刘培艳
(天津市河西区职工大学,天津300203)
据2018年地平线报告显示,全球高等教育都在采用教育技术和创造新技术,支持更广泛的学习进步和学生成功等方面面临着前所未有的挑战和机遇。报告指出从稍长的时间范围来看,适应性学习技术、人工智能和开放教育资源越来越多。随着大学寻求扩大受教育机会和公平结果,这些工具和技术可以帮助实现更大的目标。因此,结合人工智能技术发展自适应学习是未来五年甚至更长一段时间内,开放教育和高等教育发展的主要任务之一。我国的自适应学习模式的提出始于上世纪80年代,由中科院心理研究所朱新明教授首先提出,并于1998年出版著作《人的自适应学习——示例学习的理论与实践》,著作中提出了自适应学习的“条件建构——优化理论”为自适应学习理论在其他国家的相关领域的研究提供了重要的理论指导。同时,朱教授还将此理论应用到了实践教学中,在中国一些学校进行了实验。除此之外,中科院心理研究所还成立了“西蒙教育研究中心”,致力于开发高质量学习资源和研究高技术支持下的科学教育方法。但是基于网络的自适应学习研究还不够充分,特别是将基于网络的自适应学习应用在开放教育中的研究少之又少。而国外在这方面的研究非常迅速,尤其是美国、日本和韩国,特别是美国目前已经掌握相当成熟的自适应学习技术,出现了如Dream box、AIEKs、Knewton 等成熟的自适应学习系统和一些自适应学习工具应用于市场。
近年来,网络技术和学习理论的不断发展,给开放教育带来了巨大的变革,也为开放教育注入了新鲜的血液,基于网络的学习形式成为现在开放教育的一种主要学习方式。但目前的开放教育学习网为所有学习者提供统一的学习和考试资源,由学习者任意的自主学习,这种自主学习方式对于学习能力强的同学来说可能有效,但开放教育中学习者水平参差不齐,这些资源难以得到有效利用,学习效果也是差强人意。究其根本在于这种方式难以应对开放教育学习者复杂多样的学习特征,便很难达到面对面教学的学习效果,很难做到依据学习者特征采用适当的教学方式和提供适当的学习内容,也很难做到真正的以学习者为中心和因材施教。而自适应学习模式是一种真正以学习者为中心,依据学习者能力水平为其提供适当的学习资源的学习模式。如果将这种学习模式与网络技术相结合,形成一种基于网络的自适应学习模式,才是真正适应开放教育学习者特点的一种学习模式。这种自适应学习模式能够有效地解决开放教育中学习者时间分散,学习时间不固定,基础知识参差不齐等问题。因此开放教育的发展迫切需要研究一套符合开放教育学习者学习特征的基于网络的自适应学习模式,来促进开放教育的教学改革和提高教学质量,解决开放教育中基于网络的学习过程不能满足开放教育学习者特征、不能做到因材施教的问题。
文章通过对自适应学习和开放教育特征的研究分析,将自适应学习模式应用于开放教育教学平台中,试图探究一种适应于开放教育的自适应学习模式,这种学习模式以开放教育学习平台为依托,是一种基于网络的自适应学习模式。若将这种学习模式应用于开放教育教学中,势必会对开放教育的教学效果产生积极地影响,具有十分重要的实践价值。
提到自适应学习,就不得不先介绍一下项目反应理论,项目反应理论是心理测量领域中常用于认知诊断的一种理论模型,在教育研究中经常用于各种测试之中,如为试题筛选提供理论依据,指导各种测验编制等等。其主要思想是认为被试者存在一种潜在的能力,测验所得分数在某种意义上讲是对这种潜在能力的估算,而只有当测试题的总体特征与被试能力匹配度最高的时候,被试者的潜在能力才能更多的被激发出来,测试才能得到更准确的结果,最终,背时的能力描述由测试题的特征参数包括难度、区分度与猜测度共同描述。由此,笔者认为,在学习者进行测试时要为其提供最适合其能力的试题才能达到最优的效果,激发学习者潜质,提升学习者的学习兴趣。反之,如果我们为学习者提供与其能力值相差太远的测试题,难度过大或者过小的测试题都不能使被试潜在能力得到最大程度的发挥,也会使被试者降低学习兴趣。同理,如果我们为学习者提供与其知识结构相差很大的测试题目,也不能使学习者的潜在能力得到最大激发。因此笔者认为,在学习者进行自主学习和测试的过程中,依据学习者自身的能力水平、知识基础、学习策略为其提供最适合学习者的学习内容和测试项目,才能使学习效果达到最优化。
