应用型课程智能交互式学习的教学研究与实践
国发〔2017〕35号[1]发布的关于印发《新一代人工智能发展规划的通知》中指出人工智能已经上升为国家战略,经过60多年的演进,特别是在移动互联网、大数据、超级计算、传感网、脑科学等新理论新技术以及经济社会发展强烈需求的共同驱动下,人工智能加速发展,将深刻改变和影响着我们社会生活的方方面面。
另一方面,学生随着信息网络等技术的快速发展,在实际调查中,我们发现学生获取知识碎片化现象严重[2,3],兴趣记忆理解低下等。传统学习方式难以适应当前快的节奏,海量信息造成注意力的转移,指数倍增长的信息轰炸等;本文主要聚焦实际教学,探索在智能教育方面进行尝试改革,针对传统教学弊端及学生缺乏智能学习等现象,提出切实可行方案。
一、概述
《新一代人工智能发展规划的通知》中重点任务划分为六个方面:构建开发协同的人工智能科技创新体系,培育高端高效的智能经济,建设安全便捷的智能社会,加强人工智能领域军民融合,构建泛在安全高效的智能化基础设施体系,前瞻布局新一代人工智能重大科技项目。其中在关于建设安全便捷的智能社会中讲到了智能教育,即利用智能技术加快推动人才培养模式、教学方法改革,构建包含智能学习、交互式学习的新型教育体系。
目前大部分的授课方式仍属于传统教学,传统教学属于典型被动式教学,以教师直接讲授为主,学生参与度较低,积极性和兴趣被压制。加上一些新的教学工具较少引入,也造成部分的不直观和学生缺乏整体性理解的问题。当然,国内外也在探索一些新的教学方式,如当前国际上比较流行PBL(Problem-Based Learning)教学法[4,5],已经取得了相当不错的教学效果。PBL教学模式尝试实施学生自学与导师指导相结合的小组教学法,和传统教学方式相比,PBL教学更倾向于以问题为基础,以学生为中心,能够有效的调动学生的交流能力和主动学习兴趣,注重协作能力和团队精神的培养,能够营造一个轻松、主动的学习氛围,激发学生的学习积极性和主动性,对知识连通有一定帮助。随着智能技术的加快发展,如何更好的智能学习,交互性学习变得更加重要。
本文针对应用型课程,在新一代人工智能发展规划的指引下,结合部分当前较为流行的PBL互动教学手段,根据《MATLAB与工程计算》课程方面的特点进行研究探索。
二、方法
本节中,我们将结合实际课程教学,提升学生的智能交互式学习方面提出两个切合可行的智能技术应用,并结合教学展开详细描述。
(一)思维导图在教学中应用
思维导图(Mind Mapping)是英国“记忆之父”Tony Buzan所创,思维导图是一种表达发散性思维的图形思维工具,通过一个中心点,不断向外进行思维的扩散形成若干关节点,每一个关节点又成为下一级主题的中心点。它们使用颜色,从中心发散出来的自然结构,使用线条、符号、词汇和图像,遵循一套简单、基本、自然、易被大脑接受的规则。使用思维导图,可以把一长串枯燥的信息变成彩色的、容易记忆的、有高度组织性的图,它与我们大脑处理事物的自然方式相吻合。
根据教学的特点,从定义,作用,画图工具,教学实践四个方面进行展开,可以有效的指导在实际教学中应用和落地。在《MATLAB与工程计算》的课程实践中,通过使用思维导图对一些关键知识点的梳理,让学生对编程实践提高兴趣和热爱,从而潜移默化的提高学生采用MATLAB工具解决工程中的一些实际问题;思维导图的应用可以帮助学生理解知识,提升整个课程的整体性理解,让学生可以把课本学到的知识通过系统性的整理,加上上机实践再总结,形成一个良性闭环,持续增强记忆;同时思维导图在头脑风暴等环节的应用,大大的提高了学生主动积极提问和回答的次数和效率,增强大家的互动性和记忆性;在课堂笔记,复习,总结等其他各个方面也同样起着重要的作用。
(二)大数据在教学中应用
随着信息技术的快速发展,网络数据变得越来越多,通常主流认为大数据可以用来处理和解读数据以及探寻数据背后包含的深层次信息,同时在体积庞大的数据量中,能够快速的挖掘出有应用价值的数据。根据实际课程特点,将大数据可视化划分三个方面,数据源的产生或来源,数据存储清洗及大数据分析,最后数据的服务指导教学。
在实际的《MATLAB与工程计算》的教学中,我们引入大数据的技术;大数据的使用,是传统的教育研究走向科学实证的重要工具,如我们在实际教学中通过对学生日常MATLAB习题答案收集,将学生易错的试题和答案进行概率的统计和排序,可以清晰的找到哪些MATLAB试题比较难和学生不易接受,然后针对相应的题目进行教学方法的改进和引导,辅助一些有效的分析等加强学生的记忆,并会定期将大数据分析得到的易错的问题进行会上头脑风暴讨论,从而找到一种最优的方案;我们还会对学生考试成绩等数据的收集分析及往年学生反馈的情况等进行数据的分析。
大量分析后的数据进行持续的迭代和存储,对不同格式的数据进行一定的数据清洗和整理,然后针对结构化的数据进行大数据的分析,可以采用比较流行的大数据分析工具,如hadoop等,将分析的数据进一步存储。
最后将分析后的数据用于指导;大数据结果的使用,能让我们从技术层面对结果进行量化和显现,如将得到的数据结果指导我们个性化化教学,并结合互联网大数据关于本课程的一些优秀的经验和案例,落实到教学中,从而对学生的学习方式、考核评估、个性化指导等提供科学的依据。
在构建一个智能学习,交互式学习评价体系中,大数据可视化技术的使用,可以有效的帮助我们洞察学生的真实情况,找到真正起作用的教育影响因素,进而有效的帮助我们走向个性化教学和科学的评估。
三、结论
本文在人工智能的大背景下,分析了《新一代人工智能发展规划的通知》中智能教学方面的要求,探索如何在现有优秀的PBL教学法基础上,根据《MATLAB与工程计算》实际课堂的相应特点,引入思维导图和大数据两个智能技术,改善学生的智能教学和交互式学习。当然结合不同的课程特点,除本文提到的方法外还可以引入其他的技术和工具来辅助提升教学。实践证明:本文通过引入智能技术加快推动人才培养模式、教学方法改革,构建包含智能学习、交互式学习的新型教育体系下的一个探索,通过引入新的技术和工具,和传统教学相比,在面向应用型的课程中培养学生智能交互式学习有效且得到学生的认可。
- 上一篇: 英语教师课堂表现的综合分析 2025-11-06
- 下一篇: 浅谈对公差原则的理解 2021-08-09