智慧课堂实现方案的系统设计——以统计学与机器学习领域为例

郑宇晨 郑亚琴

（1.四川师范大学，四川 成都 610068；2.安徽财经大学，安徽 蚌埠 233030）

一、引言

在新的教育形势下，将新兴技术与传统教育模式相结合进而 “跨入”以信息化为基点的新型教育模式——智慧课堂，已经开始受到教育界的普遍认同[1]。智慧课堂即是微课、慕课、翻转课堂、互动课堂等“传统”教育信息化形式在“智能+”时代下演进发展的产物，最终将颠覆传统课堂教学，彻底带来从“以师为主”向“以生为主”、“（学生）被动学习”向“主动学习”的转变。

现有关于智慧课堂的研究，更多基于理论层面，实操性有限，或者仅限于对实现方案进行局部探讨，智能化、多平台多终端交互友好、操作性强的系统化智慧课堂实现方案亟待提出。本文提出一种智慧课堂学习平台科学的设计方案及流程，拥有可以精准推荐的数据库，具备系统、个性化、人性化、多元化的知识呈现方式，采用更先进的记忆方法指导用户学习，实现了“课前、课中、课后”的三阶段学习模式及学情的实时分析，并通过丰富的激励机制使学习的趣味性相比各种传统在线学习方式大为提高。技术层面上，引入统计过程控制（Statistical Process Control，后文中简称为SPC）、文本识别等技术，从课堂中的弹幕、课堂反馈留言等入手收集数据，根本性地提升了平台的性能。SPC是指应用统计分析方法对某个过程的各个阶段实行监控。其目的是尽快诊断出异常并及时采取措施做出调整，进而改进及保证过程的质量[2]。

智慧课堂在学术圈和实践中皆尚未形成具有公信力的定义。本文认为智慧课堂的内涵及外延应包括共8个维度：智能化的，信息化的软硬件环境；个性化学习方式及后台数据库；对学习者有吸引力的知识传播模式；师生之间，生生之间多样化的互动形式；电子化程度较高的学习方式；“课前、课中、课后”的三阶段学习模式；继承传统课堂的优势并改进其不足；对用户表现更全面、更基于数据的实时、综合评价。

二、前人研究综述及数据分析

（一）智慧课堂实现方案的学术研究现状

“智能+”对我国教育研究的转型影响巨大，智慧课堂是发展的新方向[3-4]。智慧课堂的实现涉及到智慧教育理念、智慧教学软硬件条件、智慧课堂教学模式与方法、智慧课堂教学内容等方面，需要进行系统性设计。现有的研究如下：

汪琼等（2018）对中小学的翻转课堂进行了文本分析[5]，刘邦奇等（2018）建立了智慧课堂的数据挖掘分析应用模型，并做了基于中小学的实证分析[6]。以上基于中小学的研究成果无法较好地推广到高等教育，更毋论普适性的教育实践。王冬青等（2018；2019）就智慧教学数据采集、人机交互可视化做了技术性的探讨[7][8]，此乃“术”，而非“道”。 Sun Y G（2018）的实证研究结果表明，智慧课堂可以有效提高俄罗斯大学生的专业能力[9]。我国的教育现状不同于俄罗斯。 Cheng N H 等（2014）、张艳等（2018）、Wang D 等（2018）、邱艺等（2019）从不同地维度诠释了合理的智慧课堂设计方案需要包含的要素，如：智慧环境，个人数据库与云平台，“教”与“学”的双向互动，实时分析[10][11[12][13]。 Zhang C S 等（2018）提出了“课前、课中、课后”的三阶段智慧课堂平台设计思想[14]，杨现民等（2018）较为系统地探讨了智慧教学大数据的实践框架[15]；然而以上研究是针对“道”的，在“术”的层面上有所缺憾，难以实操。

综上，兼顾“术”和“道”，综合前人较“微观”的研究着眼点且具有实操性的智慧课堂实现方案亟待提出。

（二）智慧课堂的国内实践现状

总体而言，国内的智慧课堂实践虽然取得了一些成绩，但依然“智慧化”程度很低，处于起步阶段。许多所谓的“智慧课堂”只是噱头，实质为具备有限互动功能的视频课程或互动课堂。举例：1.某中学试行开设的外教远程授课，内容为“AI入门”。2.网络上关于办公软件的“智慧教学”，采用QQ群进行师生互动。

