胡同花

（湖南永州职业技术学院网络中心，湖南 永州 425000）

0 引言

世界各国及教育组织对“人工智能+教育”都非常重视，先后发布了相关的政策文件和战略规划[1]，2017年，国务院印发了《新一代人工智能发展规划》，将人工智能写入国策。后续发布的《中国教育现代化2035》，进一步强化了人工智能在教育现代化中的重要意义。湖南省作为教育信息化2.0试点省，正大力推动人工智能在教育中的深入应用，在《湖南省“互联网+教育”行动计划（2019—2022年）》中重点关注“基于AI+教育的教学模式创新”[2]。本文主要研究基于“AI+教育”视角下的高校自适应混合教学模型构建及应用。

人工智能在教育领域的应用，即“AI+教育”。“AI+教育”，主要表现为语音语义识别、图像识别、AR/VR、机器学习、脑神经科学、量子计算、区块链等AI技术与教育的结合。利用AI助力教育，可实现基于数据的教育治理，取代和辅助那些重复性、机械性的工作；可实现个性化教学，促使教育公平[3]。

自适应学习（Adaptive Learning），是指根据学生的学习行为数据，学习者画像分析，判断知识点掌握情况，不断调整下一步学生要学哪个知识点，或者做什么试题，目的是从知识点和题目中选择最适合学员当前能力水平的内容进行推送，学生通过系统了解自我学习状态，实现个性化学习；老师依据系统数据对学生进行个性化分析，实现以学定教和减负增效；教育决策部门在系统辅助下可以更好地教学管理决策建议。

1 自适应混合教学现状、实践应用和不足

（1）自适应学习及自适应学习系统现状研究。现阶段国外对自适应学习的相关研究与实践较之国内起步早，研究主要在理论研究、应用模式以及学习效果方面。国内研究集中在自适应学习系统的整体建模、设计和开发、先进技术的应用等方面。

（2）自适应混合教学实践应用案例研究。随着大规模在线课程的建设与推广，近年来混合教学逐渐成为高职领域的聚焦点。在国外部分国家混合教学模式也逐渐成为高校教学主流，Craig Barnum将传统教学模式与网络、离线、在线以及现场教学等方式进行结合实现混合教学；印度NIIT公司将混合式教学分为线上教学、传统课堂教学以及学生自主学习三部分；Barnum等人提出基于web传输、面对面学习、解决方案以及协作延伸学习这四个阶段的混合教学模式；美国教育部“有效学习”项目调查结果指出，混合学习的学习效果要高于传统面授课堂教学和线上学习。据调查美国约 83%的高校使用混合式学习进行课程教学；英国约56%的高校在教育教学中采用基于混合式学习的教学模式，约50%的高校采用E-learning进行辅助教学，传统的面对面教学仅占3%的比重。国内混合式教学主要在教学设计理念上，童玲等人从课下线下、课下线上、课上线下和课上线上四个具体维度，设计了高职院校计算机专业课程混合式教学流程；在教学评价方面，姚玉剑等人以《计算机文化基础》课程的学生评价为例，构建量化评价+质性评价、诊断性评价+形成性评价+结果性评价、绝对评价+自我评价的信息化多元评价体系。在技术运用上，随着大智移云时代的到来，微课、云课堂、雨课堂、MOOC、FCM、SPOC等技术运用，国内学者们纷纷将AI技术融入混合式教学模式中，打造优质课堂。如徐晓芳等人在SPOC+FCM的视角下进行研究的，赵俊童等人研究“微课+雨课堂”的智慧教学模式等。基于案例学习的混合式教学模式结合了上述两种教学模式的优点，亦可称为混合式案例教学。其特点是为自适应教学法提供了技术支撑，为混合式教学确定了学习目标。我国混合式案例教学法在学生中可接受程度高达85%，这种新的教学模式在促进学生自主学习和提高分析解决问题的能力上均有所帮助。杨燕等人将翻转课堂理念引入混合式案例教学模式中，设计出“课前—课堂—课后”三步式教学模型，同样使教学效果得到了提升。

