王磊 張娜 張耀民 韓泉葉 劉夢娟

摘?要：分析了目前開放教育背景下“人工智能導(dǎo)論”課程教學(xué)現(xiàn)狀，梳理了教學(xué)過程中存在的問題。圍繞專業(yè)人才培養(yǎng)方案、依據(jù)課程標(biāo)準(zhǔn)、經(jīng)過前期崗位需求分析，統(tǒng)計學(xué)生前導(dǎo)課程知識掌握情況。挖掘時政熱點，對教學(xué)內(nèi)容進(jìn)行重構(gòu)。基于ICARE教學(xué)模型，針對開放教育學(xué)生進(jìn)行學(xué)情分析，構(gòu)建知識追蹤模型，提出了結(jié)合知識追蹤機制的“ICARE”變異模型，并對教學(xué)效果進(jìn)行評價，教學(xué)效果良好。

關(guān)鍵詞：開放教育；知識追蹤；ICARE；人工智能

文獻(xiàn)標(biāo)識碼：A

Abstract：We?analyze?the?current?teaching?status?of?the?course?"Introduction?to?Artificial?Intelligence"?under?the?background?of?open?education，and?solve?the?problems?during?the?teaching?process.Based?on?the?curriculum?standards，and?analyzing?the?job?requirements?in?the?early?stage，we?calculate?the?knowledge?mastery?in?the?leading?courses?of?students.A?knowledge?tracking?model?is?constructed?to?analyze?the?learning?situation?of?open?education?students?with?ICARE?teaching?model.The?paper?proposes?a?"ICARE"?mutation?model?combining?knowledge?tracking?mechanism.The?teaching?effect?was?evaluated，and?the?teaching?effect?was?good.

Keywords：open?education；knowledge?tracking；ICARE；artificial?intelligence

本研究針對目前遠(yuǎn)程教學(xué)過程中存在的問題，嘗試進(jìn)行教學(xué)改革研究。在開放教育工科課程中融入思政元素，基于ICARE教學(xué)模型，針對開放教育學(xué)生進(jìn)行學(xué)情分析，構(gòu)建知識追蹤模型。提出了結(jié)合知識追蹤機制的ICARE教學(xué)模型。采用“過程—結(jié)果—增值”三維學(xué)習(xí)評價模式，模塊項目按過程評價、結(jié)果評價和增值評價加權(quán)得到綜合性評價成績。

1?研究現(xiàn)狀

許多學(xué)者對遠(yuǎn)程教育課程嘗試教學(xué)改革。郭紅霞等人［1］對于開放教育采用OBE理念模式把工科類崗位需求、技能競賽、職業(yè)資格證書緊密結(jié)合。嚴(yán)娣娟等人［2］通過網(wǎng)絡(luò)平臺探索“互聯(lián)網(wǎng)+”教學(xué)手段創(chuàng)新。丁鏡人［3］闡述了針對開放教育引入具身認(rèn)知理論指導(dǎo)開放教育教學(xué)改革。顏景佐等人［4］對5G時代教育背景下開放大學(xué)SPOC教學(xué)模式改革進(jìn)行研究。

知識追蹤模型能夠準(zhǔn)確地預(yù)測學(xué)生與下一次練習(xí)的交互結(jié)果，挑戰(zhàn)在于人類學(xué)習(xí)是基于人類大腦和人類知識的復(fù)雜性［56］。Chris?Piech等人首先提出深度知識追蹤模型［7］。王丹萍［8］等人分析了知識追蹤在智慧教學(xué)中的應(yīng)用以及未來研究方向展開討論。魏廷江等人［9］總結(jié)了知識追蹤領(lǐng)域的經(jīng)典模型，對比了傳統(tǒng)知識追蹤理論到深度知識追蹤模型優(yōu)缺點，從學(xué)習(xí)者內(nèi)在因素、模型解釋性及可反饋性方面進(jìn)行剖析。

本研究基于遠(yuǎn)程教育課程已有研究現(xiàn)狀，針對遠(yuǎn)程教育工科課程特點，設(shè)計了ICARE變異模型。使得學(xué)生在知識技能方面按難度進(jìn)階逐步掌握基本概念、原理及程序設(shè)計方法。

2?ICARE教學(xué)模型簡介

ICARE教學(xué)設(shè)計模型于1997年由圣地亞哥州立大學(xué)設(shè)計用于構(gòu)建和組織教學(xué)模塊，在高等教育教學(xué)改革過程中起到一定程度推動作用。ICARE教學(xué)設(shè)計模型指代“互動性—協(xié)作性—真實性—反思性—參與度”。