一般来说所谓自适应学习是指给学习中提供相应的学习的环境、实例或场域,通过学习者自身在学习中发现总结,最终形成理论并能自主解决问题的学习方式。结合项目反应理论,在这里,笔者认为自适应学习是根据每一位学习者的学习情况,包括学习者现有知识水平、兴趣爱好、学习策略以及其他学习特征,为学习者提供最适合其自身的学习内容,提供最适合学习者的测试项目,然后根据学习者的后续学习进度、测试结果和学习过程中的其他学习特征反过来继续调整学习者的现有水平,并重新调整要推荐的学习内容和测试项目,如此反复,完成自适应学习的过程,进而提高学习者的学习效率,激发学习者的学习兴趣,来达到学习效果的最优化。
在上述自适应学习过程中,要想获得学习者的现有学习特征、描述学习者的特征画像、不断更新完善学习者的特征画像都需要一定的技术支持,其中最重要的就是人工智能技术。人工智能技术在自适应学习中的应用最早在上个世纪九十年代的美国出现,经过二十几年的发展,人工智能技术不断突破,自适应学习便得到了更有效的技术支持,完全能做到以每位学习者为单位进行分析,根据每位学习者实时的学习情况,动态调整其下一阶段要推荐的学习和测试内容。可以说人工智能技术的发展为自适应学习和测试的发展提供了关键的技术支持,加快了自适应学习的发展步伐。
开放教育是成人教育体系中的重要组成部分,在倡导终身教育的今天,开放教育承担着学历补偿、终身学习、社区教育等一系列重要功能。开放教育的本质是人人享有终身受教育的权利,这里的开放不仅意味着对教育对象的开放,更重要的是教育观念、教育资源和教育过程的开放。开放教育可以通过远程教育进行在线教学,即线上学习,也可以通过面授完成教学过程,即线下学习,也可以通过线上+线下的混合式学习模式完成教学过程。同时,开放教育的学习者又是多种多样的,包括学历不高的青年,在职的专业技术人员,以及一些两鬓斑白的老人等等,他们的基础知识参差不齐,学习目的多种多样,专业背景多种多样,学习时间零散且不统一,对学习资源利用不充分等问题层出不穷,这也为开放教育的教学工作带来了巨大的挑战。鉴于开放教育学习者的上述特征百分之百的面授教育已经不能满足开放教育的需求,线上教学和混合式教学逐渐占领了开放教育教学模式的主体。因此提高线上教学质量对开放教育的进一步发展起着至关重要的作用,而目前开放教育的线上教学主要依赖于国家开放大学学习网,这其中有丰富的学习资源,能基本完成教学和考试任务,每位学习者都有自己的账户进行学习,系统能记录起学习过程,但是这一平台目前为所有学习者提供的学习内容是一致的,不能按照学习者自身的学习特点推荐学习内容,对于能力低、年龄大的学习者来说,这些内容过于困难、有时难以理解和接受,而对于一些较年轻的或者有一定知识背景的学习者来说,这些学习资源又显得过于简单,浪费时间。所以,这种传统的线上学习很难做到因材施教,这也是开放教育发展过程中需要克服的一个障碍。
结合上述开放教育的特征以及自适应学习和测试的特点,笔者认为如果将自适应学习与国开学习网相结合,形成一种基于网络的自适应学习模式,此模式中包含知识学习模块,学习交流模块,评价模块和测试模块,由师生共同参与学习,形成一个从入门学习到深度学习,从知识的学习到知识的交流,再到知识的测评一整套学习模式,定能应对上述开放教育学习者特点,使其学习更便捷自如,学习效果达到最优化,进而促进开放教育教学改革,提高开放教育教学质量,为开放教育学习平台增添新的色彩。