从教育阶段来看，智慧课堂主要应用在中、小学教学，鲜有本科及更高层次的实践。从地域分布来看，地区间发展非常不平衡，智慧课堂的“试水”集中在一线城市（北上广深）、南京、合肥、西安及四川的一些偏远地区。从业界的参与度来看，科大讯飞已经在部分中小学中推进智慧课堂系统并取得了成功；中国电信与成都信息工程大学共同成立的“5G校企智慧实验室”，打造了“产学研”一体化平台；联想、中国移动也参与了“试水”。但总体而言，参与的企业比例很低，业界对智慧课堂的反映敏感性较为滞后。

所以，从应用层面上，急需要提出一个基于智慧课堂的智慧学习范式，即最优化智慧课堂的教学环境，充分利用智慧教学平台，提出个性化教育方案并提升和优化传统课堂教学。

（三）研究现状的数据分析

本部分以“智慧课堂”为关键词，根据CNKI的搜索结果，对国内前人的研究进行统计和数据分析。中文学术期刊被分为2类：权威CSSCI期刊、其它。权威CSSCI期刊的认定姑且以 《四川师范大学中文权威核心期刊（奖励版）分类目录》为依据，表述为“高级别的研究成果”，无任何贬损其它刊物之意。

图1 2013年以来论文发表数量趋势拟合图

由图1可见，仅从发表数量来看，研究智慧课堂的文章在近几年中呈现“井喷”的趋势。然而，截止2019年4月30日，仅有15篇涉及智慧课堂的权威CSSCI期刊论文已发表，其中12篇来源于权威B级的《电化教育研究》、2篇来源于权威B级的《中国教育学刊》、仅有1篇来源于权威A1级的《教育研究》。相关论文在2013年上半年第一次出现；从2017年开始，呈现常态化出现，维持平均2-3篇（/半年）的水平，表明关于智慧课堂的高水平研究在国内还比较匮乏，且近2、3年中存在日渐增多的“蹭热度”研究。

下对2013年以来的权威CSSCI论文和全部文章分别提取关键词，做词云分析，以期深入地洞察近些年对于智慧课堂的研究动态，把握研究的热点，分析研究的“盲区”。

以5次为阀值，出现频数较高的关键词依次为：智慧15次，课堂14次，分析8次，数据7次，教学和学习各6次。以“智慧课堂”为关键词搜索，显然智慧、课堂出现的频率高；故需要重点关注的词：数据、分析、教学、学习。故高级别的研究往往关注智慧课堂的两点特性：1.数据分析。没有数据分析的课堂不是智慧课堂。2.教与学。智慧课堂需要同时关注教师的知识传递（“输出”）与学生的知识接受（“输入”）两个方向。

进一步研究2015年以来，432篇涉及智慧课堂的全部中文文章，对关键词做词云分析的结果如图所示：

图2 全部文章中关键词的词云分析

除智慧、课堂两个词之外，教学以171次词频为最高，远多于出现词频较高的另一个关键词：学习（55次），表明多数研究更多地关注教师的“输出”而非学生的“输入”，即许多研究者在潜意识中尚未能实现从传统课堂教学向智慧课堂的观念转变。其它分析结果小结：从受教育层次来看，专科及以下学历层次的智慧教育研究占据绝大多数，针对高等教育或全年龄段人群的研究较为匮乏；智能化、信息化环境已经收到较高的关注。

综上，国内智慧课堂的研究现状为：（1）研究较为丰富的维度：智能化的、信息化的软硬件环境，电子化程度较高的学习方式，继承传统课堂的优势并改进其不足。（2）研究略显不足的维度：师生之间、生生之间多样化的互动形式，对学习者有吸引力的知识传播模式，“课前、课中、课后”的三阶段学习模式。（3）研究严重不足的维度：个性化的学习方式及后台数据库，对用户表现更全面、更基于数据的实时、综合评价。

