基于机器学习的通用技术课程个性化教学探讨

刘 涛

（山东省青岛市第九中学，山东青岛 266012）

随着科技的不断发展，人工智能已成为当今科技领域最热门的话题之一，也在包括工农业生产、医疗卫生、交通运输等各行各业中得到了广泛的应用。针对人工智能在教育教学工作方面的潜在助力，教育部在2018 年印发的《教育信息化2.0 行动计划》指出，要“推动人工智能在教学、管理等方面的全流程应用”，“利用智能技术加快推动人才培养模式、教学方法改革”。作为人工智能的重要分支，机器学习技术因其能从海量数据中自动学习并做出预测决策，为许多领域的发展提供了强大的支持，在近年来受到广泛关注。以机器学习技术为代表的智能化能使计算机进行拟人思维，可以在教学上扮演人的角色，实现教学行为人性化［1］。然而，该项新技术在教育领域，尤其是中等教育教学方面的尝试仍然处于初步探索期，尚缺系统性的分析与大规模验证。笔者围绕高中通用技术课程的个性化教学这一教学质量提高思路，对机器学习技术在此的应用前景和潜在优缺点展开探讨，以期为广大一线教育工作者提供一种新的思路，为教学实践提供有益的建议。

一、通用技术高中课程教学现状及需求

高中通用技术课程教学的实践，作为新课程改革不断推进和发展的重要部分，对教师教学的内容和方式方法提出了更高的要求。从通用技术课程主旨出发，教师应当立足于课程，为学生传授工程技术和日常生活的各方面内容，包括但不限于计算机、电子、机械工程，乃至建筑学、艺术、设计等领域的核心技能和知识。检验通用技术课程教学成果的重要标准就是学生作为不同独立个体，能以何种程度在生活和学习中多样性、创造性地掌握和运用这些技能知识。通用技术课程所独有和强调的适应性、通用性、实践性特点，促使教师需要不断尝试和探索新的教学方式方法，积极引入现代化的教育理论工具和教学技术手段，弥补和增强传统教育教学方法存在的不足和欠缺，真正充分发挥学生的主体地位。正如通用技术教学《大纲》指出，通用技术教学的目标制定和方法实施，需要针对学生的认知特征、知识与技能基础、个体差异等因素，选择合适的教学策略和方法，并根据学生学习反馈信息优化教学环节。这对教师凸显学生的主体地位，广泛采纳和使用多元化、创新性强、灵活度高的教学手段提出了很高的要求。

二、基于机器学习技术的个性化教学的应用意义

我国近代著名教育家蔡元培先生曾经说过：“与其守成法，毋宁尚自然；与其求划一，毋宁展个性。”基于此，教师在开展高中通用技术教学的时候，要对教学方法和形式进行不断完善和升级［2］。随着信息化以及与之相适应的数字化网络为社会带来革命性变化，以机器学习、深度学习为代表的新一代人工智能技术与产品为人们带来了丰富多彩的生活，也为高中阶段学科的智能教学提供了广阔的发展空间。作为智能教学方法的热点研究领域之一，个性化学习的目标是为特定学习者提供有效的学习资源与方式，从而提升学习效果。尽管个性化教学在部分教学场景中已有应用先例，但鲜有论证阐述如何结合机器学习等先进技术以及如何应用于高中通用技术课程教学的探索。这些技术能够帮助教师深入理解学生的需求，进而为学生设计和提供更有针对性的教学内容，最大限度地提高教学质量。

三、通用技术教学个性化思路

（一）基于学生学习能力与进度的个性化学习

对学生的学习能力与学习进度进行动态、全面的建模，是实现精准、优质的个性化学习的先决条件。在通用技术教学过程中，教师应当充分利用学习相关大数据的积累和机器学习技术，判断和建模学生的学习进度和能力，并为他们提供个性化的学习方案和学习内容。这种方式使得学习内容、学习计划更加精准和有针对性，以帮助学生快速提高学习能力。在前信息化教学时代，由于相关数据收集困难、分析处理方法缺乏，教学只能对全体学生采取一碗水端平的方式，无论是能力还是精力均难以做到精准因材施教。伴随机器学习等一系列数据智能条件的发展和逐步成熟，教师能够在保证教学公平的情况下，为每一名学生量身定制个性化的教学历程，同时也无须额外付出大量精力。

