◆肖兵 黄烟波
作者:肖兵,中南大学在读硕士研究生,研究方向为教育资源开发;黄烟波,中南大学信息与网络中心(410012)。
智能协作学习支持系统是为在未来课堂中开展协作学习提供软件服务。支持系统设计不仅要符合未来课堂的特点和软件开发规则,而且要体现科学性和教育性原则,同时与虚实相结合的协作学习模式融合。在设计过程中以人本主义理论和系统理论观点为指导,遵循以下几项原则。
1)以人为本。教师和学生是协作学习课堂的主体,支持系统属于软件应用,因此,支持系统的设计必须以课堂主
课堂是开展教学活动的根据地,随着社会的进步和科技的不断发展,传统课堂单一化和模式化的培养方式已无法满足社会对人才多样化的需求,学者们进而提出未来课堂的概念与模型。未来课堂与传统课堂相比,它以互动为核心,具有高度智能的环境控制、创意的空间布局与高互动的教与学设备,充分利用云服务支持平台开展多屏教学、自主与小组学习,实现即时反馈,以促进学习者的学习和发展[1]。
未来课堂的设计强调以人为本,注重学习者的自主与合作学习。在未来课堂中,充分利用未来课堂已具备的软硬件设施,开展虚实结合的协作学习,有利于培养学习者合作解决问题、沟通与交流能力及信息技术素养。传统课堂中开展协作学习存在协作小组分组不合理、资源获取困难、缺乏评价指标、学习过程记录无法保存以及成果展示缺乏设备支持等问题。在未来课堂环境下能友好解决资源获取和成果展示问题,而解决其他问题需要依靠一套完善的协作学习支持系统。因此,本文针对协作学习中存在的问题,结合未来课堂中的软硬件条件,设计了基于未来课堂的智能协作学习支持系统,此系统的核心功能是学习者通过智能分组组成协作小组,利用云平台上的资源开展自主探索与协作学习,然后对学习成果进行自评与互评,最后进行课后巩固与反思,同时系统会记录学习者的学习行为并加以分析。体为中心,符合广大师生操作习惯,导航清晰明了,简化功能操作,不设置技术障碍,让教师更多关注教学过程本身,让学习者通过支持系统实现自主学习和合作学习,达到预期教学效果。
2)交互性。交互性是未来课堂的核心,也是智能协作学习支持系统设计过程中需要考虑的核心要素。系统交互性体现在人人交互和人机交互上,具体表现为教师与学习者之间的交互、学习者与学习者之间的交互、真实课堂与虚拟课堂人员之间的交互、学习者与学习资源之间的交互等。
3)开放性。支持系统不针对小部分群体,而应对所有具备条件的用户开放,既包括在校师生,也包括网络用户,使未来课堂做到虚实结合,让固定课堂走向网络;开放性还体现在资源服务上,用户不仅能获取系统资源,还能通过支持系统获取云端资源。
4)智能化。未来课堂本身就是一个智能化的课堂,支持系统作为未来课堂中软件设施中的一部分,也应具备智能化的特点。支持系统中的智能化具体体现在智能协作分组、根据学习者爱好与特点进行资源主动推送、对学习行为的记录与分析等几方面。
未来课堂中智能协作学习支持系统采用三层架构设计,自上而下分别是客户端、通信层和服务器端,见图1。
1)客户端层面。客户端形式多样,可以是Web浏览器,也可以是移动客户终端,客户端用于UI界面呈现和接收用户请求数据,对请求数据进行标准化和加密处理,通过网络层将请求数据提交给服务端处理,然后将服务端的处理结果进行解密和标准化处理呈现给用户。客户端不包含任何业务逻辑,使整个系统达到分散关注、松散耦合、逻辑复用的目的。
2)通信层。通信层负责客户端与服务器端的数据通信。
3)服务端层面。服务端对客户端传递过来的请求数据进行安全性验证与标准化处理,然后将标准化数据提交给业务逻辑层,业务逻辑层通过数据访问层调用底层数据资源对用户请求数据进行逻辑处理,最后服务器端对处理结果进行加密,再通过通信层将处理结果传递到客户端。在服务端,业务逻辑层和底层数据是相分离的,对底端数据与文件的调用则通过数据访问层来实现。
未来课堂中智能协作学习支持系统的设计是以人本主义理论为指导,从系统论观点出发,结合课堂协作学习需求,将系统分为五大功能模块,分别是管理中心、教师中心、学生中心、评价中心、课后巩固。管理中心主要对学生基本信息、本地资源进行管理,对学习者风格特征和学习行为进行分析以及对系统进行维护;教师中心具有课程教案编写、问题情境导入、学习进度控制、协作分组等功能;学生中心包括协作讨论与成果展示两大子模块;评价中心提供对课程学习成果的评价,包括组内评价、组间评价和教师评价;课后巩固提供课后反思、在线交流、作业提交等功能。
