基于大數據的智能內驅式學習模式構建

　　[摘 要] 隨著人工智能和大數據等領域的快速發展，教育與新技術逐漸融合，高等教育中各專業呈現學科技術知識更新速度加快、各學科交叉融合、應用領域拓寬等現象，極大地增加了學生的學習強度和學習“疲憊感”‍‌‍‍‌‍‌‍‍‍‌‍‍‌‍‍‍‌‍‍‌‍‍‍‌‍‍‍‍‌‍‌‍‌‍‌‍‍‌‍‍‍‍‍‍‍‍‍‌‍‍‌‍‍‌‍‌‍‌‍。 如何結合現代科技力量，激發學生的學習興趣并有效提高學習效率，成為教育工作者需要思考的重要課題‍‌‍‍‌‍‌‍‍‍‌‍‍‌‍‍‍‌‍‍‌‍‍‍‌‍‍‍‍‌‍‌‍‌‍‌‍‍‌‍‍‍‍‍‍‍‍‍‌‍‍‌‍‍‌‍‌‍‌‍。 分析傳統教育中“被動接受”學習模式存在的不足，結合當前智慧學習的研究成果和具體教學實踐經驗，以大數據技術為核心，通過智能化手段從智能推送、智能獎勵、量化評價等方面增強學生的學習興趣，構建基于大數據的智能內驅式學習模式，使學生主動“學”，自主“習”，從而實現學習的有效性和高效性‍‌‍‍‌‍‌‍‍‍‌‍‍‌‍‍‍‌‍‍‌‍‍‍‌‍‍‍‍‌‍‌‍‌‍‌‍‍‌‍‍‍‍‍‍‍‍‍‌‍‍‌‍‍‌‍‌‍‌‍。

　　[關鍵詞] 大數據; 智能信息處理; 內驅力; 學習模式

　　隨著現代信息技術的快速發展，智慧教室、數字化智能圖書館、智能手機、智能平板、電子書包等校園新興事物不斷涌現，給新時代的大學校園帶來智慧力量，也逐漸改變了學生的思維方式和行為習慣。 學生獲取知識的途徑不再局限于課堂上教師的“主動灌輸”和圖書館的書本文獻查閱，而是逐漸依賴于網絡智能引擎搜索或熱點推送，由此學生可以根據個人需求查找自己感興趣的內容。 另外，傳統學習模式下重理論輕實踐的學習已經不適合競爭激烈的現代化社會，學生的目的不再是獲取期末考卷的高分數，更重要的是收獲基于相應理論的實踐經驗和創新能力。 因此學生的學習模式發生了根本性的轉變，由“被動接受”轉為“主動探究”，由“注重理論”轉為“注重能力”，并以教師為引導，明確學習目標，轉變學習思路，實現學習的自主化。 此外，教育與信息技術的深度融合，產生了海量的教學數據，包括教學實施過程數據、學生的學習行為數據、學生的思想狀況、學生的興趣偏好、學生的薄弱點等，數據量巨大，結構復雜，超出了常規手段處理的范圍，需要運用大數據技術充分挖掘這些數據的潛在價值[1]。 因此，本文以學生的實際需求為根本出發點，構建基于大數據的智能內驅式學習模式，結合智能化手段，制定相適應的學習目標，激發學生的學習熱情，切實提高學生的學習滿意度和學習效率。

　　一、構建智能內驅式學習模式的意義

　　伴隨著現代科技水平的不斷提高，社會就業需要理論知識扎實、技能操作熟練的善學型人才，因此學科基礎理論水平、創新實踐能力和自主學習能力，已經成為衡量高校學生綜合素質的重要指標。 但是在傳統學習模式下，學生獲取知識的途徑較為單一，主要通過課堂聽講; 學習成果的評價標準不夠全面，主要考核理論知識; 同時，在教學過程中，教學計劃主要針對的是全體學生的共性培養，學生的個體差異沒有受到一定的重視。 通過教學實踐發現，在傳統課堂中學生處于“被動接受”“考核片面”和“個性沒有受到尊重”的狀態中，不僅消磨了自身的學習興趣，也不利于樹立積極探索的心態，因此，被動、低效、迷茫成為大部分學生的學習常態。 為了提高學生的綜合素質能力，學生必須具備“愿學習，能學習，會學習”的基本素質，因此學生需要在心理上建立學習的內驅力，從而驅動自身主動學習，實現學習的有效性和高效性，才能真正收獲知識、提升能力、探求未知。

