基于自我调节机制的智慧教育系统开发

梁洁

(肇庆医学高等专科学校，公共基础部,广东，肇庆 526000)

0 引言

随着网络技术和信息技术的不断发展，智慧教育作为一种新兴的教育方式越来越受到人们的关注与重视。本质上，智慧教育可以利用远程通信技术向学习者提供不受时间、地理位置等限制的教育方式。这种方法扩大了学习者与教育者之间的互动范围，从而满足教育不断扩大化的要求，尤其是2020年新冠疫情的爆发，这种不近距离接触且能传播知识的方式更加受到人们的追捧[1]。

虽然智慧教育与传统接触式教育相比有许多优势，然而智慧教育中由于教育者与学习者缺乏实时互动与监督反馈，因此对于其实际学习效果，仍需进一步检验[2]。

事实上，为进一步提高智慧教育的学习效率，国内外众多学者很早开始就对智慧教育中影响学习者态度的因素进行了研究。张伟伟等[3]对智慧教育环境下大学生自主学习态度的影响因素进行了研究，同时根据研究成果为大学生自主学习能力的养成提出了相应的建议。余明华等[4]通过对机器学习的作用对象、作用过程、具体方法、利益相关者等方面的分析，探讨了机器学习和智慧教育的适切性，基于智慧教育的框架对机器学习的教育应用与创新提出了相关建议。King E和Boyatt R[5]采用了现象学的方法，研究了高等教育中智慧学习的影响因素，并对这些因素提出了行之有效的解决方案。Leeuw等[6]研究了医学领域智慧教育成功实施的因素和主题，发现了创造者、组织和学习者3个方面的因素，为未来评估医学智慧学习模型提供一定的借鉴与思考。

上述方法在不同领域对智慧学习中影响因素进行了研究，并针对这些因素提出了一些建设性意见。然而，仅有少数文章考虑了自主学习对于提高智慧学习成功率的重要性。基于此，本文将自我调节机制引入智慧教育中，通过反馈与监督，从而提高智慧教育效率。

1 模型与假设

在动态和交互式的智慧学习环境中，学生可以非线性访问大量的多媒体资源，包括文本、图形、动画、音频，同时在学习过程中各学习者还能进行自主学习。在智慧教育系统中，由于教育者和学习者在时间、空间分离的特点，学习者在学习中缺乏监督与评估反馈机制，因此需要学习者具备相当程度的自我调节与自主学习能力。此外，许多已有的研究成果也表明，具有自我调节能力是学习者在智慧教育中取得成功的一大助力。

基于上述分析，并受到文献[7]启发，本文将自我调节机制加入模型。本文提出了一个具有自我调节机制的智慧教育策略模型，如图1所示。该模型共包含6个变量：信息质量、系统质量、服务质量、通信质量、用户满意程度与自我调节。

图1 具有自我调节机制的智慧教育模型

图1中，带箭头的方向线段表示不同变量之间相互影响的关系。因此，可以看出信息质量、系统质量以及服务质量将影响通信质量和用户满意程度。同时，剩余5个变量都将影响自我调节变量。

综上，具有自我调节机制的智慧教育策略模型中各个变量具有如下假设。

H1a：系统质量影响通信质量；

H1b：系统质量影响用户满意程度；

H2a：信息质量影响通信质量；

H2b：信息质量影响用户满意程度；

H3a：服务质量影响通信质量；

H3b：服务质量影响用户满意程度；

H4：通信质量影响用户满意程度。

随着计算机技术、通信技术不断发展，学习者将有了更多交互工具。尤其是社交网络的不断发展，使得学习者之间可通过交互性学习从而产生积极影响作用。因此，本文作出如下补充假定。

H5：通信质量影响自我调节；

H6：用户满意程度影响自我调节；

此外，智慧教育模式下，可通过定制学习计划、评估阶段性成果等手段进行学习时间管理，从而间接提升教育成果转化。因此，本文进一步扩充假定如下。

H7：信息质量影响自我调节；

H8：系统质量影响自我调节；

H9：服务质量影响自我调节。

2 系统设计

本文提出了一个智能语义智慧教育框架来解决语义信息处理、学习过程支持和个性化学习支持问题。

2.1 系统架构

具有自我调节机制的智慧教育框架如图2所示。传统的基于Web的智慧教育系统使用Web浏览器作为界面。用户可以访问多种多媒体学习资源(如讲座视频/音频、演示幻灯片和参考文档)直接链接的学习对象。本文提出的智慧教育框架中，除了现有的学习信息流外，还引入了自我调节机制，以提高在线学习的学习效率。

图2 具有自我调节机制的智慧教育框架

通过使用自我调节机制，系统可以提供充分的个人特质分析，并根据个人的学习进度提供个性化的学习服务。此外，学习中涉及的静态资源和动态过程描述的语义信息可以更容易地在Web上进行编码和检索，必要时可以参考本体或知识库。

