徐建軍，張國華

(南京師范大學(xué)泰州學(xué)院，江蘇 泰州 225300)

0 引 言

隨著人工智能、大數(shù)據(jù)、云計算、數(shù)據(jù)挖掘等技術(shù)的深入發(fā)展，信息技術(shù)已成為各行各業(yè)不可或缺的工具。而教學(xué)是未來人才培養(yǎng)的基礎(chǔ)學(xué)段，面對這樣一個充滿個性發(fā)展的時代，主動開展基于信息技術(shù)的精準教學(xué)，是教育發(fā)展的必然趨勢。

精準教學(xué)[1]是學(xué)者Lindsley在20世紀60年代在學(xué)者Skinner的行為學(xué)習(xí)理論的基礎(chǔ)上提出的一種新的教學(xué)方法。精準教學(xué)誕生之初就是用于靶向教育，其目的是通過設(shè)計測量教學(xué)過程來獲取有關(guān)數(shù)據(jù)，以追蹤學(xué)生的學(xué)習(xí)表現(xiàn)并為教學(xué)提供數(shù)據(jù)決策支持。其衡量標準主要是流暢度。流暢度是由學(xué)生對應(yīng)掌握知識和技能的“準確程度”和“熟練速度”兩方面組成。而傳統(tǒng)的精準教學(xué)的監(jiān)測辦法是通過人工繪制測量表來分析，過于繁瑣，且缺乏大數(shù)據(jù)和人工智能為支撐，結(jié)果往往不夠精準。

文中采用大數(shù)據(jù)與人工智能技術(shù)，基于數(shù)據(jù)挖掘理論，采用了先進的挖掘算法[2]，以多年教學(xué)過程中學(xué)生數(shù)學(xué)練習(xí)及部分模擬數(shù)據(jù)作為數(shù)據(jù)源，智能分析出學(xué)生不同學(xué)段知識點之間的關(guān)聯(lián)性，及時給學(xué)生學(xué)習(xí)預(yù)警提示，給教師教學(xué)效果預(yù)測提醒，使得學(xué)生學(xué)習(xí)教師教授新知識點的時候，能夠得到有價值的推送信息。

例如，學(xué)生會清楚地看到前期哪些知識點與該知識點的關(guān)聯(lián)度高，影響度又是如何的，同時，教師在講解該知識點之前，會出一個統(tǒng)計報表，預(yù)測常規(guī)方法教學(xué)，班級學(xué)生掌握情況，能夠精確定位班級每名學(xué)生學(xué)習(xí)該知識點造成影響的前期薄弱環(huán)節(jié)，及時高效解決。

1 國內(nèi)外精準教學(xué)研究現(xiàn)狀及應(yīng)用困境

1.1 國內(nèi)外精準教學(xué)研究現(xiàn)狀

經(jīng)查閱相關(guān)國外文獻，國外的精準教學(xué)主要研究點集中在通過具體的教學(xué)實驗及案例來評估教學(xué)效果。例如Downer和Griffin兩位學(xué)者的研究結(jié)果表明，精準教學(xué)對提高學(xué)生的閱讀能力具備明顯優(yōu)勢[3]；而Gallagher和Stromgren兩位學(xué)者的研究結(jié)果則表明精準教學(xué)對幫助數(shù)學(xué)學(xué)習(xí)困難的學(xué)生具備優(yōu)勢[4-5]。

在國內(nèi)，精準教學(xué)研究處于起步階段，筆者在中國知網(wǎng)中嘗試以“精準教學(xué)”為關(guān)鍵詞進行檢索(數(shù)據(jù)截至2019年5月27日)，結(jié)果為44條，相關(guān)研究成果大都集中在近兩年。

比較典型的成果[6-7]有，梁美鳳發(fā)表了《“精準教學(xué)”探析》；祝智庭教授發(fā)表了《信息技術(shù)支持的高效知識教學(xué):激發(fā)精準教學(xué)的活力》；王永雄、丁德瑞等學(xué)者發(fā)表了《基于創(chuàng)新實踐能力培養(yǎng)的精準分層教學(xué)》等。