3?深度知識追蹤模型

問題定義：智能教育系統(tǒng)包括三部分：學(xué)生、試題、知識點。知識追蹤認(rèn)為給定學(xué)生歷史序列：s={X0，X1，X2，…，Xt}={（e0，a0），…，（et，at）}，預(yù)測下一組交互Xt+1。

知識追蹤是對學(xué)生的歷史答題記錄，預(yù)測學(xué)生對于新知識點的掌握程度，以及學(xué)生在下一次的表現(xiàn)。精確的知識追蹤能讓我們滿足學(xué)生當(dāng)前的需求，精準(zhǔn)推題。然而人類的學(xué)習(xí)過程中受到人類自身知識和大腦兩者復(fù)雜的影響，也導(dǎo)致知識追蹤是非常困難的。知識追蹤的任務(wù)是對學(xué)生的知識進(jìn)行建模，這樣我們就可以準(zhǔn)確地預(yù)測學(xué)生在未來的互動中將如何表現(xiàn)。早期模型過多依賴于人工定義的模板，比如IRT模型，定義了學(xué)生能力參數(shù)和題目的難度、區(qū)分度、猜測性參數(shù)，也有改進(jìn)的不依賴交互函數(shù)的。

本文中利用循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）來處理深度知識追蹤任務(wù)（deep?learning?based?knowledge?tracing，DLKT）。RNN是一種具有記憶性的序列模型，序列結(jié)構(gòu)使其符合學(xué)習(xí)中的近因效應(yīng)并保留了學(xué)習(xí)軌跡信息［17］。這種特性使RNN（LSTM和GRU等變體）成為DLKT領(lǐng)域使用最廣泛的模型。

圖1?DLKT模型

DLKT以學(xué)生的學(xué)習(xí)交互記錄（x1，x2，x3…，xt）作為輸入，通過嵌入編碼或預(yù)訓(xùn)練模型轉(zhuǎn)化為向量。在DLKT模型中，xt學(xué)生的知識狀態(tài)作為LSTM的隱藏狀態(tài)，進(jìn)一步通過激活函數(shù)計算出預(yù)測結(jié)果。yt的長度等于題目數(shù)量，每個元素為學(xué)生正確回答對應(yīng)問題的預(yù)測概率值。

具體的計算過程如下：

ht=tanhWxhxt+Wxhxt+bh

yt=σWxhxt+Wxhxt+bh

深度知識追蹤模型采用負(fù)對數(shù)似然損失函數(shù)，目標(biāo)是通過學(xué)習(xí)歷史序列在給定的時間計算學(xué)生練習(xí)過程的負(fù)對數(shù)似然性。

L=∑Tt=1（ytlogyt+（1-yt）log（1-yt））

其中，yt和yt分別表示真實值和預(yù)測值。

4?課程教學(xué)設(shè)計

課程采用漸進(jìn)突破教學(xué)難點。模塊教學(xué)從項目到子任務(wù)，再到教學(xué)內(nèi)容的設(shè)計都采用“漸進(jìn)突破教學(xué)難點”教學(xué)理念。漸進(jìn)提升編程思維。鑒于學(xué)情分析中學(xué)生程序設(shè)計能力不足的問題，從訓(xùn)練學(xué)生精準(zhǔn)程序輸入、提升編程邏輯和錯誤調(diào)試能力入手?？偨Y(jié)識記常見錯誤及調(diào)試方法，提升編程能力。在教學(xué)過程中滲透工匠精神等思政育人元素，深度融入教學(xué)活動的各個階段。按“備任務(wù)→解疑惑→強技能→再提升→拓視域”五個步驟，分為課前、課中、課后三個階段設(shè)計教學(xué)活動。課前明確課次任務(wù)目標(biāo)，學(xué)習(xí)知識技能，進(jìn)行課次任務(wù)準(zhǔn)備；課中答疑解惑、強化程序設(shè)計技能訓(xùn)練、提升崗位能力和素養(yǎng)；課后鞏固訓(xùn)練并拓展學(xué)習(xí)任務(wù)相關(guān)內(nèi)容，拓寬相關(guān)知識視域。

針對目前遠(yuǎn)程教育現(xiàn)狀，嘗試采用線上線下混合教學(xué)模式。教學(xué)目標(biāo)分為知識目標(biāo)、能力目標(biāo)、素質(zhì)目標(biāo)，針對教學(xué)目標(biāo)確定教學(xué)重點。對開放大學(xué)學(xué)生進(jìn)行學(xué)情分析，凝練教學(xué)難點。設(shè)計了結(jié)合知識追蹤機制的ICARE模型進(jìn)行開放教育工科課程改革?；有赃^程使得學(xué)員積極參與教學(xué)活動。協(xié)作性使得學(xué)員互相配合，鍛煉學(xué)生團隊合作能力，強化團隊合作意識。

