導語：如何才能寫好一篇人工智能網(wǎng)絡教學，這就需要搜集整理更多的資料和文獻，歡迎閱讀由公務員之家整理的十篇范文，供你借鑒。

篇1

【關鍵詞】人工智能；診斷學教學；智能教學系統(tǒng)；智能組卷系統(tǒng)；智能閱卷系統(tǒng)；智能仿真教學系統(tǒng)

人工智能（artificialintelligence，AI）的概念最早是在1956年的Dartmouth學會上提出的，隨著計算機核心算法的突破、計算能力的迅速提高以及海量互聯(lián)網(wǎng)數(shù)據(jù)的支撐，目前已被廣泛地應用于各個領域[1-2]。近年來，人工智能也給教育教學領域帶來了機遇，人工智能+教育正如火如荼地開展和推進，改變著傳統(tǒng)的教育形式及生態(tài)[3-4]。2018年教育部《高等學校人工智能創(chuàng)新行動計劃》，各大高校在人工智能及其教育發(fā)展上有了綱領性的指導[5]。醫(yī)學教育作為教育教學諸多領域的一隅，乘著人工智能發(fā)展的東風，各大高校在推進醫(yī)學教學改革方面進行了大量積極的探索與嘗試[6-8]。診斷學是由基礎醫(yī)學過度到臨床醫(yī)學的橋梁課，其教學質量的良莠直接影響到醫(yī)學生的培養(yǎng)質量，傳統(tǒng)的教學方法難以滿足現(xiàn)代醫(yī)學教學的要求，如何發(fā)揮人工智能的應用優(yōu)勢，讓其更好地應用于診斷學的教學工作，也是診斷學課程教改的重要研究方向。

1傳統(tǒng)的診斷學教學方法存在的問題

診斷學是學習臨床基本技能最重要的一門課程，其內(nèi)容包括癥狀學、體檢檢查、實驗室檢查及輔助檢查等四大塊，分為理論課和見習課，目前大多數(shù)醫(yī)學院理論課采用的是以大班的形式在多媒體教室講授，而見習課則采取分小組的模式進行，多年的教學實踐發(fā)現(xiàn)該教學模式取得的教學效果不盡人意，尤其是近年來隨著全國各大醫(yī)學院校的擴招，出現(xiàn)了師資及教學資源配套的相對不足，上述教學模式的問題逐漸凸顯。理論知識以老師講授為主，采取的是“滿堂灌”的教學模式，然而該部分教學內(nèi)容知識點繁多，知識串聯(lián)度不高，課堂靈活度、生動度較為薄弱，學生聽完課以后對課程內(nèi)容印象不深，知識掌握度差，同時由于學生的學習主觀能動性差異大，不能進行課前充分預習的學生在課堂上更加難以跟上老師講授的節(jié)奏。見習課是對理論知識進行實踐，培養(yǎng)學生的實踐操作能力，前期理論知識掌握度差又會影響見習的教學質量，導致教學過程形成惡性循環(huán)[9]。見習課主要采取老師講授要領及演示操作流程，之后學生們互相練習的教學方法，該部分內(nèi)容需反復加強練習，同樣的動作要領反復錘煉才能熟練掌握，因課堂見習時間有限，而老師講授及演示需占用大部分時間，學生動手實踐機會不多，老師對學生的操作手法、操作內(nèi)容、操作順序等重要內(nèi)容進行指導和勘誤的時間少，學生操作的規(guī)范性難以保證，在以后的臨床實踐中，往往存在實踐操作能力的缺陷。上述教學模式教師與學生們之間除了課堂時間，其余時間是脫節(jié)的，不能很好地溝通，學生們有疑問的知識點難以得到老師的及時解答，教學活動中沒有充分反饋，各個教學環(huán)節(jié)難以進行教學反思，形成教學相長的良性循環(huán)。課后復習及階段性總結復習是課堂知識內(nèi)化及升華的重要方面，傳統(tǒng)的教學模式通常是給學生布置課后作業(yè)，學生完成后上交由老師批改留檔，這個環(huán)節(jié)學生與老師缺乏有效的溝通，且由于學生們學習主觀能動性差異，課后沒有老師的監(jiān)督及針對性地輔導，課后作業(yè)的質量良莠不齊，教學質量欠佳是顯而易見的。隨著現(xiàn)代醫(yī)學的發(fā)展及研究的開展，涌現(xiàn)了一大批新的診斷方法與手段，譬如關于腫瘤診斷的分子marker，評估預測疾病活動度及預后相關的指標，在臨床上已經(jīng)常規(guī)應用，但由于教材更新需要周期，很難跟新進展同步介紹，另外由于課時有限，難以全面地就學科前沿及新進展進行講授[10]。

2人工智能應用于診斷學教學的重要意義

2.1教師方面

將人工智能應用于診斷學教學實踐，削弱了教師的知識權威而強化了教師的價值引導，對教師的個人能力提出了更高的要求，促使教師踏實踐行終身學習并持續(xù)更新自身知識結構?；ヂ?lián)網(wǎng)高速發(fā)展的時代，知識呈幾何指數(shù)更新并出現(xiàn)大爆炸，基于各種互聯(lián)網(wǎng)即時通訊平臺及手機APP，診斷學體格檢查、理論知識講授相關的小視頻及研究進展不勝枚舉，這就要求教師及時獲取、更新知識并進行相應的知識儲備。人工智能的應用促使教師從單人施教發(fā)展為團隊施教，為開發(fā)更具個性化的課程教學注入團隊的力量?；诖髷?shù)據(jù)的人工智能可以減少診斷學教學過程中的機械性、重復性工作，如平時作業(yè)的批改、考勤統(tǒng)計等，減輕了教師的工作負擔，教師可以將更多的精力投入到醫(yī)德醫(yī)風、醫(yī)患溝通能力以及體格檢查手法的規(guī)范化培養(yǎng)上，更多的心思放在豐富課程內(nèi)容及教學形式上。同時大數(shù)據(jù)可以及時反應學生的學習動態(tài)，教師可以根據(jù)學生的反饋及課程評價有針對性地對學生進行相應的輔導。

2.2學生方面

將人工智能應用于診斷學教學實踐，可以實時動態(tài)記錄學生的學習情況及暴露的問題，如是否按時完成課程任務、測試中哪些知識點容易出錯等，人工智能系統(tǒng)能夠對這些數(shù)據(jù)進行關聯(lián)分析和深度挖掘，并且可視化呈現(xiàn)相應的數(shù)據(jù)，有利于教師及時掌握學生的學習進度、參與度以及學習效果，并根據(jù)具體的學情分析數(shù)據(jù)來調整輔導和教學方案?；谌斯ぶ悄軓姶蟮乃惴ê头治觯梢詾閷W生定制個性化的教學內(nèi)容及進度，提供更有針對性的課堂內(nèi)容和隨堂測試，并對測試及平時作業(yè)進行智能批改，真正做到查漏補缺。診斷學課程內(nèi)容相對枯燥，學生們的學習興趣有限，基于人工智能的教學方式可以寓教于樂，在課程中將一些比較零散的知識點可以設置成互動小游戲，營造出良好的課堂氛圍，提高學生們的學習興趣及學習效率。

2.3教學過程

針對教學過程，人工智能亦發(fā)揮著至關重要的作用。第一，診斷學作為橋梁課程，是一門必修課，包括臨床醫(yī)學五年制、八年制、法醫(yī)學、基礎醫(yī)學等相應專業(yè)的學生均需要學習，人工智能擁有超強的計算能力和強大的“記憶力”，面對眾多不同專業(yè)的學生，可以根據(jù)大數(shù)據(jù)進行分析，制定出適合不同專業(yè)學生的完備教學目標。教學活動開展過程中，人工智能還可以根據(jù)學生的課堂及課后測試表現(xiàn)，依據(jù)分層教學的要求自動設置梯次教學目標，幫助學生們逐步提升學習能力和知識掌握度。第二，人工智能可以憑借自身信息化的特點，對各種教學資源進行分析，為教師和學生選擇更優(yōu)質更合適的資源提供依據(jù)，促進個性化的教與學。第三，傳統(tǒng)的教學方式、教學內(nèi)容相對有限，人工智能基于大數(shù)據(jù)能夠啟發(fā)新的教學思路，創(chuàng)新教學方法，為診斷學教學提供更多的可能性。

3人工智能在診斷學教學中的應用

3.1智能教學系統(tǒng)

智能教學系統(tǒng)是教育技術學中重要的研究領域，其根本宗旨是使得學生的學習環(huán)境更加優(yōu)良和諧，智能教學系統(tǒng)能夠及時有效地調用最新最全的網(wǎng)絡資源并充分優(yōu)化后供學生學習，使得學生能夠更加全方位、多角度地學習專業(yè)知識，提高學習效果[11]。智能教學系統(tǒng)大致由領域知識部分、教師部分及學生部分3個部分構成[12]，其中領域知識部分又稱為專家部分，這一部分既包含了需要講授的內(nèi)容及掌握的技能，又可以添加專家的學術成果，既能夠保證學生對于基本概念、基本理論及基本技能的掌握，又能夠拓寬知識面，增加知識的廣度。智能教學系統(tǒng)的教師及學生部分主要是為設計和制定教學方案及策略服務，基于大數(shù)據(jù)基礎上，根據(jù)課程的特點、歷年教學情況、學生身心發(fā)展特點及學習實際情況，制定更加個性化、高效的教學方案，促成教師因材施教，取得更加理想的教學效果。

3.2智能網(wǎng)絡組卷閱卷系統(tǒng)

診斷學教學內(nèi)容包括理論和見習兩大塊，教學過程中教師的大量時間用于出題、閱卷、批改平時作業(yè)等與考核相關的工作，并且在出題過程中需要圍繞相對固定的重難點內(nèi)容不斷創(chuàng)新題型，消耗教師大量的精力。智能網(wǎng)絡組卷閱卷系統(tǒng)能夠充分發(fā)揮其優(yōu)勢，將教師從繁冗的考核相關工作中解脫出來，使得教師的教學更高效，教師能夠把更多的時間。智能網(wǎng)絡組卷系統(tǒng)能夠有效收集和分析知名高校教學團隊編寫的在線題庫，實現(xiàn)教學資源的共享，通過隨機抽題組卷、答案隨機排序、題型隨機排序以及設置避免與歷年考卷重復等，顯著提升試卷的質量，亦能改善考試作弊的頑疾，客觀地考核學生對知識的掌握度。智能網(wǎng)絡閱卷系統(tǒng)有簡明的閱卷流程，能夠更有效地識別試卷及答案，能夠明顯降低傳統(tǒng)人工閱卷方式因疲勞帶來的出錯率，使得工作效率更高、考核結果更公正。

3.3智能仿真教學系統(tǒng)

診斷學教學的見習部分是學生提高技能的重要環(huán)節(jié)，常常采用分小組在病房完成的方式進行，在課程的開展過程也凸顯出了各種各樣的問題，譬如因學生分組進行詢問病史、體格檢查，重復次數(shù)多，患者難以多次配合；在教學時間段內(nèi)病房缺相應的病種，無法對所學的癥狀進行直觀的學習；傳染病流行期間出于對學生健康安全的保護，無法進入病房見習等等，此時智能仿真教學系統(tǒng)能夠發(fā)揮重要的補充作用[13]。人工智能可以根據(jù)提供的海量真實臨床病例，由醫(yī)學專家整合其臨床特征，聯(lián)合計算機專家，根據(jù)相應的教學要求，形成虛擬病人學習系統(tǒng)，學生在仿真診療環(huán)境中，進行問診、體格檢查、診斷以及給出治療方案，同時系統(tǒng)能夠自動發(fā)現(xiàn)學生在問診及診斷過程中的錯誤，通過實踐、糾錯再實踐，提高學生采集病史、體格檢查的能力，同時能夠加強學生的臨床思維的訓練，夯實臨床基本功[14-16]。

4總結及展望

篇2

【關鍵字】人工智能；教育；進展

【中圖分類號】G40-057 【文獻標識碼】A 【論文編號】1009―8097（2008）13―0018―03

人工智能是一門綜合的交叉學科，涉及計算機科學、生理學、哲學、心理學、哲學和語言學等多個領域。人工智能主要研究用人工的方法和技術，模仿、延伸和擴展人的智能，實現(xiàn)機器智能，其長期目標是實現(xiàn)人類水平的人工智能。[1]從腦神經(jīng)生理學的角度來看，人類智能的本質可以說是通過后天的自適應訓練或學習而建立起來的種種錯綜復雜的條件反射神經(jīng)網(wǎng)絡回路的活動。[2]人工智能專家們面臨的最大挑戰(zhàn)之一是如何構造一個可以模仿人腦行為的系統(tǒng)。這一研究一旦有突破，不僅給學習科學以技術支撐，而且能反過來促使人腦的學習規(guī)律研究更加清晰，從而提供更加切實有效的方法論。[3]人工智能技術的不斷發(fā)展，使人工智能不僅成為學校教育的內(nèi)容之一，也為教育提供了豐富的教育資源，其研究成果已在教育領域得到應用，并取得了良好的效果，成為教育技術的重要研究內(nèi)容。

人工智能的研究更多的是結合具體領域進行的，其主要研究領域有：專家系統(tǒng)、機器學習、模式識別、自然語言理解、自動定理證明、自動程序設計、機器人學、博弈、智能決策支持系統(tǒng)、人工神經(jīng)網(wǎng)絡和分布式人工智能等。[4]目前，在教育中應用較為廣泛與活躍的研究領域主要有專家系統(tǒng)、機器人學、機器學習、自然語言理解、人工神經(jīng)網(wǎng)絡和分布式人工智能，下面就這些領域進行闡述。

一 專家系統(tǒng)

專家系統(tǒng)是一個具有大量專門知識與經(jīng)驗的程序系統(tǒng)，它使用人工智能技術，根據(jù)某個領域中一個或多個人類專家提供的知識和經(jīng)驗進行推理和判斷，模擬人類專家的決策過程，以解決那些需要專家決定的復雜問題。[5]專家系統(tǒng)主要組成部分為：知識庫，用于存儲某領域專家系統(tǒng)的專門知識；綜合數(shù)據(jù)庫，用于存儲領域或問題的初始數(shù)據(jù)和推理過程中得到的中間數(shù)據(jù)或信息；推理機，用于記憶所采用的規(guī)則和控制策略的程序，使整個專家系統(tǒng)能夠以邏輯方式協(xié)調地工作；解釋器，向用戶解釋專家系統(tǒng)的行為；接口，使用戶與專家系統(tǒng)進行對話。近幾十年來，專家系統(tǒng)迅速發(fā)展，是人工智能中最活躍、最有成效的一個研究領域，廣泛用于醫(yī)療診斷、地質勘探、軍事、石油化工、文化教育等領域。

目前，專家系統(tǒng)在教育中的應用最為廣泛與活躍。專家系統(tǒng)的特點通常表現(xiàn)為計劃系統(tǒng)或診斷系統(tǒng)。計劃系統(tǒng)往前走，從一個給定系統(tǒng)狀態(tài)指向最終狀態(tài)。如計劃系統(tǒng)中可以輸入有關的課堂目標和學科內(nèi)容，它可以制定出一個課堂大綱，寫出一份教案，甚至有可能開發(fā)一堂樣板課，而診斷系統(tǒng)是往后走，從一個給定系統(tǒng)陳述查找原因或對其進行分析，例如，一個診斷系統(tǒng)可能以一堂CBI（基于計算機的教學，computer-based instruction）課為例，輸入學生課堂表現(xiàn)資料，分析為什么課堂的某一部分效果不佳。在開發(fā)專家計劃系統(tǒng)支持教學系統(tǒng)開發(fā)（ISD）程序的領域中最有名的是梅里爾（Merrill）的教學設計專家系統(tǒng)（ID Expert）。[6]

教學專家系統(tǒng)的任務是根據(jù)學生的特點（如知識水平、性格等），以最合適的教案和教學方法對學生進行教學和輔導。其特點為：同時具有診斷和調試等功能；具有良好的人機界面。已經(jīng)開發(fā)和應用的教學專家系統(tǒng)有美國麻省理工學院的MACSYMA符號積分與定理證明系統(tǒng)，我國一些大學開發(fā)的計算機程序設計語言、物理智能計算機輔助教學系統(tǒng)以及聾啞人語言訓練專家系統(tǒng)等。[7]

目前，在教育中，專家系統(tǒng)的開發(fā)和應用更多的集中于遠程教育，為現(xiàn)代遠程教育的智能化提供了有力的技術支撐?；趯＜蚁到y(tǒng)構造的智能化遠程教育系統(tǒng)具有以下幾個方面的功能：具備某學科或領域的專門知識，能生成自己的提問和應答； 能夠分析學生的特征，評價和記錄學生的學習情況，診斷學生學習過程中的錯誤并進行補救教學；可以選擇不同的教學方法實現(xiàn)以學生為主體的個別化教學。[8]目前應用于遠程教育的專家系統(tǒng)有智能決策專家系統(tǒng)、智能答疑專家系統(tǒng)、網(wǎng)絡教學資源專家系統(tǒng)、智能導學系統(tǒng)和智能網(wǎng)絡組卷系統(tǒng)等。

