大数据视角下智慧作业系统模型构建研究

摘" 要：随着大数据、人工智能等技术的发展，作业从传统的以纸质单一性作业逐渐向个性化的智慧型作业发展。在教育实践中，由于对学生的分层方式较为粗略，作业缺少对学科整体知识结构以及多模态学生表现数据的考虑。在已有智慧作业研究的基础上，设计智慧作业系统模型，包括作业资源中心、作业设计系统、作业批改系统和作业分析系统四个部分，并进一步探讨作业分层与作业设计的策略，为后续的智慧作业研究提供参考。

关键词：大数据；智慧作业；学生分层；知识图谱

文章编号：1671-489X（2025）01-00-05

DOI：10.3969/j.issn.1671-489X.2025.01.0

0" 引言

作业是连接教与学的重要环节，体现了教育的价值取向和课程改革的理念[1]。高质量的作业可以补充和巩固学生的学校学习，完善学生的知识和技能。随着信息技术的发展，学生完成作业的方式也从传统的纸质作业发展到在线作业以及线上线下混合的智慧作业形式。与传统作业相比，智慧作业一方面可以根据学生的学习现状自适应匹配符合其认知水平的精准作业，另一方面可以优化学生的作业信息采集方式，结合当前大数据的时代背景，对学生的学习情况做出个性化评价，同时对班级学生学习的整体情况进行有效评价与干预。

1" 研究背景

2021年7月，中共中央办公厅、国务院办公厅印发《关于进一步减轻义务教育阶段学生作业负担和校外培训负担的意见》，加上此前发布的《教育部办公厅关于加强义务教育学校作业管理的通知》，两份文件均明确指出学校应减少作业数量、提升作业质量，在作业形式上鼓励采用符合学生学情的分层作业，减少无效作业的数量；同时把作业设计纳入教师考核指标，推进作业设计在教育实践中的落地[2-3]。2023年，教育部办公厅发布《基础教育课程教学改革深化行动方案》，再次强调教师要提升作业设计水平[4]。

综上所述，作业的改革成为未来教育发展的趋势之一，智慧作业将成为未来作业的常态化形式之一。因此，如何设计智慧作业是教育界亟待解决的问题。本研究基于教育大数据环境，融合知识图谱，设计智慧作业系统，以期对智慧作业研究提供参考。

2" 研究综述

对智慧作业的研究主要集中在智慧作业的理论与实践方面。

2.1" 理论方面的研究主要集中在智慧作业内涵的讨论上

对智慧作业的内涵，学术界尚未形成统一的看法。张乐乐等[5]认为，智慧作业是利用大数据等技术对作业进行分层设计、即时批改与精准评价，实现作业数据库建设、高质量作业设计、个性化作业推送以及精准化作业评价的全流程管理。付卫东等[6]

认为，智慧作业是结合人工智能等技术，智能采集学生的学情信息，个性化推送错题微课，达到学生减负的目的。李祥竹等[7]认为，智慧作业包括纸质的作业媒介、智能化的批改和个性化的资源。

综上所述，虽然智慧作业的定义尚未统一，但构成的核心要素主要集中在学生学情诊断、个性化分层作业、智能化批改三个方面。因此，本研究将智慧作业定义为：智慧作业是一种基于大数据、人工智能等技术，采用“线上作业设计—线下作业练习—线上作业分析”的混合形式，通过构建作业资源中心、分层设计纸质化作业内容，实现个性化作业推送、智能化作业批改以及深层次作业分析的全流程管理的智慧化教与学形式。

2.2" 实践方面主要体现在多个区域开展智慧作业常态化应用上

当前，多个区域在开展智慧作业的常态化应用，如江西智慧教育平台、南京市玄武区的作业管理数智平台、青岛市崂山区依托课堂教学云平台构建的“三精一管”崂山模式等。此外，学术界对智慧作业的应用效果进行了讨论。付卫东等[8]通过对江西省中小学生的调研，发现智慧作业缓解了学生的焦虑。同时，付卫东等[6]调研智慧作业对家长焦虑的影响，发现家长的焦虑显著降低且亲子关系更为融洽。OSTROW等[9]通过让学生自主选择的方式完成作业，发现学生的学习成绩有了显著提升。