（二）基于课程内容与学生建模的联合个性化学习

课程内容的准确、有效建模对于个性化学习的效果起到举足轻重的影响。在通用技术课程的日常教学中，尽管其在学习目标、知识背景、总体用时、知识点覆盖等方面具有统一化的教学标准要求，然而在学习资源、学习路径以及教学风格等方面的个性化调整，尤其是结合学生特征和行为数据建模的联合个性化教学策略，能够有针对性地安排教学工作。比如，部分通用技术的课程内容更侧重于实验和实践，而另外一些内容则更注重理论知识的讲解和探讨。基于不同课程内容的学习资源本体建构和积累，结合学生的学习过程建模，可以借助机器学习模型提取出学习内容与学习者的深度特征向量。基于高维空间内的马式距离计算和向量最优化匹配，得到最具效率和效果的课程学习安排和规划。举例来说，作为通用技术必修二的“技术与设计”课程的最初部分内容，“结构设计”与物理课程所学内容接近，而“流程设计”更偏向于数学与信息学科。当了解了学生对物理、数学相关内容的掌握程度之后，教师便能更好地规划这两部分通用技术课程的教授用时和方式。而通过机器学习的建模工作，能够帮助教师自动发现和利用大量此类信息，完善个性化学习的效果。

（三）基于大数据的班级统筹个性化学习

在追求高效、精准的个性化教学思路的同时，教师切不可轻视乃至忽略班集体层面的工作在通用技术教学中的重要性。作为具备共同目标、共守规章制度的学习团体，班级能够通过合作学习凝聚全体学生合力，在整体上提高学习效率，有效补充和统筹单点、孤立的个性化学习，解决如个性化参数不明、目标设定不准确、评价标准不统一等机器学习方法的难点，提高基于机器学习的个性化教学的质量。有计划地利用好班级层面的学习大数据，能够使教师更加有效地获取关于通用技术教学的全景式认知，包括准确及时地学习进度和能力分析、完整全面的教学效果评估等，为教师提供及时的反馈与更多的数据输入，从而有针对性地调整教学方案，提高教学质量，最终实现教学效益的最大化。例如，通用技术课堂上的分组实践类内容较多，传统的分组方式往往是随机分配、学生自发组队，或者由教师手工指定，因此难以统筹兼顾组内每一名学生的能力与需求，也极难匹配和鉴别每名学生的学习情况。通过机器学习，我们能够对学生情况和教学内容进行分析，在提高组队学习效率的同时显著提升整体学习效果。

四、基于机器学习的个性化教学应用

（一）预测模型的使用

作为机器学习方法的核心功能之一，预测模型能够基于历史数据，并利用统计和机器学习技术来判断未来结果的可能性，并广泛成功应用于智能投资、天气预报和医学诊断等领域。机器学习预测模型来辅助个性化教学，重点在于收集清理包括学习习惯、成绩、对于课程各内容的兴趣程度等方面的数据，使用这些数据来训练合适的模型，并根据预测结果调整教学方案。需要注意的是，预测模型在个性化教学中的使用，需要注意学生学习数据的及时性、全面性与准确性，也需要注意结合教师或者专家对学生的特点和需求的深入分析，才能确保最终教学方案的合理性与适用性。

（二）知识图谱的构建

作为一项新兴人工智能技术，知识图谱能够对海量数据进行聚合整理，迅速描述各个事物的概念及其关系，已被广泛应用于智能搜索、大数据分析、智能决策等领域。通过对数据以结构化语义知识库形式呈现和使用，知识图谱能够极大增强和扩展机器学习的性能和在个性化教学中的应用范畴。比如，教师可以使用知识图谱来构建高中通用技术课程的知识结构，以便于清晰地展示各学期乃至每堂课的课程教学目标和内容。通过结合学生学习数据的分析和嵌入图谱，教师能够更好地理解和发现学生的个性化学习需求和提升教学效率的突破点，从而对课程进行定制化调整。

