学生学习兴趣和发挥学习潜力的，即便某科目考试成绩可通过比赛成绩或证书替换，那也只是少数特长生能做到的。

综上所述，精准教学模式的实际效果不仅仅依赖于理论本身，它与教学管理模式、授课对象、学习需求、考核方式及考核目标等都有千丝万缕的联系。在人工智能和大数据背景下，人工智能技术好比是精准教学模式的“血液循环系统”和教育教学创新的“试验田”，它将助推教育的变革创新，加快教育精准化的进程。

6 结语

本文的教学创新研究，既可为精准教学研究提供理论参考，也可为满足大数据时代教学需求的教育界同行提供实践数据。

LMS平台目前还不支持授课时“实时课件推送”和“多次课件推送”，只具备基础的“资料上传”和“定向发送”（如发送给指定班级）功能，因此阻碍了精准教学的路径实施。为更好地支持学院精准教学的教研教改工作，计划在平台内推出“课件推送”模块，将更好地为精准教学实践提供支撑，推动高质量教学工作的可持续发展。