基于云边端协同的智慧教学环境设计与实现

孙彦博

（重庆警察学院，重庆 400000）

0 引言

教学环境是教学理念、教学模式和教学内容的承载者，良好的教学环境营造了“环境育人”的物理空间。教育信息化2.0行动计划开启以学生为中心的智能化教学支持环境建设，明确了教学环境的对象属性和技术属性[1]。学生自我发展的全面化、精准化和个性化愿景成为教学环境建设的导向，而通过教学方式和学习方式将技术工具和课堂组织进行深度耦合赋予教学环境以智慧。智慧教学环境的功能不再只限于软硬件智能设备的网络联通，通过感知学习情景、识别学生特征、提供合适的学习资源与便利的互动工具，有效促进了学生的学习[2]。所以，本项目在完成技术设计、自动记录学习过程和评测学习成果的基础上，进一步研讨了云边端协同环境下教与学的组织形式。

1 智慧教学环境研究现状

国外对于教学环境的研究起源于勒温的心理动力场理论，他深入阐释了人的行为与环境的关系[3]。20世纪80年代，随着交互式音视频技术的发展，逐渐将嵌入个人电脑、光盘存储、视频节目等信息技术的课堂称为智慧教学环境。进一步，国外高校以完善教育服务提升核心领域影响力为导向，致力于将网络技术、新一代信息技术和课程相结合，不断颠覆传统的大学教育模式，创造出MOOC、SPOC、微课、翻转课堂等全新的教学环境[4]。

国内对于教学环境的研究从电化教育起步，教育研究者深入探索了技术创新手段在丰富学习经验、增强学习成效方面的作用，对适应于泛在学习、移动学习、自适应学习和混合学习的教学环境开展了理论研究[5]，与之相适应的应用场景和智能产品同步涌现，信息技术已经成为推动教与学实践变革的不可逆转的力量。

2 在线教学带来的挑战

国民经济和社会发展第十四个五年规划首次提出“发挥在线教育优势”。2020年以来，大规模的在线教学实践极大丰富了教学和管理内涵。推动了教师的教，教师是否具备有效组织课堂的能力，能否与学生相互关联、相互作用激发学习动机，成为能否促进有效学习的关键因素。推动了学生的学，将45分钟的标准课时颗粒化后，学生在线课程中表现出更大的自主性，学习满意度甚至超过了面对面的传统课堂教学。推动了课堂的组织，远程学习端点通过直播录播结合方式实现协作，沉默单向的课堂组织形态逐步向线上线下互动发展。推动了教学的管理，课堂学习过程、学习情境、设备感知和社群互动等各方面数据实现闭环，为教学管理提供了精准的数据支持[6]。

在线教育正在从萌芽期的新鲜感向教学新生态转变，在线化成为智慧教学环境建设的重要方向。然而，在线教学智能化交互、个性化学习、沉浸式体验的特点，要求教学环境必须具备高实时性和海量数据处理能力。当前阶段，大部分智慧教学环境往往是针对某一教学场景的定制化方案，能够提供的在线服务质量比较粗放，以精品录播为主要功能的本地化智慧教室无法满足在线教学需要，而部署在云端的直播教室往往出现卡顿、丢包、掉线和崩溃等情况，设备网络环境也有IPv6、IPv4、WIFI、4G、5G、zigbee等多种制式，如何实现不同教室软硬件环境实时交互是一项很有挑战的任务。

3 云边端协同设计思路

无延迟状态下开展课堂交互是获得良好教学体验的基础。为实现直播环境下4K高清视频传输，至少需要保障40M带宽，带宽容量和成本是必须考虑的重要因素。传统在线教学，采用拉流或推流方式将直播视频上传到云端，然后从云端返回控制指令，整个过程耗时较长，不能满足时效要求。因此，只有尽可能早地对端设备采集的海量数据进行筛选，识别有效数据和无效数据，降低传输和存储成本，才能在毫秒级时间内完成从采集数据、数据处理到实现交互的过程。云边端协同利用边缘计算和分布式云技术，在智慧教学环境中增加集网络、计算、存储、应用核心能力为一体的边缘云服务，将数据的存储、传输、计算和安全从云端下沉到边缘节点，产生更快的网络服务响应[7]。