　　高新技術能夠助力新型學習模式的構建和學習內驅力的形成。 在大數據時代背景下，海量、易獲得、高標準的在線學習資源，打破了學生的學習局限，使學生的學習更具便捷性、個性化和智能化。 同時學生通過使用智能設備，可以充分利用碎片化時間，隨時隨地進行線上學習[2-4]，并根據自身的情況制定適合自己的學習計劃，自主控制學習內容、學習節奏和學習目標，從而獲得較高的自我認同感，增強了學習內驅力，進而更有學習熱情和學習效率。 基于大數據的智能內驅式學習模式，通過智能移動網絡終端設置多種學習內驅方式，有效激發學生的學習熱情，并利用大數據技術收集學生學習過程中的各種數據，分析學習過程中各種問題產生的原因，智能推送針對性的解決方案供學生參考。 大數據技術是該學習模式的核心支撐，提供海量的優質學習資源和有價值的學習分析數據，能深入挖掘傳統技術手段無法處理的語音、圖像等非結構化數據，為學生的學情分析、量化個人評價提供強有力的支持。 智能設備作為重要的輔助工具，智能化地為學生創設高效的學習場景和個性化學習體驗，進而提高學生自主學習能力。 實踐表明，基于大數據的智能內驅式學習模式是遵循“以人為本”的教育理念，培養學生知識、情感、能力、思想四大方面目標的重要實踐，是對教育信息化、智能化的必然探索，是實現精準教學和個性化學習的有效手段。

　　二、智能內驅式學習模式的構建內容

　　基于大數據的智能內驅式學習模式的構建，是以建立學生的學習內驅力為立足點，將大數據技術和智能化手段相結合，讓學生獲得知識和技能的同時，找到適合自己的學習方式，有效提高學習滿意度。 學習內驅力是該學習模式的核心要素，它的獲取不僅取決于外部環境的刺激，還需要從學生自身心理上增強學習熱情，對學習知識有強烈渴求，主動探索和實踐自己感興趣的內容。 在該學習模式下，學習環境是開放的，在學習環境中教師、學生、知識與技能、學習路徑等因素會形成一個高效的學習閉環，各因素之間動態調整，相互適應。 基于大數據的智能內驅式學習模式的構建內容，主要考慮以下三個方面。

　　1.關于學生的診斷性評價。 對每一個學生的知識儲備、學習習慣、學習態度、學習能力、教育背景和身體狀況等學習初始情況進行綜合分析，生成一份關于每個學生的預評價報告。

　　2.學習情境的創設。 在學習環境中，綜合考慮教師、學生、知識與技能、學習路徑等因素的相互作用，動態調節，從而形成一個有效的整體。 其中，學生是核心角色，整個情境圍繞著學生的學習展開; 教師是引導者，引領學生學習的大方向; 掌握知識與技能是學生的學習目標; 學習路徑是學生從自身實際出發，不斷探索和實踐，最終形成的適合自身的學習路徑，包括參加課堂學習、網絡學習平臺、講座等集體活動; 學習內驅力是整個學習情境的關鍵，影響各種因素的執行力。

　　3.量化個人評價。 基于過程性、激勵性、差異性原則，依托大數據技術手段，分析學生的課堂出勤、課堂答疑、課堂紀律、課后自學、作業練習等學習過程中產生的各種多源異構數據，并以個人為評價單位，獲得每個學生的精細化學情報告。 針對報告中存在的問題，及時采取干預手段，有效保證學生的學習積極性。

　　這三個方面內容是學習模式構建的關鍵，缺一不可。 學生的診斷性評價是構建學習模式的起點，反映每個學生的差異，也讓教師全面掌握每個學生的情況。 創設一個開放、合作、交流的學習情境是構建學習模式的重點，其中教師可以幫助學生整合各方面資源，精心指導，尊重學生差異，幫助學生設計個性化學習方案[7，8]。 量化個人評價是對該學習模式可行性和合理性的反饋，有助于學習路徑和學習方案的動態調整，使個性化學習方案更具規范性。