由此可知，目前國內(nèi)的精準教學(xué)研究總量偏少，精準教學(xué)的研究成果不多，大數(shù)據(jù)、云計算、人工智能的分析方法應(yīng)用較少。

1.2 精準教學(xué)應(yīng)用困境

精準教學(xué)雖然是一種有效的教學(xué)方法，但在實際教學(xué)過程中卻很難應(yīng)用好，分析原因主要有兩點：

(1)精準教學(xué)是通過設(shè)計測量表來獲取學(xué)生學(xué)習(xí)數(shù)學(xué)的行為結(jié)果，并依據(jù)測量結(jié)果進行薄弱環(huán)境的強化訓(xùn)練，從而提高學(xué)習(xí)質(zhì)量。該方式缺乏對每名學(xué)生學(xué)習(xí)過程的有效監(jiān)控，往往會忽略學(xué)生的個性化發(fā)展。

(2)精確教學(xué)缺乏先進的技術(shù)支持。精準教學(xué)主要以測量，收集學(xué)生學(xué)習(xí)表現(xiàn)數(shù)據(jù)為數(shù)據(jù)基礎(chǔ)，以統(tǒng)計學(xué)相關(guān)知識為技術(shù)基礎(chǔ)。而數(shù)學(xué)課程教師往往采用傳統(tǒng)的人工管理數(shù)據(jù)方式進行分析，大多缺乏對于先進統(tǒng)計學(xué)，數(shù)據(jù)分析決策工具的應(yīng)用，因此數(shù)據(jù)采集效率，可視化及精準化程度均不高。

2 大數(shù)據(jù)及數(shù)據(jù)挖掘技術(shù)對精準教學(xué)的影響

誰掌握數(shù)據(jù)，誰就掌握主動權(quán)，大數(shù)據(jù)的興起正引領(lǐng)社會發(fā)展新變化。大數(shù)據(jù)技術(shù)必將給精準教學(xué)提供更多更先進的理論與技術(shù)支撐，促進其大力發(fā)展。

2.1 大數(shù)據(jù)技術(shù)使得數(shù)學(xué)課程中采用精準教學(xué)更為可行

隨著信息技術(shù)的大力發(fā)展，教學(xué)管理系統(tǒng)，學(xué)生自主學(xué)習(xí)APP系統(tǒng)，基于微信學(xué)習(xí)平臺的廣泛應(yīng)用，促使數(shù)學(xué)課程教育方面數(shù)據(jù)快速增長，使得學(xué)生的學(xué)習(xí)的行為，過程，狀態(tài)，練習(xí)結(jié)果，成績等成為可以被信息技術(shù)自動抓取的數(shù)據(jù)存在，這樣使得獲取精準教學(xué)的測量數(shù)據(jù)更為便捷和有效。

2.2 精準教學(xué)可以使用先進的數(shù)據(jù)挖掘技術(shù)

數(shù)據(jù)挖掘技術(shù)(data mining)，是指從海量數(shù)據(jù)中自動發(fā)現(xiàn)隱藏于其中有某種關(guān)聯(lián)的信息過程。在獲取了精準教學(xué)的基礎(chǔ)大數(shù)據(jù)之后，就可以采用先進的數(shù)據(jù)挖掘技術(shù)來分析每個學(xué)生的薄弱點，精準定位學(xué)生知識學(xué)習(xí)的薄弱環(huán)節(jié)，給出相應(yīng)的學(xué)習(xí)方案。同時大數(shù)據(jù)支持多并發(fā)及海量數(shù)據(jù)的能力，教師就可以使精準教學(xué)規(guī)?；貞?yīng)用到每名學(xué)生身上，兼顧學(xué)生的個性化發(fā)展。