图1 系统总体架构图
智能协作学习支持系统核心模块包括协作分组模块、协作学习与讨论模块、协作评价模块、课后巩固模块和学习行为统计模块。协作分组是开展协作学习的基石,分组的合理性直接影响协作学习效果。协作学习分为自主探索和协作交流,协作学习中离不开讨论交流,没有讨论与交流的课堂学习称不上是协作学习,协作学习与讨论模块是支持系统的中心模块。教学评价是未来课堂协作学习不可缺少的组成部分,评价有利于促进学习者的主动学习和思维能力培养。学习是认知、突破原有认知获得新认知的过程,课后巩固不仅仅是协作学习的一个小阶段,更是协作学习不可分割的重要组成部分。学习者的学习过程遵循一定规律,只有对学习者的学习行为进行分析,才能正确把握学习者的个性化学习规律,才能指导学习者进行更好的学习。
科学分组是协作学习顺利开展的基础,协作学习支持系统提供智能同质分组、智能异质分组和手动分组功能,教师可以根据教学主题类型与难易程度选择同质或者异质分组。
在学生风格特征数据库中保存学生学习能力、兴趣爱好、理解水平等特征量化值,作为系统智能分组的支撑数据。同质分组目的是把学生特征比较接近的成员组成一个小组,系统可以采用改进蚁群算法[2]实现智能同质分组;异质分组是指在小组成员间形成最大限度的差异,系统可以采用最优化的理论算法[3]实现智能异质分组;个别学生对同质分组或异质分组结果不满意时,教师根据实际情况可以采用手动分组功能进行相应调整。
协作学习与讨论模块是协作学习支持系统的中心模块,提供自主探索和讨论交流服务。协作学习与讨论模块具有资源推送、学习笔记、资源收藏、组内讨论、组间讨论等功能。
图2 系统功能结构图
支持系统根据协作主题和学习者学习特征主动向学习者推送系统资源,学习者利用系统推送资源和云平台上的资源进行自主探索学习。在探索过程中,学习者可以把对协作主题的认识与理解和困惑添加到学习笔记中,学习笔记根据学习主题和学习时间自动进行分类整理;对于感兴趣的云端资源和对主题学习有帮助的资源,学习者可以按照资源类型添加到资源收藏夹中,作为参考和复习的依据。对于学习笔记和资源收藏,学习者可以设置其只对自己可见或对小组可见还是对所有人可见。
学习者在自主探索过程中,对于困惑的问题和对主题的认知理解,可以通过小组讨论模块与小组其他成员进行讨论交流,在讨论中各抒己见。由于学习者的认知存在差异,因此每个学习者在对学习主题的理解和掌握程度上存在一定差异。讨论过程中使学习者发现自己对问题认知的不足,然后再进行自主探索,再讨论,最后在组内形成对问题的统一认识。讨论模块中学习者以真实姓名和角色进行发言,支持系统自动保存学习者发言时间、发言次数、发言内容等信息。
组间讨论模块中学习者可以选择与其他任何小组成员进行交流讨论。组间讨论发言不针对某一个学习者,任何发言的学习者都代表该组所有协作成员,并且两个交流小组的所有成员都可以查看讨论内容。同样,支持系统自动保存小组间发言时间、发言次数、发言内容等信息。
学习评价是教育服务质量管理的核心,有助于培养学习者的思维能力和对知识的理解与意义的建构。智能协作学习支持系统中协作评价分为两种类型:师生自评和系统测评。师生自评包括协作组内评价、协作组间评价和教师总结评价三种。
支持系统根据课堂性质和主题形式自动给出评价标准,评价分为客观选择评价和主观评价两种。协作组内评价是非常客观和重要的一种评价方式,组内成员协作学习状况相互了解程度最深。协作组内评价分为自我评价和成员互评。组间评价是一个协作小组对其他协作小组的协作学习情况进行评价,可以针对评价对象小组的总体情况和小组内某个具体成员进行评价。教师根据课堂协作学习主题目标与学习者达成比、学习者角色扮演和知识意义建构等方面,对学习者和协作团队进行客观总结性评价。
系统测评是指系统根据学习者角色、协作学习参与度、自主探索时间与成果、讨论发言次数与频率等要素与评价标准进行自动比对,按照系统设定的系数自动给出学习者个人和协作团队的评价结果。最后在系统评价模块中以图表形式呈现各种评价结果和统计结果。