综上，目前混合式教学应用及模式构建备受国内外学者广泛关注，也有一定的研究成果。国外主要聚焦在教学平台、信息技术、移动终端的问题上，对混合式教学效果关注度偏高。国内领域主要集中在对资源混合，以高等教育、职业教育居多。研究具有较高的理论高度，但是对于混合式教学过程、教学实施、教学评价等方面的研究还不深入[4]，不同教育层次（高等教育和职业教育）、不同性质的课程之间缺乏比较研究。将混合式教学应用到课程改革中更少，使用混合式大量的课程教学停留在表面缺乏顶层设计的方法，没有延伸到课程之外。研究重点应从基本理论、模式构建、影响因素、实践验证、推广策略等多维度探讨教学方法的融合，解决的问题主要是线上教学监管度、学习完成度、教学效果、教学大数据精准程度及个性化教学，不能为“混”而混，流于形式；更不可沿用老套的教学方法，以灌输为主。

（3）自适应学习与混合教学融合情况研究。自适应学习与混合教学的整合研究较少，理论研究较多，研究范围狭窄，缺乏实证研究。混合教学研究相对成熟，而自适应学习相关研究及实践大都停留在基础教育领域，在高职教育领域仍有待长足发展。将自适应学习与混合教学结合的研究很大程度上改善了优质教育资源短缺及分配不均的难题，提高了教学效果，丰富了教学内涵。

（4）自适应学习不足之处研究。现阶段的混合教学问题主要是线上教学资源参差不齐，知识碎片化、个性化教学难以实施、教师与学生任务过重、线上教学效果欠佳、缺乏精准化的教学大数据、面授课堂质量低下等等。在线上教学环节，引入自适应学习是一个很好的解决出路，但现有的自适应学习系统更倾向于机器教学而忽略教师作用。然而，教育是塑造人的活动，更需要通过情感的投入和思想的引导，生硬地将自适应学习与混合教学糅合将适得其反。

2 自适应混合教学模型构建及应用

自适应混合教学研究将新兴的AI技术与传统教育方法相结合，改革传统教育模式，提升教育质量，充分的实现社会提倡的数字化减压教育，使得学生能够提升对学习的兴趣，改变传统教育观念。传统教育模式中教师以及学生均具有较大压力，教学过程烦琐且枯燥，并且相关的知识信息接触范围较小，局限了学生的学习认知范围，同时学生的主观能动性没有得到充分发挥，且教学方式单一，传统的教育模式使得优质教育资源供不应求。自适应混合教学可从个性化学习设定、学习小组、教学内容定制、教学方法、评分机制、课外辅导等多方面进行自适应混合教学模型研究[5]。

（1）个性化学习设定，可以利用AI技术进行数据采集，可以用来分析学生的学习行为，发现学生的弱点，根据优劣势选择或定制学习方式，并且可以提出建议来帮助他们改进，提高学生学习兴趣。

（2）学习小组，AI技术还可以根据学生的个性、优势和互补技能等，更科学地为学生配对、组队，使学习过程更加顺利有效。

（3）教学内容定制，人工智能现在可以分析教学大纲和课程材料，给出合适的教学内容。这些系统还可以通过分析教学内容，生成相应的考试试卷。这样老师就能够专注于学生表现等更紧迫的问题。

（4）最佳教学方法，智能算法能够为每个学生确定最佳教学方法。并不是所有的学生都可以在老师讲课的过程中把内容全部吸收，部分学生在听课中也会有问题和障碍。人工智能确定的教学方法将有助于针对性地解决学生的学习障碍。

（5）更公平的评分机制，人工智能可以读取学生的笔迹并对考试进行评分。通过计算机视觉可以训练计算机阅卷，系统能够读取学生的手写试卷并进行打分。由于是机器阅卷打分，可以避免人工判卷可能出现的主观偏见，也可以更好地打击作弊和抄袭行为。

（6）课外辅导，随着学生人数的增加，人工智能导师可以在减轻教师负担，提高效率。人工智能导师可以为学生提供额外的帮助，随时在他们的学习中给予他们反馈和指导，他们还可以为学生提供远程教学，满足学生课堂之外的学习需求。