二 機器人學

機器人學是人工智能研究是一個分支，其主要內(nèi)容包括機器人基礎理論與方法、機器人設計理論與技術、機器人仿生學、機器人系統(tǒng)理論與技術、機器人操作和移動理論與技術、微機器人學。[9]機器人的發(fā)展經(jīng)歷了三個階段：第一代機器人是以 “示教―再現(xiàn)”方式進行工作；第二代機器人具有一定的感覺裝置，表現(xiàn)出低級智能；第三代機器人是具有高度適應性的自治機器人，即智能機器人。目前開發(fā)和應用的機器人大多是智能機器人。機器人技術的發(fā)展對人類的生活和社會都產(chǎn)生了重要影響，其研究和應用逐漸由工業(yè)生產(chǎn)向教育、環(huán)境、社會服務、醫(yī)療等領域擴展。

機器人技術涉及多門科學，是一個國家科技發(fā)展水平和國民經(jīng)濟現(xiàn)代化、信息化的重要標志，因此，機器人技術是世界強國重點發(fā)展的高技術，也是世界公認的核心競爭力之一，很多國家已經(jīng)將機器人學教育列為學校的科技教育課程，在孩子中普及機器人學知識，從可持續(xù)和長遠發(fā)展的角度，為本國培養(yǎng)機器人研發(fā)人才。[10]在機器人競賽的推動下，機器人教育逐漸從大學延伸到中小學，世界發(fā)達國家例如美國、英國、法國、德國、日本等已把機器人教育納入中小學教育之中，我國許多有條件的中小學也開展了機器人教育。

機器人在作為教學內(nèi)容的同時，也為教育提供了有力的技術支撐，成為培養(yǎng)學習者創(chuàng)新精神和實踐能力的新的載體與平臺，大大豐富了教學資源。多年來，我國中小學信息技術教育的主要載體是計算機和網(wǎng)絡，教學資源單一，缺乏前瞻性。教學機器人的引入，不僅激發(fā)了學生的學習興趣，還為教學提供了豐富的、先進的教學資源。隨著機器人技術的發(fā)展，教學機器人種類越來越多，目前在中小學較為常用的教學機器人有：能力風暴機器人、通用機器人、未來之星機器人、樂高機器人、納英特機器人、中鳴機器人等。

三 機器學習

機器學習是要使計算機能夠模仿人的學習行為，自動通過學習來獲取知識和技巧，[11]其研究綜合應用了心理學、生物學、神經(jīng)生理學、邏輯學、模糊數(shù)學和計算機科學等多個學科。機器學習的方法與技術有機械學習、示教學習、類比學習、示例學習、解釋學習、歸納學習和基于神經(jīng)網(wǎng)絡的學習等，近年來，知識發(fā)現(xiàn)和數(shù)據(jù)挖掘是發(fā)展最快的機器學習技術。機器學習（自動獲取新的事實及新的推理算法）是使計算機具有智能的根本途徑，對機器學習的研究有助于發(fā)現(xiàn)人類學習的機理和揭示人腦的奧秘。[12]

隨著計算機技術的進步和機器學習研究的深入，機器學習系統(tǒng)的性能大大提高，各種學習算法的應用范圍不斷擴大，例如將連接學習用于圖文識別，歸納學習、分析學習用于專家系統(tǒng)等，大大推動了在教育中的應用，例如在建構適應性教學系統(tǒng)中，用機器學習與樸素的貝葉斯分類器動態(tài)了解學生的學習偏好，有較高的準確率[13]?；诎咐耐评恚╟ase-based reasoning，CBR）是一種新興的機器學習和推理方法，其核心思想是重用過去人們解決問題的經(jīng)驗解決新問題，在計算機輔助教育方面，已經(jīng)出現(xiàn)了基于CBR的圖形仿真教育系統(tǒng)，并且，針對個體特征的教育教學方法研究也有所突破。[14]另外，數(shù)據(jù)挖掘和知識發(fā)現(xiàn)在生物醫(yī)學、金融管理、商業(yè)銷售等領域的成功應用，不僅給機器學習注入新的生機，也為機器學習在教育中的應用提供了新的前景。

四 自然語言理解

自然語言理解就是研究如何讓計算機理解人類的自然語言，以實現(xiàn)用自然語言與計算機之間的交流。一個能夠理解自然語言信息的計算機系統(tǒng)看起來就像一個人一樣需要有上下文知識以及根據(jù)這些上下文知識和信息用信息發(fā)生器進行推理的過程。[15]自然語言理解包括口語理解和書面理解兩大任務，其功能為：回答問題，計算機能正確地回答用自然語言提出的問題；文摘生成，計算機能根據(jù)輸入的文本產(chǎn)生摘要；釋義，計算機能用不同的詞語和句型來復述輸入的自然語言信息；翻譯，計算機能把一種語言翻譯成另外一種語言。由于創(chuàng)造和使用自然語言是人類高度智能的表現(xiàn)，因此對自然語言處理的研究也有助于揭開人類高度智能的奧秘，深化對語言能力和思維本質的認識。[16]

自然語言理解最早的研究領域是機器翻譯，隨著應用研究的廣泛開展，也為機器人和專家系統(tǒng)的知識獲取提供了新的途徑，例如由MIT研制的指揮機器人的自然語言理解系統(tǒng)SHRDLU就可以接收自然語言，進行人機對話，回答關于桌面上積木世界中的各種問題。同時，對自然語言理解的研究也促進了計算機輔助語言教學和計算機語言設計等方面的發(fā)展，例如“希賽可”網(wǎng)絡智能英語學習系統(tǒng)，這個基于網(wǎng)絡的“人-機”語境的建立，突破了普通英語教師和傳統(tǒng)的單機的多媒體教學軟件所能具備能力限制，也比建立于網(wǎng)絡的“人-人”語境更具靈活性，可以為遠程學習者提供良好的英語學習支持，在國內(nèi)第一次系統(tǒng)地將用自然語言進行的人機對話系統(tǒng)應用在計算機輔助外語教學上，在國際上也是一種創(chuàng)新。[17]

五 人工神經(jīng)網(wǎng)絡

人工神經(jīng)網(wǎng)絡就是在對大腦的生理研究的基礎上，用模擬生物神經(jīng)元的某些基本功能的元件（即人工神經(jīng)元），按各種不同的聯(lián)結方式組織起來的一個網(wǎng)絡，其目的在于模擬大腦的某些機理與機制，實現(xiàn)某個方面的功能，例如可以用于模仿視覺、模式識別、聲音信號處理、控制、故障診斷等領域，人工神經(jīng)元是人工神經(jīng)網(wǎng)絡的基本單元。[18]人工神經(jīng)網(wǎng)絡有兩種基本結構：遞歸（反饋）網(wǎng)絡和多層（前饋）網(wǎng)絡，兩種主要學習算法：有指導式學習和非指導式學習。

人工神經(jīng)網(wǎng)絡從模擬人類大腦神經(jīng)網(wǎng)絡的結構和行為出發(fā)，具有大規(guī)模并行、分布式存儲和處理、自組織、自適應和自學習能力，特別適合于處理需要同時考慮許多因素和條件的、不精確和模糊的信息處理問題，[19]這使人工神經(jīng)網(wǎng)絡具有更大的發(fā)展?jié)撃埽壳耙呀?jīng)開發(fā)和應用的人工神經(jīng)網(wǎng)絡模型有30多種。人工神經(jīng)網(wǎng)絡在教育中的應用大多是與教學專家系統(tǒng)相結合，以此來改進教學專家系統(tǒng)的性能，提高智能性，使其在教學過程中對突發(fā)問題具有更好的應對能力。人工神經(jīng)網(wǎng)絡在學校管理中也得到應用，例如采用誤差反傳算法（BP）的多層感知器已應用于高校管理之中。

六 分布式人工智能(Distributed Artificial Intelligence，DAI)

分布式人工智能是分布式計算與人工智能結合的結果，研究目標是要創(chuàng)建一種能夠描述自然系統(tǒng)和社會系統(tǒng)的精確概念模型，主要研究問題是各Agent之間的合作與對話，包括分布式問題求解和多Agent系統(tǒng)兩個領域。[20]分布式人工智能系統(tǒng)一般由多個Agent組成，每個Agent又是一個半自治系統(tǒng)，Agent之間及Agent與環(huán)境之間進行并發(fā)活動并進行交互來完成問題求解。[21]由于分布式人工智能系統(tǒng)具有并行、分布、開放、協(xié)作和容錯等優(yōu)點，在資源、時空和功能上克服了單智能系統(tǒng)的局限性，因此獲得了廣泛的應用。

分布式人工智能中的Agent和多Agent技術在教學中的應用逐漸受到關注。在教學中引入Agent可以有效地提高教學系統(tǒng)的智能性，創(chuàng)造良好的學習情境，并能激發(fā)學習者的學習興趣，進行個性化教育。目前，Agent和多Agent技術多用于遠程智能教學系統(tǒng)，通過利用其分布性、自主性和社會性等特點，提高網(wǎng)絡教學系統(tǒng)的智能性，使教學資源得到充分利用，并可實現(xiàn)對學習者的學習行為進行動態(tài)跟蹤，為學習者的網(wǎng)絡學習創(chuàng)造合作性的學習環(huán)境。在網(wǎng)絡教學軟件中應用Agent技術的一個典型是美國南加利福尼亞大學（USC）開發(fā)的教學Adele（Agent for Distance Education - Light Edition） [22]。Agent技術在網(wǎng)絡教學軟件中取得的良好效果，促進了研究者對分布式人工智能在教育中的應用研究。

綜上所述，科學技術的發(fā)展將會推動人工智能技術在教育中應用的廣度和深度。從人工智能的應用趨勢來看，人工智能在教育中應用的擴展可以通過以下三個方面進行：一是人工智能與其他先進信息技術結合。人工智能已經(jīng)與多媒體技術、網(wǎng)絡技術、數(shù)據(jù)庫技術等有效的融合，為提高學習效率和效度提供了有力的技術支持，而引起教育技術界廣泛關注。[23]例如人工智能技術通過與多媒體技術相結合，可以提高智能教學系統(tǒng)的教學效果；與網(wǎng)絡通訊技術相結合，可以提高和改進遠程教育的智能性。二是人工智能應用研究領域間的集成。人工智能應用研究領域之間并不是彼此獨立，而是相互促進，相互完善，它們可以通過集成擴展彼此的功能和應用能力。例如自然語言理解與專家系統(tǒng)、機器人的集成，為專家系統(tǒng)和機器人提供了新的知識獲取途徑。三是人工智能的研究和應用出現(xiàn)了許多新的領域，它們是傳統(tǒng)人工智能的延伸與擴展，這些新領域有分布式人工智能與Agent、計算智能與進化計算、數(shù)據(jù)挖掘與知識發(fā)現(xiàn)以及人工生命等[24]，這些發(fā)展與應用蘊藏著巨大潛能，必將對教育產(chǎn)生重要的影響。

技術發(fā)展不斷發(fā)揮著引導教育技術研究的作用，一種新興技術的出現(xiàn)總是會掀起相應的研究熱潮, 引發(fā)對技術在教育中應用的探討、評價以及與傳統(tǒng)技術的對比。[25] 人工智能作為一門交叉的前沿學科，雖然在基本理論和方法等方面存在著爭論，但從其研究成果與應用效果來看，有著廣闊的應用前景，值得進一步的開發(fā)和利用。

參考文獻

[1] 史忠植,王文杰.人工智能[M].北京:國防工業(yè)出版社,2007:1.

[2][11][18][19] 《計算機與信息科學十萬個為什么》叢書編輯委員會,計算機與信息科學十萬個為什么(8):人工智能[M].北京:清華大學出版社,1998:5,189,78-79,84.

[3] 任友群,胡航.論學習科學的本質及其學科基礎[J].中國電化教育,2007,(5):1-5.

[4][21] 蔡瑞英,李長河.人工智能[M].武漢:武漢理工大學出版社,2003:12-13.

[5][12][15][20][24] 蔡自興,徐光.人工智能及其應用(第三版)――研究生用書[M].北京:清華大學出版社,2007: 12-14,19-20.

[6] [荷]山尼•戴克斯特拉,[德]諾伯特•M. 西爾,[德]弗蘭茲•肖特,等.任友群,鄭太年主譯.教學設計的國際觀第2冊:解決教學設計問題[M].北京:教育科學出版社,2007:67.

[7] 任友群.技術支撐的教與學及其理論基礎[M].上海:上海教育出版社,2007:42-43.

[8] 路利娟.應用專家系統(tǒng)提升現(xiàn)代遠程教育的智能化[J].中國教育技術裝備,2007,(12):79-80.

[9] 陳懇,楊向東,劉莉等.機器人技術與應用[M].北京:清華大學出版社,2007:6.

[10] 關注機器人幼兒教育――訪鮑青山博士[DB/OL].

[13] 柏宏權,韓慶年.機器學習在適應性教學系統(tǒng)中的應用研究[J].南京師范大學學報(工程技術版),2007,7(4):76-79.

[14] 楊健,趙秦怡.基于案例的推理技術研究進展及應用[J].計算機工程與設計,2008,29(3):710-712.

[16] 自然語言理解[DB/OL].

[17] 賈積有.人工智能技術的遠程教育應用探索――“希賽可”智能型網(wǎng)上英語學習系統(tǒng)[J].現(xiàn)代教育技術,2006,16(2):26-29.

[22] Erin Shaw, W. Lewis Johnson, and Rajaram Ganeshan, Pedagogical Agents on the Web[DB/OL].

篇3

先給大家重點推薦一本期刊：中國職業(yè)技術教育

中國職業(yè)技術教育雜志征稿信息

《中國職業(yè)技術教育》雜志是由中華人民共和國教育部主管，教育部職業(yè)技術教育中心研究所、中國職業(yè)技術教育學會和高等教育出版社共同主辦的一份綜合性中文期刊，集政策指導性、學術理論性和應用服務于一身，是教育部指導全國職業(yè)教育工作的重要輿論工具，是服務各級各類職業(yè)教育機構的主要陣地。

中國職業(yè)技術教育投稿欄目：主要有職教要聞、專稿專訪、綜合管理方略、課程教材、教研與教學、師資隊伍建設、研究與探討、職業(yè)指導、職業(yè)培訓、高等職業(yè)教育等欄目。

再給大家推薦職業(yè)教育范文：人工智能背景下職業(yè)教育變革及模式建構

董文娟1，黃堯2(1.天津大學教育學院，天津300350；2.北京師范大學國家職業(yè)教育研究院，北京100875)

摘要：順應人工智能時代的浪潮，基于新興技術的職業(yè)教育變革及新模式建構勢在必行。該文從職業(yè)教育智慧化、經(jīng)濟發(fā)展、政策保障、信息化生態(tài)重構四個方面，剖析了人工智能時代職業(yè)教育變革的現(xiàn)實訴求，并進一步分析了當前職業(yè)教育外部環(huán)境及其自身發(fā)展的困境。人工智能背景下職業(yè)教育的變革體現(xiàn)出融合、創(chuàng)新、跨界、終身化的新特征。基于此，從課程、教學、學習、環(huán)境、教師發(fā)展、評價、教育管理及組織等方面，探究職業(yè)教育的變革路徑及模式建構。最后探討了職業(yè)教育模式變革還面臨回歸教育本質、規(guī)避技術弊端等挑戰(zhàn)，并提出“適應—引領人工智能”的發(fā)展目標。

關鍵詞：人工智能；職業(yè)教育變革；模式建構；智慧化

“人工智能的迅速發(fā)展將深刻改變?nèi)祟惿鐣?、改變世界。特別是在移動互聯(lián)網(wǎng)、超級計算等新理論、新技術及經(jīng)濟社會發(fā)展強烈需求的共同驅動下，人工智能發(fā)展呈現(xiàn)出深度學習、跨界融合、人機協(xié)同、群智開放、自主操控等新特征?！盵1]人工智能作為新一輪產(chǎn)業(yè)變革的核心驅動力，為我國供給側結構性改革下的“新常態(tài)”經(jīng)濟發(fā)展注入新動能，使人們的思維模式和生活方式發(fā)生了深刻變革。近年來，國家高度重視與社會經(jīng)濟發(fā)展聯(lián)系最為密切的職業(yè)教育，積極推進職業(yè)教育信息化，運用人工智能改革教學方法和人才培養(yǎng)模式，構建新型智能職教體系，提升信息技術引領職業(yè)教育創(chuàng)新發(fā)展的能力。

一、人工智能背景下職業(yè)教育變革的現(xiàn)實訴求

人工智能對傳統(tǒng)教育理念產(chǎn)生了革命性沖擊，職業(yè)教育結構不斷調整，勞動力素質與市場需求的矛盾、學習方式與自我價值實現(xiàn)的矛盾等促使職業(yè)教育向智慧化、智能化發(fā)展。目前，我國處于教育信息化2.0、工業(yè)4.0的新時期，全球范圍內(nèi)新一輪的科技革命和產(chǎn)業(yè)變革正在加速進行?！耙粠б宦贰薄爸袊圃?025”人工智能等重大國家戰(zhàn)略的提出，及以新技術、新產(chǎn)業(yè)為特征的新興經(jīng)濟模式要求教育領域，尤其是職業(yè)教育培養(yǎng)行業(yè)、產(chǎn)業(yè)急需的技術技能型、智慧型人才，具備更高的創(chuàng)新創(chuàng)業(yè)能力和跨界整合能力，促進智慧化發(fā)展，助力經(jīng)濟轉型升級。