4.1?課前

課前獲取網(wǎng)絡(luò)教學(xué)平臺教學(xué)行為數(shù)據(jù)，分析學(xué)生的學(xué)習(xí)薄弱點，包括：知識與技能基礎(chǔ)，認(rèn)知與實踐能力，學(xué)習(xí)特點分析。項目實施前，利用學(xué)生畫像技術(shù)行為識別模型對學(xué)生進(jìn)行了群體畫像和個人畫像，精準(zhǔn)學(xué)情分析。項目實施中，監(jiān)測學(xué)生個體學(xué)習(xí)行為，及時預(yù)警不良狀態(tài)，以對個體進(jìn)行個性化教學(xué)引導(dǎo)。在介紹階段利用學(xué)生畫像技術(shù)加入學(xué)情分析。課前教師通過教學(xué)平臺發(fā)布教學(xué)任務(wù)，上傳學(xué)習(xí)資源，檢查督促調(diào)整課堂教學(xué)策略。學(xué)生梳理任務(wù)目標(biāo)，制訂實施計劃，檢測學(xué)生學(xué)習(xí)效果，解答學(xué)生提出的問題。該環(huán)節(jié)對應(yīng)ICARE+模型的互動性環(huán)節(jié)。

4.2?課中

課中分為復(fù)習(xí)、攻克重難點、拔高三個階段。復(fù)習(xí)階段教師引導(dǎo)學(xué)生回顧課前學(xué)習(xí)知識點，展示課前討論成果，帶領(lǐng)學(xué)生共同梳理驗證。學(xué)生討論成果展示，總結(jié)經(jīng)驗。該步驟對應(yīng)ICARE模型的協(xié)作性環(huán)節(jié)。攻克重難點階段有針對性地采取教學(xué)策略完成教學(xué)目標(biāo)，該步驟對接融入知識追蹤機制ICARE模型的真實性環(huán)節(jié)。設(shè)計意圖是強化程序編寫能力，針對重構(gòu)內(nèi)容進(jìn)行滲透“崗課賽證”融通，提升學(xué)生發(fā)現(xiàn)問題解決問題的能力。拔高階段教學(xué)針對學(xué)生已經(jīng)掌握的知識點進(jìn)行拔高，提高知識融匯變通能力。該步驟對接融入知識追蹤機制ICARE模型的參與度環(huán)節(jié)。

某開放大學(xué)開放教育學(xué)院“人工智能導(dǎo)論”直播課共計6次。涵蓋的知識點包括：人工智能緒論、分類算法、聚類算法、回歸算法，本研究以課程中聚類知識點為例展開研究。聚類模型理論性比較強，開放教育學(xué)生基本已經(jīng)參加工作，可以結(jié)合學(xué)生工作場景展開互動。

ICARE模型各個教學(xué)環(huán)節(jié)實施過程如下：

（1）互動教學(xué)環(huán)節(jié)。在講解算法之前，可以通過師生交流，引導(dǎo)學(xué)生結(jié)合自己工作崗位列舉聚類算法現(xiàn)實例子。通過身邊發(fā)生的真實現(xiàn)象，加深對聚類的理解。

（2）協(xié)作教學(xué)環(huán)節(jié)。采用云班課基于學(xué)情分析進(jìn)行分組教學(xué)，不同小組采用分層教學(xué)策略。聚類知識點理解快的同學(xué)和理解慢的同學(xué)分成一組，操作能力強的帶動編程基礎(chǔ)差的同學(xué)。小組內(nèi)部學(xué)生互相幫助，互相彌補，小組與小組進(jìn)行互相點評。

（3）真實性環(huán)節(jié)。教師通過構(gòu)建的知識追蹤預(yù)測學(xué)生對新知識的掌握情況。根據(jù)預(yù)測結(jié)果進(jìn)行學(xué)生角色互換。讓學(xué)生在教學(xué)過程中用模擬仿真軟件實驗，體驗聚類給大家的樂趣。

（4）參與度環(huán)節(jié)。教師通過構(gòu)建的知識追蹤預(yù)測學(xué)生對新知識的掌握情況。根據(jù)預(yù)測結(jié)果組長進(jìn)行任務(wù)分解，讓每個學(xué)生都發(fā)揮其作用。組長根據(jù)作品對子任務(wù)分配進(jìn)行微調(diào)，盡可能讓每個學(xué)生都熟悉所有子任務(wù)。

（5）在反思性環(huán)節(jié)，讓小組某個觀察成員梳理實驗過程中碰到的問題，大家共同提出解決方案，進(jìn)行對比，找出最優(yōu)方法，最后讓教師點評。