2.3 大數(shù)據(jù)技術(shù)的廣泛使用可以使得精準教學(xué)更加開放智能

大數(shù)據(jù)[7]一般滿足容量大(Volume)，多樣性(Variety)，速度快(Velocity)，有價值(Value)，真實性(Veracity)五個特性。在教育領(lǐng)域，大數(shù)據(jù)平臺是服務(wù)于教育教學(xué)工作的綜合性的信息平臺，師生、家長等角色均是大數(shù)據(jù)的生產(chǎn)者和應(yīng)用者。因此，隨著大數(shù)據(jù)技術(shù)、數(shù)據(jù)挖掘技術(shù)在數(shù)學(xué)課程精準教學(xué)中的應(yīng)用，學(xué)生、教師、家長等角色均可參與到精準教學(xué)過程中，可以為學(xué)生量身定制教學(xué)方案，家長隨時可以掌握自己孩子的學(xué)習(xí)情況，教師可以掌握班級整體情況，教學(xué)管理者可以根據(jù)大數(shù)據(jù)把控教學(xué)改革方向等。同時大數(shù)據(jù)具備自我學(xué)習(xí)能力，隨著數(shù)據(jù)量的不斷增加和數(shù)據(jù)挖掘算法的不斷改進，其數(shù)據(jù)分析處理能力將更加智能精準。

3 基于數(shù)據(jù)挖掘支持下的精準教學(xué)模式設(shè)計

在現(xiàn)有的教學(xué)環(huán)境下，數(shù)學(xué)課程教師更加傾向于使用成熟的教學(xué)模式，精準教學(xué)往往被作為是評估教學(xué)效果的策略或方法，老師們也似乎不太愿意花費多余精力來研究如何將精準教學(xué)融入現(xiàn)有教學(xué)中，而是照搬成熟的教學(xué)模式來使用，所以精準教學(xué)并沒有被廣泛采納。此外，在信息化引領(lǐng)的教育變革潮流中，精準教學(xué)也因為信息技術(shù)支撐的缺失而受到廣大教育工作者的冷落，缺乏活力。大數(shù)據(jù)可以突破傳統(tǒng)教學(xué)限制，大力推動數(shù)學(xué)課程教師在思想和行為上接納并認同精準教學(xué)，利用大數(shù)據(jù)來構(gòu)建可供參考精準教學(xué)的模式，可以推動精準教學(xué)發(fā)展、促進精準教學(xué)應(yīng)用。為此，文中將從精準教學(xué)目標、程序化教學(xué)過程、基于數(shù)據(jù)挖掘的評價與預(yù)測[8]三個方面，來構(gòu)建數(shù)學(xué)課程大數(shù)據(jù)的精準教學(xué)模式框架，具體如圖1所示。

圖1 數(shù)學(xué)課程大數(shù)據(jù)精準教學(xué)模式框架

3.1 精準教學(xué)系統(tǒng)總體架構(gòu)

精準教學(xué)信息化平臺采用標準三層架構(gòu)設(shè)計，其中表示層負責數(shù)據(jù)采集、修改、刪除，智能設(shè)定數(shù)據(jù)挖掘算法的可信度與置信度[9]最小值，對于學(xué)生可自動提示后續(xù)可能學(xué)不好的知識點，對于老師則可自動預(yù)測該班的整體教學(xué)效果，并分析出關(guān)聯(lián)的知識點。業(yè)務(wù)邏輯層主要實現(xiàn)關(guān)聯(lián)挖掘算法，快速對大數(shù)據(jù)進行挖掘，并反饋結(jié)果。數(shù)據(jù)層主要采用主流的大數(shù)據(jù)框架Hadoop[10]以及強大的MapReduce來實現(xiàn)存儲原始數(shù)據(jù)及并行處理，建立挖掘數(shù)據(jù)庫，形成關(guān)聯(lián)規(guī)則數(shù)據(jù)庫，其標準三層架構(gòu)如圖2所示。

