智能教育在个性化教学中的实践

时间：2022-01-26 11:11:18 所属分类：教育技术 浏览量:

国外研究者提出个性化推荐主要研究两个问题：(1)如何根据学习者的学习风格、认知风格为其获取学习资源，(2)如何为学习者展示学习内容[1]。淘宝首页的个性化推荐机制，就是以上述两个问题为基础，按照用户的近期购买物品种类、消费水平、个人风格偏好等进行物品的推荐。

　　国外研究者提出个性化推荐主要研究两个问题：(1)如何根据学习者的学习风格、认知风格为其获取学习资源，(2)如何为学习者展示学习内容[1]。淘宝首页的个性化推荐机制，就是以上述两个问题为基础，按照用户的近期购买物品种类、消费水平、个人风格偏好等进行物品的推荐。但这种机制并不适用于智能教育的知识点个性化推荐，原因有两点：(1)无法对学生当前的认知结构进行诊断。(2)基于行为数据推算的精确度不高，有时候学生的潜在能力和实际表现出的能力有所差别。袁路妍老师提出个性化学习资源的推荐主要根据学生的学习能力、学习偏好、知识水平等来进行相应的推荐[2]。因此我们将智能教育中的“预习知识点个性化推荐”定义为：在人工智能、大数据技术，认知诊断模式的基础上，首先利用在线学习平台上的大量学习行为数据进行分析，其次认知诊断机制实现学生内部知识结构的认知诊断,最后进行个性化学习资源的推送。这样的定义不仅给出了智能教育中知识点形成的基础条件，也给出了进行知识点个性化推荐的主要步骤，是较为完整的定义。

　　1传统预习方式及其弊端

　　随着课标的改革、智能教育的发展，传统的预习方式所带来的弊端越来越明显。(1)浪费教师安排内容的时间。新的教育形势促使着学生的学习压力大，教师的教学任务重。教师每天的工作除了上课还有开会、批改作业、备课、学习新知等。这些繁重的任务之外还要安排学生预习内容，这样无疑不是浪费教师大量的时间。(2)形式单一内容枯燥。据调查显示，传统的预习方式可分为三类：①熟读课本后看课后习题;②参考书前的课后题;③教师带领大家并布置习题。单一的形式和枯燥的内容，容易抹杀学生的学习兴趣、降低学生的学习动机，产生叛逆心理，不利于知识的学习。(3)优等生、差等生差异明显。在传统预习知识的安排中，教师安排的教学内容具有统一性，所有的学生都需要做一样的题。不同认知层次和学习基础的学生想达到目标的难易程度就会有明显的差异。对于优等生来说小菜一碟，对基础相对较差的学生来说就比较吃力，容易放弃。再加上还要靠学生的自觉性和家长的配合，这就导致相当一部分学生不能按时完成教师布置的内容。优等生和成绩较差的学生之间的差异越来越明显,鸿沟越来越大。

