大数据时代高职学生自适应学习探究

朱再英

[摘 要]随着人工智能的快速发展，智慧教育成为教育界与企业界最新的研究方向。自适应学习是在大数据的基础上开展的一种全新的智慧教育方式，在我国尚处于萌芽阶段。本文在探讨大数据时代高职学生自适应学习的现实意义的基础上，构建了高职学生自适应学习模式，分析了有效开展自适应学习的现实路径，为职业教育现代化的推进提供参考。

[关键词]大数据时代；高职学生；自适应学习；智慧教育

doi：10.3969/j.issn.1673 - 0194.2017.20.151

[中图分类号]G434 [文献标识码]A [文章编号]1673-0194（2017）20-0-02

自从2015年李克强总理首次在《政府工作报告》中提出“互联网+”行动计划，互联网与教育深度融合成为教育界关注的焦点。人工智能和大数据技术的快速发展有力推动了教育的创新发展，但目前“互联网+教育”依然存在一些问题。智慧教育最不智慧的表现，就是忽视了学习者的主体地位，无法真正做到因材施教。事实上，自适应学习在我国尚处于萌芽阶段。因此，以学习者为主体的自适应学习是值得深入研究的课题。

1 高职学生自适应学习的重要意义

我国经济转型升级迫切需要大量多元化、个性化、创新型人才作为支撑，高职院校承担着培养高素质技术技能人才的重任，目前正面临着培养新型人才的挑战。当前职业教育工作者倡导的基于网络的自主学习，在理论上是一种个性化的学习方式，但由于种种原因学习效果并不理想。而国外大量教学案例证明，在大数据的基础上开展自适应学习才是个性化教育的有效途径。

高职学生利用大数据和智能技术开展自适应学习的重要意义主要表现在以下3个方面。一是能够减负。自适应学习系统具有智能推送功能，能有效防止学生在海量的信息中迷失自我，并减少查找资源的时间。二是能够增效。在大数据的支持下，学生可以通过自适应学习系统了解到自己的知识缺陷、能力缺陷、兴趣偏好和发展目标等，并能获取系统智能推送的适合自己的学习资源以及个性化的学习指导服务，从而提高学习效率。三是实现个性化教育。教师通过自适应学习系统能够了解学生的学习行为和学习轨迹、预测学习结果、诊断学习需求和问题，真正做到因材施教。

2 高职学生自适应学习模式

所谓自适应学习，是指在数字化学习环境中，教师利用大数据分析技术对学习行为的数据信息进行记录、挖掘和分析，有针对性地提供个性化的学习服务，并进行个性化干预和指导，从而提高学习效果的一种以大数据为基础的教育技术新范式。

依据高职学生的特点构建以学生为主体的自适应学习模式，该学习模式具体操作步骤如下：①将班级学生进行分组，按每4～6人一组成立课程学习团队；②教师依据面向未来的能力素质要求设定学习任务；③在云平台或班级QQ群、微信群发布学习任务；④学习团队对任务进行解读，然后通过自适应学习系统分工协作完成任务，按要求取得可交付成果；⑤学习团队在课堂上展示成果，以团队自评、互评和教师点评相结合的方式进行学习评价；⑥根据任务完成情况，将完成任务的要求进行重新设定，提升可交付成果质量，从而进一步提升学习能力；⑦对异常状态进行处理。当学习团队没有按照要求完成任务时，则对其进行惩罚，由于学习行为是团队行为，惩罚对象也应是全体团队成员。这样才能在学习过程中互相督促，形成良好的学习氛围，保证学习任务高质量地完成。

3 高职学生自适应学习模式的应用

3.1 高职学生自适应学习模式要求充分发挥学生的主体作用

高职学生由于基础较弱，大多数对学习缺乏信心，在传统教学模式下普遍缺少学习自主性。因此，教师必须引入互联网思维，转变教学理念，不搞讲授式教学，以学生为中心，从学生的角度出发设计教学活动，吸引学生积极参与。学生通常对于自身学习短板的求知欲强，教师可利用其心理强化其欲望，从而充分调动其学习积极性，使学生自主开展学习。在自适应学习模式下，学习者主动适应在线学习方式，自己制定与执行学习计划，自主选择学习策略，并利用自适应学习系统进行自我评估。

