面向智慧教学的混合式精准教学模式设计与应用

[摘 要] 智慧教学要求能够充分利用学生线上线下学习数据开展精准教学，现有计算机课程混合式教学未能体现个性化施教效果。为此，面向智慧教学环境下采集全过程多维学习行为数据，设计基于学习行为智能分析的混合式精准教学模式，利用知识图谱、协作推荐算法、多元智能理论分别实现教学目标确定、教学内容推送和教学效果评估，并以典型课程应用过程为例，说明该教学模式能够促进“知识传授”向“能力培养”的转变，有效助力计算机类课程教学效果提升。

[关键词] 学习行为;智慧教学;混合式;精准教学;教学模式

[基金项目] 2020年度信息工程大学教学建设项目“‘网络工程技术’课程混合式教学模式研究与实践”（JXYJ2020D061）

[作者简介] 常德显（1977—），男，河南邓州人，博士，信息工程大学三院副教授，主要从事网络安全方向理论及教学研究;祝 宁（1981—），男，河南滑县人，博士，信息工程大学三院讲师，主要从事网络攻防方向理论及教学研究;孙佳佳（1987—），男，河南洛阳人，博士，信息工程大学三院讲师，主要从事网络态势感知方向理论及教学研究。

[中图分类号] G642.4 [文献标识码] A [文章编号] 1674-9324（2022）36-0131-04 [收稿日期] 2021-09-23

引言

精准教学（Precision Teaching）这一概念最早是由Lindsley于20世纪60年代提出的，旨在通过设计测试评估过程追踪学生的学习表现并支持最终的教学决策，包括选择用一种特定的行为和策略来提高教学质量，记录学生每天的表现，预测其学习发展的趋势，使教师在教学效果良好的情况下继续使用原教学策略，或者在教学效果一般的情况下改变教学方法，制定教学决策[3]。

中共中央、国务院印发《中国教育现代化2035》强调，建设智能化校园，统筹建设一体化智能教学、管理与服务平台。利用现代技术加快推动人才培养模式改革，实现规模化教育与个性化培养的有机结合[4]。本文以线上线下智慧教学平台为支撑，分析现有混合式教学模式的不足，引入基于人工智能的数据分析方法，探索基于学习行为分析的混合式精准教学模式，助力教学效果提升。

一、计算机类课程混合式教学存在的问题

计算机类课程着眼技术知识的内化，在应用型人才培养过程中发挥关键作用，要求突出学生的创新意识，强调基础理论和基本技能培养。为提升教学效果，目前很多课程引入线上线下混合式教学模式开展教学，但由于对学生课前、课中、课后及考评结果等学习行为数据缺乏深入有效分析，无法体现混合式教学模式对教学效果的真正支撑作用。结合部分高校已有的混合式教学改革[1，2]及笔者多年教学经验，分析现有计算机类课程混合式教学主要存在如下问题。

（一）不易把握混合式教学重难点

现有混合式教学在实施过程中，主要以教学大纲为依据，按照支撑岗位能力的知识点开展教学，无论线上还是线下都以知识点是否掌握为评价依据，并不能把握学生学习过程中的实际理解情况，导致所谓的“重难点”并不被学生认可，使得最终的考核评价结果与预期有偏差，教学效果一般。

（二）难以实施个性化混合式教学

现有混合式教学过程中，教师能够掌握的反馈信息主要是每次课后学生提交的作业或实验结果，但单次课程反馈不能真实反映学生学习整体情况，导致对学生弱项知识点的个性化内容充实不够，教学效果不佳。

二、混合式精准教学模式设计

（一）混合式精准教学模式构建策略

精准教学模式的构建实施主要是依据以学生为中心、激发学生自主学习的指导理念，支撑学生的个性发展和自主选择。在人工智能与大数据等新兴技术驱动下，基于智慧教学平台和教学数据智能化分析的精准教学模式构建应遵循以下策略。

