网络背景下高职英语自适应教学实践研究

方兰兰

摘 要：隨着我国网络信息技术的发展，“互联网+”的时代来临，网络已经深入到我们生活的方方面面。作为我国职业教育的重要组成部分，高职教育的教学水平会对我国的应用型人才的培养产生重要的影响，英语作为一种全球语言，能够帮助学生更好地与外界交流，因此一直是我国高职院校的重点教学内容之一，但是传统的英语课堂已经不能够有效吸引学生，因此采用自适应学习模式是一种比较好的选择。基于这种情况，本文对在网络时代下的高职院校英语教学自适应模式发展展开了研究，阐述了具体的教学模式，以供参考。

关键词：高职英语 自适应教学 互联网+

现代信息技术的发展促进了我国社会经济的发展，促进我国步入了“互联网+”的时代，网络成为了我们生活中不可或缺的一部分。在高职院校，英语是一门十分重要的科目，作为未来与世界沟通的途径之一，对学生的影响很大。高职院校培养的应用型人才，但是现在的高职院校学生普遍出现就业难的情况，归根到底，是高职院校的教学模式和已经方法已经不再适应当今时代的需要了。因此高职院校更要抓住机会，顺应时代的发展，利用好网络资源，开展自适应的教学模式，提高学生综合素质。

一、自适应技术基础模块探讨

作为基于现代信息技术发展起来的一种教育模式，自适应学习能够发展，是基于一个很重要的基础模块，就是人工智能技术。在自适应技术发展初期，小范围内的自适应学习模式十分简单，电脑设定好相应的程序，弹出一道检测题，如果学生做对了，那么就会继续下一道题，如果做错了，就会弹出相应的知识点，这种模式死板僵化，并不能达到预期的效果，这种情况在人工智能技术发展之后有所改观，人工智能技术最主要的作用就是在教育数据的发掘上，人工智能技术的出现帮助自适应学习变得更加个性化，更加能够根据学生的需求制定学习，这也促进了自适应学习的飞速发展。

单从数据挖掘这个词来看，这是一个计算机科学领域的词汇，这个概念有着长期的发展历史，但是将其作为教育学方面的一个词汇，它还是一个比较新的领域。简单来说，教育学领域的数据发掘就是指对教育学领域的数据和知识进行挖掘和发现，这些数据最终会被用于帮助学生更好地学习。在计算机领域，数据发掘有着成熟的方法和模式，但是教育领域的数据具有特殊性，因此应用的数据挖掘的方法也是不同的。比如说，在教育学领域，数据的层次划分比较明显，同时不同层级的数据还是相互嵌套的，而且与计算机科学不同的是，教育学的数据会涉及到心理学和情绪上的东西，这些内容并不是能够完全把控的，因此教育学的数据发掘还属于一个比较全新的领域，也是自适应学习系统构建的重要模块之一。一般来说，教育学的数据发掘的方法有以下四个部分：

第一部分的内容是预测，这部分内容的发掘主要是为了将在教育过程中不同的变量组合到一起，根据这些变量的不同情况来推测数据发展的可能结果。在进行预测环节的过程中，可以着重观测那些比较有特点或对时间影响更大的变量，同时也可以关注对预测结果具有调节性或者中介性的变量，提高预测的准确性。

第二部分的方法叫做聚类，顾名思义，这种方法是将相同性质的自然分组集合到一起，比如说学习者、班级、学习行为等。

第三部分的方法是关系挖掘，主要就是指挖掘出变量之间存在的关系，在进行这类方法的挖掘过程中，可以重点从关联规则的角度出发，或者通过序列模式的挖掘，找到挖掘模型的因果关系。

第四部分的方法就是模型发现法，这种方法是先建立一个验证模型，然后作为另一轮的分析进行输入，比如说预测挖掘就是采用模型发现法进行的，在当前的教育数据发掘过程中，模型发现法的应用范围已经越来越广泛。

二、网络背景下自适应学习技术原理综述

（一）在大数据的支持下构建学习模型

人工智能技术是促进自适应学习发展的一个重要因素一般来说没人工智能实现自适应学习都是按照以下步骤进行的，即先搜集大数据，然后根据大数据反馈的信息构建学习模型，最后以学习模型为依据，输出学习建议。这个步骤说起来很简单，但是做起来却很难，学习模型的构建需要经历非常复杂的过程，这是普通人很难理解的，用通俗的话来说，就是人工智能会参考人类大脑思考的方式来进行计算，通过大量数据之间的相互传导和沟通，在数以万计的函数点的嵌套当中发现当前学习的规则，然后建立起初步的模型，随后通过模型的不断进化、完善，形成一个完整的学习模型。而在学习建议输出方面，学习建议的构成要素主要有三个部分，即学习材料，比如说学生在学习过程中需要的一段教学视频或者一些练习题等，第二部分是一个规则，用于检查学生是否掌握学习材料的内容，最后是学习材料的推送顺序，根据学生在学习方面的反馈来决定学习材料如何推送。由于这三部分的详细情况都是人工智能来决定的，因此学生在系统当中花费越多的时间去学习，就会产生越多的行为数据，这些数据就能够帮助系统提高工作效率。

