基于超星泛雅平台的精准智慧教学模式研究

刘树锟，左国才，潘显民

(1.湖南女子学院 信息科学与工程学院，长沙 410004； 2.湖南软件职业技术大学 软件与信息工程学院，湖南 湘潭 411100)

云计算、区块链、人工智能、大数据等信息技术的高速发展，推动了高校课堂教学方式的改革和发展[1]，这一特点也为智慧教学的快速发展提供了重要推动力。在实际的智慧教学场景中，硬件环境和软件平台都发挥着重要作用，是智慧教学必不可少的组成部分。利用大数据平台可以记录教学过程中的教学数据，更好地分析学生的学习过程、学习动态和教师的教学效果，从而实现精准教学和学习。基于此，学生的知识获取能力和学习效果也会得到快速提升[1-2]。自新冠疫情暴发以来，超星公司推出的泛雅平台在本校的实际教学工作中发挥了重要作用，超星平台为开展智慧教学提供了良好的智慧教学环境。基于该平台教师可以丰富教学手段和提升课堂效率，并随时掌握学生学习过程中的学习状态。教师通过该平台能够随时掌握学生签到、测试和讨论等环节的具体情况。此外，超星泛雅平台实现了后台动态化收集学生在学习过程中的各种学习行为特征、学习效果等相关数据，建立了大规模学习数据库，在数据库中完成了数据的分类与规范化存储，形成了教学数据源，并能够随时根据数据源生成学生的学习过程报告和最终学习报告，全程360°无死角监控教学过程，为教学指导提供了充分的数据条件[3]。智慧教学为学习者和教学者提供了便捷的沟通方式，有效降低了学习过程中的时间成本，提高了学习效率。本院结合超星泛雅平台构建了具有明显知识特征标签的知识集合，为基于精准教学理念的智慧教学框架构建提供了有力支撑。

1 超星泛雅学习平台

超星泛雅平台是由北京世纪超星公司设计的一款主流的同时可以兼容移动端和电脑Web端的线上学习平台[2]。教师在获得相应的操作权限后可以根据自己的实际需求创建课程、建立对应的学习班级，并在对应的课程操作空间进行课程资源建设。该平台完全实现了线上考试、学生签到、课堂问答及讨论等教学活动[2-3]。该平台具有广泛的应用范围，价格比较实惠，学生和教师可以申请免费账号体验其中的实际教学场景(课前、课中、课后模拟环节)，具有良好的可操作性[3-4]。此外，学习通APP与泛雅平台信息资源同步共享，具有良好的操作交互性，可以在手机端和电脑端传输视频、图片等信息资源。智慧教学以学习通和泛雅平台为载体，完全具备了课程导学、学生互动、教师答疑和课外拓展等功能[5]。

2 智慧教学平台架构

构建多元化信息融合的教学生态环境是智慧教学的一大目标，在此环境中教师能够运用更加高效的教学方法，学生能够更加方便地获取个性化的学习资源和服务，对于学生的价值观培养、创造性思维培养、实践能力和自主学习能力培养具有重要作用，能够更好地激发学生的创新能力。智慧课堂是智慧教学平台的主体和核心，在该课堂中可以较好地运用多元化、个性化、强适应性的智慧教学模式展开教与学。

2.1 实施智慧教学的大环境和小支撑

第一，大环境。2018年，全国教育大会提出了新时代的教育目标和任务，要培养德智体美劳全面发展的社会主义建设者和接班人，形成更高水平的人才培养体系。人才培养质量是大学的核心竞争力和生命线，培养人才是高等学校的根本任务，教学工作是高等学校的中心工作[5-7]。但是从实际情况来看，这一目标的实现对于很多高校来说都面临着很多挑战，存在一系列问题，如学生在学习过程中的思维能力和自主学习能力的培养不足，未体现出因材施教的个性化教育；教师在教学过程中过于重视科研、轻视教学、未能深入挖掘教学中存在的问题。