课后巩固模块主要提供在线交流、作业提交和课后反思功能。课堂内的学习不可能解决学习者所有问题,因此课后巩固对于完善学习者的认知结构具有重要意义。
课后学习者对学习主题依然存在疑惑可以登录到支持系统,通过在线交流功能向教师和其他学习者提问。如果学习者在一定时间内没有收到任何回复,系统会按照一定策略主动向教师和某些学习者推送请求解答信息。在协作学习完成之后,教师可以提供一些阅读延伸以及布置课后巩固练习,学习者可以通过在线作业提交功能将任务进行网上提交。教师可以主动设置作业上传时间,达到设定时间系统会自动向未提交的学习者发送作业提醒信息和向教师推送一份作业提交情况报告。
教师课后反思有利于提高教学质量和教师专业成长,学生课后反思有利于完善知识意义的建构。课后反思将学习者在课堂上自主探索查阅的资料记录、学习笔记、讨论发言的历史记录与成果展示过程中的录像提供给学习者,学习者可以浏览和整理历史记录和查看课程录像,找出自己在知识意义建构过程中存在的偏差和不足,以及时修正和补充,最后将自己对课程学习的新认识以反思总结报告的形式保存到数据库,作为学期评价与考核的重要依据。同时,支持系统在课后巩固模块中还提供学习成果自测,从另一个层面考察学习者对协作学习主题的学习掌握程度。
学生学习行为能客观反映学习者学习参与度、协作能力、学习风格等特征,通过对学生学习行为数据进行分析与统计,能为教师对学生的综合评价提供客观依据,也将成为下一次协作学习智能分组的起点。课堂协作学习行为分析流程见图3。
图3 学习行为分析流程图
1)行为数据的采集。未来课堂协作学习行为采集采用服务器日志结合后台数据库方式,主要采集学生在自主探索、协作探讨和课后反思过程中的行为数据。首先建立行为数据模型,根据课堂协作学习特点,行为数据模型包括学生角色(组长或组员)、信息检索关键字、获取云端资源总数、获取云端资源类型、是否接受系统推送资源、自主探索时间、讨论时间、谈论发言次数、课后交流、反思记录、作业评分等。未来课堂协作学习支持系统对采集到的数据,以数据库记录方式保存到学生行为数据库中。
2)行为数据的分析。行为数据分析包括数据统计和数据挖掘两个步骤。数据统计是对数据的初级处理,获取一些统计结果,如统计学生自主学习时间与交流讨论时间比、获取云端数据与浏览系统推送数据比、发言频率、课后反思频率、作业提交习惯等初级数据。
数据挖掘是对行为数据进行高级处理,找出学生对学习主题的主动性与参与度、学习风格、理解水平、协作知识建构程度等信息。对学习者行为数据的挖掘采用聚类分析法中常用的k-means算法[4]进行挖掘,首先确定学生行为数据类型,协作学习行为数据主要分为数值类型、二元变量、标称型三种;再根据采集到的行为数据建立数据矩阵结构,按照场依存型、场独立型、注意风格、动机风格4种不同学习风格构建数据的最终划分数目,采用目标函数最小化策略,将数据分成4个簇,分别代表4种不同的学习风格;最后将计算得到的数据存储到行为特征库和学习风格库。
随着现代信息技术的快速发展,未来课堂模型与支撑技术研究取得突破性发展,未来人才培养模式中更多注重学习者自主探索和协作能力的锻炼。协作学习在课堂传统协作课堂中存在分组不合理、资源获取困难和学习行为评价难度大等问题,无法实现对学习者自主性和协作能力的培养。本研究在人本主义和系统论理论指导下设计了基于未来课堂环境的协作学习支持系统,具有智能分组、课程导入、方便快捷获取资源、协作讨论、成果展示、综合评价、课后反思与学习行为评价等功能,能够有效帮助教师和学习者在未来课堂中开展协作学习,提高教与学效率,实现教学管理的科学化与规范化。
[1]陈卫东.教育技术学视野下的未来课堂研究[D].上海:华东师范大学,2012.
[2]胡慧,何聚厚.基于改进蚁群算法的协作学习分组研究[J].计算机工程与应用,2012(12):11-12.
[3]李洁,王咸伟,李克东.协作学习中协作小组分组系统的设计与开发研究[J].华南师范大学学报:自然科学版,2007(3):64-66.
[4]马飞.数据挖掘中的聚类算法研究[D].南京:南京理工大学,2008.