(一)職業(yè)教育智慧化訴求：職業(yè)教育信息化發(fā)展的必然選擇

“智慧教育是以物聯(lián)網(wǎng)，大數(shù)據(jù)等信息技術為依托，創(chuàng)造智慧教學環(huán)境，轉換教育方法，內(nèi)容與手段，注重教育網(wǎng)絡化，個性化和智能化的一種教育新模式?！盵2]智慧教育作為“一種由學校、區(qū)域或國家提供的高學習體驗、高內(nèi)容適配性和高教學效率的教育行為(系統(tǒng))”，被視為教育信息化發(fā)展的高端形態(tài)[3]。因此，職業(yè)教育的智慧化并非簡單的數(shù)字化，強調信息技術推動職業(yè)教育教學模式和方法的變革，改變思維模式，創(chuàng)建價值等方面共享的學習共同體，培養(yǎng)創(chuàng)新型、智慧型人才。

職業(yè)教育智慧化是職業(yè)教育信息化發(fā)展的必然選擇。目前，我國的職業(yè)教育信息化水平正在穩(wěn)步提高，投入持續(xù)增加，各種智能信息技術應用于教育教學、實習實訓、測量評價等領域，并逐步成熟，正在努力打造一個信息化、智慧化的現(xiàn)代職業(yè)教育生態(tài)系統(tǒng)。新時期我國很多地區(qū)及職業(yè)院校積極提升現(xiàn)有信息化系統(tǒng)的智慧化水平，積極創(chuàng)建智慧校園、智慧社區(qū)等，逐步實現(xiàn)了組織管理的智慧化、資源環(huán)境的智慧化和服務評價的智慧化。

(二)經(jīng)濟發(fā)展訴求：人工智能時代的新興經(jīng)濟需要高技能智慧型人才

人工智能時代職業(yè)教育運用移動互聯(lián)網(wǎng)、大數(shù)據(jù)等新興技術，與經(jīng)濟及其他部門跨界融合，不斷創(chuàng)造新產(chǎn)品、新業(yè)務，推動職業(yè)教育模式創(chuàng)新，形成了以互聯(lián)網(wǎng)為基礎設施、人工智能為實現(xiàn)手段的經(jīng)濟發(fā)展新常態(tài)。人工智能時代是以現(xiàn)代科學技術為支撐的新時代，各行各業(yè)的運作發(fā)展和對知識技術的掌握要求達到了更高層面，相應的教育需求也有所提升，市場環(huán)境渴求勇于創(chuàng)新、個性化的高技能智慧型人才。職業(yè)教育要應對行業(yè)上升發(fā)展的勞動力需求問題，基于人工智能應用，提高技能培養(yǎng)層級，以適應新的社會勞務需求?，F(xiàn)代企業(yè)生產(chǎn)依托互聯(lián)網(wǎng)科技，與智能化設備直接聯(lián)接，通過數(shù)據(jù)分析和應用，促進科技成果轉化為生產(chǎn)力。勞動密集型企業(yè)已不適應現(xiàn)代行業(yè)、產(chǎn)業(yè)發(fā)展，需升級為網(wǎng)絡智能型，與此同時，職業(yè)院校的課程模式、專業(yè)設置、實習實訓、師資結構等也做出相應的調整和革新，既促進了職業(yè)教育的智慧化、智能化，又推動了產(chǎn)業(yè)升級和工業(yè)變革。

(三)政策保障：國家從宏觀層面保障人工智能時代的職業(yè)教育發(fā)展

2016年是我國人工智能元年，2017年我國頒布了《新一代人工智能發(fā)展規(guī)劃》，提出了“將發(fā)展人工智能放在國家戰(zhàn)略層面進行系統(tǒng)謀劃和布局”，這預示著我國人工智能時代的全面到來，為我國職業(yè)教育的發(fā)展提供了良好的宏觀政策環(huán)境。人工智能給職業(yè)教育帶來了符合時代精神的新內(nèi)容，積極融合信息技術，整合職業(yè)教育資源，提升公共服務水平，影響和改變了原有的教育生態(tài)。緊密依托信息共享平臺，突破時空限制，讓學習者自我選擇，更加人性化和智能化。我國很多職業(yè)院校已經(jīng)開啟了智慧校園的行動計劃，一些大中城市也在積極制定實施智慧城市的發(fā)展規(guī)劃，在良好的政策保障中提升智慧化水平。

(四)信息化生態(tài)重構訴求：人工智能時代的職業(yè)教育變革是對職業(yè)教育信息化生態(tài)系統(tǒng)的重構

“依據(jù)《2006-2020年國家信息化發(fā)展戰(zhàn)略》，我國正在有序推進數(shù)字教育向智慧教育的躍遷升級和創(chuàng)新發(fā)展?！盵4]在新興智能信息技術的催促下，技術變革帶來了職業(yè)教育系統(tǒng)的顛覆性創(chuàng)新改革，打破現(xiàn)有的條條框框，改革傳統(tǒng)教育模式，再造教育業(yè)務新流程。在職業(yè)教育領域創(chuàng)新應用物聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能等先進技術，提升各科各門教育教學業(yè)務，打造各級各類智能實訓部門、培訓機構，覆蓋貫通中高職院校，整合系統(tǒng)內(nèi)外現(xiàn)有資源，推進智慧教育生態(tài)有序發(fā)展，為各類用戶提供最適合、最智能的職業(yè)教育資源和服務，完成對職業(yè)教育信息化生態(tài)系統(tǒng)的重構。

二、當前職業(yè)教育發(fā)展的現(xiàn)實困境

人工智能對各行各業(yè)的影響具有革命性和顛覆性，可能帶來新的發(fā)展機遇，也可能帶來不確定性的挑戰(zhàn)，比如可能會改變就業(yè)結構、影響政府管理、威脅經(jīng)濟安全等，還可能會沖擊法律與社會倫理，影響社會穩(wěn)定乃至全球治理。當前，人工智能與“大眾創(chuàng)業(yè)、萬眾創(chuàng)新”浪潮席卷而來，職業(yè)院校既是人工智能應用的戰(zhàn)場，又是培養(yǎng)技術創(chuàng)新型人才的“夢工廠”[5]。人工智能時代的職業(yè)教育信息化發(fā)展迅速，影響是廣而深的，對職業(yè)教育外部環(huán)境及其本身都造成了極大的沖擊。

(一)職業(yè)教育外部環(huán)境發(fā)展困境

“據(jù)聯(lián)合國教科文組織預測，到2020年，人工智能將替代20億個工作崗位”[6]，那些技術含量低、重復性強的技能將被智能機器、數(shù)碼設備所替代，工業(yè)機器人也將大面積應用。智能設備替代行業(yè)勞動力，能夠降低勞動成本，且具有高效、易操作等競爭優(yōu)勢。傳統(tǒng)職業(yè)教育培養(yǎng)模式很難適應未來行業(yè)、產(chǎn)業(yè)的發(fā)展需求，人工智能沖擊職業(yè)教育就業(yè)崗位，撼動其所依附的崗位基礎，對職業(yè)教育的生存與定位產(chǎn)生了威脅。因此，根據(jù)智能時代職業(yè)教育的崗位特征與需求，提升職業(yè)人才的知識結構和專業(yè)技能，是新形勢下職業(yè)教育的發(fā)展方向。

(二)職業(yè)教育自身發(fā)展困境

近年來，人工智能在職業(yè)教育領域內(nèi)的應用和提高是目前職業(yè)教育的發(fā)展趨勢。我國重視職業(yè)教育信息化、智能化發(fā)展，各級各類職業(yè)院校在信息化基礎設施建設、校園信息化管理等方面都有了顯著提升，但信息技術與職業(yè)教育的深度融合仍不夠緊密，表現(xiàn)出信息化管理效率低、科學決策水平低等現(xiàn)象。人工智能背景下職業(yè)教育自身發(fā)展的困境表現(xiàn)在：

1.課程與教學困境

職業(yè)院校新課程改革提倡構建智慧課堂，制定個性化學習計劃，注重課堂實施效果。但目前的實際課程教學仍是以教師為中心，強調知識的灌輸，重視統(tǒng)一性和計劃性，與教育改革提倡的個性化教學相去甚遠。教學方法、教學理念更新慢，很難激發(fā)學生的內(nèi)在學習動力，創(chuàng)新性思維弱，使得個性化教育的無法實現(xiàn)。近年來，中央、省、市、縣四級教育平臺逐步建立起來，課程與教學的層級設計逐步完善，但在實施的過程中，各級平臺之間存在溝通不暢等問題，各級資源內(nèi)容不系統(tǒng)，不銜接，導致無序疊加和資源的重復浪費，“精品課程”等項目豐富了課程資源，但質量不高。在線課程與教學以傳統(tǒng)的科目、章節(jié)為單元，構建系統(tǒng)性的在線教育內(nèi)容，為用戶提供專業(yè)化的知識選擇，但由于受時間條件等限制，大多數(shù)受教育者習慣于碎片化學習，連貫性和整體性差，缺乏對課程與教學體系的系統(tǒng)性學習。

2.認知困境

隨著人工智能時代的到來，許多職業(yè)院校將“未來教室”“智慧課堂”定位為未來發(fā)展方向，進行了多種嘗試和改革，如MOOC混合教學、翻轉課堂、多屏教學等，但“管理者和施教者對智慧教育的理解多停留在‘智慧課堂=多媒體+傳統(tǒng)教學的層面’，教學觀念和思維依然固化，并沒有因為新技術的參與而得到實質改變”[7]，缺乏對多媒體網(wǎng)絡架構和智能學習平臺的深層認識，更缺乏對管理評價和互動交流等模塊的理解與掌握，雖投入大量人力財力采購了數(shù)量巨大、設備精良的多媒體設備和智能服務設備，但沒有充分有效使用，大大限制了智慧教育的發(fā)展?jié)摿Α?/p>

3.用戶困境

傳統(tǒng)教學以群體教育為基本單元，教師和學習者作為學習共同體，在管理、學習的互動過程中形成強大的群體約束力，促進雙方共同進步。在信息化教育時代，學習者自由掌握學習時間和進度，遇到問題可能無法及時解決并獲得反饋，無法進行面對面交流，因此，基于人工智能網(wǎng)絡化學習平臺，學習者需要高自控力、高學習能力才能適應這種全新的學習方式。

4.評價困境

傳統(tǒng)的評價方式多依靠經(jīng)驗和觀察，智慧型評價則是基于學習過程的一種發(fā)展性評價，以采集到的學習數(shù)據(jù)為客觀基礎。在人工智能、數(shù)字信息化環(huán)境下教育效果的評價實際要受到很多因素的影響和局限，在信息技術與職業(yè)教育融合的過程之中，許多智能技術應用于教育教學實踐，難以進行定性定量的智慧評價，如互動交流及深層次的學習評價等。

三、人工智能背景下職業(yè)教育變革的新特征

人工智能帶來了思維模式的創(chuàng)新，改變了人們認識問題、思考和解決問題的方式，越來越多地依賴人與智能網(wǎng)絡的協(xié)同創(chuàng)新。人工智能背景下的職業(yè)教育變革圍繞經(jīng)濟社會發(fā)展大局，“主動服務國家重大發(fā)展戰(zhàn)略，加大虛擬現(xiàn)實、云計算等新技術應用，體現(xiàn)校企合作、知行合一等職教特色，以應用促融合、以融合促創(chuàng)新、以創(chuàng)新促發(fā)展?！盵8]人工智能背景下職業(yè)教育的變革必將加速推進職業(yè)教育的現(xiàn)代化、智能化進程，表現(xiàn)出了融合、創(chuàng)新、跨界和終身化的新特征。

(一)融合

人工智能技術科學應用于當前職業(yè)教育，在最短的時間內(nèi)整合、重組大量的知識信息，形成科學的技術技能知識體系，為職業(yè)教育資源、企業(yè)資源、產(chǎn)業(yè)資源、社會資源等一切有可能聯(lián)結的資源融合提供了可能。為促進職業(yè)教育的智慧化發(fā)展，在現(xiàn)有的合作模式、集團模式、產(chǎn)教融合模式等實體協(xié)作發(fā)展的基礎上，建立智能互動的智慧教育供給平臺、常態(tài)化智慧課堂和大數(shù)據(jù)化智慧教育生態(tài)系統(tǒng)，為我國新興經(jīng)濟發(fā)展提供高技能、智慧型人才支撐。

(二)創(chuàng)新

信息化時代下“變”為創(chuàng)新立足之要點。創(chuàng)新時代最需要提升的就是創(chuàng)造智慧?！坝芍R的理解記憶，轉向知識的遷移、應用并最終指向創(chuàng)造發(fā)明”[9]，以提高學習者的學習能力和應用能力，提升其創(chuàng)新思維和智慧思維，不斷開拓人類社會發(fā)展的高度和寬度。智能化、信息化的時代是創(chuàng)新不斷的時代，是原有知識不斷被更新、技術不斷被升級的時代。人工智能促使社會化協(xié)同大規(guī)模發(fā)展，促進職業(yè)教育體系核心要素的重組與重構，創(chuàng)新生產(chǎn)關系，呈現(xiàn)出新的協(xié)作架構，開創(chuàng)了新的教育供給方式，增加了教育的選擇性，推動了教育的民主化。學習者能夠按照自己的價值觀、興趣與愛好等選擇適合自己個性發(fā)展的學習方式和學習內(nèi)容，促進學習者個性化、多樣化發(fā)展，最終實現(xiàn)教育公平。

(三)跨界

智能科學與職業(yè)教育連接起來，搭建起兩者溝通的橋梁，跨越了人工智能虛擬教育和線下實體教育的界限，實現(xiàn)了兩者之間的融合。教育供給由競爭資源轉變?yōu)閰f(xié)同合作，直線型的中心組織管理轉向去中心化、泛化管理。通過大數(shù)據(jù)智能技術平臺、遠程教育平臺等對職業(yè)教育資源進行整合共享，跨越教育邊界，與市場、行業(yè)、企業(yè)以及職業(yè)教育培訓機構對接，提供更加便捷的智慧化服務。

(四)終身化

人工智能時代職業(yè)教育的變革堅持“以人為本”的教育理念，滿足學習者在任意時間、任意地點、以任意方式、任意步調終身學習的需求[10]。打破了地域和時間的限制，體現(xiàn)了教育的泛在化、個性化和終身化，與終身教育理念的發(fā)展目標不謀而合。人工智能時代社會經(jīng)濟發(fā)展加快，人們追求高層次自我價值的實現(xiàn)，充分體現(xiàn)出終身學習的必要性和緊迫性。目前，我國正在積極創(chuàng)建泛在學習環(huán)境，致力于構建終身化學習型社會，努力創(chuàng)造有利條件向全民提供終身教育與學習的機會。

四、人工智能背景下職業(yè)教育發(fā)展的模式建構

人工智能背景下職業(yè)教育的變革預示著全新思維意識形態(tài)、社會發(fā)展形態(tài)的變革，重塑職業(yè)教育可持續(xù)發(fā)展的新思維，重構信息時代職業(yè)教育的價值鏈和生態(tài)系統(tǒng)。智能化技術科學將現(xiàn)代職業(yè)教育內(nèi)部各要素，以及內(nèi)部要素與外部環(huán)境之間，通過虛擬技術和智能化手段互聯(lián)貫通，突破傳統(tǒng)教育價值的鏈狀模式，使職業(yè)教育由傳統(tǒng)模式走向“人工智能+職業(yè)教育”模式的建構。人工智能對職業(yè)教育課程、教學、評價、管理、教師發(fā)展等方面產(chǎn)生系統(tǒng)性影響，為職業(yè)教育提高教育質量和提升服務水平提供了技術支持和現(xiàn)實路徑，解決不能兼顧職業(yè)教育規(guī)模和質量的矛盾問題。下面將從課程、教學、學習、環(huán)境、教師發(fā)展、評價、教育管理及組織等方面來探究職業(yè)教育的變革路徑及模式建構。

(一)人工智能背景下職業(yè)教育的課程模式

人工智能時代的信息知識、科學技術正在以前所未有的速度增長、更新和迭代，呈現(xiàn)出了碎片化、多元化、創(chuàng)新性、社會性的特征。人工智能背景下職業(yè)教育的課程模式是為學習者提供按需可隨時選擇的知識儲備智能模式，解決了傳統(tǒng)職業(yè)院校課程教學的滯后性，呈現(xiàn)的是現(xiàn)代職業(yè)教育的前沿信息和內(nèi)容。課程革命愈演愈烈，靈活多樣的微課、慕課等形式層出不窮，在線課程將成為常態(tài)，信息傳播媒介、知識獲取方式等都發(fā)生了巨大改變，課程內(nèi)容和結構的表現(xiàn)形態(tài)、呈現(xiàn)方式、實施及評價等也都進行了相應變革。智能化信息科學技術為課程的設計、架構、實施提供了快捷和便利，為學習者的個性化、終身化選擇提供了多種渠道。人工智能背景下職業(yè)教育的課程模式的建構表現(xiàn)為：首先，線上線下融合的大規(guī)模開放課程融入現(xiàn)代職業(yè)教育，課程的表現(xiàn)形態(tài)和實施途徑呈現(xiàn)出智能化、數(shù)字化、立體化的特征，成為學校常態(tài)課程的有機組成部分，為學習者提供了更多的可選擇機會，使實施個性化課程成為可能?，F(xiàn)代職業(yè)教育的課程內(nèi)容強調學術性與生活性相互融合與轉化，融入社會資源，立足于我國社會經(jīng)濟的新常態(tài)和學習者的全面發(fā)展，實現(xiàn)社會化協(xié)同發(fā)展，共贏共創(chuàng)；其次，課程實施的空間得以拓展，跨越了社會組織邊界、職業(yè)院校邊界，將從班級、年級、全校擴展到網(wǎng)絡社區(qū)以及更大的空間。課程的整體結構從分散走向整合，以技術為媒介，形成跨學科、多學科整合的課程；最后，課程內(nèi)容的組織、課程的實施逐步模塊化、碎片化、移動化與泛在化，社會化分工更加精細，教師也將承擔教學設計、技術開發(fā)、在線輔導等不同的角色。

