个性化学习是创新人才培养的重要方式，是教育智能化发展的主要目标之一，是新时代人才培养模式的有力支撑。智能信息技术推动教学理念和模式的改变，人工智能与教育教学的融合能够为学习者提供更有效的个性化学习方案，提高学习者的学习兴趣和效率，培养学习者创新精神与实践能力，同时增强教育者的教育教学效能。当前个性化学习相关研究集中在通过学习者分析，为学习者提供学习资源推荐和学习路径规划。这种研究容易陷入“技术教育论”的误区，认为这就是以学习者为中心的个性化学习，只要为学习者提供学习资源和服务就能促成自主学习和探究学习，片面相信机器智能的数据分析和算法，忽视学习者本身的兴趣形成、情感感悟、思维铸造和意识能动。因此，在信息智能技术影响深刻的当下，需要对个性化学习存在的问题和发展模式进行分析和梳理，进一步完善教学模型和方法，推动影响个性化学习的因素有效融合，形成多模态个性化学习的教学模式。

1、智能技术影响下个性化学习现实问题

1.1 个性化学习目标缺少差异化

在传统课程教学大纲中，课程目标的设置存在“一刀切”现象。教师希望所有学生都能够达到相同的预设学习目标，但并未准确地进行学习者分析，也未根据学生个体差异设计梯度学习目标，由此带来的问题是基础差的学生达不到既定目标、基础好的学生不满足实现目标，并不符合大多数学生的理想状态[1]。

1.2 学情数据采集困难

学习者分析通过了解学生所掌握的知识与技能、学生对学习内容的态度、学生对教学方式的喜好、学生对学习内容的认知和兴趣，以及学生自身的爱好、情感和行为等，设定合理的教学目标、教学策略和方法，提高学生自主学习的主动性和创造性[2]。可见，学习者分析需要全方位采集多源异构学习数据并对数据进行智能分析。在传统课堂中，教师可以通过课堂交流和课后作业来了解学生的学习情况及个体特点，但数据量较小且难以统计。虽然在线学习系统能够提供一部分学生学习兴趣和学习过程的数据，但是依然不够全面。

1.3 机器智能依赖过重

随着人工智能在教育领域的应用，各类智能教育产品也层出不穷。多数智能教育产品通过对学习资源的智能化标注和结构化建模，构建学习资源和学习者之间的智能匹配机制，以此为学生提供精准的“学习资源推荐”和“学习路径规划”服务[3]，但现有推荐算法往往都是根据学习者浏览历史进行的推荐。此外，从学习者自身长期学习经历来看，其学习兴趣、风格、思维和行为是经过长期对外界信息接触、识别和加工，以及内在接收、固化和改进而不断形成的，这是一个较为漫长演化的过程，机器智能无法按这一过程辅助学习者形成其内在特征，只是在短时间内依据学习者特征和学习数据统计将学习资源和学习路径推荐给学习者。

1.4 学生自我发展意识弱化

学生作为一个独立学习者，其学习意识、学习习惯、学习认知、学习策略和思维模式等认知要素都是在学习过程中逐步形成的，也是促成其自身发展的主要因素。当前人工智能在教育领域取得了长足的发展，机器智能是否能决定学习者的未来，成为学习过程的决策者呢?答案是否定的。智能教育虽然可以通过技术手段优化一部分教学工作，但离实现大规模因材施教还有很长的路要走[4]。大部分学习者本身具有一定的“惰性”，如果智能机器能够制订好学习计划、规划好学习路径、自动提供学习材料，还能帮忙解答作业题，则对智能机器具有更多依赖性，表现得也更加“机械化”。

1.5 教师及其他因素作用被忽视

在现有个性化学习研究论文中，多数大篇幅强调智能教育技术在学习中的研究和运用，智能机器成了学习者的主要“伴读者”，却忽略了教师和学习协同者在学习中的作用。无论人工智能如何发展，学习者始终离不开课堂这一集体学习环境。在课堂上，教师能够更加了解学生个体差异，能够根据每个学生差异程度设定个性化学习目标，能够实施差异化的教学策略，并且提供个性化评价和反馈。学习者之间存在的学习竞争是促进学习者提高学习意识和方法的重要因素，学习者之间的评价也是相互提升的动力之一。个性化学习不应该脱离课堂中除学习者本身以外的主体，学习者也不可能只有智能机器作为学习协作者。

2、智能时代个性化学习应对策略

教育部印发的《高等学校人工智能创新行动计划》提出“鼓励发展以学习者为中心的智能化学习平台，提供丰富的个性化学习资源”[5]，之后在《教育信息化2.0行动计划》中又提出“探索在信息化条件下实现差异化教学、个性化学习、精细化管理、智能化服务的典型途径”[6]。受益于人工智能技术的发展，面向个性化学习的智能教育产品不断推陈出新。智能教育机器技术能够采用一定的算法对学生做特征分析，从而为学生提供不同的学习资源，并且安排学习路径，但是智能机器的“技术属性”是否能够完全替代教育者的“育人属性”，达到学生真正完成学业的价值目标?显然还有很长的路要走。对于学生的个体差异性和潜力，智能教育机器技术应该能够选择不同的学习目标和不同的学习路径，将个人学习效果达到最大化[7]。辅助学生学习的智能教育产品应该能够更全面地获取大量学生发展数据，用更有效的智能技术帮助学生获取适合个人特征的学习资源，规划效率更高的学习路径。摆脱对智能机器的完全依赖，强调学生学习意识、动机、思维和过程的“人性本真”发展，智能机器只是“技术辅助”。强调教师和学习协同者在学习过程中的作用，个性化学习并非一个人的学习，应该是在集体环境下多态化的互助学习。