第二，小支撑。针对上述问题，湖南女子学院教务处明确了教师的第一要务是教学，而课堂是教学的主阵地。教师务必要认真对待教学工作，优化教学模式，丰富教学内容，为学生提供良好的教学氛围。一方面，通过开展教学督导示范式教学、青年教师教学竞赛等活动，促进师生间的有效互动交流，实现师生教学相长。另一方面，深化课程评价体系，加大过程性考核在评价中的比重，促使学生在学习过程中保持严肃、认真的态度，提升知识掌握程度。各高校应充分认识到智慧教学在提升教学质量中的重要性，构建智慧教学环境，大力开展互动探究式、自主开放型的智慧教学环境建设，实现教育理念、教学模式和教学方法的多元化发展。

2.2 智慧教学的特点

第一，信息提取智能化。大数据和人工智能技术的发展，为智慧教学的发展提供了源动力。智慧教学平台能够随时记录教学管理者、教师、学生、教学督导等主体的数据，形成有效的数据集合样本，利用大数据技术形成综合性的教学评价报告，人工智能算法的运用，降低了人工成本，提高了信息处理效率。以平台数据为支撑，通过大规模数据分析、决策，为开展更精准、更有效的智慧教学服务提供了有效智能路径[4-6]。

第二，教与学资源的细粒度控制。在信息化、智能化环境中，学习者的学习信息单元越来越精细，划分的粒度越来越小，教学者也需要根据学习者需求设置有针对性的教学资源，使学习资源的粒度与教学资源的粒度高度匹配。在智慧教学中形成有效的学习特征的映射关系，使教与学资源的细粒度具有可控性，建立融合度更高的教学资源环境[4-5，7-8]，由此形成细粒度的自动化教学决策模型，从而实现精细化管理和全过程评价。

第三，互动性强、交互方式多元化。教师与学生之间的多元交互是智慧教学过程中的一种新型教学方法[4，9-10]。智慧教学场景中的互动不仅仅体现在教师和学生之间的互动，同时也体现在学生与学生、学生与平台、教师与平台之间的互动上。各种教学环节完全体现在多种互动活动中，以互动活动完全替代传统灌输式的教学授课过程，因此智慧教学就是一种多元交互的多场景切换授课模式[10]。

第四，教学过程因材施教、量体裁衣。智慧教学将新型教学模式、传统教学模式的优势以及信息技术手段进行充分融合，智慧平台能够及时获取教与学双方的各类信息，从而进行有针对性的知识传授与知识学习，知识的传授者和学习者能够制订有针对性的教学和学习策略，教师也能够探索出个性化的教学模式，因材施教，满足学生的个性化学习需求，定期评价和诊断教学中的重难点问题，结合评价结果有针对性地对学生进行指导。

2.3 精准智慧教学模式框架

本文将学习者在学习过程中的属性特征和学习资源特点作为设计智慧教学模型的基本依据。在强调学习者自主学习的基础上，基于知识特点和学习需求，构建基于学习资源精准推荐的智慧教学模型框架。该模型主要包括学习者的基本信息、偏好信息和学习者属性特征信息。框架模型中存储学习者属性特征，包括学习水平、学习动机、学习风格等信息。学习者模型根据学习者的偏好和属性特征对学习者个人资料进行个性化分析，教学资源推荐引擎利用学习者和学习资源的信息共同进行评分预测，为学习者进行个性化推荐。

学习资源部分存储了学习资源信息，包括文本、图像等多种形式。学习需求的精准获取需要将数据预处理组件中的学习者和学习资源数据准备好并预处理成推荐引擎可以识别的正确格式。本文主要围绕目前高校教育过程中出现的若干问题，基于大数据与区块链技术，针对智慧教育提出一种融合了教学需求精准感知策略的智慧教学框架。智慧教学框架中以兴趣、专业、课程、资源、学习者、施教者为主线，建立以教学目标、教学内容、学习评价等要素为主要内容的、适合线上教学平台的统一资源存储模式。基于精准需求的智慧教学框架基本结构如图1所示。

图1 基于精准需求的智慧教学框架Fig.1 Wisdom teaching framework based on precision demand

2.4 智慧教学效果评价

智慧教学效果评价建立在智慧学习平台(泛雅平台)收集和处理教学大数据信息的基础上，针对学生的学习时间、学习资源类型、学习状态、学习行为以及学习效果等分析维度，对收集到的数据进行分类和量化分析。将学生的学习效果与教师的教学过程相融合，进行学与教的匹配分析。将“以学评教”作为智慧教学评价的主导思路，具体而言，智慧教学的评价体系由过程数据和总结评价两部分构成，总结评价(期末评价)主要由期末考试、作品、综合论文报告组成，此外授课教师具有充分的评价权，可以根据具体课程开展针对性考查，过程评价主要包括智慧平台中的在线学习过程评价、签到评价以及作业评价等。实践发现，建立智慧学习平台能够使师生对教学具有更加深入的认知。