(二)人工智能背景下職業(yè)教育的教學模式

人工智能時代將信息技術有效地融合于職業(yè)教育各學科的教學過程，從知識的傳遞轉變?yōu)檎J知的建構，從注重講授和內(nèi)容，轉變成重視學習過程[11]，構建“以教師為主導，以學生為主體”的以數(shù)字化、智能化為特征的智慧教學模式，重視學生的主體地位，引導學生“自主、探究、合作”。人工智能背景下職業(yè)教育的教學模式的建構表現(xiàn)為：首先，人們的學習方法、認知方式和思維模式已經(jīng)發(fā)生了巨大的轉變。信息化教學使得信息技術已成為學習者認知的必要工具，認知方式也由“從技術中學”轉型為“用技術學”。其次，信息化教學的重點從“面向內(nèi)容設計”轉變到“面向學習過程設計”，更加重視學習者發(fā)現(xiàn)問題、分析和解決問題能力的培養(yǎng)，關注學習者的學習過程，以及其獲得學習活動的體驗。同時，信息化教學要將課堂內(nèi)的學習知識和課堂外的實踐活動聯(lián)結互動，按照學習者的個性化需求和認知方式自主選擇學習內(nèi)容。第三，智慧教學將成為課堂教學的新重點。日常教學工作形態(tài)不再是點線面的連接，而是呈現(xiàn)為智能化、立體化的教學空間，智慧課堂將會促進學習者的深度學習、交互學習和融合學習，智能備課、批閱以及個性化指導等也將成為教育者新的教學工作形式。從機械評價學習結果轉變成適應性評價學習結果。第四，在線教學、整合技術的學科教學法將成為新的教學形態(tài)，促進教育均衡發(fā)展，實現(xiàn)跨學校、跨區(qū)域的流轉。移動學習、遠程協(xié)作等信息化教學模式，能夠實現(xiàn)教師的“教”與學生的“學”的全面實時互動，最大限度地調動學習者的主觀能動性，提升教學質量與人才培養(yǎng)質量。

(三)人工智能背景下職業(yè)教育的學習模式

智能系統(tǒng)和互聯(lián)網(wǎng)絡為學習者提供了豐富多元的學習資源和環(huán)境，推進了教育教學活動與學習環(huán)境的融合發(fā)展，人工智能背景下職業(yè)教育的學習模式也逐步建立起來，具體表現(xiàn)為：首先，智能時代的互聯(lián)網(wǎng)絡全面覆蓋每一個人、每一個角落，活動空間由課堂內(nèi)拓展到課堂外，學習與非正式學習正在互相補充、互相與融合，導致學習者的學習行為變化、學習方式的革新。其次，基于互聯(lián)網(wǎng)出現(xiàn)了一批創(chuàng)新的學習方式，借助情景感知技術及智慧信息技術，進行真實過程體驗的情境學習，促進學習者知識遷移運用的情境化和社會化。第三，借助互聯(lián)網(wǎng)云技術和各種應用工具，學習者可根據(jù)自身學習需求，選擇最優(yōu)學習方式，也可利用數(shù)據(jù)分析技術，追蹤記錄學習路徑和學習交互過程，隨時隨地獲取個性化教學服務和量身定制的學習資源，拓寬了智慧教育視野。第四，各職業(yè)院校開始拓展校園智慧學習的時間和空間，以實現(xiàn)虛擬和現(xiàn)實相互結合的智慧校園育人環(huán)境。推進網(wǎng)絡學習空間建設，加強教與學全過程的數(shù)據(jù)采集和分析，“引導各地各職業(yè)院校開發(fā)基于工作過程的虛擬仿真實訓資源和個性化自主學習系統(tǒng)”[12]，強化優(yōu)質資源在學習環(huán)境中的實際應用。

(四)人工智能背景下職業(yè)教育的環(huán)境模式

智慧教育環(huán)境是以大數(shù)據(jù)、多媒體、云計算等智能信息技術為基礎而構建的虛實融合、智能適應的均衡化生態(tài)系統(tǒng)。信息技術與職業(yè)教育的深度融合，為師生的全面發(fā)展提供了智慧化的成長環(huán)境，如智慧云平臺、智慧校園。人工智能背景下職業(yè)教育的環(huán)境模式的建構表現(xiàn)為：首先，智慧教育環(huán)境將信息技術與職業(yè)教育服務結合、面對面教學和在線學習結合，形成數(shù)字化的、虛實結合的職業(yè)教育智能服務新模式。其次，智慧教育環(huán)境將促進各種智能化、數(shù)字化信息技術融入職業(yè)院校的各個業(yè)務范圍和業(yè)務領域，與系統(tǒng)內(nèi)的其他業(yè)務橫向互聯(lián)、縱向貫通，且信息能夠適時生成和采集，全過程實現(xiàn)數(shù)字化與互聯(lián)化。第三，智慧教育環(huán)境能夠感知學習者所處的學習情境，理解學習者的行為與意圖，滿足學習者的個性化需求，提供多元化的適應服務和智能感知的信息服務。互聯(lián)網(wǎng)應用基于智能數(shù)據(jù)分析，實現(xiàn)智能調節(jié)與自動監(jiān)控，為學習者提供定制式的學習服務和個性化的學習環(huán)境。未來教室必將變成“虛擬+現(xiàn)實”的智慧課堂，在網(wǎng)絡空間中參與線上課程、線下活動，實現(xiàn)線上線下互動交流。同時，智慧校園的創(chuàng)建和管理，能夠對每個班級、學區(qū)進行動態(tài)管理，構建出一個以問題、任務為線索，學生實現(xiàn)自主學習的知識體系和促進師生互動、生生互動的智慧管理平臺。到2020年，“90%以上的職業(yè)院校建成不低于《職業(yè)院校數(shù)字校園建設規(guī)范》要求的數(shù)字校園，各地普遍建立推進職業(yè)教育信息化持續(xù)健康發(fā)展的政策機制”[13]，以學習者為中心的自主、泛在學習普遍開展，精準的智能服務能夠滿足職業(yè)教育的終身化定制。

(五)人工智能背景下職業(yè)教育的教師發(fā)展模式

人工智能背景下職業(yè)教育的變革對教師的專業(yè)發(fā)展、素質能力提出了新要求，改變了教師的能力結構和工作狀態(tài)。教育信息化大背景下，互聯(lián)網(wǎng)技術、多媒體手段的產(chǎn)生、智能化設備的使用極大提高了教師的專業(yè)發(fā)展和能力素養(yǎng)，以適應新課程改革與教育信息化的要求。人工智能背景下職業(yè)教育的教師發(fā)展模式的建構表現(xiàn)為：首先，新時代教師專業(yè)發(fā)展的內(nèi)在要求和外在環(huán)境都要求教師能夠認識、了解和應用互聯(lián)網(wǎng)新技術工具，促使教師專業(yè)發(fā)展能力和素養(yǎng)的提升和豐富。其次，教師的專業(yè)發(fā)展要面向實際、情境化、網(wǎng)絡化的教學問題，教師需要在多變的教育情境中綜合運用核心教學技能，將信息技術知識、學科內(nèi)容知識、教學法知識很好地融合并遷移運用。新時代的教師要學會掌握使用智能化設備和數(shù)字化網(wǎng)絡資源，積極加強與其他專家、教師的合作，或遠程工作，形成基于智慧教育技術的多元化的學習共同體。教師的工作狀態(tài)由個體的單獨工作轉變?yōu)槿后w的共同協(xié)作，大大提升了教師的工作效率。第三，信息化背景下教師的教學理念要發(fā)生轉變，由促進學生“接受學習”轉變?yōu)椤爸鲃咏嫛保伞氨粍舆m應”轉變?yōu)椤爸鲃訁⑴c”，越來越強調以學生為中心的過程體驗，從了解信息技術轉變?yōu)檎莆罩腔劢逃夹g，保持學科知識，教學方法，核心技術的動態(tài)平衡，促進學生智慧學習的發(fā)生。第四，信息化教師要學會使用智能化教育技術，積極開發(fā)數(shù)字化學習資源，創(chuàng)設豐富多元的教學活動，鼓勵學生掌握智能信息工具，學會探究和解決問題，發(fā)展提升學生的創(chuàng)新思維能力和信息化學習能力。教師的信息化教學能力和素養(yǎng)全面提升，信息技術應用能力實現(xiàn)常態(tài)化。

(六)人工智能背景下職業(yè)教育的評價模式

現(xiàn)代教育價值趨于多元，以互聯(lián)網(wǎng)為基礎的智能化信息技術使教育評價在評價依據(jù)、評價內(nèi)容、評價主體等多個方面實現(xiàn)了全面轉變。人工智能背景下職業(yè)教育的評價模式的建構表現(xiàn)為：首先，互聯(lián)網(wǎng)信息技術應用于學習過程使得伴隨式評價成為可能，更加關注學習者的個體差異和特點。強調過程評價和多元共同評價，更加客觀全面，重視評價過程的診斷與改進功能，以促進學習者的個性化發(fā)展。其次，互聯(lián)網(wǎng)、大數(shù)據(jù)、智能云技術的出現(xiàn)使得評價的技術和手段多樣化、智能化，節(jié)省人力物力財力，提高了評價的科學性、針對性。第三，以大數(shù)據(jù)為基礎的適應性評價因人而異，可獲得及時反饋，可真實地測評學習者的認知結構、能力傾向和個性特征等，從知識領域擴展到技能領域、情感、態(tài)度與價值觀，構建以學習者核心素養(yǎng)為導向的教育測量與評價體系，促進學習者發(fā)展。

(七)人工智能背景下職業(yè)教育的管理模式

智能化信息技術、云計算技術、大數(shù)據(jù)技術等能夠促進大規(guī)模社會化協(xié)同，拓展教育資源與服務的共享性，提高教育管理、決策與評價的智慧性，因此，基于互聯(lián)網(wǎng)的教育管理必將逐步走向“智慧管理”模式。人工智能背景下職業(yè)教育的管理模式的建構表現(xiàn)為：首先，互聯(lián)網(wǎng)將家庭、學校、社區(qū)等緊密、方便地聯(lián)系在一起，拓寬了家長和社會機構參與學校管理的渠道，各利益相關者可共同參與現(xiàn)代職業(yè)院校的學校管理，協(xié)作育人。其次，新時代的職業(yè)院校管理模式通過可視化界面進行智能化管理，業(yè)務數(shù)據(jù)幾乎全部數(shù)字化，能有效降低信息管理系統(tǒng)的技術門檻，使管理工作更加輕松、高效。通過深度的數(shù)據(jù)挖掘與分析，能夠實現(xiàn)個性化、精準資源信息的智能推薦和服務，為管理人員和決策者提供及時、全面、精準的數(shù)據(jù)支持，以提高決策的科學性。第三，通過互聯(lián)網(wǎng)信息技術可以實現(xiàn)全方位、隨時的遠程監(jiān)督與指導，從督導評估轉變?yōu)閷崟r評估，可以實現(xiàn)大規(guī)模的實時溝通與協(xié)作，促進社會化分工，促進職業(yè)院校內(nèi)部重構管理業(yè)務流程，使管理智能化、網(wǎng)絡化、專業(yè)化。

(八)人工智能背景下職業(yè)教育的組織模式

人工智能時代信息科學技術的蓬勃發(fā)展沖擊著學校內(nèi)部的組織結構向智能化、網(wǎng)絡化的方向發(fā)展，各職業(yè)院校需要合理調整內(nèi)部組織結構和資源分配，通過互聯(lián)網(wǎng)加快信息流動等方式，提高各職業(yè)院校組織管理的效率和活力。人工智能背景下職業(yè)教育的組織模式的建構表現(xiàn)為：首先，當今時代人工智能的產(chǎn)生不可能替代學校教育，但可以改變學校教育的基本業(yè)務流程。人工智能推動了學校組織結構向網(wǎng)絡化方向發(fā)展，教學與課程是提供信息數(shù)據(jù)的重要平臺，學校組織則構成了教育大數(shù)據(jù)生態(tài)系統(tǒng)。其次，“互聯(lián)網(wǎng)+職業(yè)教育”的跨界融合將打破學校的圍墻的阻隔，互聯(lián)網(wǎng)將學校組織與企業(yè)、科研院所等社會機構緊密聯(lián)系起來，提供優(yōu)質教育資源供給，共同承擔知識的傳授、傳播、轉化等功能，促進學校組織體系核心要素的重構。第三，建設“智慧校園”，實現(xiàn)線上線下融合的智慧校園育人環(huán)境，實施一體化校園網(wǎng)絡認證，推動智能化教育資源共建共享，實現(xiàn)職業(yè)教育信息化建設的均衡發(fā)展。

五、人工智能背景下職業(yè)教育的模式變革面臨的挑戰(zhàn)及發(fā)展目標

人工智能將推進大數(shù)據(jù)、云技術等智能信息技術深層次融入職業(yè)教育課程與教學、組織與管理、評價與反饋等領域，形成社會化多元供給，為學習者提供多樣化的參與方式、自主選擇的學習形式和及時獲得反饋的評價途徑，有利于實現(xiàn)職業(yè)教育的共建、共享、共治。但其全面實現(xiàn)，還面臨著諸多挑戰(zhàn)。

(一)挑戰(zhàn)

首先，職業(yè)教育的新模式建構需要充足的資金支持。各職業(yè)院校積極建構智慧校園，努力實現(xiàn)智慧化產(chǎn)學研環(huán)境，打造一體化智慧城市網(wǎng)絡等核心技術的開發(fā)，都需要資金的根本保障。政府要給予資金政策保障并加強監(jiān)管，資金管理部門要合理規(guī)劃，合理利用，專款專用，落到實處。其次，職業(yè)教育的新模式建構的成果表現(xiàn)離不開學習者對技術的理解、掌握和應用。在實際實施過程中，教育工作者既要利用信息技術優(yōu)勢變革職業(yè)教育，也要避免技術中心主義傾向，“避免一味追趕技術新潮而不顧學生身心健康等，技術本身是一個禍福相依的辯證法。”[14]第三，“目前的教育實踐中，仍未能充分實現(xiàn)人機合理分工和雙邊優(yōu)勢互補。人工智能終端系統(tǒng)擅長邏輯性、單調重復的工作，而人類則更適合情感性、創(chuàng)造性和社會性的工作。”[15]現(xiàn)階段，信息化技術水平還有待提高，智能機器不能完全勝任知識傳播、數(shù)據(jù)處理等工作，有待于進一步開發(fā)和完善，絕對依賴互聯(lián)網(wǎng)絡和設備，還存在一定的風險。

(二)發(fā)展目標

人工智能時代職業(yè)教育變革重新架構了職業(yè)教育發(fā)展模式，完成了對資源的重新整合配置，改變了人的思維方式、學習方式和生活方式。人工智能時代下沒有職業(yè)教育模式的改革，就不可能建構真正的現(xiàn)代化職業(yè)教育。人工智能背景下職業(yè)教育的發(fā)展目標可以概括為個三方面：

1.“智慧腦”與“智能腦”融通

隨著第四次產(chǎn)業(yè)革命的到來，信息技術爆發(fā)式發(fā)展，造就了以電腦、互聯(lián)網(wǎng)為基礎的智能腦。職業(yè)教育智慧化發(fā)展的一個目標就是如何讓學習者發(fā)揮人腦“智慧腦”與機器設備“智能腦”的“雙腦”共同協(xié)作[16]。人工智能時代職業(yè)教育與信息技術的深度融合，就是要通過“智慧腦”和“智能腦”的協(xié)同作用，發(fā)揮互補優(yōu)勢，進行融通式學習，而不是簡單地人腦與電腦的技術對接。

2.“現(xiàn)實世界”與“虛擬世界”結合

在人工智能時代，網(wǎng)絡虛擬技術的發(fā)展使人類擁有了真實與虛擬兩個世界，虛擬信息技術的興起在一定程度上會影響職業(yè)教育的實體教育，實體教育的發(fā)展也需要虛擬技術的支撐。但在具體的學習實踐中，還會存在利用這兩個世界時顧此失彼、難以平衡的問題。目前，虛擬化教育技術在職業(yè)教育領域不斷應用與推廣，職業(yè)教育的發(fā)展模式不斷優(yōu)化，使得職業(yè)院校線上線下的邊界逐漸消融，“現(xiàn)實世界”與“虛擬世界”更好地結合。人工智能時代職業(yè)教育的本質沒有發(fā)生根本改變，學習者要學會利用這兩個世界虛實融合、高度互動，充分發(fā)揮出自身的優(yōu)勢，更好地學習與生活。