2.1 合理设置个性化目标，实现差异化学习

个体化差异体现在存在不同基础和不同层次的学生，其学习动机、学习兴趣、学习意识和学习目标等总是会有所不同，所以教学目标和教学方法不应简单设置为相同。例如，有的学生对课程不感兴趣，对教学内容感觉晦涩难以理解，希望能够达到基本要求就可以，计划把更多时间放在感兴趣的方向上[7]；有的学生理解能力较强，愿意广泛和深入学习课程内容，想掌握更多的知识和方法；有的学生实践能力更强，对课程实践活动和竞赛感兴趣，希望能掌握更多的应用技术。因此，教学目标应该有一个“基本面”，也应该有多个“延伸面”。根据专业的培养目标和课程实际情况，制订课程基本要求和目标，然后通过学情分析对不同层次学生设定不同梯度学习目标，实现学习目标有深度和广度的延展：深度划分可按金字塔结构，循序渐进、逐步加深，达到理论高地；广度划分可依据实践活动，从基础理论、实践拓展到竞赛项目、应用开发等，将教学目标拓展到更多维度。

建立个性化学习目标，引导学生循序渐进地学习，遵循内在动机，符合以人为本和全面发展的教育思想，实现个人在某一方向最大化地发展。教学内容依据不同层次的教学目标，设置不同的范围和难度，体现不同的知识、能力和素质要求，实现差异化学习，让学生在喜欢的领域学习，在达到每一个阶段的目标后能够感觉到收获和成就，从而激发其内在的学习动机和兴趣，更深入或更广泛地进入下一个学习目标，让教学目标回归“育人本真”。

2.2 智慧学习环境实现学习数据驱动和技术赋能

智慧学习环境是一种能感知学习情景、识别学习者特征、提供合适的学习资源与便利的互动工具、自动记录学习过程和评测学习成果，能够促进学习者有效学习的学习场所或活动空间[8]。智慧学习环境是一个广泛的概念，包括在线环境和现场环境，在学生学习过程中能够自动化采集各方数据及学习成果，解决精准学情数据采集困难的问题，还能够发现学生的个性化学习需求，接收学生学习反馈，合理判断学生学习阶段，精准干预学生学习进展，从而为其提供个性化学习环境支持，促进学生进行有效自主的学习。智慧学习环境基于大数据和人工智能技术，支持多样交互学习场所，通过多种途径收集学生各类学习和情感数据，也能接收学生实时反馈；通过大数据方法和技术处理和分析数据，描绘学生个性化特征图谱，利用推荐算法提供适合其发展的学习资源和自学路径，并可以根据反馈进行动态调整。在AI技术的帮助下，智慧学习环境还可以分阶段对学生的学习效果进行评定，并根据结果总结当前学习过程的不足，以规划算法调整下一阶段学习计划和路径，在全部学习过程结束后给出最终评价。智慧学习环境的构建基于大数据、物联网、人工智能等新一代信息技术，以数据驱动优化和提升学习效率，充分发挥机器智能技术对教育的“赋能作用”，推动个性化学习的发展。

2.3 SPOC混合教学模式推动个体发展和协同学习

教育最终回归学生自我发展，智能机器只是“助学者”。教育智能技术可以依据数据分析识别学习者特征，为学生提供学习资源推荐和学习路径选择，提升学生学习效率，但学生学习动能的觉醒、思维方式的独立、自我认知和自主决策的意识等才是推动学习的主要动力。为避免产生智能机器掌握学习决策权而弱化学生个人本身动力的这一问题，最好的方法就是建立合理协调“人机关系”并促进多模态学习的教学模式。

SPOC(Small Private Online Course，小规模限制性在线课程)混合教学通过建立可以共享的完整的学习资源，借助能够连通各种终端的平台，发挥平台学习资源管理、个人学习推荐、教师学生互动、各类数据统计等功能，促进教与学突破空间的约束和时间的限制，满足学生线上学习和线下讨论的需求，使得翻转课堂得以实现。在这一过程中，学生在SPOC平台上的学习和交流提升了个体的发展，同时部分平台还提供了在线协同学习的功能。此外，线下课堂教师的引导、解答、总结以及分组讨论等活动，又进一步促成了多模态学习的形成。智慧学习环境下基于SPOC的个性化学习应该是多方协同的，在智慧环境的智能辅助下，对学生进行准确的学情分析，形成具有反馈能力的智能干预行为，并贯穿整个学习过程。学生作为学习过程的主体，具有自我感知和自我判断的能力；教师对学生学习过程进行指导和监督，在智能在线教学系统中管理学习资源和学习路径。SPOC混合教学模式促使学生之间相互竞争、相互评价和相互协助，这样多模态的个性化学习避免了机器主导学习过程，实现学生真正的自我发展。

