基于线上教学的智能学业预警系统干预策略探讨

刘亚刚

(长春光华学院 电气信息学院,吉林 长春 130033)

0 引言

随着科学技术的发展,线上学习成为当代大学生学习不可或缺的一部分,线上教学的优势弥补了线下教学的不足,利用大数据技术对学生成绩、学习轨迹等行为进行分析及预测,能够为学生提供精准预警,起到辅助干预的作用。

1 线上教学应用优势

1.1 线上教学能够突破时间与空间的限制,能够有针对性地“重复”学习

大部分传统教学都是以教师讲、学生听为主。在这种教学模式的学习中,学生在一定程度上丧失了自主学习的机会,学生在课堂教学中容易无法集中注意力听课。一方面,课堂时间有限,一些课程内容需要循序渐进,前一部分内容如果跟不上,将会影响后续章节的学习,最终学习效率低下,学习进度跟不上;另一方面,每个学生都是独立的个体,因此每个学生都必然存在个体的差异性,学生对学习的知识掌握程度快慢不同,传统的线下教学无法满足不同学生的个性化差异和需求。这种传统课堂与“互联网+”相互结合的混合式教学,突破时间与空间的限制,让有针对性的重复学习成为可能[1]。

1.2 线上教学可以更好地采用多元教学方法,激发学生的学习兴趣

兴趣是最好的老师。线上教学给了学生极大的学习选择空间,同时也推动了多元教学方法的实施,在新课程改革的教育背景下,传统的单一的教学方法已经无法满足新时代的教学需求,多媒体教学、研究性学习等新型教学方法也越来越多地被应用到教学中。采用多元的教学方法,是提高教学效果的关键一环。通过线上教学,教师可以更好地根据教学内容和不同班级、年龄层次的学生的具体情况,选择合适的教学方法。通过线上教学的签到、回答问题、讨论等功能可以让更多同学参与到课程中[2]。

2 线上教学智能学业预警的必要性

线上教学突破了时间和空间限制的同时,也导致了教师与学生之间处于“时空”分离的状态。教师仅仅通过冰冷的视频画面查看学生的学习状态,无法很好地对学生的学习过程进行指导,也无法很好地监督学生学习,视频的可视范围有限。学生如果假装学习,教师很难及时发现。这大大削弱了教师对学生学习的指导和监督作用[3]。

2.1 线上教学容易忽略线上教学的学习效果

当前,大部分线上教学系统的关注点集中于如何实现和完善“线上教学”平台功能,注重教学知识的组织和安排,往往忽略了教学的学习效果,这就背离了教学目标,无法起到线上教学的真正意义[4]。

2.2 线上教学缺乏及时的反馈与提醒

“线上教学”方式因其便利性而受众面广,这也给教学管理带来了压力,导致教师在进行线上教学时,往往无法对学生的学习疑问提供及时的反馈,学生的疑问无法得到及时反馈与提醒,这将大大降低学习效果,一些学生可能因为某个疑点没得到反馈与提醒,导致跟不上学习进度,甚至出现厌学心态。而当出现厌学心态后,在线上教学这种相对要求自觉性较高的学习方式上,其学业危机就变得更不可控。

3 几个典型的线上教学智能学业预警系统及智能学业预警中常见的问题

现阶段比较典型的学业预警系统有4个,分别为学生成功系统、学习仪表盘、海星预警系统、课程信号系统。

3.1 典型的线上教学智能学业预警系统

学生成功系统的主要实现形式为独立的在线学习预警系统,预警内容为学习危机、辍学危机,这种预警系统的技术方法为语义分解、预测建模、学习分析、数据可视化等,通过可视化图形、电子邮件的方式发送预警报告,通过学习成功系统,可以有效提高学生知识点的掌握程度、提高学生自身的技能、为学生推荐个性化的学习内容。

学习仪表盘的实现形式为学习管理系统与可视化工具相结合,主要预警内容侧重于知识点的预警,其采用的技术方法为信息跟踪技术、镜像技术、学习分析等,通过学习仪表盘和电子邮件的方式输出预警内容,通过学习仪表盘的这种学业预警系统,可以有效提高学生知识点的掌握程度、提高学生自身的技能、为学生推荐个性化的学习内容。

海星预警系统的实现形式为在线学习平台中的一个模块,预警内容主要为努力程度、课程成绩,其主要采用的技术方法有大数据、分布式计算、自矫正系统、学习分析等,预警方法是小红旗、短信、电子邮件,通过海星预警系统,教师可以尽早了解学生的情况,降低辍学率。

课程信号系统的实现形式为独立的在线学习预警系统,其预警内容为课程成绩、努力程度、辍学,采用的技术方法为预测学习成功算法、数据挖掘和分析工具,预警方式为电子邮件、短信、学习管理系统中的消息。课程信号系统可以有效提高学生成绩,降低辍学率,节省管理时间及成本。