综上所述，智慧作业已经开始成为区域作业改革的方向之一，但就实践的深度而言，目前还是以作业发布与批阅平台为主，尚未形成“智慧”二字。“智慧”的关键点在于两项内容：一是学生如何分层，二是不同类型的学生匹配的作业内容。本研究在构建智慧作业系统的基础上进一步讨论这两项内容，为智慧作业的深度应用提供参考。

3" 智慧作业系统模型的构建

通过文献分析与案例调研，本研究设计的智慧作业系统的整体功能结构如图1所示，主要包括作业设计系统、作业批改系统、作业分析系统和作业资源中心四个部分。

作业资源中心存储题目数据，题目中包含所定义的标签，如学段、年级、学期、学科、章节、知识点、学科核心素养等。前期由教师定义题目的难度，待题目应用于学生练习之后，系统将自动计算题目的难度与区分度。

作业设计系统主要用来帮助教师布置作业。常见的作业形式有两种：一种是服务于新课巩固的作业本（如江西智慧教育平台采用智慧作业本的形式），一种是采用纸质打印的试题。本研究主要关注后者。教师可以在系统中选择作业资源中心的题目或是自建题目，完成作业设计后，系统会自动将题目组合好。在作业设计系统中，教师可以实现对学生的分层，根据学生的能力与表现为学生匹配不同的作业。学生分层后，系统自动在作业上贴上学生姓名，教师打印作业内容并分发给学生。

学生完成作业后，教师可以通过作业批改系统进行作业扫描并自动评分。主观题部分，教师可以选择线下阅卷或是线上阅卷：线上阅卷，教师在系统中对主观题进行评分即可；线下阅卷，教师用智能笔在评分区给主观题评分，评分完成后系统扫描并自动识别分数。学生对批改后的作业进行修改，同时教师可以开放错题本功能，错题本不仅收集有学生的错题，还会提供相同知识点的题目帮助学生对该知识点进行巩固。学生登录智慧作业系统，可以打印错题集，对同个知识点的题目进行练习。学生可以反复观看教师上传的题目讲解视频，实现对错题知识点的强化理解。

教师批改作业后，学生的作业数据会同步传送至智慧作业云端。作业分析系统对学生的作业数据进行挖掘与分析，构建学生的知识图谱，追踪学生的学习轨迹，向教师反馈学生知识点的掌握情况以及学生知识网络中的薄弱点，方便教师调整教学进度，对学生的薄弱点及时进行巩固。同时，本次数据分析结果作为下一次学生分组的依据之一。

随着智慧作业概念的普及，未来的作业形式不仅是结构化的书面作业，也包括非结构化的综合作业和实践作业。基于人工智能技术，智慧作业系统对非结构化数据的分析主要包括识别与评价。比如，基于语音识别系统，可以对学生的英语发音进行评价；基于图片识别技术，可以识别图片中的文字，并与答案中的关键字进行匹配，实现智能批阅等。综上所述，智慧作业系统是基于多模态数据采集，以作业设计、作业批改、作业分析以及作业资源库建设为核心的智能化系统。

4" 作业分层与作业设计策略

4.1" 智能分层模式构建

为实现智慧作业的深度应用，首先对智慧作业的分层逻辑进行探讨。目前，智慧作业常见的分层方式有两种。一是教师主导的分层。教师在系统中将学生进行分层，面向不同层级的学生设计不同的试题，打印过程中系统在试卷中自动添加学生的姓名，方便学生找到自己的作业。二是学生主导的分层。教师按难度设计多份作业，学生自主选择并打印想要完成的作业。为提高学生的积极性，教师鼓励学生选择最近发展区水平的作业。两种方式均能较好地实现学生的自我发展，而学生主导的分层，教师虽然鼓励学生选择更高层次的作业，但也存在学生选择较低难度的作业以换取更多娱乐时间的问题。因此，这就需要引入一个决策辅助机制，从数据层面帮助教师对学生进行诊断与分层。在教学实践过程中，教师主导的分层是进行学生分层的主要方式。