通过上述对自适应学习模式以及开放教育特征的研究分析,我们不难发现,如果将自适应学习理论应用到开放教育中来,必将为开放教育的教学改革开启新的篇章。因此,本文将自适应学习理论与开放教育的特点相结合,以国开学习网的建设为契机,探究出一种适用于开放教育的基于网络的自适应学习模式,即基于开放教育的自适应学习系统,美国匹兹堡大学皮特·布鲁希洛夫斯基(PeterBrusilovsky)教授提出了自适应学习系统的定义:自适应学习系统是通过收集并分析学生进行自主学习活动时与系统进行双向交互所传递的数据信息,依据分析的结果来建立学习者模型特征,从而使传统教育中所呈现的难以解决的“无显著差异”问题得到很好改善和解决的系统。本文中这一系统的学习功能主要通过以下几个模块完成。
目前,我们的国家开放大学学习网已经建设的颇为成熟,作为学习网必备的模块之一,自主学习模块也是国开网的重点建设目标,它包含了丰富的学习资源,使开放教育的教师和学生打破了时间和空间的限制,能够在这里自主的学习相应科目的知识点,完成学习任务。但是这并不能完全满足现代教育理念的要求,现代教育理念讲求以学生为中心,因材施教,为学习者提供最适合的学习策略和学习内容才能达到最优化的学习效果,对成人学习者来说更是如此。而将自适应学习概念和人工智能技术与国开学习网结合,将其中的学习模块建设成自适应学习模块,能更好的促进成人学习者的学习。
自适应学习模块的核心理念是根据学习者的个性特征以及个人偏好来推荐适合开放教育学习者的学习内容和学习策略。本文将学习模块分为两个部分,一是基础理论部分,二是个人提高部分,每个学习者必须完成基础理论部分的学习才能进入个人提高部分的学习,笔者认为任何的自适应学习都是在一定理论基础上的学习和提高,没有基础的学习者也无法直接通过自适应学习的过程来提高自己,因此,基础理论在学习模块中充当的是必修部分,只有完成必修内容的学习者才有资格参加个人提高部分的学习。其具体实施方法如下:
基础理论部分。这部分内容主要是介绍课程的相关基础知识,以满足学生对新开课程的基础理论学习,属于入门级。学习内容以开放大学教材和考试大纲为依据进行组织编制,包括课程基础知识、考试形式、考试大纲、历年真题等,其具体形式应包含视频影像资料(比如课程微课、MOOC、精品课程等)、PPT 资料、Word文档等。这部分内容也是整个课程学习的必修内容,学习完成后会产生一定的必修积分,这一部分积分会成为其进入下一环节学习(即个人提高部分)的钥匙。
个人提高部分。这部分内容以基础理论部分为铺垫,以视频学习内容为主,为学习者推荐适合其自身的学习内容,是真正的自适应学习的过程。系统会根据每位学习者的学习偏好和学习需求,结合学习者的能力,为学习者推荐学习资源,在这里我们统称其为依据,那么这些依据是如何获得的?首先,在学习者入学伊始,每位学习者的基础画像就已经被导入学习网系统,初始画像包含学习者个人基本信息,如年龄、性别、婚姻状况、政治面貌、家庭住址等;学习背景,如学历、毕业院校、所学专业、特长爱好等等;社会背景,如工作经历、职位、以及其他要说明的实践经历,这些基础画像就成为分析学习者特征,为学习者推荐学习资源的第一层依据。其次,学习者在基础学习的过程中的学习轨迹会成为自适应学习的第二重依据,比如对某一知识点比较感兴趣,会反复的学习、观看视频资料等,或者在学习资料下面点击喜欢、收藏等,后台数据就会记录这一学习轨迹,对这类知识点进行标记,在个人提高的环节能多提供这类知识点的提高学习,或者是提升学习的难度和广度。如果遇到学习某一知识点时反复观看,或者留言区中表示对这一知识点的不解,亦或是表示对这一知识点没有兴趣甚至是对自己没有实践意义,在个人提高部分的学习中,尽量减少提供这一部分的内容,或者只提供一些简单的基础性、实践性强的内容。再次,学习者在学习网论坛、在线辅导或者答题、竞赛、测试等环节中的表现,都将反馈回个人数据库作为自适应学习的依据,所以说,学习者在不同的时间段登录学习,个人提高环节为其推荐的学习资源也会有所不同,由此,自适应学习系统才能随着学习者的进步和提高,为其提供更高难度的学习内容,来迎合学习者的学习需求,从而实现真正的自适应。