本文将尝试提出一种智慧教育产品试点方案设计，以期继承前人研究之“长”，弥补前人研究之“短”，尝试为智慧课堂的研究与实践提供较为系统、完整的解决方案和指导。

三、具有通用性的智慧课堂试点产品设计方案

智慧课堂产品设计可从某一领域知识、技术的普及化教育展开，如果试点成功，再逐步将一所高校开设的课程与各种网络学习资源一起纳入产品，最终在以该校为代表的部分高校首先建立起较为完善的、互通的、具有普适性（而非仅针对中、小学生）的智慧课堂实现方案。且以四川师范大学（下文中简称“川师”）为例进行探讨和说明，该校是全国首批推进5G进校园的少数高校之一。其它学校的实践同理。以统计学和机器学习作为试点领域，因为该领域可以作为各专业师生开展学习、科研的重要工具，也是学习大数据、人工智能的前提。机器学习是当下的热门研究技术，主要基于计算机、统计学和数学专业的知识。

通过设计一个称为“统计智能”的学习平台，有PC端学习软件和手机端APP供选择；旨在科普统计学、机器学习中较为基础的知识和技术。下文以APP设计为例来探讨，PC端的软件设计思路同理可得。开发APP的计算机技术不在本文的探讨范围之内。平台的设计流程是具有一般性的，同理可用于其它学科、领域的智慧课堂设计。思路如下：

（一）借鉴“学习强国”APP，构建一个基础的“智慧”学习系统

仿照“学习强国”的设计，在“统计智能”APP中，借鉴用户的登录和搜索功能，将知识分版块的形式进行归类推荐。

第1个版块是统计与生活，旨在培养用户对统计学和机器学习的兴趣。该版块是最主要的知识普及版块，对数学的要求不超过高二文科生的水平。第2个版块有选择地推荐前沿的学术、业界动态并介绍需要一定知识背景的生活实例，旨在提升用户把统计学、机器学习作为“工具”使用的能力。内容的设计原则是“2分理论，8分应用”。在第3个版块中，针对用户需要，推荐个性化学习素材。该版块的内容会基于对用户在注册账户时提供的信息、填写的学习诉求以及在其它版块中的学习表现分析得出，比如：对于一位非理工科专业的本科生，学习目标是对统计学和机器学习有初步了解并会用SPSS进行菜单式操作，在平台上的学习表现也一般；则系统为他推荐内容简单、操作步骤详尽、知识量较小的学习材料。而对于一位志在发表高水平SCI的物理学教授，则可以从相关领域的TOP期刊中选择与其研究兴趣一致的文章作为“工具”推荐。

前3个是“统计智能”学习平台的基本版块。之后的版块提供给有兴趣系统学习的用户，多数需要具备基本的高等数学及计算机操作知识。具体设置如下：第4-6版块为“统计版块”，依次为抽样分布、参数估计、假设检验，以《数理统计》的视角将统计学划分为三部分，帮助用户在统计学领域入门；第7-9版块为“机器学习版块”，依次为监督学习、非监督学习、强化学习版块，教学重点为建模及使用R或Python软件的实现；第10版块为统计学史，用于激发平台对以文、史、哲类为代表的纯文科用户之吸引力，也使平台中的知识体系更加完整；第11、12版块依次为深度学习和人工智能入门、大数据时代背景下的统计学和机器学习，为用户提供拓展阅读。

（二）设计激励机制

“统计智能”学习平台还将借鉴一些其它受欢迎的APP形式并做出改进，如：百词斩、扇贝网等英语学习APP，以期更好地维持用户黏着度并保持更高的市场占有率。

所以，平台的设计将允许用户每天在社交媒体中打卡展示；再根据学习表现进行积分，用于评定等级，以“电子奖章”（如：QQ中是太阳、月亮和星星）的形式呈现。针对每一位用户，按照周、月、季度、年生成学习报告，该报告将对学习人格、学习行为和学习收获进行数据分析和可视化呈现，并对高水平的课堂交流、学术论文的阅读给予醒目标出并支持分享，以期激励用户自我总结反思，坚持努力。在报告最后，为用户生成一段个性化的评语作为鼓励。

（三）构建“智慧的”的数据库

建立平台的数据库，用于记录、整理、存储用户信息和学习资源。相比普通的数字化图书馆，更“智慧化”之处在于：数据库中的学习资源将被更合理、有效地分类，以支持（一）、（二）中的功能。举例：某医学专业博士生从事基因组方向的研究，针对10000个指标，需要采用机器学习中的方法Lasso进行变量选择。此时，平台将为其推荐并突出显示《The Elements of Statistical Learning》等经典书籍中关于Lasso的内容，而不是只将电子版直接推荐或在搜索框中展示，需要用户在每本书中人工搜索自己关注的内容：Lasso。 以《The Elements of Statistical Learning》为例，此书厚达745页且难度较大，而与Lasso建模相关的内容出现在书中不止一处。如果直接推荐此书，只会让大部分用户望而却步。