3、智慧学习环境下基于SPOC混合教学的个性化学习模型构建

当前云计算、大数据、物联网、人工智能等信息技术的发展，能够让教与学的过程处于智慧学习环境的支撑和辅助之下，从而获得真正的“技术赋能”，由此，构建智慧学习环境下基于SPOC混合教学的个性化学习模型(如图1所示)。

图1 智慧学习环境下基于SPOC混合教学的个性化学习模型

在智慧学习环境下，学生个人基本信息和学习过程信息能够得到全面地采集和智能分析，准确地勾画出学习者画像，从而可以自动生成个性化学习方案。学生依循方案学习，经过课前、课中和课后3次内化，不断学习反思，并能够将问题反馈平台。个人学习动机、兴趣、意识、情感等不断加强，真正实现“个体发展”。弗洛姆学习心理学认为学生的认知基础、心理情感、思维意识、能力水平等个人特征对其学习的过程和结果会产生较为重大的影响，所以准确描绘学生个体特征，针对不同特征实施不同的教学方法，有助于达到更好的教学效果。在笔者讲授的信息安全与密码学课程中，对于学生学习背景、学习目标、个人喜好、心理情感等数据通过问卷调查的方式获取，然后通过智慧学习环境平台深度挖掘学习过程和行为数据，实现对学习者特征多途径、多变量的提取分析，进而从多角度分析学习者特征。将学习者行为数据与学习者特征进行耦合，构建学习者学习画像特征模型，并在此基础上交叉使用多种算法完成学习画像与个性化学习路径拟合，从而实现学习资源推荐和学习路径的生成。例如，采用Apriori-All算法和贝叶斯网络处理的数据信息成为学习者学习画像的数据源、使用蚁群算法实现学习路径的推荐等。

教师采用SPOC混合教学模式，根据学情分析制订不同层次的教学目标，划分侧重点不同的教学内容，对学习方案指导和改进，对课前、课中和课后3个阶段全程组织和监督，做好“辅助者”角色。制订不同层次的教学目标是首要任务，个性化学习以有区别的教学目标为基础。根据前期学习者学习画像特征模型的构建，划分不同层次的学生类别，再分别设定不同的教学目标。在信息安全与密码学课程中，根据学生分类设计3组教学目标(见表1)。

表1 分层教学目标

4、结语

在智慧学习环境下融合SPOC的方法和平台，采用信息化工具和技术开展个性化学习，使学生能够发挥自身的兴趣和特点，进行多层次学习，实现多维度发展。通过大数据和智能算法掌握学生学习行为数据，然后建立和完善可重复使用的分类学习资源，为学生量身定做个性化学习方案。强调教师指导监督作用，通过学生之间“抱团取暖”合作机制，实现对个性化学习的多模态协同支持。构建智慧学习环境下基于SPOC的个性化学习模型，力求真正达到个性化学习的目的，为学生带来更好的学习体验，培养适应时代发展的个性化高素质人才。

参考文献:

[1]饶翔.智慧教室支持下个性化学习模式的构建与应用研究[D].贵阳:贵州师范大学,2022.

[2]陈宫,谢晓兰,刘汉英.高校基于SPOC的差异化混合教学模式构建[J].大学教育,2020(4):10-12.

[3]王一岩,郑永和.智能时代个性化学习的现实困境､意蕴重构与模型构建[J].电化教育研究,2023,44(3):28-35.

[4]汪琼,李文超.人工智能助力因材施教:实践误区与对策[J].现代远程教育研究,2021,33(3):12-17.

[5]中华人民共和国教育部.教育部关于印发《高等学校人工智能创新行动计划》的通知[EB/OL].(2018-09-17)[2024-01-25].

[6]中华人民共和国教育部.教育部关于印发《教育信息化2.0行动计划》的通知[EB/OL].(2019-09-17)[2024-01-25].

[7]陈宫,王宇,刘汉英.基于SPOC的高校翻转课堂混合教学模式研究[J].中国教育信息化,2019(24):62-67.

[8]黄荣怀,杨俊锋,胡永斌.从数字学习环境到智慧学习环境:学习环境的变革与趋势[J].开放教育研究,2012,18(1):75-84.

[9]高丹阳,桑笑语.智慧学习环境下的个性化学习模式探究[J].中国教育信息化,2020(19):27-31.

基金资助:广西高等教育本科教学改革工程项目“基于SPOC智慧学习环境下面向个性化学习的混合教学模式改革与实践”(2021JGB200);广西高等教育本科教学改革工程项目“工程教育认证背景下网络工程专业课程体系构建与实践”(2023JGA204);桂林理工大学课程思政示范课建设项目“信息安全与密码学”(2023SZ079);

文章来源:陈宫,谢晓兰,王宇,等.智慧学习环境下基于SPOC混合教学的个性化学习[J].计算机教育,2024,(11):173-177.