（三）数据挖掘与搜索

数据挖掘技术能够从大量数据中发现潜在和高价值的信息，搜索技术能够将用户的查询和已知信息进行匹配并返回最相关的结果。基于知识图谱的构建和学生信息的获取，以机器学习为基础的数据挖掘与搜索能力，能够为学生提供个性化的学习资源和内容，以及定制化的教学计划和方案。这种技术应该以激发和培养学习动机，提高学习者的学习积极性和持久性，达到提升学习效率为目标［3］。随着教学数据的不断积累和教学案例应用的持续增加，相关数据挖掘和搜索的准确性和全面性也将会自然得到提升，实现正向反馈的促进作用。此外，这类技术可以有效减轻教师的工作负担，让教师更专注于个性化教学的内容修订、策略制定和教学反馈，提高教学效率和质量。

（四）人工智能生成内容

人工智能自动生成内容（即AIGC，AI Generated Content），是信息时代的专业生产内容和用户生产内容的有力补充，能够充分利用现有的机器学习技术在计算机视觉、自然语言处理、语音合成等前沿领域的成果，并且在其内容迭代速度、表现力、传播方式等各方面均有极大优势。将人工智能生成内容技术应用于教学之中，可以自动生成多样化的教学内容，满足不同学生的学习需求和兴趣，从本质上十分贴合个性化教学对内容和形式的诉求。另外，引入人工智能自动生成内容之后，也能够激发学生学习的兴趣和创意，在实践中对课堂氛围的提升有着显著作用。当然，人工智能生成内容目前在其准确性、安全性上还有不完善之处，需要教师仔细甄别、谨慎使用。

五、机器学习应用于个性化教学的风险

（一）个人隐私与数据安全

采用机器学习的教学方法，难免需要学生主动或被动提供大量数据，因此，对个人数据和隐私保护的问题也比起传统教学方法重要得多，采取相应保障措施刻不容缓。在数据采集和预处理阶段尽可能避免包含个人身份和敏感信息，并通过隐私保护技术对数据进行处理和保护；在算法使用阶段，保证数据不滥用、不进行非必要传播。除了监管政策、法律方面的举措，在技术方面也可以通过诸如“联邦学习”等技术，通过数据加密、混淆、不移动，切实保护每一名学生的隐私和数据安全。

（二）算法公平性

算法公平性特指机器学习算法决策中对个人和群体不存在偏见或偏爱，不论这些成见来自其固有或后天属性。在个性化教学中，教师也应该公正地对待每个学生，不歧视或偏袒任何一个学生。在传统教学方法中，公平性更多是对教师自身素质提出的要求，而在基于机器学习的个性化教学中，算法公平性更应该根植于算法设计和实现过程中，如采用公平性约束和公平性评估机制，确保算法结果对不同群体的学生都是公平、中立的。有效提高算法的公平性，也是对个性化教育效果和质量的保证。

（三）应用门槛较高

机器学习技术内容新、发展快，对学校和教师的投入和基础也提出了相应的高要求。各类机器学习技术的教学应用均需要一定的训练数据和算力支持，这对学校相应的资源和资金基础也提出了较高的要求。除了技术问题外，教师和教学管理者对新鲜事物的投入使用意愿、家长和学生的接受和配合程度等等，都增高了此类教学方法的实际应用门槛［4］。这就要求学校乃至地区间多传播先进教育理念和优秀教研成果，对教学成果能够及时复盘和调整，以交流和互助推动后进学校和地区的教学效果。

六、结语

本文以个性化教学方案为出发点，结合高中通用技术课程教学实际和机器学习前沿技术，探讨了基于机器学习的新教学方法的应用与实践，也思考了应用此类教学新方法所需要注意的问题。本文所探讨的基于机器学习技术发展的教学思路，可以为学生提供更好的学习体验，并帮助他们在未来的学习乃至更长远的职业生涯中取得成功。随着人工智能和机器学习技术的发展，包括个性化教学的精准推荐、机器学习模型的可解释性、引入人工反馈的强化学习方法等，带来新的教学思路、教学方法不断涌现。这也督促一线教育工作者持续探索、有效实践，用奋斗诠释初心、用专业承载使命，更好做到“传道、授业、解惑”，也为促进学生的全面发展和终身学习做出良好的榜样。