首页 理论教育教学资源优化:人工智能与计算机教学研究成果

教学资源优化:人工智能与计算机教学研究成果

【摘要】:传统教学资源无法满足学习者个性化学习需求,难以促进教学方式的转变。这种模式下的教学资源具有内容开放、更新速度快等优势,主要适用于非正式学习。

传统教学资源无法满足学习者个性化学习需求,难以促进教学方式的转变。人工智能应用于教学将有助于改善现有不足,本研究探讨人工智能在支持智能进化教学资源、智能推送教学资源及智能检索教学资源方面所发挥的功效,希望能够满足学习者泛在获取个性化资源的需求,为教学资源的智能化升级改造提供一定指导。

(一)智能进化教学资源

1.教学资源进化的研究与发展

教学资源处在一个动态生态系统之中,具有物种产生、发展、流通、竞争、成熟、消亡的一般过程,遵循优胜劣汰的法则。目前国内关于教学资源进化的研究还比较少。

程罡(毕业于北京师范大学教育技术学院,主要研究移动与泛在学习、学生支持服务、远程教育课程设计等)等在2009年指出学习资源的发展要具备“可进化性”。随后,杨现民(博士,江苏师范大学智慧教育学院院长、教授、博士生导师,江苏省教育信息化工程技术研究中心副主任。主要从事移动与泛在学习、数字资源建设与共享、网络教学平台开发等方面的研究)、余胜泉(2000年毕业于北京师范大学,获博士学位,北京师范大学二级教授、博士生导师,北京师范大学未来教育高精尖创新中心执行主任、“移动学习”教育部-中国移动联合实验室主任,2008年入选教育部新世纪人才支持计划)在2011年对学习资源进化的概念及内涵进行了详细论述,指出学习资源进化是指在数字化学习环境中,学习资源为了满足学习者的各种动态、个性化的学习需求而进行的自身内容和结构的完善和调整,以不断适应外界变化的学习环境,体现出“发展、变化、适应”的核心思想。接下来,杨现民对学习资源进化进行了一系列研究,包括对学习资源内容进化的智能控制进行研究,设计了生成性学习资源进化的评价指标,学习资源有序进化研究,并以学习元平台为例对学习资源进化现状与问题进行分析。

2.教学资源进化存在的问题

教学资源进化所指的资源是数字化学习环境中的数字学习资源,并不包含传统意义上的一般教学资源(教材、试卷等)。当前教学资源建设模式基本可以分为两类,即传统团队建设模式和开放共创模式。传统团队建设模式下的教学资源,比如网络课程、精品资源共享课等,主要是由专门的资源制作团队负责设计、制作与维护,主要用于正规学校教育,具有较强的专业性和权威性。但是,这种建设模式下的课程资源更新方式与传统教材并无区别,需要专门的维护人员进行资源的更新。虽然也有进化过程,但是资源进化更新速度缓慢。

随着Web2.0理念和技术的普及,教学资源的开放共创模式正在不断发展,可以让用户参与到教学资源的协同建设和更新,通过用户的集体智慧实现教学资源的不断进化。这种模式下的教学资源具有内容开放、更新速度快等优势,主要适用于非正式学习。然而开放共创的资源建设模式在进化过程中也存在一些不足,主要表现在以下两个方面:

(1)进化缺乏控制,散乱生长

开放的资源结构,如维基百科,允许用户协作编辑内容,在聚集群众智慧的同时也导致了资源内容的散乱生长。不同用户对同一学习资源进行添加、编辑、删除,导致原有资源内容混杂,可能存在与主题资源不相关的内容,严重影响了资源的质量。这些问题主要是由于缺乏完善有效的资源进化保障机制,缺乏对资源进化的智能有效控制,因此需要智能技术手段客观动态地控制资源进化方向,优胜劣汰,增强资源的生命力。

(2)资源难以动态关联

资源的进化除了内容的发展外,还关系到资源结构的完善。资源间的动态关联,有助于相似资源的合并,帮助学习者更快检索到自己所需资源。然而,数量庞大、形态多样的数字资源在组织、关联方面大多采用静态描述方式,缺乏可被机器理解和处理的语义描述信息。资源之间难以实现语义方面的关联,在很大程度上影响了资源的联通,影响了资源的优胜劣汰和持续进化。