教师主导的分层，往往是教师根据自身经验，结合学生上一次考试的成绩或是上一轮的作业情况对学生进行的分层。但从教学效果来看，一方面，传统的分层方式可能会加剧学生的学业差距，降低学生的自我期望；另一方面，章节之间的相关性可能存在差异。以人教版七年级数学为例，第三章是方程，第四章是几何，第八章再次回到方程，因此以第三章的学习情况作为第四章作业分层的参考指标较为单一，没有考虑不同知识点之间的关系，只能实现对学生的粗略分层。

为实现对学生的精准分层，需要从学科的知识网络结构出发，引入知识图谱指标，为学生分层提供参考。就教学知识点而言，有的知识点之间是平行关系，即该知识点的掌握情况不影响另一个知识点的学习；但有的知识点之间存在制约关系，即该知识点的掌握情况会影响另一个知识点的学习。如图2所示，若学生在知识点A存在障碍，则知识点b3的学习也会存在障碍。因此，教师在关于b3知识点布置分层作业时，系统会建议将该学生划入较为基础的等级。同时，结合学生的作业表现和考试表现综合对学生进行诊断，并给出智能分层的结果。教师参照给出的结果，可以进行调整，最终实现对学生的精准分层。

4.2" 分层作业策略

在对学生分层的过程中存在学生作业表现与考试表现交叉的情况。已有研究表明，作业表现与考试表现存在正向的相关性；但也有研究指出，学生作业表现不佳，但其考试表现较好[5]，原因在于虽然该类学生对新知识的接受能力较弱，但学习动机较强，通过作业讲评、学生协作、复习巩固等学习方式强化了知识的内化，从而提升了自己的成绩。因此，该类学生的作业应以引导方式为主，引导其自我建构。同理，有的学生作业表现较好，但考试成绩较低，表明其对新知识的接受能力较强，但学习动机较弱，无法长期维持对知识点的理解，需要通过激发式作业强化其学习动机，激发学习兴趣，以维持较高水平的知识掌握度。

综上所述，本研究基于四象限模型，构建四个学生区间的作业策略，如表1所示。其中，基础式作业主要是学科的基础性练习，包括基础知识和基本技能；引导式作业主要是在基础式作业之上强化新知识点的探索，引导学生自我巩固；激发式作业主要是在基础式作业之上增加少量高难度的题目，提升学生自我效能感；拓展式作业是对基础式作业的升级，考查的知识点较为综合，难度是最高级别，面向学习较好的学生。通过聚类算法，自动形成四个不同的学生小组，根据知识点之间的关系，系统动态调整小组的结构，最终形成较为精细的学生分组，以供教师参考。

4.3" 大数据赋能作业分层

传统的作业分层偏重学生的作业表现或考试成绩，往往以分数作为评判学生层级的主要标准。而大数据的发展，一方面关注学生的多模态数据采集，另一方面聚焦数据的深度挖掘。

首先，传统的作业分层是单一的分层策略，大数据可以根据采集的数据类型实现综合化的学生分层。比如，学生的课堂表现可以直观地反映其对当前知识点的掌握度；学生作业的提交率与订正率可以反映其学习态度等。

其次，对作业的深度挖掘可以分析学生的能力水平，包括知识型（学科态度）、应用型（学科能力）、创新型（学科思维）等，针对学生的薄弱能力进行引导练习，帮助学生突破学科困境。

最后，根据作业目标差异可以将作业分为课前预习、课后巩固和综合练习。课前预习主要用于检测先验知识点的掌握情况和新知识点的预习情况，根据学科的知识图谱，先验知识点不一定在新知识点的上一节课中，可能在多个章节以前，因此需要检测学生是否遗忘，并进一步巩固加强，同时对新知识点进行初步学习。课后巩固主要是对课堂学习的巩固与提升。综合练习主要是对多个知识点进行应用、迁移等。因此，作业的分层不仅要考虑学生的作业、成绩表现，也要关注作业的类型及其包含的学科能力等，实现学生的减负和查漏补缺。