3 以计算机图形学为例的智慧教学实践

3.1 实例环境

本实例以湖南女子学院信息科学与工程学院数字媒体技术专业2016级、2017级与2018级计算机图形学课程教学数据为依据，进行线上线下教学情况统计与分析。2016级学生采用线下教学方式，参与的样本数据量(学生数)为45个。2017级学生采用线上智慧教学模式，参与的样本数据量(学生数)为49个。2018级学生采用线上(泛雅平台)线下相结合的教学方式，参与的样本数据量(学生数)为46个。线上教学方式和线下教学方式设定的区块链资源结点数量都为131个，每个资源结点分别对应不同的知识点。为了进行知识点学习效果对比，将样本依次分为3组进行单独统计。2016级学习需求样本采用线下学习方式(第1组)，2017级学习需求样本采用线上学习方式(第2组)，2018级学习需求样本采用线上线下混合式教学方式(第3组)。采用线上学习方式的2017级学习者可以通过图2的二维码进入区块链资源结点学习集合(对应的班级)，采用线上线下相结合方式的2018级学习者可以通过图3的二维码进入对应的区块链资源结点学习集合(对应的班级)。线上区块链链接的每个资源结点都标记了学习资源的性质类别、访问方式、访问地址、可访问时间以及被访问的具体时间。资源结点存储于教学资源服务器中(课程资源访问地址为https：//mooc1-1.chaoxing.com/course/207397549.html)，设置资源访问跟踪器，结点的访问情况都会被记录下来，形成永久不可篡改的学习记录。

图2 第2组样本资源访问入口(2017级)Fig.2 Resource access entrance of the second group sample(2017 grade)

图3 第3组样本资源访问入口(2018级)Fig.3 Resource access entrance of the third group sample(2018 grade)

将基于区块链形成的学习资源结点与个人学习需求结合在一起，基于学习记录形成统一的结点信息统计，在区块链网络平台中记录典型的结点属性信息[11-12]，如资源结点数量、每个结点的被学习状态、教学过程中的章节测试信息与成绩管理信息等。图4记录了区块链教学资源平台中自动生成的任务统计信息。2016级样本资源情况(主要是学习效果与成绩分布)通过手工方式进行统计计算。2017级与2018级样本结点的资源信息(资源数量、学习状态、成绩管理等)由区块链资源平台自身统计计算。

图4 平台中资源结点的访问状态信息Fig.4 Access status information for resource nodes in the platform

3.2 结果分析

在本实例中，第1组样本对于知识的获取主要来自于线下课堂教学，第2组样本的知识获取方式主要为线上学习，第3组样本的知识获取是通过线上学习与线下课堂相结合的方式。但在学习过程中，即使是采用线上学习的方式，不同学生采用的访问途径也不尽相同，如部分学生通过网页访问，部分学生采用移动端学习。

为了对比3组不同学习对象的学习过程和学习结果，在教学过程中分别记录并统计学生对知识点的掌握情况和对学习资源结点的访问情况。结果显示，智慧教学框架可以随时记录学生的学习状态，更好地提升学生的学习兴趣，激发学生的学习潜能，有利于学生对知识的掌握。3组学习者的总体成绩对比情况如表1所示。

表1 3组学习者成绩对比Tab.1 Comparison of learner’s performance of 3 groups

4 结语

基于精准教学的智慧教学过程与传统教学相比，覆盖的教学范围更加广泛，不囿于学科限制，线上学习者可以根据自身学习偏好，获得更有针对性的学习资源，形成学习需求与学习资源相结合的智慧教学模式。学习者先通过客户端或APP等方式提交个人学习兴趣，教学服务器端存储个人兴趣数据作为学习兴趣偏好源数据，智慧教学框架中的数据分析服务器对数据进行分类处理，提取数据特征，形成不同知识点学习特征的数据集合。智慧教学对于促进高校智慧教育教学体系的完善，加深教与学双方的有效精准对接，具有深远的理论意义和重要的应用价值。