　　2知识点个性化推荐机制

　　一次完整的个性化推荐，以系统中的页面展示开始，也以页面展示结束，在这个过程中需要经过一系列复杂的计算，才能完成个性化的推荐。智能教育带来的知识点个性化推荐主要是基于收集习题作答数据、认知诊断、个性化推荐这三个主要步骤再加上学习资源库、知识库、个性化推送策略库，并结合认知诊断引擎、个性化推送引擎建构起了一个基本的框架。软件运行。为使大家能够更加清楚明确的理解智能教育中个性化知识点的推荐机制和运行规律，本文以“提分视频”软件中，小学“三年级分数的简单加减法”这一节为例，进行详细的介绍。知识点个性化推荐推荐的知识点以知识点类型为中心，形式多样化。富含宽阔的学习资源库，以收集作答数据开始。登录软件后能够选择科目、年级、章数、节数。笔者登录后选择了小学三年级数学科目的“分数的简单加减法”这一节进行(如果以往的、看视频、课后做题都在这个软件上，软件就忽略第一步，按照你以往的做题成功率、题型偏好进行内部认知诊断后直接进行第二步)。第一步：软件中先给出了上一节有关分数的认识的8个选择题1个连线题，以验证学习者是否掌握了上一节的知识。如果回答正确率达到了80%，就可以进行这一节知识的正式。第二步进入到正式，首先给出一个本节内容知识点讲解的微视频大概8min，观看完以后需要作答相关的题目一共10道。(这10道题不是随机给出的是按照不同知识点、你平时答题所反映的认知基础等因素综合形成的不同难易程度的习题)根据完成答案的正确率奖励数量不同的小金豆(小金豆可在首页商品城兑换商品或课程代金券)，奖励机制有助于提高学生的学习兴趣，增加自信。点击做错的题目时，可出现正确答案和相应知识点导学视频，看完视频后从学习资源库中抽取该知识点的试题，直到所有知识点正确完成为止。模型建立。知识点个性化推荐研究的核心就是学习者和学科知识点这两部分内容，因此必须从这两部分入手分别建立学习者模型和建立知识点关系模型。(1)建立学习者模型。知识点个性化推荐的重中之重就是“个性化”，而研究学习者才是实现“个性化”的唯一途径，因此建立学习者模型是必不可少的步骤。学习者模型主要是为了记录和描述学习过程，例如学习时间记录、学习风格偏好、知识点的掌握、学习总体进度等等。学习者模型可分为与知识相关的和非知识结构部分两部分，第一部分主要用于记录学习过程，第二部分用来体现学习者的学习动机、学习策略、学习偏好等指标。(2)建立知识点关系模型。建立知识点的关系模型是知识个性化推荐的一个重要研究内容。各个知识点之间不是独立存在的，而是以网状结构的形式相互联系的。知识网中一个知识点往往与很多其他知识点相联系，往往是前后关系、因果关系等。因此必须建立知识点关系模型方便梳理和调配知识点。图1为知识点关系模型图。(3)知识点个性化推荐相应库介绍。实现知识点个性化推送必须要有三个库：学习资源库、知识库和个性化推送库。①知识库。知识库的建立是知识点个性化推送的核心，在个性化推送中有着极其重要的作用，也是进行认知诊断、选择个性化推送策略进行个性化推送的基础。知识库按照知识关系的维度划分可分为知识点、知识组块、知识群组。知识点是指与学科内容相关的知识的性质、定理以及解决问题的技巧等。知识点之间也会存在前后因果关系等。理论上来讲知识粒度越小，进行认知诊断、选择个性化推送策略的精确度也就越高，但是知识粒度的细分势必会造成知识库的庞大所带的系统维修成本以及运营成本和难度也是非常大的。知识组块是由知识点组合而成的，通常指题中涉及的所有知识点的组合。但是仅有一个知识点的题目也可称之为知识组块。知识组块之间也像是知识点一样，存在着前因后果的关系，这也是对知识组块进行个性化推送的依据。知识群组是由不同的知识组块构成的，通常用于构成一套试卷。它是由不同知识组块按照教材内容的先后顺序构成。②个性化推送策略库。基于认知诊断的个性化推送和基于大数据的推送有着很大的不同。推送更加有针对性更加精确。③学习资源库。学习资源库实际上是一个中转站，里面存储着需要诊断的试题和进行个性化推送的学习资源包括视频、文字、图片等。知识的个性化推送中为实现认知诊断和知识的个性化推送，需要对学习资源库中的资源进行分类标识，方便于资源的提取。

　　3结语

　　智能教育中知识点个性化推荐能够根据学生的不同认知差异，实时记录学生的学习状态，根据学习的反馈提供个性化的推送方案，从而针对不同学生的认知情况提供不同的知识，从而真正实现因材施教。预习知识点个性化推荐机制的系统是一个庞大又复杂的系统。

　　《智能教育在个性化教学中的实践》来源：《电子技术》，作者:牛雯慧

转载请注明来自：http://www.zazhifabiao.com/lunwen/jyjx/jyjs/50363.html