1.多维学习数据快速获取与智能分析。精准教学模式的构建需要基于智慧教育环境下海量多模态学习行为数据的生成、获取与分析。

2.精准教学实践切入点的深度发掘。一方面根据讲授过程数据，动态校正教学内容，从教学方法设计、教学内容规划与教学材料准备等方面进行调整;另一方面针对学生的个体差异性，以智能技术为辅助给予学生靶向性指导，挖掘学生深度学习的潜力，开发学生自主诊断、自主反思、自主解决的潜力。

3.立体反馈评估精准教学效果。需要建立立体化、智能化评估体系，采用个人评价和小组评价、自我评价和他人评价相结合，将定量评价与定性评价、形成性评价与终结性评价相结合的多元评价方式，对精准教学效果不断进行评估反馈，达到持续性精准解决教学问题的效果。

（二）基于学习行为分析的精准教学模式设计

笔者以学习为中心，以教学效果为目标，引入智能算法，通盘考虑课前、课中、课后及课程考核全环节教学过程，通过获取学生学习数据助力教学实施效果提升，基于已有相关教学模式研究基础[5-7]，设计如图1所示的混合式精准教学模式。

1.基于知识图谱的教学目标精准化。首先，从教学大纲和课程标准出发，预定义教学目标所包含知识点的必有属性，如背景、难易程度、重点、难点等，结合教材的知识点获得教学知识图谱的基本“骨架”，即构建出知识图谱的知识点体系树。其次，基于已实施课程学生对上述知识点体系的学习数据，抽取知识点属性值，进行知识点关联关系挖掘。

2.基于智能推荐算法的教学内容精准化。在新信息技术背景下，云计算、大数据提供了实施智慧教学的基础环境。基于智慧课堂的精准教学活动体现为以教师为主导，学生为主体的师生多元互动。教师针对学生的个体差异，通过雨课堂平台推送个性化的复习资源和具有针对性的课后习题，并借助平台随时查看学生的习题完成情况。

3.基于多元智能理论的课程考核精准化。精准教学课程考核以数据决策为驱动，将学生学习数据的分析、课程类型与教学目标要求及考核评价内容方式有机结合，对课前预习、授课和课后辅导整个教学过程，以及学生互动、测试等过程中的参与度进行分析，形成多元智能考核过程。多元智能考核机制并非一成不变，应一课一案并结合具体学习数据进行动态调整。基于该考核机制形成对学生学习状态有效的实时跟踪、评价，从而进行个性化指导的精准教学学习反馈体系，还能及时对教师后续的教学进程进行指导。

三、混合式精准教学模式应用与分析

笔者以本科三年级计算机类课程“网络工程技术”为例，简要说明基于学习行为分析的混合式精准教学模式实践效果。该课程前修课程为“操作系统”“计算机网络”，课程面向新工科背景下的任职需求，提高学生构建网络、管理网络、规划网络的能力。

（一）实施过程

课程为40学时，其中理论讲授18学时，实践22学时，侧重实践能力培养。笔者采用钉钉、雨课堂、头歌等在线智慧教学平台，与线下课堂授课相结合，开展混合式精准教学。根据上述基于教学模式流程设计，主要教学实施简要过程如表1所示。在不同教学环节，分别引入不同分析算法对学生学习数据进行深度挖掘，利用智能分析方法助力精准教学实施。教师供给侧，针对不同的教学内容，选择相应的教学方式方法，为学生提供相应的学习资源，充分发挥在线教学工具手段的优势，强化互动，切实开展“精准教”;学生需求侧，通过预习、研讨、发言、资源查阅等方式，体现个性化学习需求，将学习行为主动反馈至智能分析平台，为“高效学”提供支撑。

（二）效果分析

笔者以一个专业班的混合式精准教学模式应用为例，对教学效果进行多元智能立体评估。根据构建的多元智能考核流程，结合课程特点，形成如表2所示的多元智能考核要素及其权重，其中过程性考核与终结性考核分别占比40%与60%，其考核要素的权重各自计算。

考虑到该课程强调实践动手能力，因此在整个考核内容中实践考核分数占比较大（约80%）。需要说明的是在预习、研讨和综合实践考核部分，特别设计了部分无标准答案的扩展题目，用于考查学生的学习主动性与创新思维能力，学生反馈效果很好。