4.3?課后

針對聚類章節(jié)部分布置課后作業(yè)：思考現(xiàn)實社會中聚類有哪些應(yīng)用場景？

引導(dǎo)學(xué)生交流學(xué)習(xí)心得體會：

（1）向優(yōu)秀同學(xué)學(xué)習(xí)，努力縮小與優(yōu)秀同學(xué)的差距。

（2）中華民族文字博大精深，大家要積極學(xué)習(xí)中國優(yōu)秀傳統(tǒng)文化，弘揚民族精神。

利用個性化資源推薦模型結(jié)合學(xué)生歷史學(xué)習(xí)行為數(shù)據(jù)和分組教學(xué)，進(jìn)行個性化學(xué)習(xí)輔導(dǎo)。該步驟對應(yīng)ICARE+模型的反思性環(huán)節(jié)，設(shè)計意圖是通過作業(yè)內(nèi)化消化課程知識點，拓展學(xué)生知識面廣度和深度，鍛煉學(xué)生解決問題的能力。

5?教學(xué)評價

5.1?過程評價

項目實施過程依據(jù)課前、課中和課后對學(xué)生的學(xué)習(xí)效果進(jìn)行評價，過程評價采用學(xué)生自評、學(xué)生互評、教師評價。學(xué)生自評、互評針對學(xué)生學(xué)習(xí)態(tài)度、學(xué)習(xí)能力、團隊協(xié)作等方面進(jìn)行。

5.2?結(jié)果評價

項目完成時進(jìn)行項目理論測試和效果考核。理論測試限時完成，通過客觀題型評價學(xué)生的基本知識點。

5.3?增值評價

關(guān)注不同基礎(chǔ)學(xué)生學(xué)習(xí)增值部分。教師從知識技能、崗位能力、思想素養(yǎng)等方面的提升進(jìn)行評價。

結(jié)語

本文基于ICARE教學(xué)模型，針對開放教育學(xué)生進(jìn)行學(xué)情分析，提出了結(jié)合知識追蹤機制的ICARE變異模型。在遠(yuǎn)程教育工科課程中融入思政元素，以開放教學(xué)學(xué)院“人工智能導(dǎo)論”課程聚類知識點為例，根據(jù)學(xué)情分析制定教學(xué)目標(biāo)和重難點，在教學(xué)實踐應(yīng)用階段根據(jù)“三階五升”教學(xué)理念組織教學(xué)，合理運用教學(xué)資源，采用“過程結(jié)果增值”學(xué)習(xí)評價。

參考文獻(xiàn)：

［1］郭紅霞.基于OBE理念的開放課程建設(shè)模式研究——以光伏專業(yè)傳感器課程為例［J］.南方農(nóng)機，2022，53（16）：195198.

［2］嚴(yán)娣娟，朱政賢，凌丹櫻，等.新時代高校思政課程“互聯(lián)網(wǎng)+”教學(xué)模式改革研究——以開放教育思想道德修養(yǎng)與法治課程為例［J］.新疆開放大學(xué)學(xué)報，2022，26（04）：1823.

［3］丁鏡.具身認(rèn)知理論視域下開放大學(xué)開放教育的教學(xué)改革［J］.中國成人教育，2022（20）：3741.

［4］顏景佐，劉淑娟，鄒燕.5G時代開放大學(xué)SPOC教學(xué)模式改革路徑探究［J］.山東開放大學(xué)學(xué)報，2022（03）：1115.

［5］劉恒宇，張?zhí)斐?，武培文，?知識追蹤綜述［J］.華東師范大學(xué)學(xué)報（自然科學(xué)版），2019（05）：115.

［6］艾方哲.基于知識追蹤的智能導(dǎo)學(xué)算法設(shè)計［D］.北京交通大學(xué)，2019.

［7］Chris?Piech，Jonathan?Spencer，Jonathan?Huang，et?al..?"Deep?Knowledge?Tracing"，Advances?in?Neural?Information?Processing?Systems.28（2015）.

［8］王丹萍，王忠，梁宏濤.基于深度學(xué)習(xí)的知識追蹤研究綜述［J］.計算機測量與控制，2022：110.

［9］魏廷江，倪琴，高榮，等.面向教育大數(shù)據(jù)的知識追蹤研究綜述［J］.上海師范大學(xué)學(xué)報（自然科學(xué)版），2022：171179.

基金項目：陜西開放大學(xué)教育教學(xué)改革研究課題：“大思政”背景下利用“ICARE+”模型進(jìn)行開放教育工科課程教學(xué)改革（sxkd2022yb02）；陜西省教育廳科研計劃項目資助（項目編號：23JZ020）

作者簡介：王磊（1984—?），男，漢族，陜西咸陽人，碩士，副教授，主要研究方向：機器學(xué)習(xí)，從事大數(shù)據(jù)應(yīng)用工作。