（二）人工智能的运行模式

自适应学习模式中的人工智能运行模式，可以简单用一句话来概括，就是像教师一样去思考和教学。教师在教学过程当中主要依仗的因素是教学经验，有经验的教师能够很好的掌握教学的节奏，而且这种经验是不能够快速获得的，只能是通过日积月累来积攒。因此在教师的普遍情况当中，年轻的教师在答疑方面更加擅长，但是却不能够构建完善的教学体系，经验丰富的教师更加擅长把握教学的整体性，但是却没有年轻教师的亲和力，同时受到不同教师的个性不同，对于学生情况的认知也就不同，因此不同教师为学生规划的学习道路也有所不同。即使两位老师在教学经验上相当，也会因为对于学生的期待、对于薪资的看法等方面不同而产生不同的教学效果。人工智能在进行教学时会参考教师的教学模式和教学方法，但是人工智能赞考的教师并不单单是某一位，而是通过大数据搜集产生的一个理想化的教师，通过量化教师的教学经验，以数据和计算机技术开展教学，这能在最大限度上平衡教师之间的差异，提高教师教学的效果。

（三）自适应学习与教学中人工智能应用的关系

自适应学习模式的优势之一就是能够更加适应人工智能，究其原因，是传统教学模式当中对人工智能的应用十分表面化，而自适应学习的模式是将人工智能应用到了教学的核心环节当中。人工智能的应用已经成为了我国发展的趋势，在教育行业应用也已经是大势所趋。但是在当前的人工智能应用方面，传统教学模式中智能将人工智能应用于分层排课、组卷阅卷、作文批改等环节，这些各方面的应用显然只是用于辅助教学，却不能够对教学的效果产生直接的影响。而在自适应学习模式之下，人工智能使参与教学的重要因素之一，将人工智能应用到核心的教学环节，能够转变教学的理念和方式，提高教学的效果。

三、高职院校英语教学自适应模式存在的问题

（一）教学方法单一

高职院校的学生基础相对较差，因此更加要注重教学方法，如果教学方法不合适，那么就很容易导致学生失去学习兴趣，不去学习。但是在当前告知院校的课堂当中，自适应学习模式的应用还十分浅显，教学方式也很单一。自适应教学模式是通过现代信息技术开展个性化学习，但是当前我国的高职院校还没有摆脱传统教学模式的影子，以考级和不挂科为目标，现代信息技术只能够体现在多媒体课件当中，严重影响了教学活动的开展。

（二）教学内容不全面

英语是一个非常多元化的科目，作为一种应用型的语言，听说读写是英语必备的教学内容，但是在当前的高职院校的英语课堂当中，教学内容设置得非常不全面。学生在听、写两方面的学习内容十分全面，通过自适应学习能够获得提高，但是相对的，读和说两部分内容就没有足够的时间去学习，这也导致很多学生学习的仅仅是“书面英语”，能写却不会读，不能说。

四、网络时代下提高高职院校英语自适应教学效果的建议

（一）合理选择教学内容

高职院校主要培养的是应用型的人才，因此在教学内容的选择上，要更加符合专业特性，使学生能够在未来的工作当中直接应用。由于不同专业在英语的需求方面有所不同，因此就可以应用自适应学习模式来为学生提供个性化的教学内容，确保不同专业都能够学习符合自己专业未来发展模式的英语。

（二）利用网络模式提高学生的自适应学习能力

自适应学习是基于现代信息技术进行的，因此就对学生的自控能力和学习的主动性提出了要求。现代信息技术的发展，网络为学生提供了丰富的在线学习平台，但是这些平台不具有强制性，因此需要学生主动选择自己适合的学习内容去学习。人工智能可以根据学生的情况为学生提供个性化的学习内容，同时大数据也为学生提供了大量的学习材料，这些都需要学生去自主积累学习。

结语

總而言之，在当今网络技术如此发达的情况之下，自适应学习模式发展起来，高职院校的教学也要充分利用网络中的资源，进行有针对性的教学内容和教学模式选择，提高高职院校学生的英语水平。

参考文献

[1]郭严如.基于大数据的高职英语写作自适应学习研究[J].英语广场，2018（02）.

[2]罗建婷.MOOCS在大学英语自适应学习中的价值研究[J].外国语文，2017（01）.