AIGC赋能计算机课程自适应教学模式探索
2024-04-08程楠楠李芳丽吴璇
程楠楠 李芳丽 吴璇
[摘 要] 基于当前教学环境下计算机编程类课程所面临的问题,探索AIGC自适应教学的新模式路径。采用了培养目标的适配、教学资源和策略的调整、教学交互空间重构以及评价目标导向优化四个方法,以计算机编程类课程为具体案例展示了相应的教学模式设计。研究结果强调了AIGC时代自适应教学的潜在益处,为教育领域引入了创新的方法和策略,为未来教育改革提供了有价值的见解,为教育者和决策者提供指导,推动教育模式朝着更灵活、个性化的方向发展。
[关 键 词] ChatGPT;AIGC;自适应教学;教学交互空间
[中图分类号] G642 [文献标志码] A [文章編号] 2096-0603(2024)06-0021-04
一、引言
以ChatGPT为代表的生成式人工智能(Artificial Intelligence Generated Content, AIGC)自2022年11月由OpenAI推出即引发相关学界和业界的广泛关注和深刻反思。凭借其最为先进的自然语言处理工具,具有超强的上下文学习理解、生成性互动对话能力、回答能力、总结能力、信息抽取能力等已然强势进入教育领域[1]。根据在线课程供应商Study数据显示,“超过89%的学生使用ChatGPT来完成家庭作业,48%的学生使用ChatGPT来完成小测验,53%的学生使用ChatGPT来写论文,22%的学生使用ChatGPT来生成论文大纲”[2],其以学生的主动使用为突破点强势入局正在颠覆现有的教育体系。同年3月由中国教科院主办的“ChatGPT与未来教育”沙龙学界和业界专家普遍认为,ChatGPT让教育生态变得更加复杂,亦对教育教学引发诸多方面的重新思考和变革挑战[3],一方面是其带来的高效教学促进教改的技术红利,另一方面是ChatGPT所暗藏的教育风险。
二、计算机课程教学及自适应教学的现状
当前计算机专业的人才培养和教学模式处于AIGC时代的漩涡中心,毕竟编写软件代码亦是ChatGPT技术最擅长的领域之一,因此传统的计算机专业课程如编程类课程、程序设计类课程、软件开发类课程等,其教学模式面临更为迫切的挑战。计算机课程具有实践性较强、跨学科、知识更新快等特点,虽然当前一些计算机类专业不断推进项目制教学[4-5]以提高其实践性,但仍受限于班集体授课制的制约。教师往往需要兼顾大多数学生的普遍特征和共性需求,课程内容多是面向大众学生相对具体、明确的知识点以及指令代码编程案例。另外,计算机课程通常需要较长的时间来完成实际操作和编码任务,难以为学生提供充足的实践时间,这可能导致学生只能进行表面的操作,无法深入理解和应用所学知识。最重要的是计算机专业课程教学对学生的编程能力、逻辑思维和问题解决能力提出了一定的要求,然而,面向群体的规模化教学造成学生的个体差异往往被忽视,导致一些学生在实践中遇到困难和挫折。
自适应教学是一种根据学生的个体差异和学习进展来调整教学内容和方法的教学模式,其依赖线上教学资源扩展教学的时空弹性,一定程度上可以解决个性化和差异化教学问题[6]。虽然自适应教学有很多潜力和优势,但其也面临一些困境和挑战。首先如何平衡个体差异和教学一致性问题,在编程课程中,个性化教学需要平衡基础概念的传授和编程实践的培养,过于个性化可能导致学生在基本概念上薄弱。其次自适应教学非常依赖学生的动机和参与度,尽管自适应教学可以更好地满足学生的学习需求,但如果学生缺乏主动参与的积极性,他们可能无法从中获得最大的受益。
三、ChatGPT在自适应教学中的应用
(一)ChatGPT在教育教学中的潜能
ChatGPT技术是自然语言生成领域的一项重要进展,它基于强大的深度学习模型,可以生成人类般的自然语言回复,正在以其强大的功能和快速的发展重塑教与学形态及其之间的关系[1]。它可以作为虚拟教师或助教,提供个性化的学习支持和答疑解惑,为学生提供即时的问题解答和学习指导。此外,ChatGPT还能够为教师提供智能辅助工具,协助课程设计、作业评估和学生反馈等教学任务。虽然ChatGPT技术仍面临一些挑战,如模型可解释性、错误纠正、知识产权合规性等问题,但是随着技术的不断发展以及各级教育系统各主体协同应变,ChatGPT在未来教育中的应用会更加顺畅。
在分析了ChatGPT对教育的影响之后,众多国内外学者进行了教育教学应用领域的研究,此时研究视角主要分为两大类:(1)全局视角剖析ChatGPT在教育领域应用的机理逻辑、场景路径等[7-8]。(2)从微观教学活动视角进行探究其具体的应用方式,如基于ChatGPT的教学能力诊断[9]、基于ChatGPT的教育数字化资源开发[10]、学科教学方法探索[11]等,但当前对ChatGPT如何融入课堂教学并充分发挥其技术优势进行教学模式设计研究鲜有提及。