　　三、智能內驅式學習模式的實施過程

　　根據學習建構主義理論[9]，“學習不在于知識傳授，而在于從自身實際出發，建構自己的知識。 ”所以課堂不是簡單地知識傳遞和時間消磨，而是互相學習和積極思考; 學習成果不是刻意追求知識數量，而是評判自己是否找到了適合自己的學習路徑，是否具備了學習內驅力，是否建立了學習認同感; 在教學的過程中，去除課堂的封閉性，讓學生的個體差異性得到充分尊重。 那么學生學習過程將是從“收獲甚少”，到“嘗試探索”，再到“自主學習”的演變，進而讓學生能夠實現深度學習，獲得學習的成就感和深層次的學習體驗。

　　在實施基于大數據的智能內驅式學習模式的過程中，教師作為引導者，把握課程的學習導向，引入問題探究和案例分析，實時關注每個學生的學習動態，幫助學生選擇、優化、整合學習資源，并鼓勵學生積極思考，將繁瑣的學習任務化難為易，逐步分解成簡單的小任務，從而使學生建立學習內驅力，激發學生的學習興趣和熱情。 另外，通過建立量化評價機制，使學生在學習過程中多反思，多總結，注重培養學生解決實際復雜問題的能力和創新思維。 基于大數據的智能內驅學習模式的具體實施，主要分為以下步驟。

　　1.建立學生個人學習情況分析數據庫。 以預分析報告作為個體初始數據，利用大數據技術，實時監測學生的學習狀態、學習方式等行為數據，對獲取的多源數據進行綜合分析，并可以智能推送有效建議和措施，從而調動學生的學習積極性，幫助學生樹立學習自信，找到個性化學習方法。

　　2.創設開放的學習情境。 在教學設計中，教師根據課程標準和課程知識框架，梳理教學內容，并結合學生的個性特點，將原教學目標轉化為細化的學習目標，從而為學生學習指明方向。 在教學過程中，教師的角色從“知識傳授者”到“知識引導者”，由“教師”變為“導師”，以問題引導、案例分析等方式，充分調動學生的好奇心，激發學生的學習興趣，鼓勵學生獨立思考，以便于學生的學習內驅力的建立。 在課后，學生可以制定適合個人的學習規劃，調整時間，學習節奏和學習路徑，利用在線學習平臺、智能搜索引擎、小組討論、問題實踐等多種有效的學習路徑，解決問題，獲取知識和技能，從而收獲學習的樂趣和問題解決的成就感，有效提高自己的學習滿意度和學習認同感。 另外，在課下增加學習評估環節和建立學習小組‍‌‍‍‌‍‌‍‍‍‌‍‍‌‍‍‍‌‍‍‌‍‍‍‌‍‍‍‍‌‍‌‍‌‍‌‍‍‌‍‍‍‍‍‍‍‍‍‌‍‍‌‍‍‌‍‌‍‌‍。 學生可以通過在線學習平臺，與智能學習問答機器人進行交互，交流個人的學習需求和學習感悟，平臺會綜合前期數據進行分析，預測學生下一步可能需要的學習內容以及學習資源，幫助學生完善個人已有的知識體系，并找到進一步提升自己的方向。 同時平臺會生成三份報告，除了一份學生評估報告外，還有一份教師建議報告和一份教育管理者建議報告，可以有針對性地關注和引導學員的學習行為。 建立學習小組，根據大數據分析系統，將學習特性互補的兩個人，一對一匹配為學習小組，以幫促學，讓表現優秀的學生在介紹學習心得和學習體驗的過程中，獲得深層次的學習感悟; 以學促學，讓學習缺乏主動性的學生增強學習自信，在學習激勵教育中，規劃個人的合理學習路徑，進而提高自主學習能力，收獲知識和學習成就感。