综上所述，本研究从大数据和知识图谱两个维度出发，探讨学科能力、作业类型、学科表现、学科知识网络等方面对学生分层的策略。不同学生的个体水平存在差异，但目前完全实现个性化作业则必然会导致教师的工学矛盾，因此对学生进行分组，依据不同小组发布不同的作业是较为理想的方式。从目前的作业实践来看，依据学生的学科表现，学生分层往往是划分为三个小组，本研究也划分三个小组，按照上文所述维度对学生分层以及作业发布内容进行整合，如表2所示。其中，先验知识水平是对单一知识点而言，综合练习则是考查学生多知识点融合应用水平，因此分层不考虑先验知识水平。

5" 结束语

“双减”政策实施以来，学生学习负担是教育界关注的焦点之一。智慧作业基于大数据分析结果，结合知识图谱对学生进行智能分层，匹配符合其认知水平的作业，借助自动批阅系统减轻教师的负担。学生完成练习后生成其专属的学习报告，包括知识图谱、学科核心素养等，同步生成学生的错题集，面向学生的薄弱点进行巩固与提升，节省了大量刷题的时间，也降低了学生的学习负担。从整体流程来看，智慧作业落地的关键在于学校或者区域建立高质量的作业数据库，对作业进行分解，包括知识点、难度、学科核心素养等。基于高质量的作业数据才能构建数据分析模型，对学生的作业表现进行深度挖掘，从而从数据层面提供学生分层的依据。综上所述，教育部门应加大区域、学校作业数据库建设，为智慧作业的推广提供基础，同时基于大数据、人工智能等技术构建学生分层以及分层作业类型的逻辑框架，推动智慧作业精准分层与有效应用。

6" 参考文献

[1] 殷宝媛，武法提.智能学习系统中作业习惯建模研究[J].电化教育研究，2021，42（7）：61-67.

[2] 中共中央办公厅 国务院办公厅印发《关于进一步减轻义务教育阶段学生作业负担和校外培训负担的意见》[A/OL].（2021-07-24）[2023-08-05].http：//www.moe.gov.cn/jyb_xxgk/moe_1777/moe_1778/202107/t20210724_546576.html.

[3] 教育部办公厅关于加强义务教育学校作业管理的通知[A/OL].（2021-04-12）[2023-08-05].http：//www.moe.gov.cn/srcsite/A06/s3321/202104/t20210425_528077.html.

[4] 教育部办公厅关于印发《基础教育课程教学改革深化行动方案》的通知[A/OL].（2023-05-09）[2023-08-05].https：//www.gov.cn/zhengce/zhengceku/202306/content_6884785.htm.

[5] 张乐乐，朱嘉文，顾小清.“双减”背景下如何实现中小学智慧作业的“减量增效”？[J].现代教育技术，2023，33（5）：90-98.

[6] 付卫东，刘尊贤，唐旭.“双减”背景下智慧作业使用减轻了留守儿童家长教育焦虑吗？：基于江西省78个县（区）的调查数据分析[J].当代教育论坛，2023（2）：115-124.

[7] 李祥竹，李刚.“双减”背景下我国义务教育阶段作业设计优化路径研究[J].教育理论与实践，2022，42（20）：3-7.

[8] 付卫东，马沁雪，唐旭.“双减”政策背景下智慧作业能否提升学生幸福感：基于江西省78个县（区）的调查数据分析[J].教育导刊，2023（1）：65-77.

[9] OSTROW K S， HEFFERNAN N T. The role of student"choice within adaptive tutoring[J].Lecture Notesin Computer Science （including subseries Lecture"Notes in Artificial Intelligence and Lecture Notes"in Bioinformatics），2015，9112：752-755.