下面以开展大数据课程的AR教室为例，来描述智能设备在云边端协同思路下的交互过程（见图1）。AR教室部署了大量的IoT传感器、直播录播摄像头、AR可穿戴设备，而出于安全和IP资源考虑，这些设备将部署在无公网固定IP的专网环境。在线教学需要将这些设备向公网用户开放，就需要将它们统一组织到云端，实现云端的集中访问和控制。云边端协同方式，通过RTSP/Onvif协议将专网设备统一接入到边缘网关，边缘网关再通过GB/T28181与边缘云对接。边缘云实现AR推理等大量前端计算，然后将计算结果在中心云进行训练，训练好的模型又下发到边缘云，从而实现云边协同。通过这种逐层分散延伸的网络架构，将设备就近接入边缘云，通常IoT设备与边缘端设备之间的时延可以控制在2ms内，适合处理实时性要求极高的教学数据，与边缘云之间的时延也可以控制在10ms内，满足AR直播场景。

图1 云一边协同技术思路

4 云一边协同平台模型

按照云边端协同设计思路，采用容器技术和微服务架构来构建云边端协同平台（见图2）。平台将模型、运行环境、服务、任务以容器的方式解耦，借助镜像仓库共享整个开发和运行环境，对任一对象的调整都不影响整体环境的部署。微服务架构包含服务目录注册与发现、API网关、服务代理、服务熔断等功能，持续整合工作流服务组件和标准化接口，打通从数据获取、数据处理、算法构建、模型训练、模型评估、模型部署到应用发布的智能设备全流程生态闭环。平台通过数据中心、模型中心、服务中心、应用中心、边缘中心、管理中心等六个中心模块，快速获取多种来源训练数据，进行数据标注及特征提取，按需调度算力资源进行模型生产及效果评估，并将模型一键部署至教学应用[8]。

图2 云一边协同平台设计

数据中心负责异构数据源的数据接入，支持结构化、非结构化数据存储和数据集管理。模型中心负责模型发布、边缘推理、配置管理，通过模型中心创建的各类机器学习和深度学习算法可以在发布后，直接调用访问地址对接业务应用，边缘推理将模型服务发布到边缘节点，配置管理包含用户管理、组织管理、镜像管理、操作日志、权限管理、运维管理、容器管理等组件。服务中心负责组件管理、服务编排、任务管理、任务执行和服务管理，组件管理将接入的各项服务封装为可被业务编排使用的组件，服务编排结合业务逻辑快速组合连接各组件，任务管理实现任务的接收、派发与容灾，任务执行将接收的派发任务启动执行并维护负载均衡，服务管理支持按照调用记录查看执行日志和可视化展示。应用中心管理平台预制的典型应用和自定义的应用。边缘中心负责平台边缘侧的边缘单元、边缘组件、边缘运营，边缘单元对靠近边缘数据源头的计算设备进行统一管理，边缘组件提供通用能力组件和开发、运维工具，边缘运营提供不同类型的设备接入能力并管理操作日志。管理中心则是平台自身业务、项目、用户和权限的管理单元。

5 教学系统设计

云边端协同平台从框架、技术、设备上满足了智慧学习环境在线化的需求，但只有实际上提高教育教学的效果、效率和效益，才能焕发生命力。在教学过程中，学生需要直观掌握学业成绩来调节学习过程，教师需要监督课程进度来调整教学策略，因此建设一个能够让学生主动参与到学习过程的开放式、泛在式、个性化的教学系统显得尤为必要。