　　3.定期錄入學習反饋數據。 在該學習模式下，教師應時刻關注學生的學習進度和知識點的掌握情況，及時更新學生的個人學習數據庫，并可隨時調取學生的學情報告。 教師根據學生的具體學習效果，分析學生的學習行為變化和思維變化，給表現好的學生以獎勵，可選用幽默的科普知識、增加平時表現學分、減少一道考試題、擔任學習小組長等任一種獎勵方式; 對表現不佳的學生及時提醒，利用大數據分析問題產生的原因，挖掘學生的優勢，耐心教育，加以鼓勵，并時刻關注學生的學習動態，與學生一起共同努力，攻克學習難關。 獎勵方式、原因分析及有效建議可以智能推送到學生的學習終端。 此外，教師可以通過學情報告實時掌握學生的思想動態和學習情況，挖掘學生的學習潛力，同時在課堂教學中將學習激勵教育融入其中，把握學生的學習方向，指導學生合理調整學習方案，充分尊重學生的個性。

　　4.建立精細化評價體系。 在該學習模式中，學習成績不是評價學生的唯一標準，而是從初始化評價、過程性評價和總結性評價三個方面建立精細化評價體系，量化個人評價，從而避免了“整齊劃一”的考核弊端。 該評價體系可以通過大數據技術綜合分析學生的學習投入度、學習行為和學習目標三者之間的協調關系，對學生的學習能力和知識點掌握情況，給出評估意見和合理建議，并預測學生的未來發展和學習中可能出現的問題，智能推送問題產生的可能原因，以及解決問題的有效措施。 在該學習模式下，學生能有效地建立自身的學習內驅力，時刻保持學習積極性，通過教師的引導，結合具體學習內容，從自身實際出發自主選擇合理的學習路徑，從多種形式的學習資源中獲取的各類信息進行組織、整合、加工，內化為自己的知識和技能[　10，11　]，同時勤反思，多總結，多實踐，逐漸形成適合自己的個性化學習方案，以達到高效學習的目的。

　　教育論文投稿刊物：《現代教育技術》(月刊)創刊于1991年，由教育部主管，清華大學主辦，為中國教育技術協會會刊。本刊刊名由清華大學胡東成教授題字。2001年獲正式刊號，對外公開發行之際，著名教育家顧明遠教授率先為本刊題詞：“開展教育技術研究，促進教育現代化”。

　　四、總結

　　大數據和人工智能技術的發展，為我們提供了海量的優質教育資源以及常態化的數據采集和分析能力，可以深度挖掘學生的學習潛能，推動個性化學習和高效學習目標的實現。 基于大數據的智能內驅式學習模式就是結合大數據技術和智能化手段，以自主學習、教師引導、小組協作、個人評價量化為主要內容，最大限度地促進學生的學習內驅力的建立，充分尊重學生的差異性，因此該學習模式彌補了家庭教育“不專業”、學校教育“不具體”和自我學習“無導向”三方面的不足，增強學生的學習自信，提高學生自主學習的能力，確保因材施教教育目標的最終實現。

　　參考文獻

　　[1]張紅軍,解麗娜.大數據背景下智慧學習環境的設計與構建研究[J].信息技術與信息化,2019(5):181-185.

　　[2]張軼輝,鄭玉蓮,饒先發.大數據驅動下學習方式變革研究[J].黑龍江工業學院學報(綜合版), 2020,20(3):68-74.

　　[3]鐘紹春.人工智能支持智慧學習的方向與途徑[J].中國電化教育,2019(7):8-13.

　　[4]馮順順.引導學生自我探索提升學習內驅力探賾[J].成才之路,2020(13):140-141.

　　[5]林秀瑜,李夢杰. 智慧學習環境下學習分析的理論模型及其機制[J].現代教育技術,2019(4):19-25.

　　[6]唐曉旺,王曉楠,胡凡剛.高校智慧學習環境建設困境及有效路徑探析[J].軟件導刊.教育技術,2019,18(1):33-35.

　　[7]劉惠君.基于有意義學習的個性化學習模式構建與系統設計[D].武漢:華中師范大學,2018.

　　[8]范超.智慧課堂中個性化教學實現路徑研究[D].重慶:西南大學,2018.

　　作者：唐田田，王海鵬，賈舒宜，毛忠陽，周堅毅

轉載請注明來自發表學術論文網：http://www.cnzjbx.cn/jylw/27499.html