自我调节机制还支持面向过程的学习活动描述。在学习环境中整合动态和静态学习相关语义信息，为学习理论在实践中提供适当的支持。

在教育研究方面，该框架旨在支持各种学习模式和理论，如情景分析[8-9]。通过对个体学习过程中聚合的语义信息分析，可以提供更加个性化的学习服务。在该框架内，教师将获得每种学习模式的实践模板或同事实践的学习环境(如水平、学生群体、学科、性质)中的新教学方法。

2.2 系统运行过程

本文设计的具有自我调节机制的智慧教育框架运行时分为3个阶段(自我指导或导师引导)。系统运行过程如图3所示，具体描述如下。

图3 系统运行过程

第一阶段是预习过程，包括学习者和教师的准备工作。教师要准备在线多媒体学习资源，提供学习对象和学习环境的上下文描述，为不同类型的学习者设计学习路径，为个别课程和整个课程设计学习活动和评估。所有信息将被解析并存储到知识库中以备将来使用。在学习者方面，自我调节模块帮助学习者进行学习，包括通过进行一系列问卷测试来识别学习者的个性、学习风格与学习掌握进度，确定学习目标和学习偏好，并明确个人的学习责任。

第二个阶段是学习过程，包括各种学习活动，如查找学习材料、阅读材料、写反思、与同龄人讨论、自我评估、复习等。每一个复杂的学习活动都可以看作是一个简单活动的序列或组合。基于自我调节机制进行基础知识检索服务，为所有多媒体资源提供一个集成的、通用的基于语义的接口。在整个学习过程中，学习者的自我调节模块收集实时的学习数据，监控学习过程。它利用学习信号与其他学习者的自我调节模块或系统知识库进行匹配对比，以获得足够的学习建议。根据学习理论和个性研究结果，对不同个性、不同学习风格、不同背景的学习者，在不同的情境下给予不同的对待，并对其进行个性化指导。例如，对于一个注意力不集中、好动的学习者，当其需要深入了解某特定知识点时，应当对其进行额外的指导以便该学习者能够有效掌握知识点。

最后一个阶段是学习后的过程，包括报告、评估学习者和教师的学习成果。每次学习结束后或在某些与设定的检查时间节点时，自我调节机制可以根据预定的目标和结果生成学习进度报告，报告中将显示学习效率以及花费在学习上的时间。通过反馈调节，可进一步指导未来的学习路径和调整某些学习活动。从教师的角度来看，系统中所有参与学习者的进度报告将提供教学效果的整体视图，为学习和教学的进一步改进或调整提供决策依据。

2.3 指标计算

为评估系统提升学习效果性能，本文引入指标：成绩反应分数，该值是通过对学生测试分数的统计得到的均值和标准差。

采用描述性统计方法对师生反应数据进行统计分析，得出基于平均理想值(M)和理想标准差(S)的结论。利用该式计算出教师和学生的课堂平均反应分数，计算式如式(1),

(1)

进一步可求得平均理想值(M)计算式。

(2)

其中，Imax s为理想最大分数，Imin s为理想最小分数。

理想标准差(S)计算用式(3),

(3)

其中，n为测试科目数量。

3 实验分析

参考文献[10]，本文选取提高学生英语写作为例，利用前测与后测方式验证基于自我调节机制的智慧教育系统性能。测试学生相关信息如表1所示。

表1 测试学生相关信息

在智慧教育开始前，对2组学生(一组采用传统面对面教学，另一组采用本文提出的智慧教育策略)进行了预测试。预测试是在没有事先通知的情况下进行的，其目的是在进行智慧教育之前确定学生个性、学习风格、学生目前写作水平等。测试完成后根据学生写作所用语法、词汇、拼写、标点符号等对学生的写作进行了评估。2组学生对比结果，如图4和表2所示。

图4 2组学生平均得分对比结果

表2 面对面教育与智慧教育学生后测得分标准差对比结果

由图4与表2可知，2组学生在总得分、语法、拼写、词汇、标点5个方面存在显著差异。这表明，经过本文提出的自我调节机制的智慧教育策略，该组学生的写作成绩得到了显著提高。通过智慧教育中自我调节机制，有针对性的对学生薄弱环节进行加强，通过学生间互动帮助与竞争，从而提高学生的自信心水平，进而提高他们的英语成绩。学习者可以用更具表现力的方式表达自己，而不必担心会犯语言错误。

4 总结

为提高智慧教育下学生学习效率，本文提出了一种基于自我调节机制的智慧教育策略。该模式下，学生的学习过程分为3个阶段，首先掌握学习者的个性、学习风格与学习掌握进度，确定学习目标和学习偏好，并明确个人的学习责任；其次，学习过程中，利用自我调节机制收集实时的学习数据，监控学习过程，为学生提供有效的学习建议；最后一个阶段是学习后的过程，包括报告和评估学习者和教师的学习成果。通过反馈调节，可进一步指导未来的学习路线或调整教学计划，为学习和教学的进一步改进或调整提供决策依据。

未来的研究方向可将云计算技术引入智慧教育系统，通过大数据分析不同学生细微差异，并利用多种手段分析对比教育方法优劣，使得智慧教育手段更具多样性。