基于机器学习的因材施教应用探究

摘要：新冠疫情时期的在线教育使得在线教育所具备的因材施教属性受到越来越多的关注。但大量的在线教育课程也暴露出许多问题，如接受在线教育课程的学生的知识把握差异较大、学生对适应性在线课程的发现较难、在线课程的训练效能低下等。针对这些问题，本研究应用机器学习技术，利用其精确迅速、自动化、可自定义和规模化等特征，实现课表定制化，并为因材施教的实施构造了一种范式。

关键词：机器学习特征;人工智能;因材施教;创新人才

中图分类号：G434  文献标识码：A  论文编号：1674-2117（2022）18-0076-03

引言

机器学习技术是人工智能技术中重要的一环，是人工智能拥有智能化的核心，也是实施因材施教的关键技术支持。2019年，《中共中央国务院关于深化教育教学改革全面提高义务教育质量的意见》在“优化教学方式”中专门提到要“精准分析学情，重视差异化教学和个别化指导”。因此，个性化发展是大势所趋，而在线课程的推广使个性化得到了发展。机器学习可针对在线课堂应用时产生的大量数据（学生和学生互动行为）进行分析，提出打破困境的方法。所以，本文对相关文献进行梳理，借助机器学习特征进行分析，并提出有价值的建议，希望能为之后的教育信息化研究提供一定的参考。

相关概述

1.机器学习

机器学习是一门多领域交叉的学科，专门研究计算机如何模拟或实现人类的学习行为，以获取新的知识与技能，并将现有的内容进行知识结构的划分来有效提高学习效率。机器学习算法通过输入文本特征的词语、句子以及篇章等，运用语料标注样本，分析文本信息的关系特征，执行流程如图1所示。

机器学习具有5大特点：①精确。机器学习能够通过数据分析发现问题，优化解决方案，当数据量增多时，处理信息的精确度越高。②自动化。机器学习可以自动学习新的工作流程，用户输入相应的流程可以自动执行;还能模仿人类的活动。③处理速度快。输入数据几秒钟就可以得到结果。④规模化。机器学习能够处理大量数据，反映数据间变量规律。⑤自定义。机器学习可建立模型构建数据，对数据进行分类和回归，也能将问题简化成经典问题。

2.因材施教

因材施教是针对不同学生的能力、性格、兴趣等特征实施不同的教育。长期以来，在中国教育政策、方针的制定中，因材施教原则占据指导性的重要地位，但也面临一些困境：大班制教学教师顾及不到所有学生、智能系统配备不完善;缺乏个性化教学观念、教学模式单一、信息化能力不强。

机器学习助力因材施教

1.学生维度

运用机器学习建立模型，对在线课堂学生行为进行整合分析，阅读和理解学生课堂语言，用自然语言用户界面和直接从在线课程编写的资源中获取信息，通过数据实时反馈学生在学习过程中花费的时间、理解程度、知识把握关联度、参与度、对知识点的偏好，并针对学生提出个性化学习方案。

2.教师维度

教师可借助机器学习分析学习内容主题的特点和学生的特点，并进行针对性的教学，以提高教学效率;机器学习也可通过分析教师上课的风格、选用的教材、制作的课件以及在学习平台上改考卷、提供评语的方式等预测教师的教学模式。

（1）课程理念

现代教师要在国家基础课程标准上，培养学生的信息化素养，并结合线上线下教育资源，引导学生自主探索，即在有效的时间内通过信息检索等技术手段，获取解决问题的方法。在引导学生的同时，教师也在不断接触新的理念，更新原有知识库。传统教学理念与现代教学理念的对比如下页表所示。

（2）教学目标

现代教育推进“以学生为主体”的教学目标，更多关注学生的“学”，实现了由学习到学会的转变以及由教过到教会的转变。教学目标应融合社会的需要、学生的需要和社会发展。学科课程目标应基于社会需要具备的能力，鼓励运用信息化设备，着力于调动学生的兴趣，开发潜在的信息化能力，培养创新性人才。知识目标应基于国家和地方发布的教材，运用机器学习对学生特征进行前测，针对各类学生制订不同的教学目标。

（3）教学内容

首先，采用信息化教学模式，利用数据挖掘和机器学习分析学生的学习行为和教师的教学行为，通过数学建模找出适合每个学生的学习内容和教学方式;其次，要有筛选资源的能力，辨别优质与劣质资源，确保教学的有效性。