3.教学资源智能进化流程

目前对于学习资源的进化,大多还是从学习者进行个性化编辑或是专门人员的资源审核,来实现资源的动态生成与进化。对于优质资源的良性循环、劣质资源的智能识别与淘汰、同主题资源的智能汇聚与选拔等,依旧是教学资源进化所面临的重大研究课题。资源进化需要更强的进化动力、更完善的进化保障机制和更适合的进化技术支撑。教学资源智能进化的目标是实现教学资源的不断自我更新、不断成熟发展、不断适应学习者的学习需求。因此,本研究尝试从资源自主智能进化角度,对学习资源进化进行初步分析,基于人工智能的一般处理流程,综合资源的语义建模技术、动态语义关联及聚合有序进化控制技术等,构建了教学资源智能进化流程,如图1-2所示。

图1-2 学习资源的智能进化

(1)机器对新发布资源的质量进行把关

有关资源质量的评价量表,可以由国家教育部门制定,交由机器学习,在资源发布前由机器对资源进行打分,进行学习资源的质量把关,达到一定分数的资源才可以进行发布。目前,机器学习主要有两种方法,一种方法是像微软小冰学习写诗。小冰是一款人工智能虚拟机器人,它可以“读出”图片内容,然后像写命题作文一样生成一首诗。小冰是通过“学习”1920年代以来的519位诗人的现代诗,被训练了超过一万次,才学会写诗技能。当前,机器对资源的质量把关主要可以采取这种方式。另一种方法是像AlphaGo Zero一样“自学成才”,它不需要人类的数据,而是通过强化学习方法,从单一神经网络开始,通过神经网络强大的搜索算法,进行自我对弈。随着训练的深入,Deep Mind团队发现,AlphaGo Zero还独立发现了游戏规则,并走出了新策略,为围棋这项古老游戏带来了新的见解。未来,可能不需要由人制订资源的评价量表,而是由机器自主学习,实现对资源优劣的自我判别。

(2)机器对资源打标签

机器可以自动实现对资源进行语义标注。教学资源形式多样,有文字、图片、音频、视频等形式,对应不同的资源,机器标签也不同,如对于图片、文本就可以标注学习资源的知识点内容、内容质量、难易度等;对于视频、音频,机器要自主学习,在关键知识点处标记出知识内容,方便学生后期检索学习资源。教学资源的语义标注信息,可以使机器能够像人的大脑一样理解和处理信息,实现资源间的动态联通、重组和进化。

(3)机器对资源进行重组

机器通过语义关联,自动挖掘新上传资源与以往资源的语义关系,将相似资源通过语义关联机制,自动进行重组,实现对同类资源的自动汇聚(资源内容、资源形式),汇聚成专题资源。最终,所有资源都会成为资源网中的一个节点,在与其他资源节点的相互关联作用中实现自我进化。资源重组有效避免了资源的散乱生长,实现教学资源持续、有序进化。

(4)机器对资源进行追踪分析

对资源的使用情况还应建立相关评价机制,由机器跟踪、分析不同用户对资源的使用情况,包括用户对资源的评价、资源的浏览量、资源的使用频率等情况,机器自动进化优良资源,分解劣汰资源,从而保证资源的优化和调整,实现资源的“优胜劣汰”。

教学资源进化是一个复杂的系统过程,涉及资源、技术、人等多个要素,教育行业需要加大对资源进化的关注,促进资源的智能进化。

(二)智能推送教学资源(www.chuimin.cn)

随着万物互联的实现,信息和知识的更新速度加快,使优质、个性化的教学资源在短时间内被用户获取,资源推送不失为一种好的方法,也是有效解决学习资源海量增长与学习者信息处理能力有限之间矛盾的有效措施之一。一些互联网公司已经实现商业上的个性化推送,如打车软件可以做到根据用户的位置、目的地等推送合适的司机;电商可以做到根据用户的浏览和购买行为进行追踪分析,实现个性化推荐商品。而资源推送在教育领域也不是新的概念,许多在线学习平台已经具备资源推送的功能。

传统的推送方式主要采用电子邮件推送、用户订阅、发送链接,没有实现个性化、智能化的推送目标。此外,在传统教学中,学生做许多道题,教师才可能发现学生知识点欠缺的地方。在教育领域中要想实现教学资源的个性化匹配,应考虑学习过程的复杂性,对于任何一个学习者,不论当前处于怎样的学习状态,其下一步要学习什么、怎么学、达到怎样的程度,这些都是需要综合判断和测量的。面对这些复杂的教学问题,要基于对学生特征的测量和量化描述,最终推送适合学习者的学习内容。

智能推送可以预测和识别用户的个性化特征与需求,从而有针对性地主动推送教学资源,以便在信息泛滥的大数据时代为用户提供针对性、个性化和智能化的服务,满足用户轻松获取所需信息的需求。