结合大数据实验实训课程，来设计知识传授在线化过程。大数据课程大纲明确教学目标为：通过教学使学生掌握数据分析和处理基本能力，具备大数据思维，能够自主开展大数据应用和创新。为了培养与提升这些能力，需要从总结性和形成性评估角度跟踪学生学习进度。对于采取在线方式学习的学生而言，需要鼓励学生主动提出问题、协作解决问题、针对性开展测试，激发学习自主性和学习热情。因此，教学系统在督促学生听课、记笔记、通过考试之外，将赋予学生更多的学习角色和责任，以督促其建立自主的学习方法。

5.1 建设问题库和测试系统

在线学习过程中，有效学习往往不再是个体建构的结果，而表现为群体之间的协作。基于协作理论，可以建设师生共同访问的、透明的、经过验证的问题库。作为丰富问题库的关键措施，每个学生必须在课程中从给定的主题中想出至少一个问题并找到解决方案，并根据这些问题制作测验系统。测验包括三种类型：（1）教师设计的测验，教师设计类别及难度，每个学生都需要参加；（2）个性化测验，基于学生回答问题的情况，将认定为学生没有完全理解的问题进行合并，反复推荐给学生参加；（3）学生期盼的测验，根据学生与聊天机器人交互内容，由聊天机器人分析输入情况并收集关键字，从中生成分类。

学生在学习过程中回答问题情况和参加测验的结果作为学期的形成性评估依据，学生也可以据此预测未来的学习成绩，并根据个人需要制定学习计划。教师根据每个问题回答情况，可以看到问题分数的高斯分布，提炼共性问题用于学期末的书面考试。

5.2 丰富个性化指标体系

在知识传授过程中，需要制定个性化的指标体系以提升学生学业。这些指标包括：学习覆盖率、学生答题率和成功率、学生满意度、回答问题效率和学习期望等。学习覆盖率是指学生参加的测验中包含的课程大纲中的概念之和。学生答题率和成功率，指学生答题情况和成功情况的覆盖程度，如果学生对课程的答题率达到了百分之百或者成功率达到一定参数，就可以对学生进行有效激励。学生满意度是通过学生的打分和评论环节，将文本反馈数据输入到情感分析机器学习模型中，综合计算反馈平均值，以确定用户的满意状态。回答问题效率通过测验中的正答率来衡量，如果学生重复同一个问题的次数和给出答案的正答率较高，意味着这个问题可能被大多数人掌握，教师需要提高它的难度水平，以更好反映此类问题掌握的深度，反之，往往意味着学生对某一个问题的答案概念不清、存在疑问或容易犯错。学习期望则直观表现为学生要求进行的测验次数和提交给教师审核的问题数量。通过这些指标数据的收集，并结合学习目标进行可视化展现，可以直观衡量和反映学生的进步[9]。

5.3 增强学习环境

学生的自主学习动机和低焦虑学习状态可以产生深层次学习方法。为增加学生学习动机，应灵活采用游戏元素，将学习过程设置为小单元游戏，根据参与情况科学设置奖励、进度等级，这将使学习过程变得有趣，学生也更容易投入。而低焦虑学习状态来源于过程评价的隐性化，学生不必再担心因为学习期间所进行的活动而在课堂上被批评，教师可以通过教师面板了解学生完成学习任务、学习绩效评估和协作互动过程中体现出的对知识的掌握情况。在学生同意的情况下，可以通过网络日志形式记录学生在远程互动中的所有行为，然后根据每个会话持续时间将交互行为量化为短交互作用、中交互作用和长交互作用，根据短、中、长交互的比例直观反映学生学习情况。

6 结语

基于云边端协同技术，从物理环境上满足了在线教育的网络、数据和交互要求，能够从学习表现、学习行为、学习概况和个人因素等对学生个性化需求进行即时分析，从而为远程学生创设交互式、适应性的真实学习情境。另外，还可以基于然语言处理对学生回答问题的情况进行情感分析，以决定是积极的还是消极的反馈。而通过自适应和即时学习支持，可以跟踪学生的学习进度和学习状态，使学生获得更准确的个性化学习反馈。随着更多新技术的融入和发展，如何在云边端协同的智慧学习环境中，将教师的知识以更加智能、多样、高效的方式传递给学生，将是下一步研究的重点。