（四）建立完善的平台评估机制

分为三个部分，对用户学习效果的评估、对平台资源的评估、对平台性能的评估，旨在对平台的不完善处予以归因，以期有的放矢的解决，实现对平台的不断改进和优化。

对用户学习效果的评估：在小组讨论、师生问答环节等环节都参与度低的用户很可能代表学习态度不佳。关于用户的课堂表现，通过SPC等技术进行评估，详尽的实现方案将在以后的研究中探讨。

对平台资源的评估：通过用户的学习效果，评估平台提供的资源是否有效。比如：平台中有3000位用户登陆学习了《线性回归》视频教程，姑且将其中2个称为A、B。连续10天，视频A的平均每日累计学习时长为50h，视频B为2600h，差异显著；可能表明视频A不受欢迎。下一步从课堂中的弹幕、反馈留言等入手探究问题出现的原因。若出现针对教师授课态度的群体性负面评价，说明责任在教师，平台将着手解决。评价指标：大量用户打开了学习素材，结果坚持学完的人数比例过低或显著低于其它同类课程。若有些学习材料阅读人数过少，可能的原因是内容推送或数据库中学习材料的选择太难、较偏或无趣。该学习材料将被处理：从数据库中删除，仅在第3个版块中向部分用户做个性化推荐，或调整到第4-9或11、12版块中。

对平台性能的评估：如果出现账户登录速度慢、容易掉线，视频等学习资源加载缓慢、卡顿和延迟，部分用户不支持资源下载及离线学习等问题，就是平台的性能有待提高[16]。

（五）实现个性化学习

后台根据用户的个性化选择，及对每位用户的学习行为、习惯和偏好等的分析结果，将相同“特征”的用户划分为一组，为每个小组安排不同的任务、学习目标。

在课前自学阶段，用户反馈疑问给平台，平台再汇总、建模和分析并可视化后呈现给教师，教师在备课中将有的放矢，在课堂中着重讲解学生的困惑点。这样，既使得教师备课更轻松，也使得用户更感到受重视，更有收获。而传统教学中，教师需要“全面备课”，然后根据作业情况、课后与学生的交流获得学生的易错点、难点，结果不仅效率偏低；而且，有时由于问题的积压，可能导致积重难返，学生的自信心也会受到打击。无论在课上、课中、课后，只要用户发出提问，系统将自动私信回复一条鼓励信息，比如：“积极参与，认真思考，继续加油，你是最棒的”。对于随堂作业，上传最快和正确回答问题者一视同仁，将给予积分奖励。在课后，平台会借鉴《17天搞定GRE单词》中推荐的记忆方法，在学习后的1天、2天、4天、7天、15天等关键时间节点提醒用户及时复习，帮助用户最科学、高效地巩固知识。如果当天有新的学习内容，则要求用户必须完成复习后，才可以开始新的学习。

平台将支持用户查询自己的 “学习轨迹”（即有数据支撑的学习历史），包括但不限于历次作业、测试的数据分析和可视化结果，课堂表现的实时分析。从而对自己的学习状况，尤其不足之处，可以有更科学、清晰的认识。个性化学习与激励机制互为补充，以数据库、完善的平台评估机制为基础，旨在更好的理解用户行为并提高用户体验。

四、总结及未来研究展望

本文基于智慧课堂与其它教育信息化模式的关系，阐明了实现方案的系统设计思路。区分权威CSSCI和其他中文期刊进行了对比梳理，并结合国内实践现状，基于数据分析和可视化工具进行了定量分析。系统地提出了智慧课堂试点产品的设计方案，即具有可操作性的智慧课堂设计流程，以 “统计智能”学习平台的设计为例进行说明。特别的，该智慧课堂学习平台可以使不同年龄段、学习阶段的使用者受益。

研究展望：1.实证分析与设计改进。待“统计智能”平台得以落地实践并积累了一定的数据量后，再基于数据，对实现方案进行验证和迭代修正，进一步拓展其在智慧教学领域的广泛深入应用。2.更多技术可以引入智慧课堂的研究，如：变点（Change Point）理论。该理论可以与SPC相结合，“双剑合璧”实现对学生课堂表现的灵敏监测，对学习平台的后台运行异常给予预警。