相比传统教学对学生采取的“题海战术”,利用人工智能帮助拆分知识点、“打标签”(包括资源类型、难易度、区分度等),为学习者个性化匹配学习资源,智能查找学生学习的盲点与重复率,从而指导或帮助人们减少因为“题海战术”而浪费的时间,提高学习效率。因此,本研究设计出智能推送教学资源的流程,如图1-3所示。

图1-3 教学资源的智能推送流程

1.数据获取及处理

智能推送的前提是获取大量的学习数据,通过数据挖掘与分析,了解学习者的学习习惯、学习兴趣、学习风格、学习偏好等个性化特征。智能化教学环境、教学平台、移动终端以及各种智能穿戴设备等,将学生学习过程数据实时记录下来。根据数据分析对象,提取数据分析中所需要的特征信息,然后选择合适的信息存储方法,将收集到的数据存入数据管理仓库

2.智能分析

通过人工智能对学习者的学习情况(学习者模型、学科知识掌握情况、学习情绪等)数据进行深度挖掘与分析,发现学习者的学习强项与知识薄弱点、学习兴趣、所需资源类型等。

3.智能推送

将系统的资源与智能分析的结果进行比对,选择学习者需要的学习资源,进行针对性推送,保证资源推送的动态性与实效性。

4.检测学习情况

系统推送测试题检测学习者知识点掌握情况,若当前知识点已掌握,则进入下一知识的学习;若判断学习效果不佳,则继续推送不同类型的学习资源。

(三)智能检索教学资源

1.当前检索系统存在的不足

计算机和网络的发展为教与学提供了海量信息资源,如何更好地利用网络资源,提升资源检索的智能化程度是教育技术领域的重要研究方向。目前,网络上有很多搜索引擎。互联网的诞生给教育带来了前所未有的变革,信息资源异常丰富,从我国推行的视频公开课、资源共享课,到近些年由美国兴起的慕课,网络教育资源让学习者“足不出户”便可游遍知识海洋。但是真正想找到适合自身需求、高质量的学习资源却如同大海捞针。当前的检索技术方面还存在一些不足,主要表现在以下方面:一是个性化服务不足,大多数检索系统都是以关键词为检索方式,却无法适应每个用户的检索习惯;二是用户与搜索引擎的交互方式单一,大多还仅仅体现在文本输入形式的信息交互;三是搜索引擎的相关性和准确度不高,导致用户不能从检索结果中找到符合自己需求的资源。

2.新一代搜索引擎的发展

那么如何让学习者快速准确找到所需资源呢?当智能推送的资源不能完全满足学习者的需求时,学习者又如何根据自身需求,检索所需的知识及资源?

人工智能的出现使得搜索引擎突破传统的网页排序算法,进化到由计算机在大数据的基础上通过复杂的迭代过程自我学习最终确定网页排名。早期的网页排序算法是通过找出所有影响网页排序结果的因子,然后依据每个因子对结果排序的重要程度,用一个复杂的、人为定义的数学公式将所有因子串联起来,计算出结果页面中最终的排名位置。当前搜索引擎所使用的网页排序算法主要依赖于深度学习技术,其中网页排序中的数学模型及数学模型中的参数不再是人为预先定义的,而是计算机在大数据的基础上,通过迭代过程自动学习的。影响排序结果的每个因子的重要程度是由人工智能算法通过自我学习确定的,使得搜索结果的相关度和准确度得到大幅度提升。

3.智能检索对教与学的支持

近年来,通过人工智能在自然语言理解、语言识别、网页排序、个性化推荐等取得的进步,百度谷歌等主流搜索引擎正在从简单的网页搜索工具转变为个人的知识引擎和学习助理。可以说,人工智能让搜索引擎越来越“聪明”了。搜索引擎的优化,让学习者精确找到所需资源,再也不会在知识的海洋中忍受饥渴,其对教与学的支持主要表现在以下两个方面:一是检索交互多样化。智能化搜索引擎可提供多种检索模式,如快捷检索导航、文本信息检索、语音检索、个性化定制导航等,为不同文化背景的资源需求者提供便利。二是检索结果个性化。根据个人信息登录的搜索引擎记录,对检索记录进行数据挖掘、动态语义聚合成个人知识引擎,根据学习者的爱好、搜索习惯等个性化提供资源类型(文本、图片、视频、音频等),有助于提升学习者的学习兴趣、开展自主学习,满足学习者的个性化需求,最大限度地避免网络迷航。