（4）教学方法

信息化教育注重“以学生为主”的教学模式，鼓励学生自我探究，从问题的根源出发，寻找原因解决问题。教学方法有自主探究式、合作探究型、抛锚式教学、启发式教学等。

（5）教学评价

在新课程评价理念下，实施多元化评价方式，既注重学生过程性评价，也注重情感态度价值观的培养。评价主要在课中和课后进行，课中可用课堂观察评价（观察学生在课堂上的表现，如能否积极主动回应教师提出的问题等），课后可用自评与小组互评的方式，从多角度思考问题，进行自我反思。

3.学校维度

学校可借鉴Altshool平台的功能，打造适合个性化发展的平台。Altshool由三套核心系统，即Playlist、Progression、Stream组成，拥有三个端口，即学生端、家长端、教师端。学生端主要是Playlist工具，它划分了明确的学习目标，能够看到班级中的活动与自己任务的关联情况，可以对学习进行及时反馈;教师端可通过Progression随时查看学生的动态学习过程;家长端登录My.altschool能够接收通知和关注孩子在学校的动态。该系统可提供动态课表，学生按照年龄大小可以得到一个iPad或者Chromebook，里面记录着根据学生自身特长制订的一周课程，真正实现一人一张课表。由此，笔者认为可运用机器学习算法、数据库、JAVE、VB等技术，将数据分成四大板块，打造一个适用于检测教学过程的ERP系统，该系统分为四个板块（如下页图2）：①人力资源管理。针对教师和学生的到课签到。②课程管理。大数据采集学生的上课时长、电子举手互动次数、学生的面部表情等，分析学生的上课行为，并对学习效果做出预判。③时间表管理。智能终端推送符合规律的作息时间通知，以培养学生的自我管理能力;及时提醒教师发布的公告，以免错漏通知。另外，家长可登录家长终端，接收孩子的学习动态。④作业及成绩管理。通过智能终端提交线上线下作业——客观题系统批阅，分析正确率，并推送薄弱知识点、加强训练试题;主观题教师电子阅览，随时随地通过终端与学生交流。系统清晰记录学生的成长历程，以调动学生自我内驱力，完成自我规划。

4.社会公平维度

新时代下的教育公平是：起点公平，让所有学生都能有学上，上好学;教育过程公平，教师做到“有教无类”，进行高效教学;教育结果公平，每个学生都能得到个性化发展。因此，首先应加强云平台、云计算、大数据、物联网、VR/AR技术的运用，促进高效教学及个性化发展;其次应通过加大信息化设备普及区域、共享优质资源，缩小不同地区之间的教育发展差距。

机器学习运用的挑战

1.学生

①难以抵制智能终端其他功能的诱惑;多频率使用电子设备危害身体，也容易产生依赖性，可能导致缺乏自主思考的能力。②城乡发展差距使学生对电子产品熟悉度参差不齐，导致学习效率低下。

2.教育者

①教师“专业型”向“全能型”转变，单纯传授知识已经远远落后于时代发展，在以培养核心素养为目标的当下，教师只有树立现代化思想，掌握信息技术，才能不被时代淘汰。②“教学的主体”向“引导者”转变，重点关注“教”和“学”的过程，一切以学生为主体。

3.学校/教育管理者

学校要重新定义教育理念，将其调整为现代化的教学理念，学校需重视学生的全面发展，优化校园环境，使校园更加生活化、人情化，努力突破围墙式教学，改变空间结构，让学生走出教室也能学习。

学校应避免过度依赖智能系统，盲目信任和过度使用都会导致教学质量大幅度下降。另外，自适应系统的缺陷，长时间无效练习试卷使学生课业负担加重，如何利用好系统，也值得探究。

结语

机器学习的特征选择让精准化教育得以实现，与教育的融合引发教育模式的变革，落地于因材施教。本文利用机器学习特征提取功能诊断出学生个性化特点，构建学生定制化课表，促进学生核心素养及教师专业发展。可见，人工智能+教育推动个性化教育发展，向未来教育迈出了一大步，而机器学习的应用，推动了人工智能的多方面应用。两者的融合构建了未来教育的形态，促进多领域的融合发展。

参考文献：

中共中央国务院关于深化教育教学改革全面提高义务教育质量的意见[DB/OL].http：//www.gov.cn/zhengce/2019-07/08/content_5407361.htm.

作者简介：李丹丹（1997—），女，山西朔州人，在读研究生，研究方向为自然语言处理。朱佳丽，女，在读研究生，研究方向为自然语言处理。王录通（1989—），男，山东定陶人，研究生，讲师，研究方向为教育信息化。梁梓煜（1998—），男，安徽宿州人，在读研究生，研究方向为自然语言处理。陈俊（1979—），男，贵州贵阳人，教授，工学博士，研究方向为自然语言处理。