3.2 智能学业预警中常见的问题

当前智能学业预警系统中常见的问题可以归纳成3点:(1)在应用智能学业预警系统的时候,很多时候各个学科采用的都是一个通用的预测模型,忽略了不同课程之间的差异性,无法很好地解决所有学科课程的复杂性。(2)大部分智能学业预警系统针对的只是学生的学习行为,忽略了对教师授课行为的研究,得到的预警内容有失偏颇[5]。(3)当前大部分智能学业预警主要是结果预测,忽略了影响结果的相关量化指标分析。

4 精准干预措施策略

教学智能学业预警并不是为了预警而预警,其目的不仅是提前发现学生学习行为的异常,同时也要提前发现教师行为的异常,发现异常后加以干预,尽量避免学业危机的出现,因此,技术人员必须制定精准干预措施。

4.1 通过学习分析建立模型

学习者知识建模,顾名思义,就是分析学习者对每个知识点的掌握情况,建立学习知识模型,为学生提供相关的学习反馈和建议。

学习者行为建模是把学生的学习行为与学习结果挂钩,通过大量的数据分析,得出关联结果,以此来预测学生的未来学习表现。学生的学习行为包含学习平台登录次数、登录时长、登录时间间隔规律、作为完成时间以及互动评论完成时间等内容,这些内容可以帮助教师了解学生的学习状态,根据收集到的数据结合实际情况,建立模型的评判标准,如设定学生完成作业的时间,如果超过3天就可以视为拖延作业,通过不同周期的情况分析,了解学生当前的学习积极性是逐渐降低还是升高。

学习者情绪建模,即学生的学习情绪与学习成绩成正相关。学生的学习情绪越高涨,其学习的积极性也会越大。学习的积极性越大,其学习成绩也会越好。

4.2 确立干预要素

第一个要素是筛选,即在进行干预之前,要根据学习平台和课程的特点来筛选干预工具和技术,而在干预的过程中,则是要通过预警指标,筛选出有学业危机的学生。第二个要素是监控预测,即利用大数据技术和工具监控学生的学习行为,量化相关的学习数据,对学习进度比较落后或者是学习过程偏离学习目标、学习中存在障碍的学生进行风险预测。第三个要素是多层次干预,多层次干预指的是教师不仅是针对学生个人进行干预,还可以通过小组干预、群体干预的方式进行干预,为个体、为小组、为群体提出可视化的学业诊断。第四个要素是决策,即对预警结果进行措施实施,如建议学生调整学习的方式或者态度,如建议教师调整教学方式等。第五个要素为学习分析,学习分析是整个干预模型的核心,是进行精准干预的关键[6]。

4.3 检验干预机制的干预效果

在进行线上教学智能预警干预周期内,研究人员要密切关注学生的学习状态数据,并将分析结果通过可视化报告输出,让学生了解自己的学习状态,并通过干预策略对出现学业危机的学生进行个性化的干预。如通过电子邮件的形式把预警报告发送给学生,预警报告中分析了学生前期的学习状态中出现的问题,以及这些问题可能对学习成绩带来的不良影响,并告知学生可以通过什么措施来改善学习状态,提高学习质量。后期观察学生在受到干预后,干预是否有效,其学习成绩是否有所提高。

4.4 建立干预制度

当前通过线上教学智能学业预警进行干预的过程中,主要还是以技术干预为主,如发现学生有学业危机的时候,系统会发出预警,让学生注意相关方面的问题,为了保障干预策略的精准和有效性,教师可以在技术干预的同时,加上制度干预。

建立积分保持制度,把课程的参与度、自评互评活动的参与度、学习任务完成度等学习行为进行分类,设置不同积分,如每个学生的原始积分均是100分,当学生缺席一节课会扣分,扣分达到不同程度时会有不用程度的干预。当积分低于某分时将暂停学生参与某项学习活动并无法通过某个课程。

建立预警指标制度,制定不同的预警指标,如测验分数低于多少分,线上访问次数、讨论次数,课件观看时长等,根据学生的不同个性特征进行预警指标的动态微调,筛选出需要作为督导对象的学生,并设定当某个学生连续一段时间成为督导对象的时候将无法结课。

5 结语

线上教学的出现和发展给教育带来了极大的便利性,但在线上教学也存在一些问题,教师与学生之间的“时空分离”状态会削弱教师对学生学习过程的指导和监督,学生的学习得到不及时的反馈和提醒,同时线上教学也存在忽略教学效果的情况,因此教师需要利用大数据技术,建立智能学业预警系统,对学生的线上教学环节进行精准干预,以便更好地发挥线上教学的优势,推动教育教学更好地向前发展。