3.職業(yè)教育“適應人工智能”發(fā)展為“引領人工智能”

人工智能為職業(yè)教育帶來了強大的技術支持，為職業(yè)教育帶來了便利。初始階段的職業(yè)教育基本知識和技能被數(shù)字化和智能化，通過人工智能相關課程，云教育模式，個性化學習計劃等，適應并應用人工智能，以提高職業(yè)教育的效率和質量。職業(yè)教育重在技術創(chuàng)新，對于行業(yè)技術發(fā)展具有一定的引領性作用。未來人工智能將成為職業(yè)院校快速發(fā)展和轉型的技術支撐。“如某些職業(yè)院?；谧陨韮?yōu)勢專業(yè)與相關行業(yè)的智能自動化企業(yè)合作，實現(xiàn)以職業(yè)教育發(fā)展引領人工智能?！盵17]目前，人工智能處于適應性大發(fā)展階段，隨著信息化技術的提高和智能化設備的普及，人工智能時代必將由專用人工智能時代步入通用人工智能時代。在通用人工智能時代，人工智能與職業(yè)教育深度融合高效協(xié)作，職業(yè)教育完全適應且完美應用于人工智能，進一步引領人工智能發(fā)展，由“人工智能+職業(yè)教育”發(fā)展為“職業(yè)教育+人工智能”的時代。

篇4

關鍵詞：ICAI；系統(tǒng)模型；教學策略；綜合集成方法論MSM；現(xiàn)代教育技術

中圖分類號：G250.73 文獻標識碼：B 文章編號：1673-8454(2012)01-0030-04

計算機輔助教學（Computer Aided Instruction，簡稱CAI）是利用計算機來模擬教師的行為，通過學生與計算機之間的交互活動來達到教學的目的。即在計算機輔助下進行的各種教學活動，主要是以對話方式和學生討論教學內(nèi)容、安排教學進程、進行教學訓練的方法與技術。CAI為學生提供一個個人化的學習環(huán)境，綜合應用多媒體、知識庫等計算機技術，這是傳統(tǒng)CAI的主要應用方式。

在沒有智能系統(tǒng)支持的情況下，傳統(tǒng)CAI盡管可能具有良好的教學材料模型，但它往往僅借助于計算機來展示教學內(nèi)容，并不能很好地根據(jù)它所教學生的學習特征，以不同的教學策略和教學方法來教授；只是盲目地傳授知識給學生，如果某個學生不能接受提供的教學策略，系統(tǒng)沒有為這個學生提供可供選擇的另外的教學策略。目前使用的絕大多數(shù)CAI是將全部教學信息以編程方式預置于課件中，這樣的CAI課件一旦制作完成，很難對課件進行更新和維護，尤其是在這樣的CAI系統(tǒng)中，學生的學習仍然處于被動狀態(tài)，即完全受計算機控制。

一、智能化計算機輔助教學概念

現(xiàn)代教育技術的日益發(fā)展以及與其他領先技術的結合，必然促使計算機輔助教學CAI的進一步發(fā)展。人工智能技術應用于CAI產(chǎn)生的基于網(wǎng)絡環(huán)境的智能化CAI，就是現(xiàn)代信息化社會發(fā)展的產(chǎn)物，并在教育教學領域中有很好的發(fā)展前景。

人工智能是計算機科學的一個分支，它的目標是構造能表現(xiàn)出一定智能行為的，目的就是讓計算機這臺機器能夠像人一樣思考。人工智能的研究更多地是結合具體領域進行的，主要研究領域有專家系統(tǒng)、機器學習、模式識別、博弈、智能決定支持系統(tǒng)、人工神經(jīng)網(wǎng)絡等等。人工智能技術與專家系統(tǒng)的成就，促使人們把問題求解、知識表示這些技術引入CAI，并借助于網(wǎng)絡環(huán)境來實施，這便是智能型計算機輔助教學。

智能計算機輔助教學ICAI（Intelligence Computer Assisted Instruction）屬于人工智能的一個分支，是以認知科學和思維科學為理論基礎，綜合人工智能技術，教育心理學等多門學科的知識對學生實施教育的一門新的教育技術。ICAI通過研究人類學習思維的特征和過程，探索學習知識的模式，利用信息化網(wǎng)絡環(huán)境使學生獲得個別化自適應性學習的獲取知識方法，從而使學生的學習更有針對性，更有效。

ICAI依靠人工智能技術的進步，主要應在因材施教方面取得進展。其主要特點是:

（1）能自動生成適合學習者程度的學習內(nèi)容。

（2）能根據(jù)學生的不同認知水平與學習風格選擇教學策略和教學方法。

（3）能評價學生的學習結果，并不斷地在教學中改善教學策略。

二、智能化計算機輔助教學研究現(xiàn)狀

現(xiàn)階段，在一些發(fā)達國家，如美國、日本、加拿大、英國、法國、澳大利亞等，CAI已經(jīng)普遍存在于學校和家庭中，正起著越來越大的作用。而ICAI的研究還處于初始階段。目前國內(nèi)在這一領域的研究主要集中在CAI和ICAI的優(yōu)缺點比較，ICAI的理論來源、系統(tǒng)特征、模塊建設、發(fā)展趨勢等基礎理論知識的研究，基于相關課程或學科的實踐研究還比較少見。智能教學系統(tǒng)的設計和開發(fā)是一項復雜的系統(tǒng)工程，由于需要考慮的因素較多，系統(tǒng)比較龐大，同時也依賴于人工智能等技術的發(fā)展,因而要建立完善的ICAI還是比較困難的。[1]因此ICAI有很大的理論和實踐發(fā)展空間。

完善的ICAI系統(tǒng)需能夠充分調動學生的主動性，并能通過分析推理，對某具體學生做出適合的教學決策。使學生獲得個別化自適應性學習的學習方法，達到因材施教的目的。人工智能技術的發(fā)展必將會對ICAI的發(fā)展起到巨大的推動作用。隨著計算機科學的發(fā)展，21世紀的教育教學輔助手段將是以ICAI為主線，多學科、多方位發(fā)展的新技術的體現(xiàn)，越來越多的教育工作者會從更多的視角審視ICAI，并從事ICAI的研究。相信ICAI將會在現(xiàn)代教育領域中有更廣泛的應用。

“現(xiàn)代教育技術”既是教育技術專業(yè)的必修課程，也是大中專院校廣泛設置的選修課程，適用范圍非常廣泛。本文以《現(xiàn)代教育技術》這門課程為主要研究對象，來研究智能化教學系統(tǒng)設計在具體實踐中的應用。

三、ICAI決策系統(tǒng)的理論依據(jù)

1.綜合集成理論

教育是以人為主體參與的活動，而人本身就是一個復雜巨系統(tǒng)，因此以這種大量的復雜巨系統(tǒng)為子系統(tǒng)組成的系統(tǒng)――教育系統(tǒng)，是一個復雜巨系統(tǒng)。依據(jù)系統(tǒng)與其環(huán)境是否有物質、能量和信息的交換，將系統(tǒng)劃分為開放系統(tǒng)和封閉系統(tǒng)來看，學生的學習受到教師、同學、家庭及社會等因素的影響，所以教育系統(tǒng)是一個開放的復雜巨系統(tǒng)。

錢學森的理論和實踐研究表明：現(xiàn)在能用的、惟一能有效處理開放的復雜巨系統(tǒng)的方法，就是定性定量相結合的綜合集成方法論。綜合集成方法論（Meta-synthesis Methodology MSM）是方法論上的創(chuàng)新，它是研究復雜巨系統(tǒng)和復雜性問題的方法論。[2]定性定量相結合的綜合集成方法是將專家群體(各種有關的專家)、數(shù)據(jù)和各種信息與計算機技術有機結合起來，把各種學科的科學理論和人的經(jīng)驗知識結合起來，發(fā)揮這個系統(tǒng)的整體優(yōu)勢和綜合優(yōu)勢。[3]它把人的經(jīng)驗、知識、智慧以及各種情況、資料和信息系統(tǒng)集成起來，從多方面定性認識上升到定量認識，從而達到解決復雜系統(tǒng)問題的目的。在解決問題的過程中，專家群體和專家的經(jīng)驗知識起著重要的作用。

教學系統(tǒng)設計是一個復雜的系統(tǒng)，它是由教育系統(tǒng)的復雜性決定的。教育系統(tǒng)具有復雜系統(tǒng)的基本特點，它在結構與功能上表現(xiàn)為規(guī)模大、相關因素多且相關方式復雜、目標多樣等；在運動上表現(xiàn)為隨機性、非線性等。用一般的理論方法無法全面合理地解決這一不良結構的問題，本研究嘗試用綜合集成方法論來指導、分析教學設計智能化過程。因此，運用綜合集成理論的方法來研究教學設計系統(tǒng)，探討具體科目的教學設計在設計過程中遇到的復雜性問題，進而構建科學合理的教學設計系統(tǒng)，具有重要的理論和實踐價值。

2.教學設計理論

本文采用“雙主”教學模式作為ICAI的教學設計的理論基礎?！半p主”教學模式既能發(fā)揮教師的主導作用又能充分發(fā)揮學習者認知主體作用，是在教師主導下的課堂中能讓學習者參與進來共同學習的一種教學模式。

基于“雙主”的教學模式，要求根據(jù)學習者的特征、學習內(nèi)容、學習策略、學習目標等多種因素的不同情況研究它們的結合方式，以使系統(tǒng)達到理想的教學效果。

基于網(wǎng)絡環(huán)境的ICAI相對于傳統(tǒng)的CAI來說，充分體現(xiàn)了“雙主”的教學模式。ICAI中有專門分析學習者學習方式和認知水平的學生模型，有專門為不同的學習內(nèi)容選擇不同的學習策略的策略庫模型（也稱為教師模型），有評價學習效果并反饋給系統(tǒng)的評價模型。學生模型是對學習者的學習特征進行分析，包括學習者的學習風格、認知水平。策略庫模型包含有豐富教學策略和有一個智能推理機，能根據(jù)學生模型的信息和學習目標為學習者選擇合適的學習策略，指導學習者學習。

3.建構主義學習理論

當代建構主義者主張，世界是客觀存在的，但是對于世界的理解和賦予意義卻是由每個人自己決定的。建構主義者認為學習者要以自己的經(jīng)驗為基礎來建構現(xiàn)實，或者至少說是在解釋現(xiàn)實，每個人的經(jīng)驗世界是用自己的頭腦創(chuàng)建的。

學習過程同時包含兩方面的建構：一方面是對新知識意義的建構，同時又包含對原有經(jīng)驗的改造和重組。建構主義者強調學習者在學習過程中能夠靈活地建構起用于指導實踐活動的圖式，這種圖式是對概念的豐富理解，依據(jù)個人經(jīng)驗背景的不同而不同。

教學應當把學習者原有的知識經(jīng)驗作為新知識的生長點，引導學習者從原有的知識經(jīng)驗中，生長新的知識經(jīng)驗。教學不是知識的傳遞，而是知識的處理和轉換。

ICAI伴隨著這種理論的發(fā)展而發(fā)展，它注重的是由學習者來控制學習過程，重視學習內(nèi)容的知識結構和學習情境，讓學習者主動構建對自己有意義的知識的活動?；诰W(wǎng)絡環(huán)境的ICAI積極地為學習者創(chuàng)設學習情境，幫助學習者用他們已有的知識去建構、生成、整合新的知識。

4.教學處方理論

“教學處方理論”是鄭永柏博士于1998年提出的一種新型適合于信息化教學設計的理論，他通過對教學系統(tǒng)設計理論和計算機輔助教學設計方面的研究，建構了一種新型的教學系統(tǒng)設計理論――教學處方理論。該理論主要包括：六個基本概念、一個理論框架、三條基本原理和兩個關于教學設計的知識庫。[4]

該理論指出教學處方可以看作是教學設計者(有時可以看作是教師)依據(jù)系統(tǒng)分析后使用的各種教學模式、教學方法和教學內(nèi)容處理模式的組合；說明了在特定教學條件下對特定教學結果的教學，以不同的學習理論和教學理論為指導將會采用不同的教學方法，即教學處方，這也是本研究的核心內(nèi)容，是該系統(tǒng)設計的指導理論?！敖虒W處方理論”具有更好的包容性、開放性，能夠吸收和容納豐富的學習和教學研究成果。

四、ICAI系統(tǒng)的模塊結構

1.前端分析模塊：認知能力、學習動機、認知風格

前端分析是美國學者哈利斯（Harless，J．）在1968年提出的一個概念，指的是在教學設計過程開始的時候，先分析若干直接影響教學設計但又不屬于具體設計事項的問題，本文主要指認知能力、學習動機和認知風格方面的分析。前端分析模塊主要是建立相應的學生特征類型的數(shù)據(jù)庫。

認知能力的測量采用認記、理解、應用、分析、綜合、評價六個維度，每個維度有“優(yōu)、良、中、差”四個選項。通過數(shù)據(jù)分析找出學習者的現(xiàn)狀和期望之間的差距，確定需要解決的問題是什么，并確定問題的性質，形成不同層次的教學設計項目的目標。

學習風格和學習動機通過專門的量表來收集數(shù)據(jù)。

2.內(nèi)容分析模塊

教學內(nèi)容分析就是在確定好總教學目標的前提下，借助歸類分析法、圖解分析法、層級分析法、信息加工分析法等方法，分析學習者要實現(xiàn)總的教學目標，需要掌握哪些知識、技能或形成什么態(tài)度。通過對教學內(nèi)容的處理，確定學習者所需學習內(nèi)容的范圍和深度，確定內(nèi)容各組成部分之間的關系，為以后教學順序的安排奠定好基礎。

對教學內(nèi)容的處理主要包括：教學內(nèi)容的選擇、教學內(nèi)容的編排、確定單元目標及對內(nèi)容進行初步評價、分析教學內(nèi)容類別及性質等四個基本方面。在構建規(guī)定性教學內(nèi)容處理模式庫時，應對上述四個方面提供具體的方法。[5]

3.決策模塊

教學策略（處方）的制定就是根據(jù)特定的教學目標、教學內(nèi)容、教學對象等條件，來合理地選擇相應的教學順序、教學方法、教學組織形式。在數(shù)據(jù)庫中建立可供選擇的不同的教學策略（處方），是本文所研究的ICAI系統(tǒng)的主要模塊，也是特色模塊。

教學策略（處方）的制定包括教學順序的確定、教學方法的選擇、教學組織形式的選擇等。教學順序的確定就是要確定教學內(nèi)容各組成部分之間的先后順序；教學方法的選擇就是要通過講授法、演示法、討論法、練習法、實驗法、示范模仿法等不同方法的選擇，來激發(fā)并維持學習者的注意和興趣，傳遞教學內(nèi)容；教學組織形式主要有集體授課、小組討論和個別化自學三種形式，各種形式各有所長，須根據(jù)具體情況進行相應的選擇。教學策略的制定是根據(jù)具體的目標、內(nèi)容、對象等來確定的，要具體問題具體分析，不存在能適用于所有目標、內(nèi)容、對象的教學策略。

4.評價模塊

在基于網(wǎng)絡環(huán)境的ICAI的評價模塊，要依據(jù)前面確定的教學目標，運用評價量表，分析學習者對預期學習目標的完成情況，主要收集三個方面的基本信息，一是要收集關于教師對教學設計方案和教學方案實施結果的滿意度的信息數(shù)據(jù)，二是要收集關于學習者對教學過程、教學策略的適應性的信息數(shù)據(jù)，三是要看與其他方法相比，本處方中所采用的方法是否有獨到之處，是否有不足之處。[6]在數(shù)據(jù)分析的基礎上，對教學策略和教學內(nèi)容的修改和完善提出建議，并以此為基礎對ICAI各個環(huán)節(jié)的工作進行相應的修改。

5.ICAI系統(tǒng)模型框圖

學習者前端數(shù)據(jù)采集數(shù)據(jù)庫包括：認知結構測量及分析系統(tǒng)、學習動機測量及分析系統(tǒng)、學習風格測量及分析系統(tǒng)和學生基本信息系統(tǒng)。系統(tǒng)模型如圖所示。

五、ICAI決策系統(tǒng)實驗數(shù)據(jù)來源

本課題實踐研究的調查對象來自云南大學，是2008屆市場營銷教育和財會教育本科生，共89人，課程設置為現(xiàn)代教育技術。學生調查表包括本科生基本信息表，所羅門學習風格量表，學習者認知能力調查問卷，學習者學習動機調查問卷四份表格組成。實際收到數(shù)據(jù)表89份，有效數(shù)據(jù)表75份。數(shù)據(jù)表中的信息選項根據(jù)所占權重，統(tǒng)一折合成百分制進行處理。

六、總結

本文把教學設計理論、方法與“現(xiàn)代教育技術”課程相結合，擬研發(fā)出一個基于綜合集成方法論的廣義智能網(wǎng)絡教學設計輔助系統(tǒng)。主要研究成果如下：

（1）把綜合集成方法論引入解決教學設計這一不良結構問題；

（2）結合數(shù)字化方法和數(shù)據(jù)挖掘技術，它能對學習者進行數(shù)字化的前端分析；

（3）它所自動化給出的教學設計方案，可為青年教師提供良好借鑒，有利于教師因材施教、因風格施教、因需要施教；

（4）它所自動化給出的學習者學習建議方案，有利于促進學習者自主學習。

現(xiàn)有的CAI存在的許多問題隨著新技術的不斷出現(xiàn)而顯得越來越不能適應新環(huán)境的需求，因此以基于網(wǎng)絡環(huán)境的ICAI為代表的新計算機輔助教學系統(tǒng)，將是教育教學研究人員在教育技術上需要不斷探求、努力實現(xiàn)的發(fā)展方向。

參考文獻：

[1]楊采堅，董玉銘.智能教學系統(tǒng)設計[J].中國電大教育,1993（3）.