(二)ChatGPT在自适应教学中的应用探索
自适应学习(Adaptive Learning) [6]是一种教育技术和方法,旨在根据学生的个体需求和学习进展,自动调整教学内容、节奏和方式,为个人提供交互和个性化的学习路径。核心原理是通过不断监测、评估和分析学生的学习数据,以了解其学习需求和进展情况,从而提供适应性的教学方案和资源。
在ChatGPT与其他人工智能技术的支持下,自适应教学模式更快速地走向台前。ChatGPT的类人性及对内容相关性的识别,从学习角度而言,其在多轮交互过程中必然突出对个性化发展的关注[12]。另外,ChatGPT引发的职业焦虑也催生教学指向学生未来生存和发展能力的培养,而非一致化的知识传授。虽然ChatGPT在学生常规知识传授和基础能力训练方面有其个性化和高效化,但也在一定程度引发教学目标对学生高阶能力的追寻,而高阶能力亦是自适应教学中以学为中心的核心目标。
四、AIGC时代基于自适应学习的教学模式
传统的计算机类专业课程的教学模式可能面临设备和资源限制、课程时间限制以及学生个体差异问题等,AIGC类技术课实现重构学习空间,给学习范式与教学模式提供了自适应的高效和便捷。基于人机共创的项目资源开发、教学进度计划和在线教学平台进行以学生为主体,师、生、机交互空间的教学过程和学习过程的流程设计,最后形成适配AIGC时代自适应教学的教学评价。面向师、生、机交互空间的自适应教学模式设计框架如圖1所示。
(一)教学目标适配与优化
教育的本质是心灵的沟通、灵魂的碰撞,这样的教学目标无法仅仅依靠冰冷的代码完成[13]。另外,学习是过程,课程只是载体,知识习得过程中关键的分析、应用等任务是一种能力和素养的教学,这是ChatGPT等人工智能技术无法替代的。但是如果课程的教学目标只是让学生获得知识,那这与拥有海量知识的ChatGPT相比,无异于以卵击石。因此,必须进行课程教学目标的优化和改革,着重对学生进行问题意识、分析与批判思维、创造与创新等高阶思维能力培养,而非仅仅是知识的理解和编程的能力。借鉴CC2020报告中胜任力模型=知识(know-what)+技能(know-how)+素养(know-why)形成三层结构化矩阵的教学目标,其中技能类除了基本的编程开发能力和系统解决问题能力之外,还需要培养其利用ChatGPT等人工智能工具提高解决问题效率的能力。素养类目标除了传统的编程思维、创新思维、解决问题思维外,还着重培养学生对于ChatGPT等技术工具辩证使用的态度,同时启发科技向善的价值观。Python编程设计与开发课程的教学目标设计见文末表1。
(二)自适应的教学资源场景支持
ChatGPT具备海量知识的储备且提供高效的知识结构,为学生提供了一个天然的自适应学生个人的教学资源池,且为学生和教师打破了课堂时空的壁垒和依赖。教学资源支持包括但不限于文末表2中的内容。
当然教师需要结合自身对知识项目的理解和辩证状态,合理利用ChatGPT资源池进行资源收集、项目的剪裁、教学的设计等。
(三)教与学活动空间重构
在自适应教学模式顶层设计下,构建教学过程和学习过程围绕“师、生、机”角色,课堂内外线上线下混合时空的交互网络教与学空间,实现基于学生全面发展的、科学的人与人和人与机的网络交互关系样态,创新课堂实践教学、课外拓展教学、学生专业方向组等空间结构进行问题导向学习、自主探究式学习、合作学习等。
以Python编程设计与开发课程为例,在该教学时空下,课前学生可一边观看在线的教学微课,一边实时沉浸式和ChatGPT以对话的形式与其进行互动交流。比如使用费曼学习法将对某个知识点的理解输入给ChatGPT并咨询它的意见,也可以向其询问代码注释和学习方法等,而且可以多轮对话,包括同一话题的继续追问或者相似话题的延展。课后还可以进行合作拓展学习,比如课后拓展大项目合作开发过程中,ChatGPT可帮助成员进行资料收集、项目大纲撰写等。
需要注意的是,课堂教学重点是通过综合项目场景设计及现场交互反馈等手段建立对学生意识和情感的链接,帮助学生搭建ChatGPT零散知识的融合框架,帮助学生建立对已有知识之间的关联与融合,构建自己的知识体系,以提高高阶分析应用甚至创新应用的能力。同时启发学生批判性思维,甄别ChatGPT所返回的无效信息甚至错误信息,以及科技向善的态度和价值观。
(四)教学评价适配与优化