考试是衡量学习者学习效果的途径之一,也是教学中常用的手段之一,在自适应学习系统中,传统的考试已经不能满足这种新式学习模式的要求,所以对应的考核方式及衡量标准也要随着改变。
首先,对于考核方式来说,终结性考试不再成为修完某门课程的独木桥,只有通过终结性考试才能完成课程学习不适应这种学习方式的要求和形式,因此,笔者将这里的考核方式归结为综合测评的方式,这种综合性测评包含几个部分组成,(1)知识学习:这一部分对应着我们上述所提到的自适应学习模块,以学习所获得的积分为衡量的指标(具体的基础知识学习所获得的积分和个人提高学习可获得的积分由课程教研小组研讨制定,或是由课程责任教师制定),也就是说,学习者平时的学习情况也构成综合测评的一部分,而且为必要的组成部分,没有完成基础知识学习的同学不可以参加学习系统中其他模块的学习、考试以及其他交互学习活动;(2)期末考试:这一部分依然是衡量学习者学习效果的核心环节,只是这里的期末考试不再是以往的每位同学都做同样的试卷,最后及格便为通过考试的传统模式,也不像是如今学习网中有些课程采用在题库中随机抽题组卷,考及格便可通过的上机考试模式,而是自适应的考试模式,系统根据上述学习路径提供的学习者资料,为学习者量身定做适合学习者能力水平的考试题(这部分考试的组卷原则是题型是统一要求的),这一量身定制的考试因人而异,为更高能力的考生提供更高难度的考试题,如此一来,考试成绩便不能以百分制衡量,更困难的题和相对简单的试题的得分也不能是一致的,答对某一题获得的得分为:本题难度系数*本题所占分值的积,因此,考生考完试题也可能会出现全都答对但成绩低于60 分或者高于100 分的情况。这一成绩计入综合测评的一部分。除此之外,学习者在这一模块的答题情况也将反馈至后台学习者画像数据库,进一步更改补充学习者的学习情况,为后续的自适应学习和考试提供依据;(3)其他学习活动:包括学习者参加在线讨论活动、留言、参加智能竞赛甚至是进行课程反馈评价,都会产生相应的积分,构成综合测评的一部分。
其次是衡量标准,既然是综合测评最后必然是按综合量化得分来衡量,每门课程可以根据课程性质以及上述模块设置标准综合考虑通过课程的标准,比如综合量化成绩为每部分得分之和,或者将各部分按一定比例合成,最终得分超过某一分数线即为修完该门课程。除此之外,责任教师还可设置一些其他条件,如每部分成绩均不能为零分,或者某一模块不得低于某一分数线等。
1.讨论区
讨论区的功能主要是为了弥补线上学习不能进行面对面或实时交流带来的不足,同时为丰富学习者画像数据库提供数据资料。首先,为了弥补上述在线学习的不足,这里的讨论区是实时讨论,每学期开课,任课教师便与学习者约定好实时讨论时间(根据课程性质设定一次或几次),学习者和辅导教师在约定时间进入讨论区,通过电脑、手机、ipad 终端进行在线讨论,这样方便学习者在同一时间内任意地点都能参与讨论,不管是在家里,在单位,还是在路上,打破了空间的限制,也弥补了在线学习不能得到及时反馈的不足。其次,学生在讨论期间的发言内容系统经大数据分析,提取某位同学对某一知识点更感兴趣,或者对某一知识点更难理解,存在更多的问题等等,都将作为支持数据反馈给学习者画像数据库,进一步丰富、补充学习者画像,从而为学习者后续的自适应学习提供依据。除此之外,参与实时讨论也会产生一定的积分,在一定程度上有助于学习者通过课程综合测评。如果辅导教师有要求学生必须参与几次实时讨论,便可将课程考核标准中,综合测评的这一部分积分设置为不低于某一分数。
2.游戏区(智能竞赛区)