[2]于景元,涂元季.從定性到定量綜合集成方法――案例研究[J].系統(tǒng)工程理論與實踐,2002.5.

[3]錢學森,于景元,戴汝為.一個科學新領域：開放的復雜巨系統(tǒng)及其方法論[J].自然雜志,1990(1).

[4]鄭永柏.教學系統(tǒng)設計理論和方法研究:教學處方理論和ISD-EPSSS的設計與開發(fā)[D].北京師范大學博士學位論文，1998.

篇5

關鍵詞：未來工作能力；高職院校；創(chuàng)新創(chuàng)業(yè)教育

1未來工作能力需求的變化

1.1工業(yè)4.0時代

無論是德國“工業(yè)4.0”戰(zhàn)略、“中國制造2025”戰(zhàn)略，還是美國“工業(yè)互聯(lián)網(wǎng)”概念，它們的本質內(nèi)容是一致的，都指向一個核心，即智能制造，也就是“互聯(lián)網(wǎng)+制造”。機器人、人工智能和物聯(lián)網(wǎng)是工業(yè)4.0時代的代表。工業(yè)4.0時代有5個重要的特點：（1）互聯(lián)：互聯(lián)工業(yè)4.0的核心是連接，要把設備、生產(chǎn)線、工廠、供應商、產(chǎn)品和客戶緊密地聯(lián)系在一起；（2）數(shù)據(jù)：工業(yè)4.0連接和產(chǎn)品數(shù)據(jù)、設備數(shù)據(jù)、研發(fā)數(shù)據(jù)、工業(yè)鏈數(shù)據(jù)、運營數(shù)據(jù)、管理數(shù)據(jù)、銷售數(shù)據(jù)、消費者數(shù)據(jù)。企業(yè)利用數(shù)據(jù)分析，不斷改善客戶體驗，滿足客戶對新商品和新服務的需求，生產(chǎn)和服務實現(xiàn)批量化個性定制；（3）集成：工業(yè)4.0將各種傳感器、嵌入式終端系統(tǒng)、智能控制系統(tǒng)、通信設施連接形成一個智能網(wǎng)絡。通過這個智能網(wǎng)絡，使人與人、人與機器、機器與機器以及服務與服務之間，能夠形成一個互聯(lián)，從而實現(xiàn)橫向、縱向和端到端的高度集成；（4）創(chuàng)新：工業(yè)4.0的實施過程是制造業(yè)創(chuàng)新發(fā)展的過程，制造技術、產(chǎn)品、模式、業(yè)態(tài)、組織等方面的創(chuàng)新，將會層出不窮，從技術創(chuàng)新到產(chǎn)品創(chuàng)新，到模式創(chuàng)新，最后到組織創(chuàng)新；（5）轉型：由傳統(tǒng)制造從大規(guī)模生產(chǎn)轉向柔性化、個性化定制。毫無疑問，移動互聯(lián)網(wǎng)、大數(shù)據(jù)、云計算、社會媒體和內(nèi)存數(shù)據(jù)庫技術的發(fā)展快速推動了實體和虛擬世界的結合，這些技術的發(fā)展為改變生產(chǎn)、產(chǎn)品銷售方式和商業(yè)模式創(chuàng)新提供了空前的可能[1]。

1.2未來工作能力需求的變化

世界經(jīng)濟論壇最新報告預計，到2020年，科技的發(fā)展將導致15個主要發(fā)達和新興經(jīng)濟體凈損失逾500萬個工作崗位。通過自動化或去中介化的方式可能將減少710萬個工作崗位，與此同時也有210萬個工作崗位將被創(chuàng)造，其主要集中在更為專業(yè)的領域，例如計算機、數(shù)學、建筑以及工程領域。傳統(tǒng)的雇傭關系將發(fā)生巨大的變化，企業(yè)與員工之間是合伙人的關系，未來的工作也將由企業(yè)員工、自由工作者、外包和合作伙伴、人力資源平臺、人工智能等協(xié)同完成。傳統(tǒng)的雇員社會正在消失，員工將利用互聯(lián)網(wǎng)知識、平臺，創(chuàng)造任何自己想要創(chuàng)造的價值，未來的工作方式將更加多元化和復雜化。世界經(jīng)濟論壇在2016年開啟了對“未來工作”的研究項目，從15個經(jīng)濟體的10個行業(yè)中選取了當今最大的企業(yè)，針對從現(xiàn)在起到2020年科技對就業(yè)、工作和技能的影響，調查了這些企業(yè)的人力資源管理者。受訪者認為，到2020年，對解決復雜問題的能力以及社交技能和系統(tǒng)性技能的需求會遠遠高于對身體能力和知識性技能的需求。2020年的技能需求度依次為：“解決復雜問題的能力是36%、社交技能是19%、過程技能是18%、系統(tǒng)技能是17%、認知能力是15%、資源管理技能是13%、專業(yè)知識和技能是12%、身體能力占比4%”。對專業(yè)知識和技能的重視度已從傳統(tǒng)的占絕對優(yōu)勢下降為12%[2]。由此可見，高職院校對學生職業(yè)能力的培養(yǎng)必須從單純重視職業(yè)技能轉化為培養(yǎng)學生具備利用已有的知識和技能，通過團隊協(xié)作，創(chuàng)造性地解決復雜問題的能力。傳統(tǒng)的以就業(yè)為導向，以專業(yè)知識和技能為教學主體，實踐和公共理論課為輔的教學模式已經(jīng)無法適應未來工作能力需求的變化。高職院校必須對開展創(chuàng)新創(chuàng)業(yè)教育的價值內(nèi)涵、技能教學與創(chuàng)新教育的融合、高職學生創(chuàng)業(yè)實踐的模式進行再認知，通過建立創(chuàng)新創(chuàng)業(yè)課程教育體系、深化校企合作、實施跨學科融合教學，增強學生的創(chuàng)新創(chuàng)業(yè)意識，提高學生用創(chuàng)造性思維解決問題的能力[3-4]。

2高職院校對開展創(chuàng)新創(chuàng)業(yè)教育的價值認知偏差

2.1創(chuàng)業(yè)教育的價值內(nèi)涵

20世紀80年代中后期，西方國家提出了一種新的教育理念，即創(chuàng)業(yè)教育（EnterpriseEducation）。創(chuàng)業(yè)教育的價值是提高學生的創(chuàng)業(yè)素質，即培養(yǎng)學生的事業(yè)心、開拓進取精神和創(chuàng)新精神。我國在《關于大力推進高等學校創(chuàng)新創(chuàng)業(yè)教育和大學生自主創(chuàng)業(yè)工作的意見》《國務院辦公廳關于深化高等學校創(chuàng)新創(chuàng)業(yè)教育改革的實施意見》等文件頒布以來，“大眾創(chuàng)業(yè)、萬眾創(chuàng)新”席卷各行各業(yè)。以創(chuàng)新創(chuàng)業(yè)教育提升大學生就業(yè)競爭力，以創(chuàng)業(yè)帶動就業(yè)，提升就業(yè)質量是當前社會背景下解決高校畢業(yè)生就業(yè)問題的重要方法之一。

部分高職院校對高職創(chuàng)業(yè)的理解存在偏差：（1）認為創(chuàng)新創(chuàng)業(yè)教育就是培養(yǎng)企業(yè)家和創(chuàng)業(yè)者，而學生連工作都找不到，怎么做企業(yè)家。（2）大多高校認為創(chuàng)業(yè)教育就是“技能教育”“致富教育”。常認為學生組建團隊參加“挑戰(zhàn)杯”和創(chuàng)業(yè)大賽，就是創(chuàng)業(yè)教育；在課堂上強調學生賺錢的本領和財富積累，就是創(chuàng)業(yè)教育。（3）認為高職學生創(chuàng)業(yè)就是學校申請建立創(chuàng)業(yè)孵化基地，各二級學院上報幾個認為比較有前途的創(chuàng)業(yè)項目，學校給每個項目劃定場地、指定指導教師，學生作為法人注冊公司，各級領導巡查一番，至于后續(xù)經(jīng)營怎樣就無聲無息了。高職創(chuàng)新創(chuàng)業(yè)教育的核心是培養(yǎng)高素質的應用型創(chuàng)新人才，積極提升大學生的創(chuàng)新意識、提高創(chuàng)業(yè)能力，是一種關注人的發(fā)展和人生規(guī)劃的教育理念。無論是只傳授理論，還是重視創(chuàng)業(yè)大賽排名，還是要求高職學生普遍去創(chuàng)業(yè)都是錯誤的。

3高職院校創(chuàng)新創(chuàng)業(yè)教育的開展

3.1拓寬校企合作的深度和廣度

企業(yè)發(fā)展是社會經(jīng)濟增長的主要動力，創(chuàng)新創(chuàng)業(yè)是提升企業(yè)核心競爭力、實現(xiàn)企業(yè)可持續(xù)健康發(fā)展的不懈動力，而人才是創(chuàng)新的第一資源。從某種意義上講，培養(yǎng)高職學生的創(chuàng)新創(chuàng)業(yè)精神至少是雙主體的參與，即學校和企業(yè)。是什么因素導致我國目前企業(yè)參與高職人才培養(yǎng)的積極性不夠呢？調查顯示，企業(yè)認為目前影響校企合作的關鍵因素是：校企雙方缺乏溝通、信息渠道不暢（40%），缺乏合作機制（24%），缺乏政府鼓勵或政策支持（18%）以及學校缺乏針對性（9%）等。高職教育校企合作模式不僅取決于高職院校的合作意愿，還取決于經(jīng)濟發(fā)展的需求。從根本上講，以共同利益鏈拉動產(chǎn)業(yè)鏈、創(chuàng)新鏈，促進兩個主體積極參與高職創(chuàng)新創(chuàng)業(yè)教育的積極性，是實現(xiàn)雙方共贏的關鍵。高職院校要想獲得長遠的發(fā)展，必須找準自己的定位。高職院校必須為地方經(jīng)濟和社會發(fā)展服務，利用區(qū)域發(fā)展的數(shù)據(jù)，研究區(qū)域經(jīng)濟發(fā)展的核心利益點，要根據(jù)經(jīng)濟和企業(yè)發(fā)展所需人才來對專業(yè)設置、課程選擇、人才培養(yǎng)方式等做出調整。高職院校必須積極承擔企業(yè)的相關研究項目，如市場調研、項目策劃、技術研發(fā)創(chuàng)新及市場推廣、業(yè)務能力培訓。反之，企業(yè)則可以結合自身的產(chǎn)品/服務，參與支持高職學生的創(chuàng)業(yè)項目（如店鋪裝修、員工培訓和創(chuàng)業(yè)發(fā)展指導等）、參與相關專業(yè)的人才培養(yǎng)方案設計、參與指導學生的技能大賽、給學生提供畢業(yè)實習的機會等。

3.2實現(xiàn)專業(yè)技能教育與創(chuàng)新創(chuàng)業(yè)教育的融合

在麥可思研究院公布的《2016年中國大學生就業(yè)報告》中顯示，2015屆高職高專畢業(yè)生自主創(chuàng)業(yè)的比例（3.9%）高于本科畢業(yè)生（2.1%）。高職學生一般表現(xiàn)為不喜歡長輩及教師的高壓控制、不喜歡死記硬背和勤奮做題，但他們具有好奇心強、創(chuàng)意點子多、敢闖敢干等優(yōu)點。目前課程教學中所采用的任務導向、項目引領、案例分析、角色扮演等方式強調專業(yè)知識和專業(yè)技能的訓練，忽略了學生創(chuàng)新意識、創(chuàng)業(yè)能力的訓練。高職學生創(chuàng)新創(chuàng)業(yè)能力的培養(yǎng)必須結合不同專業(yè)的特色，通過項目引領、任務驅動、技術服務等教學方法[5]，培養(yǎng)學生的批判性思維能力和創(chuàng)造性精神，實現(xiàn)專業(yè)技能教育和創(chuàng)新創(chuàng)業(yè)教育的深度融合。

參考文獻：

[1]趙世磊，張彥卿，部宗娜，等.創(chuàng)新創(chuàng)業(yè)教育與專業(yè)教育深度融合研究[J].職教通訊，2017（2）：63-66.

[2]姜運隆.跨界與協(xié)同：高職創(chuàng)新創(chuàng)業(yè)教育的價值審視及機制研究———基于第四次工業(yè)革命視角[J].職教論壇，2017（2）：22-25.

[3]楊理連，邢清華.高職教育深度校企合作機制創(chuàng)新的再思考[J].教育與職業(yè)，2013（24）：16-18.

[4]李毅彩，李葉紅，張剛平.校企合作視角的高職學生創(chuàng)業(yè)訓練計劃項目的開展[J].教育教學論壇，2015（10）：224-225.

篇6

關鍵詞：計算機；互聯(lián)網(wǎng)；發(fā)展趨勢

中圖分類號：TP393 文獻標識碼：A 文章編號：1001-828X（2012）11-0-01

當前，世界經(jīng)濟正在從工業(yè)經(jīng)濟向知識經(jīng)濟轉變，而知識經(jīng)濟的兩個重要特點就是信息化和全球化。進入21世紀，網(wǎng)絡已成為信息社會的命脈和發(fā)展知識經(jīng)濟的重要基礎。從其形成和發(fā)展的歷史來看，計算機網(wǎng)絡是伴隨著人類社會對信息傳遞和共享的日益增長的需求而不斷進步的。本文擬對計算機技術下互聯(lián)網(wǎng)的發(fā)展史、特點、對未來發(fā)展前景的設想作簡要介紹。

一、計算機技術下互聯(lián)網(wǎng)的發(fā)展史

計算機網(wǎng)絡近年來獲得了飛速的發(fā)展。20年前，在我國很少有人有人接觸過網(wǎng)絡，現(xiàn)在計算機通訊網(wǎng)絡以及Internet已成為我們社會結構的一個基本組成部分。網(wǎng)絡被應用于商業(yè)的各個方面，包括電子銀行、電子商務、現(xiàn)代化的企業(yè)管理、信息服務業(yè)等都以計算機網(wǎng)絡系統(tǒng)為基礎。

Internet發(fā)展經(jīng)歷了研究網(wǎng)、運行網(wǎng)和商業(yè)網(wǎng)三個階段。至今，全世界沒有人能夠知道Internet的確切規(guī)模。Internet正以當初人們始料不及的驚人速度向前發(fā)展，今天的Internet已經(jīng)從各個方面逐漸改變?nèi)藗兊墓ぷ骱蜕罘绞健Ｈ藗兛梢噪S時從網(wǎng)上了解當天最新的天氣信息、新聞動態(tài)和旅游信息，可看到當天的報紙和最新雜志，可以足不出戶在家里炒股、網(wǎng)上購物、收發(fā)電子郵件，享受遠程醫(yī)療和遠程教育等等。

二、計算機技術下互聯(lián)網(wǎng)的發(fā)展特點

從80年代末開始，計算機網(wǎng)絡技術進入新的發(fā)展階段，它以光纖通信應用于計算機網(wǎng)絡、多媒體技術、綜合業(yè)務數(shù)據(jù)網(wǎng)絡ISDN、人工智能網(wǎng)絡的出現(xiàn)和發(fā)展為主要標志。90年代至下個世紀初將是計算機網(wǎng)絡高速發(fā)展的時期，計算機網(wǎng)絡的應用將向更高層次發(fā)展，尤其是Internet網(wǎng)絡的建立，推動了計算機網(wǎng)絡的飛速發(fā)展。據(jù)預測，今后計算機網(wǎng)絡具有以下幾個特點：

1.開放式的網(wǎng)絡體系結構，使不同軟硬件環(huán)境、不同網(wǎng)絡協(xié)議的網(wǎng)可以互連，真正達到資源共享，數(shù)據(jù)通信和分布處理的目標。

2.向高性能發(fā)展。追求高速、高可靠和高安全性，采用多媒體技術，提供文本、聲音圖像等綜合。

3.計算機網(wǎng)絡的智能化，多方面提高網(wǎng)絡的性能和綜合的多功能服務，并更加合理地進行網(wǎng)絡各種業(yè)務的管理，真正以分布和開放的形式向用戶提供服務。