考核结果显示约80%以上的学生得到优秀，充分说明教学目标已达成。结合课程中及结课后对学生进行的匿名投票与督导教学反馈，90%以上的学生认为该混合式精准教学模式能够有效提升其学习效果，促进自主学习能力，充分说明在线教学模式的有效性。新的信息技术为精准教学实施提供了有利条件，部分高校已开展相关教学模式研究与实践，在不同的授课对象、教学内容、信息技术环境中都取得了积极进展[8-10]。

结语

针对传统教学和纯在线教学因信息技术利用率低、学习行为数据分析不足而导致的“教学目标不精准、教学内容调整难、互动协作效果差、教学评测不全面”等问题，本文设计构建了基于学习行为分析的混合式精准教学模式，以适应新时代大学生的特点和学习方式，促进学生自主学习和个性化学习。该模式依托线上线下丰富教学资源和多元智慧教学平台，借助全流程学习行为数据采集与智能分析技术，实现教学目标、教学内容、教学评估精准化，使教学过程实现由“知识传授”向“能力培养”的转变，由“以课堂为中心”向“以自主学习为中心”的转变，促进“自主、协作、探究”的个性化学习方式，有效提升教学效果。

参考文献

[1]杨全胜，翟玉庆，吴强.线上线下混合式计算机综合实践类“金课”建设[J].计算机教育，2021（6）：52-56.

[2]常德显，张琦，张斌.基于雨课堂的混合式实践教学模式探索[J].计算机教育，2020（4）：71-74.

[3]安富海.精准教学：历史演进、现实审视与价值澄明[J].课程·教材·教法，2021，41（8）：56-62.

[4]中共中央、国务院印发《中国教育现代化2035》[EB/OL].（2019-02-23）[2021-08-26].http：//www.gov.cn/xinwen/2019-02/23/content_5367987.htm.

[5]高嘉骐，刘千慧，黄文彬.基于知识图谱的学习路径自动生成研究[J].现代教育技术，2021，31（7）：88-96.

[6]李直旭，何芙珍，刘安.多模态教学知识图谱的构建与应用[J].福建电脑，2019，35（8）：5-8.

[7]张聪.多元智能理论在高校数学课程考核中的应用[J].产业与科技论坛，2020，19（23）：120-121.

[8]彭晓玲，吴忭.“数据驱动的精准教学”何以可能：基于培养教师数据智慧的视角[J].华东师范大学学报（教育科学版），2021，39（8）：45-56.

[9]邢丽丽.基于精准教学的混合式教学模式构建与实证研究[J].中国电化教育，2020（9）：135-141.

[10]张志龙，郭一珺，杨鸿文，等.基于学习行为分析的个性化智慧教学模式探索与实践：以“通信原理”课程为例[J].北京邮电大学学报（社会科学版），2020，22（6）：101-107+118.

Design and Application of Hybrid Precision Teaching Mode for Intelligent Teaching

CHANG De-xian， ZHU Ning， SUN Jia-jia， LIU Yu-nan

（Third Institute of Information Engineering University of Strategic Support Force， Zhengzhou，

Henan 450004， China）

Abstract： Intelligent teaching requires students to make full use of online and offline learning data to carry out accurate teaching. The existing hybrid computer course teaching fails to reflect the personalized teaching effect. In the face of collecting multi-dimensional learning behavior data in the whole process under the intelligent teaching environment， we have designed a hybrid precision teaching mode based on intelligent analysis of learning behavior， and used knowledge maps， collaborative recommendation algorithms， and multiple intelligence theory to achieve the determination of teaching objectives， the push of teaching content， and the evaluation of teaching effects， and taken the typical course application process as an example. It shows that this teaching mode can promote the transformation from “knowledge teaching” to “ability training”， and effectively help improve the teaching effect of computer courses.

Key words： learning behavior; intelligent teaching; hybrid mode; precision teaching; teaching mode