本文从内容模型、学生模型、个性化匹配方式、自适应实现方式、评估方式、目标对象等多维度进行对比研究自适应混合教学模式的构建，从线上和线下两个环节来进行自适应混合教学划分：线上环节中，在自适应混合教学系统的支持下，根据学生学习需求、学习特点、学习行为、学习基础等参数，进行个性化学习路径打造、推送，也可进行学习内容、时间、方法动态适应性地调整，让学习活动序列和学习资源链接进行更新，让深度学习成为可能。同时，充分考虑教育的人文特性，不完全依赖于机器教学，教师在线上环节中将深度参与，适时给予学生人文关怀、个性化指导、督学、互动、作业布置等；学习共同体则基于系统讨论交流、协作互助以促进知识的内化及意义建构。完成线上教学环节以后，教师可通过系统记录的教学大数据，实时了解学生的学习状况，查找教学的薄弱环节，找出影响教学质量的因素进行内容调整、精准督导、个性化指导、教学改进等。同时也可以挖掘课程中的共性问题、争议性主题、易错点、重点难点等内容，进行线下面授环节的设计，以更好地实现线上与线下教学的衔接。在线下面授活动中，教师则开展关键知识点讲解、题目串讲、作业辅导、研讨辩论、小组探究、头脑风暴、项目实施等教学活动，以达成更高级的教学目标。整个模式中，线上教学是线下面授的基础，也是延续。

3 自适应混合教学应用意义

（1）自适应混合教学融合价值。现阶段所有的“AI+教育”应用场景中，其中最典型的就是自适应学习（Adaptive Learning）。简单说来，它基于自适应学习系统，通过AI等技术检测学生当前的学习水平和状态，按照学生的学习需求和个性特征进行学习资源的动态推送，以促进个性化学习，提高学习效果。学生通过系统可以了解自我学习状态，实现个性化学习的最优选择；教师通过系统能够为减负增效，减少简单重复工作的时间，实现对学生的个性化分析、以学定教、提升教学的效率与质量；教育决策部门通过系统能够为教学管理提供大数据辅助决策与建议，为科学治理提供支撑。将自适应学习与混合教学有机整合起来，实现两者优势互补，可实现线上学习的指导与监督、教学大数据的精准化、个性化学习、智能导学、教育公平等。本文针对高职教育教学特点，基于自适应学习系统及传统面授教学，整合自适应学习与混合教学，研究“AI+教育”视角下的自适应混合教学模型构建与应用，以弥补混合教学的不足，具有重要的现实价值。

要使自适应教学法与混合式教学法相融合教学，真正改善教学效果，最关键点在于自适应学习系统、传统面授教学的技术理论优势整合。课前：教师线下准备相关理论和案例，线上云课堂发布学习案例，学生线上观看微课视频，学习相关资料；课中：教师线上课堂互动、随堂测验，线下引导式提问、总结性评价；学生线下分组讨论、成果展示、组内自评、组间互评；线上案例情境导入、专家连线点评、拓展案例展示；课后：教师线上做课程参与度评分、案例分析参与度评分；学生线上完成章节测验、小组案例分析报告等。

（2）自适应混合教学促进学习者全面而有个性发展的价值。长期以来，“教学工厂”模式与个性化因材施教是教育领域难以兼顾的矛盾。本文尝试基于学习者不同个性特征、不同学习起点，提升学习内容与学习者之间的匹配度，帮助学生对自我学习拥有更为深刻的认识，实现真正意义上的“因材施教”。对促进高职教育教学改革的价值。现阶段高职教育领域一直困于混合教学、翻转课堂等教学方法的实践，构建自适应混合教学模式，在促进学生自主学习和提高分析解决问题的能力上有很大帮助[6]，我们结合教学实践对其再加以修正完善，对促进高职教育教学改革具有一定正向推动作用。对于教育公平的意义。自适应混合教学模式的创新应用与推广，将现有的优质教育资源实现真正意义上的共享，为不同地域、不同层次的学生带来个性化学习的机会，实现自选内容、自定进度、自我调控，有助于推动和实现选择机会意义上的教育公平。

（3）采用科学的框架模型进行教学评价的价值。AI技术可进行在线测验、及时评价知识掌握程度；云数据对学生的情绪态度、学习习惯及学习行为进行统计分析[7]；线下对学生的知识应用能力、方法能力和交际能力给出评价。混合教学从过程性评价和终结性评价两个维度出发构建线上线下混合式教学评价体系，这些数据主要以学生为主体，教师为辅，多层次，多角度，全方面进行教学效果评价。有助于教师成长成才、人才培养质量的提升，以及决策者和研究者对线上线下混合式教学的理解，为我国职业教育人才培养质量提供新角度、新思路。