三、計算機技術下互聯(lián)網(wǎng)的發(fā)展趨勢

隨著計算機技術的不斷革新，互聯(lián)網(wǎng)業(yè)也在不斷發(fā)展，日益呈現(xiàn)出以下趨勢：

1.運營產(chǎn)業(yè)化

以Internet運營為產(chǎn)業(yè)的企業(yè)迅速崛起，從1995年5月開始，多年資助Internet研究開發(fā)的美國科學基金會（NSF）退出Internet，把NFSnet的經(jīng)營權轉交給美國三家最大的私營電信公司（即Sprint、MCI和ANS），這是Internet發(fā)展史上的重大轉折。

2.應用商業(yè)化

隨著Internet對商業(yè)應用的開放，它已成為一種十分出色的電子化商業(yè)媒介。眾多公司、企業(yè)不僅把它作為市場銷售和客戶支持的重要手段，而且把它作為傳真、快遞及其他通信手段的廉價替代品，借以形成與全球客戶保持聯(lián)系和降低日常的運營成本。如：電子郵件、IP電話、網(wǎng)絡傳真、VPN和電子商務等等的日漸受到人們的重視便是最好例證。

3.互聯(lián)全球化

Internet雖然已有三十來年的發(fā)展歷史，但早期主要是限于美國國內(nèi)的科研機構、政府機構和它的盟國范圍內(nèi)使用。現(xiàn)在不一樣了，隨著各國紛紛提出適合本國國情的信息高速公路計劃，已迅速形成了世界性的信息高速公路建設熱潮，各個國家都在以最快的速度接入Internet。

4.互聯(lián)寬帶化

隨著網(wǎng)絡基礎的改善、用戶接入方面新技術的采用、接入方式的多樣化和運營商服務能力的提高，接入網(wǎng)速率慢形成的瓶頸問題將會得到進一步改善，上網(wǎng)速度將會更快，帶寬瓶頸約束將會消除，互聯(lián)必然寬帶化，從而促進更多的應用在網(wǎng)上實現(xiàn)，并能滿足用戶多方面的網(wǎng)絡需求。

5.多業(yè)務綜合平臺化、智能化

隨著信息技術的發(fā)展，互聯(lián)網(wǎng)將成為圖像、語音和數(shù)據(jù)“三網(wǎng)合一”的多媒體業(yè)務綜合平臺，并與電子商務、電子政務、電子公務、電子醫(yī)務、電子教學等交叉融合。10-20年內(nèi)，互聯(lián)網(wǎng)將超過報刊、廣播和電視的影響力，逐漸形成“第四媒體”。

我們處在一個信息化時代，國家和世界各國也以發(fā)展科技為目標，況且我們的生活與計算機密切相連，所以，計算機網(wǎng)絡未來的發(fā)展無限光明。隨著網(wǎng)絡的發(fā)展，許多在現(xiàn)實中的問題都將在網(wǎng)上慢慢的得以實現(xiàn)，但隨之帶來的一系列網(wǎng)絡安全因素也是我們值得考慮的問題?？傊?，未來網(wǎng)上的世界，我們拭目以待。

參考文獻：

[1]高陽，王堅強.計算機網(wǎng)絡技術發(fā)展趨勢[J].圖書情報工作，2009（02）：5-20.

篇7

中學的美術教學是美術教育的基礎。計算機輔助教學可以將圖片、文字、聲音等很好地組織在一起，將美術作品形象生動地展現(xiàn)在學生面前，使學生更好地領略藝術之美，有效提高中學美術的教學效果，促進美術教育事業(yè)的發(fā)展。本文對計算機輔助教學在中學美術教學中的具體應用進行了探討，指出計算輔助教學的應用對中學美術學教學的發(fā)展具有重要意義，希望能為中學美術教育工作者提供參考。

關鍵詞:

計算機輔助教學;中學美術教學;應用

現(xiàn)在我國很多中學的美術教學還是傳統(tǒng)的教學模式，即重繪畫而輕欣賞，教學內(nèi)容多是繪畫技法的訓練，由教師通過粉筆和黑板來演示。這種教學模式缺少互動、課堂沉悶，不能很好地激起學生的學習興趣，教學效果很差，而且還缺乏課外知識的拓展。我們都知道美術的學習需要通過大量美術作品的欣賞來獲取藝術創(chuàng)造力和提高審美能力，因此這種教學模式是不科學的，與現(xiàn)代中學美術教育發(fā)展不相符的。大量的教學實踐證明，計算機輔助教學的應用可以改善中學美術教學的現(xiàn)狀。

一、計算機輔助教學概述

計算機輔助教學是指學校在計算機輔助之下展開的教學活動。計算機輔助教學通過多媒體技術、人工智能網(wǎng)絡技術等新興技術避免了傳統(tǒng)教學中的單調枯燥，提供了全新的教學模式。在這種模式下，教學的載體和平臺形式更豐富，更自由，教學的過程也更富有趣味，極大地提高了學生的學習效率，也優(yōu)化了教學質量。隨著科技的發(fā)展與計算機輔助教學模式的完善，這種技術已經(jīng)被廣泛應用于高校的教學中，并取得了良好的效果。近年來，計算機輔助教學也開始在各個中學里推行開來。

二、計算機輔助教學在中學美術教學中的具體應用

(一)激發(fā)學生的學習興趣

我們都知道，教學的核心是激發(fā)學生的學習興趣，提高學生的積極性。積極主動地學習可以事半功倍，提高學生的學習效率，而消極被動的學習卻只會事倍功半，非常不利于教學活動的展開。美術作為一種思維藝術，尤其需要學生加強注意力，開發(fā)想象力，全身心地投入到課堂中。中學生正值心理活躍期，很容易開小差，但如果能把這份活躍引入到課堂中，就會獲得很好的美術教學效果。多媒體課堂的引入使得老師可以利用PPT軟件進行教學，教師通過對圖片、文字等的組合編制課件，改善了傳統(tǒng)美術課本的枯燥、單調，使得課程內(nèi)容更加生動形象，從而激發(fā)學生的學習興趣，使學生可以專注于課堂，并跟隨教師的引導，展開思維與想象，更好地理解美術作品與相關理念［1］。

(二)改進美術欣賞方法

美術作品作為一種藝術化的表達，往往反映了作者的某種情感，單憑一幅或者幾幅畫很難使學生真正理解作者的意圖，而且有些美術作品很抽象，需要補充大量的相關知識才能理解。在傳統(tǒng)的美術教學中，一般由教師負責引導學生進行美術作品的欣賞，美術的作品形式是多樣化的，教師個人不可能精通每一類作品，對不熟悉的便只能臨陣磨槍的了解一下，不僅不能很好地傳達作品的理念，還有可能誤導學生。通過計算題輔助教學教師可以向學生播放一些作者的傳記電影或美術作品的鑒賞視頻等，有助于學生更好地了解作品的背景，從而加深其對作品內(nèi)涵的了解。而且，有些美術作品還可以結合音樂來欣賞。藝術是相通的，也是可以相互補充、解釋的，尤其是音樂和美術，向來都是緊密聯(lián)系在一起的，通過音樂來欣賞美術作品，往往可以達到意想不到的效果。如山水墨畫與音樂《高山流水》的結合，無疑是一種美的享受［2］。

(三)擴充資源庫

中學的美術教學通常課件資源不多，學生要獲得更多的知識就要求助于圖書館，而在當前我國重文化輕藝術的階段里，中學本來就對美術教育不太關注，再加上美術資料一般都比較昂貴，很難投入大筆資金購置美術資料，也就不能滿足美術對學生廣開視野的要求。而隨著信息技術的發(fā)展，學校開始廣建校園網(wǎng)，其中一個重要環(huán)節(jié)就是資源庫的建設。教師將美術課堂可能用到的資源上傳到網(wǎng)站上，學生通過校園網(wǎng)即可進行在線瀏覽或下載，有助于學生的課前預習、課后復習以及平時的自主學習;而且，網(wǎng)絡也是一個豐富的資源庫，學生通過網(wǎng)絡可以得到大多數(shù)需要的資料，為中學生的課外學習創(chuàng)造了良好的條件［3］。通過計算機輔助教學，豐富了課堂形式，活躍了課堂氛圍，激發(fā)了學生的學習興趣;通過各種載體與平臺的運用，改善了美術作品的欣賞模式，促進了學生審美水平的提升;借助校園網(wǎng)的建設和網(wǎng)絡的利用，豐富了學生的資源庫?？傊嬎銠C輔助教學作為一種全新的教學模式，在課堂中的應用表現(xiàn)出極大的優(yōu)越性，有效地推動了中學美術教學的革新和發(fā)展，為我國美術教育事業(yè)的發(fā)展做出了貢獻。教育工作者應該充分重視計算機輔助教學并加以利用。

作者：樊彥華 單位：河北省內(nèi)丘縣柳林中學

［參考文獻］

［1］王鳳寶．中學美術教學中計算機輔助角模式的應用［J］．大眾文藝，2015，(03)．

篇8

【關鍵詞】 學習風格；面向服務架構；學習風格判別組件

【中圖分類號】 G40-057 【文獻標識碼】 A 【文章編號】 1009―458x（2016）05―0064―07

一、研究背景及相關研究

學習風格（Learning Style，簡稱“LS”）是學習者特有的認知、情感和心理行為，作為學習者如何理解信息以及學習者在學習環(huán)境相互作用下如何反應的相對穩(wěn)定的指標[1]。根據(jù)學習者不同的認知過程分為不同類型的學習風格。很多教育理論學者以及研究者對這一觀點表示認同，一致認為將學習風格整合到教育中可以更好地促進學習者個性化學習。有大量的相關研究證明并支持這一觀點，例如Bajraktarevic、Hall和Fullick[2]、Graf和Kinshuk[3]等。目前主要是通過人工智能相關技術來實現(xiàn)學習者學習風格自動偵測，例如機器學習[4]、貝葉斯網(wǎng)絡[5][6]、神經(jīng)網(wǎng)絡[7]以及基于規(guī)則的推理[8]等。很多智能學習系統(tǒng)，尤其是自適應教育超媒體系統(tǒng)（AEHS），大多數(shù)都具備不同的LS偏向性測試功能，并通過建立LS用戶模型為學習者提供更好的個性化學習服務，如Tangow 系 統(tǒng)[9]、Protus 系統(tǒng)[10]、WHURLE 系統(tǒng)[11]、CS383 系統(tǒng)[12]等都使用了Felder-Silverman模型；AES-CS系統(tǒng)[13]使用了FI-FD模型；INSPIRE系統(tǒng)[14]使用了Honey-Mumford模型。這些傳統(tǒng)的智能學習系統(tǒng)在一定程度上解決了個性化學習的問題，但是這些系統(tǒng)的功能模塊之間存在著耦合性低、重用性差、不同系統(tǒng)之間很難實現(xiàn)資源共享等問題。

大量研究表明，采用面向服務架構（SOA）技術能很好地解決傳統(tǒng)智能系統(tǒng)存在的問題。Dagger對學習管理系統(tǒng)（LMS）的演變進行了分析，指出了傳統(tǒng)智能學習系統(tǒng)存在著以上問題，肯定了下一代智能學習系統(tǒng)應具有互操作性和擴展性這一未來發(fā)展的趨勢，并通過案例證明了SOA架構的優(yōu)越性[15]。

現(xiàn)在，基于SOA技術設計了很多學習系統(tǒng)架構，試圖通過SOA架構技術解決傳統(tǒng)學習系統(tǒng)存在的問題。其中，Mohammed提出了使用SOA技術構建一個E-learning學習管理系統(tǒng)，雖然該系統(tǒng)沒有實現(xiàn)個性化學習資源推送服務，但可以對外提供服務接口[16]；Cheng設計了一個可擴展的SOA E-learning系統(tǒng)架構，能使網(wǎng)絡學習系統(tǒng)功能更完善、更靈活，但是如何實現(xiàn)這些服務沒有進行詳細設計[17]；SLO 管理系統(tǒng)是一個基于SOA的學習資源管理系統(tǒng)架構，該系統(tǒng)架構采用SOA技術是為了實現(xiàn)教學資源共享，但沒有使用學習風格模型對用戶進行建模[18]；孫艷提出了一種面向服務的E-learning系統(tǒng)架構，該系統(tǒng)可以實現(xiàn)教學設計、動態(tài)更新學習資源以及通過學習者個性特征分析提供個性化的學習指導。雖然該系統(tǒng)有個性化特征提取，但是并沒有提到如何建立學習者個性化特征[19]。Canales提出了一個基于SOA自適應智能網(wǎng)絡教育系統(tǒng) （WBES）架構，詳細介紹了用認知地圖來構建學習者學習風格用戶模型[20]；Yaghmaie通過SOA架構設計了一個自適應學習系統(tǒng)，根據(jù)學習者學習風格自動過濾學習內(nèi)容，實現(xiàn)個性化學習內(nèi)容的推介[21]；姜強設計的SOALS系統(tǒng)主要采用了Felder-Silverman模型，并使用學習行為來修正學習風格模型，最終實現(xiàn)個性化資源推送服務[22]。

現(xiàn)有的很多SOA 智能系統(tǒng)只是一個系統(tǒng)架構，雖然有些系統(tǒng)提供了學習風格判別和個性化推送功能，但是這些功能并不對外提供服務接口，導致不能實現(xiàn)資源共享。同時，現(xiàn)在的系統(tǒng)很多只采用了單一的LS用戶模型，導致用戶建模單一化和片面化，學習資源推送準確率低、效率低。此外，大部分SOA學習系統(tǒng)都沒有建立LS用戶模型，因此，這類系統(tǒng)不能提供個性化服務。

二、 SOALS系統(tǒng)架構及其服務模型

（一）SOALS系統(tǒng)架構

為了解決現(xiàn)有SOA學習系統(tǒng)存在的問題，基于SOA架構設計了一個智能學習系統(tǒng)架構（SOALS），并設計了一個學習風格判別組件（SOALS_pre），該組件采用了Felder-Silverman（簡稱“FS”）[23][24]和Field Independence/Field Dependence（簡稱“FI-FD”）[25][26]學習風格建立用戶模型，使LS預測更加準確。通過對SOALS_pre組件進行封裝，對外了一個學習風格服務（LstyleRMIService）。不同架構的學習系統(tǒng)通過綁定該服務接口可以實現(xiàn)學習者在不同環(huán)境下進行多模型的LS判別服務。同時，服務會把測試結果自動建立成標記的樣本數(shù)據(jù)集，為LS測試服務提供樣本數(shù)據(jù)資源。

該架構共有四層：第一層是資源層，第二層是組件層，第三層是服務接口層，第四層是用戶表示層（如圖1所示）。

資源層主要存儲了各種服務所需要的資源，例如學習風格樣本數(shù)據(jù)、學習行為樣本數(shù)據(jù)、學習資源庫（LOM標準）等。本系統(tǒng)通過Mysql 5.5設計了3個數(shù)據(jù)庫，其中LSdata數(shù)據(jù)庫主要用于存儲學習風格樣本數(shù)據(jù)；LCdata數(shù)據(jù)庫主要用于存儲學習行為樣本數(shù)據(jù)；LRdata數(shù)據(jù)庫主要用于存儲學習資源，學習資源需要遵循LOM標準。

組件層是系統(tǒng)架構的核心層，也是系統(tǒng)的底層，它涉及組件的核心代碼和對核心代碼的封裝。在系統(tǒng)中，學習風格判別組件（SOALS_pre）分別由LS組件、LS前測組件、LS維度篩選組件和LS預測組件組成。其中，LS組件提供了FS學習風格測試、FI-FD學習風格測試、LS維度篩選以及LS預測功能。LS組件要實現(xiàn)這些功能需要分別引用LS前測組件、LS維度篩選組件和LS預測組件。LS前測組件需要使用LSdata數(shù)據(jù)；LS維度篩選組件和LS預測組件需要使用LSdata數(shù)據(jù)和LCdata數(shù)據(jù)，如圖1組件層所示。

服務接口層是SOA系統(tǒng)架構中最重要的一層，是服務使用者綁定和實現(xiàn)服務的入口。一個服務可能需要使用一個組件或者多個組件來實現(xiàn)其功能。同時，一個組件可以實現(xiàn)一個或者多個服務功能。本系統(tǒng)對外的LstyleRMIService學習風格服務需要使用LS組件、LS前測組件、LS篩選組件和LS預測組件來實現(xiàn)服務的功能，這個服務主要對外提供了三個服務接口：LS前測服務、LS維度篩選服務以及LS預測服務（如圖1第三層中橢圓虛線框所示）。

表示層主要是指綁定并使用服務的各種系統(tǒng)。本文通過設計一個學習系統(tǒng)驗證了服務功能具有可重用性，不同系統(tǒng)之間能實現(xiàn)資源共享。最后，對學習風格服務得到的實驗結果與NBC分類器得到的實驗結果進行了對比分析。

（二）SOALS_pre判別組件核心模型

1.LS前測服務模型

前測服務主要是從終端獲取學習者學習風格問卷數(shù)據(jù)，并根據(jù)量化公式把問卷結果進行量化處理，最后把該量化的數(shù)據(jù)作為有標記的樣本數(shù)據(jù)存儲在LSdata數(shù)據(jù)庫中。FS學習風格通過Solomon量化表進行學習風格計算；FI-FD學習風格通過改進的問卷調查表和量化表進行學習風格計算[27][28][29]， LS前測服務模型如圖2所示。