3.2 自适应学习环境的创设

当前的学生是伴随互联网成长起来的数字原生代，他们喜欢信息技术，依赖手机等移动终端进行学习与交流。针对学习者的这一特点，教师应创设适应学习者特征的信息化、个性化的学习环境，将信息技术融入教学过程，实施个性化教学。

3.3 自适应学习系统的选择

自适应学习模式的实施，需要一个基于网络的能够为学习者提供广泛的、全方位的个性化学习服务的自适应学习系统。自适应学习系统应能为学习者提供学习方法以及策略、资源和情感方面的支持服务，可精准分析和预测学生的优势、不足、学习兴趣、认知投入水平，智能推送学习路径和学习资源，为具有不同知识基础与认知风格的学习者提供相适应的个性化服务来促进有效学习。这就要求自适应学习系统能够人性化地根据学习者的兴趣偏好、访问时间与频率而动态调整界面，以更好地满足学习者的个性需求，并缩短学习者寻找资源的时间，提高在线学习效率。

3.4 抓住自适应学习的关键环节。

在传统的在线教育模式下，不同认知能力的学生用相同的步骤学习相同的内容，遇到问题也无法获得及时反馈与帮助。自适应学习系统则会检测学习者当前的学习状态，智能调整学习内容和学习进程，并能获得即时帮助，从而实现差异化学习。大数据技术支撑下的自适应学习应抓住3个关键点：学习诊断、学习内容的动态组织和学习策略。学习诊断可在学习开始前、学习过程中及学习结束时通过系统答题测试进行。在学习开始前，自适应学习系统通过测试题目的难度及学习者做题的速度估算出知识掌握程度，据此动态组织学习内容、适应性呈现，并给出个性化学习建议和进行学习干预。在学习过程中，学生通过测试可实时发现学习薄弱环节，系统可及时提供巩固性练习；如遇困难，系统可适应地降低测试难度同时呈现前项及相关知识供学习者重新学习；也可在学习者轻松掌握知识时适应地增大测试难度，同时呈现后项知识使其继续学习。学习结束时主要检测学习成果的成就性，若达到预期学习目标，则建议终止学习或进行新知识学习，反之，则建议补习。自适应学习系统充当了教师的角色，使不同认知能力水平的学习者都能有效开展学习，最终实现学习目标。

4 结 论

自适应学习是在大数据技术支撑下展开的一种以学习者为主体的全新的智慧教育方式，能真正做到因材施教。高职学生自适应学习模式的实施，必须选择一个基于网络的自适应学习系统，能够为学习者提供学习方法以及策略支持、资源支持和情感支持等服务，有效促进高职学生的个性化教育，提高了学习效率，提升了人才培养质量。

主要参考文献

[1]万海鹏，汪丹.基于大数据的牛顿平台自适应学习机制分析——“教育大数据研究与实践专栏”之关键技术篇[J].现代教育技术，2016（5）.

[2]祝智庭，沈德梅.基于大数据的教育技術研究新范式[J].电化教育研究，2013（10）.

[3]王海元.基于信息技术的学生自适应学习能力提升途径研究[J].高教学刊，2015（19）.

[4]姜强.自适应学习系统支持模型与实现机制研究[D].长春：东北师范大学，2012.

[6]王新路.初中数学自适应学习系统学习者模型研究与设计[D].长春：东北师范大学，2013.

[7]姜强，赵蔚，李松，等.个性化自适应学习研究——大数据时代数字化学习的新常态[J].中国电化教育，2016（2）.

[8]张岌.“大数据”时代高校信息化对教学改革的启示——基于美国大学教学系统平台的分析[J].重庆行政，2017（1）.endprint