自适应教学以及ChatGPT带来的个性化发展要求,导致过程性分析视角下学生知识掌握的时空顺序参差、目标能力素养形成的步调幅度不一,因此传统的评价范式将难以有效反映学生为中心的课程教学目标评价[12]。本文从ChatGPT和师生交互的网络空间活动和自适应教学过程中构建一套时空融合的、多元化的自适应教学考评流程和考核指标。
课前——学生与ChatGPT交互次数、交互内容质量、验证提问数;课上——学生与教师的交互次数、交互内容质量、主动提问数;课后——学生的练习成绩、交互反馈的次数、交互反馈的质量;课后——学生自我评价、个人答辩考评、小组合作考评。通过时空双维度交互融合,实现围绕学生个人的过程实践性、形成性与结果导向性并存的能力素养培养及评测新方法体系。
五、结论
在当今以ChatGPT为代表的生成式人工智能(AIGC)时代,教育领域正经历着技术创新带来的变革,其中自适应学习与人工智能技术的结合引发了新的教学模式的探索。聚焦于计算机专业课程的自适应学习的崭新路径模式下,学生能够根据自己的兴趣和进度,选择合适的学习路径,同时在基于ChatGPT的时空交互中体验个性化互动学习、合作探究学习等,激发学生的自主性、批判性以及创新启发性,从而提高教学效能,以期实现ChatGPT等新技术时代的高阶能力素养教学目标。
然而,要持续性实现这一目标,需要教育者、技术开发者和政策制定者的共同努力,以确保技术的合理应用和教育的全面发展。本文的研究一定程度为当下AIGC人工智能时代教育教学应用进行了一线课程教学实践的研究拓展,也对自适应教学模式的应用进行了一定程度的推广。
参考文献:
[1]Baidoo-Anu D, Owusu Ansah L. Education in the era of generative artificial intelligence (AI): Under-standing the potential benefits of ChatGPT in promoting teaching and learning [J]. Available at SSRN 4337484, 2023.
[2]每日经济新闻.日活量破千万ChatGPT为何火爆全球[EB/OL].(2023-01-30)[2023-08-25].https://m.nbd.com.cn/articles/2023-01-30/2648703.html.
[3]中国教科院.“ChatGPT与未来教”沙龙成功举行[EB/OL].(2023-03-04)[2023-08-25].https://www.eol.cn/info/guandian/202303/t20230320_2327758.shtml.
[4]贾宁,郑纯军.思政背景下的混合式项目化学习在人工智能专业教学中的实践[J].计算机教育,2023(7):138-144.
[5]刘陶,刘丹.产出导向的项目驱动式混合教学模式研究与实践[J].计算机教育,2021(10):179-183.
[6]Martin F, Chen Y, Moore R L, et al. Systematic review of adaptive learning research designs, context, strategies,and technologies from 2009 to 2018[J]. Educational Technology Research and Development, 2020,68(4):1903-1929.
[7]羅志佳,陈韦宏.ChatGPT介入教育领域的技术运用、风险洞悉与发展路径[J].重庆理工大学学报(社会科学),2023,37(6):119-128.
[8]张治.ChatGPT/生成式人工智能重塑教育的底层逻辑和可能路径[J].华东师范大学学报(教育科学版),2023,41(7):131-142.
[9]贺樑,应振宇,王英英,等.教育中的ChatGPT:教学能力诊断研究[J].华东师范大学学报(教育科学版),2023,41(7):162-176.
[10]万力勇,杜静,熊若欣.人机共创:基于AIGC的数字化教育资源开发新范式[J].现代远程教育研究,2023,35(5):14-24.
[11]秦颖.人机共生场景下的外语教学方法探索:以ChatGPT为例[J].外语电化教学,2023(2):24-29,108.
[12]陆道坤,李淑婷.是“神马”还是“灰犀牛”:ChatGPT等大语言模型对教育的多维影响及应对之策[J].新疆师范大学学报(哲学社会科学版),2023,45(1):1-19.
[13]周美云.机遇、挑战与对策:人工智能时代的教学变革[J].现代教育管理,2020(3):110-116.