本文使用了標準的FS問卷進行學習風格樣本數(shù)據(jù)采集，該問卷的量化方式遵循Solomon量化表規(guī)則（最大數(shù)-最小數(shù)+最大數(shù)的字母），通過這種規(guī)則得到的LS結果分別是：1a、3a、5a、7a、9a、11a；1b、3b、5b、7b、9b、11b。其中，a表示學習者在某種維度上LS左邊的傾向值，b表示學習者在某種維度上LS右邊的傾向值，值越大表示學習風格傾向性越大。為了使學習風格結果適用于數(shù)學建模，本文將Solomon量化表的結果進行量化處理，把LS結果量化為0到1之間的小數(shù)。通過量化關系表和所羅門學習風格理論，學習風格可以通過一個四元組進行形式化表示，如公式（1）所示[30]：

其中，中的i是學習者序號，表示學習者在學習風格t維度上的取值。當取值范圍為時，學習風格偏向左邊的維度；當時，學習風格絕對偏向左邊的維度；當取值范圍為時，學習風格偏向右邊的維度；當時，學習風格絕對偏向右邊的維度；當時，學習風格偏向中間的維度。

FI-FD學習風格采集的方式有很多種，本文主要采用問卷調查法獲取學習者LS，并將FI-FD學習風格結果進行歸一化處理，量化成0到1之間的小數(shù)。通過量化關系表以及FI-FD學習風格理論，F(xiàn)I-FD學習風格可以通過一元組形式化表示或公式（2）：

其中，中的i是學習者序號；是i學習者學習風格維度上的偏向值。當取值范圍為時，學習風格偏向左邊的維度；當時，學習風格絕對傾向于左邊的維度；當取值范圍為時，學習風格偏向右邊的維度；當時，學習風格絕對傾向于右邊的維度；當時，學習風格偏向中間的維度。

2. LS維度篩選服務模型

LS維度篩選服務的主要功能是識別出學習者群體在不同學習環(huán)境下LS主導維度偏向。本模塊沿用了前期工作中使用的維度篩選技術[31]，并將其封裝成LS維度篩選服務（如圖3所示）。

學習者的學習風格會隨著學習環(huán)境的改變而發(fā)生變化，由于一種學習風格模型不能完全描述出學習者在不同學習環(huán)境中的偏向，所以本文采用了FS學習風格模型以及FI-FD認知風格模型構建了一個多模型的學習風格用戶模型。為了識別出學習者群體在不同環(huán)境下的主導維度偏向，需要使用兩種樣本數(shù)據(jù)：一種是學習者在某一學習環(huán)境下的學習行為樣本數(shù)據(jù)，另一種是學習者在多模型下學習風格抽象樣本數(shù)據(jù)。通過這些抽象樣本數(shù)據(jù)就能夠進行多模型下學習風格維度相似度識別，實現(xiàn)多標簽分類向單標簽分類的轉化[32]，從而識別出學習群體在當前學習環(huán)境下主導K維度LS偏向。

3. 學習風格預測服務模型

預測服務是對未知LS的學習者在某一環(huán)境下的學習風格偏向進行預測，其方法是把新學習者的學習行為根據(jù)主導K維度下學習行為樣本進行聚類?？梢圆捎贸跏蓟杭诵臉嬙焖惴ǎ↖nitialization Cluster Core Constructing Algorithm，簡稱“ICCCA算法”）和3-means聚類算法（如圖4所示）。

（三）組件及服務接口設計

本文利用SCA規(guī)范設計了一個學習風格組件（SOALS_Pre組件），共包括4個組件。LS組件（LS_component）中有3個服務接口和3個屬性；LS前測組件（FSDI_component）中有1個服務接口和1個屬性；LS篩選組件（Rec_component）中有1個服務接口和3個屬性；學習風格預測組件（Pre_component）中有1個服務接口和3個屬性（如圖5所示）。

三、實驗

（一）樣本數(shù)據(jù)采集

實驗數(shù)據(jù)主要來自成都大學2014級和2011級本科生以及四川師范大學2014級和2011級本科生、2013級研究生計算機專業(yè)學生的學習風格樣本數(shù)據(jù)和學習行為樣本數(shù)據(jù)，共計320份。其中，有效樣本數(shù)據(jù)298份，男生232人，女生66人，平均年齡為23歲；從學歷層次來看，本科生262人，碩士研究生36人；從區(qū)域來看，成都大學136人，四川師范大學162人。

為了驗證測試結果的一致性、穩(wěn)定性和可靠性，在第一次采集數(shù)據(jù)后的第二周再一次對有效樣本群體進行了學習風格偏向性采集，并通過SPSS軟件采用了重測可信度的方法對所羅門學習風格量表中100個樣本數(shù)據(jù)進行信度驗證，其中重測可信度主要通過Cohen提出的Kappa系數(shù)來驗證。當問卷調查Kappa系數(shù)大于0.75就可以表示重測的可信度很好。通過對學習風格的4個維度進行可信度驗證，每個維度的Kappa系數(shù)分別為 active/reflective（0.881）、sensing/intuitive（0.879）、visual/verbal（0.896）、sequential/global（0.869）。通過這些結果很好地驗證了該問卷的可靠性。

通過SPSS軟件，使用了100個樣本數(shù)據(jù)對所羅門學習風格量表的44道題進行探索性因子分析來驗證問卷的效度，把取消最小系數(shù)設置為0.6，最終KMO得出的結果為0.73，說明該問卷及樣本數(shù)據(jù)適合使用探索性因子分析來驗證問卷的效度。該量表是目前心理學中比較成熟的量表之一，很多研究者都做過信度和效度檢驗，并對該量表測試的LS結果進行了肯定，如Livesay、Dee和Nauman[33]，Van Zwanenberg等[34]，Zywno[35]，F(xiàn)elder和 Spurlin[36]等。

本文通過對實驗所使用的50個訓練樣本數(shù)據(jù)進行處理，得到了LS維度偏向分布圖（如圖6所示）。X軸分別為A-R（活躍型/沉思型）、S-I（感悟型/直覺型）、Vi-Ve（視覺型/言語型）、S-G（序列型/綜合型）和FI-FD（場獨立/場依存）5個維度的取值，每個維度上有三個取值分別表示LS左邊偏向、LS中間偏向、LS右邊偏向（從左往右）。Y軸表示每個維度上不同LS偏向的學生人數(shù)。

（二）學習風格測試與預測

1. LS前測服務

本文設計了一個學習系統(tǒng)并綁定LstyleRMIService服務，在實驗中讓一名新學習者（C201110409121）通過前測服務進行了學習風格測試，得到學習風格測試結果（如圖7、圖8所示）。

2. LS維度篩選服務與LS預測服務

在實驗中，在學習系統(tǒng)中選擇“Java JDK平臺搭建”作為學習環(huán)境（如圖9所示）。

通過對實驗所使用的50個訓練樣本數(shù)據(jù)進行維度篩選，得到的結果發(fā)現(xiàn)，這些訓練樣本在該學習環(huán)境下的主導維度偏向是視覺型/言語型（Vi―Ve）。將當前學習者（C201110409121）和另外49個學習者群體（除訓練樣本數(shù)據(jù)外，對剩下的樣本數(shù)據(jù)隨機選?。嫵梢粋€測試學習者群體，通過調用LS預測服務對該測試學習者群的學習風格進行偏向性預測。其中，“Main dimensions：Vi―Ve”是指學習者群體的該學習環(huán)境下主導K維度偏向；“Results of LS online questionnaire（LSOQ）”是指問卷測試的結果；“Results of Prediction”是指學習者在“Java JDK平臺搭建”環(huán)境下通過學習行為預測的結果。數(shù)字1-50表示了50個測試樣本的序號，其中當前學習（C201110409121）的序列為7（如圖10所示）。

從LSOQ結果可以看出，有19名學習者偏向于視覺型；有1名學習者偏向中間的維度；有30名學習者偏向于言語型。而這50個測試樣本在“Java JDK平臺搭建”學習環(huán)境下進行學習風格預測的結果顯示，有35名學習者偏向于視覺型，有14名學習者偏向于言語型，有1名學習者偏向中間的維度。其中，有32名學習者樣本的LSOQ結果與預測結果一致（正確為64%）（如表1所示）。

通過以上的實驗結果，可以看出大部分學習者在“Java JDK平臺搭建”學習環(huán)境下并沒有像傳統(tǒng)預測方法一樣預測“active/reflective”維度，而通過本文的維度篩選服務預測的結果是“visual/verbal”維度，而這個維度上的預測通常比較困難，以前的預測準確率都只有50%-60%左右（樣本數(shù)小于300），部分技術預測準確率只能達到40%。因此，實驗結果是令人滿意的。

為了更好地驗證維度篩選服務和預測服務的有效性，利用樸素貝葉斯分類器（Naive Bayes Classifier，簡稱“NBC”）對50名學習者在不同維度上進行了分類，結果如表2所示。

通過上面的實驗結果可以看出，通過NBC分類器在Vi-Ve維度上預測的結果準確率達到62.5%，可以確定當前環(huán)境下學習者群體主要偏向Vi-Ve維度，這與本文實驗維度篩選結果一致，但是本文預測的優(yōu)于NBC分類器的結果，準確率可以達到64%。

四、結語與展望

本文通過SOA架構技術設計了一個智能學習系統(tǒng)架構（SOALS）和學習風格判別組件（ SOALS_pre），并對外了一個學習風格服務（LstyleRMIService）。不同架構的系統(tǒng)通過綁定該服務接口，可以實現(xiàn)學習者在不同環(huán)境下多模型學習風格預測服務。本文通過一個學習系統(tǒng)對學習風格服務進行了綁定，并通過“Java JDK平臺搭建”為主題（學習環(huán)境）對提供的服務功能進行驗證，證明了學習風格服務的可重用性。最后，通過對比實驗驗證了學習風格預測的準確率優(yōu)于NBC分類器。

本文設計的學習系統(tǒng)架構和學習風格判別組件（SOALS_pre）還存在以下問題：

第一，未能完全實現(xiàn)訓練數(shù)據(jù)集自動動態(tài)更新；

第二，F(xiàn)S與FI-FD學習風格測試服務使用了同一個服務接口；

第三，學習風格用戶模型太少，例如缺少Kolb等。

我們將會在未來工作中重點解決這些問題。

[參考文獻]

[1] National Association of Secondary School Principals（US）. Student learning styles： Diagnosing and prescribing programs[M]. NatlAssn of Secondary School，1979.

[2] N. Barjraktarevic， W. Hall， and P. Fullick， Incorporating Learning Styles in Hypermedia Environment： Empirical Evaluation， Proceedings of the workshop on adaptive Hypermedia and Adaptive Web-Based Systems， Nottingham， UK， 2003， pp.41-52.

[3] S. Graf and Kinshuk， Providing Adaptive Courses in Learning Management Systems with Respect to Learning Styles， Proceedings of the World Conference on E-Learning in Corporate， Government， Healthcare， and Higher Education， AACE， 2007， pp. 2576-2583.

[4] Orriols-Puig， J. Casillas， and E. Bernado-Mansilla， Fuzzy-UCS： AMichigan-Style Learning Fuzzy-Classifier System for Supervised Learning， IEEE Transactions on Evolutionary Computation，13（2）， 2009.

[5] P. Garcia， A. Amandi， S. Schiaffino， and M. Campo. Evaluating Bayesian networks’precision for detecting students’learning styles[M]. Computers & Education， 2007，49：794-808.

[6] C. Carcia， G. Castillo and E. Millan. Designing a Dynamic Bayesian Network for Modeling Students’Learning Styles [M]. Proceedings of the 8th IEEE International Conference on Advanced Learning Techologies， 2008： pp.346-350.

[7] R. Zatarain-Cabada， M.L. Barron-Estrada， Viridiana Ponce Angulo， A.Jose Garcia and Carlos A. Reyes Garcia， A framework for Creating， Training， and Testing Self-Organizing Maps for Recognizing Learning Styles[M]. Proceedings of the 5th International Conference on E-learning and Games， 2010： pp. 53-64.

[8] Jeremi Z， Deved?i V. Design pattern its： Student model implementation[C]//Advanced Learning Technologies， IEEE International Conference on. IEEE Computer Society， 2004： 864-865.

[9] Paredes P， Rodriguez P. Considering Sensing-Intuitive Dimension to Exposition-Exemplification in Adaptive Sequencing[J]. Lecture Notes in Computer Science， 2002：556-559.

[10] Klasnja-Milicevic A， Vesin B， Ivanovic M， Budimac Z： E-Learning personalization based on hybrid recommendation strategy and learning style identification. Comput Educ 2011， 56：885-899.

[11] Brown E， Stewart C， Brailsford T. Adapting for Visual and Verbal Learning Styles in AEH[C]// Advanced Learning Technologies， 2006. Sixth International Conference on. IEEE， 2006：1145-1146.

[12] Carver C A， Howard R A， Lane W D. Enhancing student learning through hypermedia courseware and incorporation of student learning styles[J]. Education IEEE Transactions on， 1999， 42（1）：33-38.

[13] Triantafillou， E.， Pomportsis， A.， Georgiadou， E.： AES-CS： Adaptive Educational System based on Cognitive Styles. In： The Workshop on Adaptive System for Web-based Education， held in conjunction with AH 2002， Malaga， Spain （2002）.

[14] Papanikolaou K A， Grigoriadou M， Kornilakis H， et al. Personalizing The Interaction In A Web-Based Educational Hypermedia System： The Case Of Inspire. User Modeling And User-Adapted Interaction[J]. User Modeling and User-Adapted Interaction， 2003，13（3）：213-267.

[15] Dagger D， O'Connor A， Lawless S， et al. Service-oriented e-learning platforms： From monolithic systems to flexible services [J]. Internet Computing， IEEE， 2007，11（3）： 28-35.

[16] Jabr M A， Al-omari H K. e-Learning Management System Using Service Oriented Architecture 1[J]. 2010.

[17] Cheng Z， Huang T， NongJ.An extensible development platform for SOA-based e-learning system[C]//Computer Science and Software Engineering， 2008 International Conference on. IEEE， 2008， 5： 901-904.

[18] 李曉鋒，吳產(chǎn)樂. 基于 SLO 與 SOA 技術構建新一代教學資源管理系統(tǒng)[J]. 中國電化教育， 2010，（1）：029.

[19] 孫艷，崔懷林. 面向服務的個性化 E-Learning 系統(tǒng)分析與設計[J]. 廣東技術師范學院學報，2010，31（06）：19-22.

[20] Canales A， Pe?a A， Peredo R， et al. Adaptive and intelligent web based education system： Towards an integral architecture and framework[J]. Expert Systems with Applications， 2007， 33（4）： 1076-1089.

[21] Yaghmaie M， Bahreininejad A. A context-aware adaptive learning system using agents [J]. Expert Systems with Applications， 2011， 38（4）： 3280-3286.

[22] 姜強，趙蔚. 面向“服務”視角的自適應學習系統(tǒng)設計與實現(xiàn)[J]. 中國電化教育，2011，（2）：119-124.

[23] Felder R M， Silverman L K. Learning and teaching styles in engineering education [J]. Engineering education， 1988， 78（7）： 674-681.

[24] Felder R M. Matters of style [J]. ASEE prism， 1996， 6（4）： 18-23.

[25] Witkin H A， Goodenough D R. Field dependence and interpersonal behavior [J]. Psychological bulletin， 1977， 84（4）： 661.

[26] Witkin H A， Moore C A， Goodenough D R， et al. Field-dependent and field-independent cognitive styles and their educational implications[J]. Review of educational research， 1977.

[27] Maghsudi M. The Interaction Between Field Dependent/Independent Learning Styles and Learners’Linguality in Third Language Acquisition[J]. Language in India， 2007， 7（5）.

[28] Wyss R. Field independent/dependent learning styles and L2 acquisition [J].The weekly column article 102. Retrieved June 28， 2005

[29] Brown H D，吳一安. Principles of language learning and teaching[J]. 2000.

[30] 黃興祿. 基于SOA學習風格判別組件的設計與實現(xiàn)[D]. 四川師范大學，2014.

[31][32] J. Yang， Z. X. Huang，Y. X. Gao， H. T. Liu， Dynamic Learning Style Prediction Method Based on a Pattern Recognition Technique， IEEE Transactions on Learning Technologies， vol. 7 no. 2， 2014， pp.165-177.

[33] Livesay， G.A.， Dee， K.C.， Nauman， E.A.， Hites， L.S.： Engineering student learning styles： a statistical analysis using Felder’s Index of Learning Styles. Presented at the Annual Conference of the American Society for Engineering Education， Montreal， Canada （June 2002）.

[34] Van Zwanenberg， N.， Wilkinson， L.J.， Anderson， A.： Felder and Silverman’s Index of Learning Styles and Honey and Mumford’s Learning Styles Questionnaire： how do they compare and do they predict academic performance？ Educational Psychology 20， 365-380 （2000）.

[35] Zywno， M.S.： A contribution to validation of score meaning for Felder-Soloman’s Index of Learning Styles. Presented at the Annual Conference of the American Society for Engineering Education， Nashville， USA （June 2003）.

[36] Felder， R.M.， Spurlin， J.： Applications， Reliability and Validity of the Index of Learning Styles. International Journal on Engineering Education 21（1）， 103-112 （2005）.

收稿日期：2015-06-01

定稿日期：2015-12-29