游戏区为课程提高性质的学习区,也能为学习增添很多的趣味性,提升学生积极性,美国的自适应学习系统就将游戏化作为吸引学习者自主学习的一个重要手段。每门课程可以根据课程性质及培养需求来决定是否添加这一功能。这一功能区域分为两个模式,一是游戏练习模式,课程责任教师可以结合专业、课程特色将一些趣味游戏、每日一猜、笑一笑等融入其中,比如计算机应用基础课程可以将一些练习打字的游戏放入这一模块,让学习者在趣味游戏中获得知识或技能的提升,同时获得一定的课程积分,但这部分积分依然有上限的要求;二是智能竞赛模块,这一模块也是整门课程的升华。一般在职业教育或者高等教育教学中,定期举行专业技能竞赛是必不可少的教学环节,这一环节一方面考核了学生的学习成果,另一方面也给学生提供了一个展现自己、实践自己课堂学习内容的平台,但是在开放教育中,学习者受工作时间限制、地域限制等因素报名积极性低,这类竞赛开展起来困难重重,因此这种在线的竞赛能在一定程度上弥补这一不足。这种在线竞赛,任何一个学习者都能报名参加,对抗方式可为一对一,也可以是多对多,只要组队成功,竞赛便可开始,这种模式类似于现在的在线游戏,竞赛开始后,系统会机动提供竞赛题目或操作要求,对抗双方进行抢答,最终竞赛胜利的一方可以获得积分,而失败的一方不扣积分,也不获得积分,如果在这一模块积分达到一定程度还可换取相应证书。这一积分也能计入综合测评加分,这部分积分不设置下限要求,但也有一定上限。除此之外,学习者在这一模块的表现也将通过数据反馈回学习者画像数据库,进一步丰富学习者学习路径信息,从而使系统重新调整每位学习者的能力水平数据,为其自适应学习提供更适合的学习内容。
3.留言区
留言区与讨论区有些类似,学习者在学习中遇到问题随时都可以在留言区留言提问,同课程班级的同学或者辅导教师看到留言即会进行回复。同时,当某一课程的留言区有新的留言,系统也会发消息给所有课程小组成员(包含同课程班级同学和课程辅导教师),提醒他们有新留言,当课程小组成员上线进行学习的时候,便能看到该消息去回复留言了。反之,如果学习者的留言被他人回复,系统也会发消息给留言者,提醒其查看回复。虽然这种互动并不是实时的,但他也能一定程度上弥补这种线上自主学习带来的不足。除此之外,在留言区进行回复(即解答其他学习者的留言)也能产生一定的积分,只是在综合测评中对这部分积分的多少不设置最低要求,但有上限,即不能高于某一分数。同上,学习者在本模块的留言内容也将通过大数据分析反馈给学习者画像数据库,为学习者后续的自适应学习提供依据。
每一课程都设置评价反馈模块,根据课程的性质提供调查问卷,问卷中既要包含开放式问题,也要包含封闭式问题,学习者在学习完该门课程之后可以填写调查问卷,为课程辅导教师或责任教师今后调整课程提供依据,也为相关专业教师的课程调查研究提供数据支撑。同时,学习者填写问卷之后也能获得一定的积分鼓励,计入综合测评。同理,学习者在本环节的反馈内容也会通过大数据分析,将与课程内容相关的有效数据反馈回学习者画像数据库,丰富学习者信息,为其后续自适应学习提供依据。
综上所述,开放教育学习者基于网络的自适应学习系统是一个不断调整更新的动态学习系统,学习者在学习系统中参与的任何教学、学习活动,都将组成学习者学习路径的一部分,并通过大数据分析将有意义的信息反馈回学习者画像数据库,以此来帮助分析学习者特征,更新完善学习者画像,为学习者后续的自适应学习提供依据。除此之外,即使本门课程学习结束,学习者画像数据库依旧会保存相应信息,为其后续学期的相近课程的学习提供依据,故这一系统在为学习者推荐资源方面总能做到“不忘初心”和“与时俱进”。
本文以开放大学学习网为依托,对基于网络的开放教育自适应学习系统的设计进行了研究和分析,在一定程度上对学习网的开发建设有重要的参考价值。虽然目前已有国内外学者对自适应学习理论进行深入的研究和分析,也有一些开放教育的专家和一线工作者对开放教育教学改革进行研究,但是将自适应学习应用在开放教育中,尤其是基于网络学习的自适应学习应用在开放教育中的研究少之又少,因此,本文的创新之处在于将基于网络的自适应学习应用于开放教育中,进而形成一种适应于开放教育的基于网络的自适应学习模式,为优化开放教育学习网的建设,促进开放教育的教学改革,提高开放教育教学质量提供一些依据。但这种自适应学习系统从理论构思到开发建设再到投入使用还有很长的路要走,还会出现各种各样的问题,还需要很大的技术支持,希望我们广大开放教育工作者积极参与,早日实现这一目标。