圖2 精準教學(xué)系統(tǒng)整體架構(gòu)

3.2 精準教學(xué)目標

明確教學(xué)目標是整個教學(xué)活動的關(guān)鍵，是檢驗教學(xué)是否成功的依據(jù)。精準教學(xué)的第一步是必須精準化教學(xué)目標。例如在《數(shù)學(xué)課程課程標準》的第二學(xué)段中關(guān)于“數(shù)的運算”中要求“探索并了解運算律，會應(yīng)用運算律進行一些簡便運算”，這里的“會應(yīng)用”是一個相對比較籠統(tǒng)的詞語。

在精準教學(xué)體系中，可以建立更明確更精準化的教學(xué)目標，對每個教學(xué)目標都可轉(zhuǎn)化成可以被信息系統(tǒng)抓取的可細化和量化數(shù)據(jù)。把傳統(tǒng)的“會應(yīng)用”、“熟練掌握”等這些較為籠統(tǒng)的教學(xué)目標，經(jīng)過細化、分解、量化之后，建立起既包含準確掌握知識技能的目標，又包含運用知識技能速度的目標，達到精準教學(xué)的“流暢度”要求的指標。

3.3 程序化教學(xué)過程

精準教學(xué)誕生于Skinner的程序化教學(xué)過程，程序化是精準教學(xué)的關(guān)鍵。文中基于大數(shù)據(jù)程序化教學(xué)過程，具體包括：(1)建立數(shù)學(xué)課程大數(shù)據(jù)平臺，利用精準化、智能化推薦技術(shù)，根據(jù)學(xué)生的不同特點，配置對應(yīng)教學(xué)資源，融入個性化的教學(xué)；(2)改進傳統(tǒng)的教學(xué)過程，收集每位學(xué)生的學(xué)習(xí)過程數(shù)據(jù)，為下一步數(shù)據(jù)挖掘，決策和干預(yù)做好準備；(3)實施精準干預(yù)，根據(jù)大數(shù)據(jù)平臺反饋的結(jié)果，結(jié)合精準化的教學(xué)目標自動判別學(xué)生是否達到要求，如果有問題，則需要干預(yù)，會自動回溯，精準定位到薄弱點及關(guān)聯(lián)點，實現(xiàn)精準干預(yù)。

3.4 Apriori算法

3.4.1 基本定義

定義1(可信度)：設(shè)I={i1,i2,…,in}是含有N項的集合，交易T是項的集合,T?I,D為T集合，設(shè)A是其中項集，事務(wù)T包含X，僅有X?T,即X包含于T,X?Y是關(guān)聯(lián)規(guī)則表達式，且X?I,Y?I,X∩Y=?。

Support(X?Y)=P(X∪Y)={T:X∪Y?T,

T∈D}/D×100%=a

(1)

定義2(置信度)：關(guān)聯(lián)規(guī)則X?Y的可信度是指包含X與Y的交易數(shù)與僅包含X的交易數(shù)的比值，表示為:

Confidence(X?Y)=P(X|Y)=

(2)

3.4.2 Apriori算法

Apriori算法[11]是一種依據(jù)頻繁項集作為先驗知識[12]，采用逐層掃描的迭代方案，即第k項集用來檢索第(k+1)項集。具體步驟如下：首先通過檢索事務(wù)(或交易)的記錄，掃描出所有頻繁的第1項集，并將找到的集合記為L1，依次迭代尋找出L2,L3…如此循環(huán)下去，直到找不到任何頻繁的第k項集。其次利用所有的頻繁集中提取的強規(guī)則，即能為用戶決策提供支撐的關(guān)聯(lián)規(guī)則。其相關(guān)為代碼如下：

輸入：D是事務(wù)數(shù)據(jù)庫；min_sup是最小支持度技術(shù)閾值

輸出：L是事務(wù)數(shù)據(jù)庫中的頻繁項集

方法：

L1=find_frequent_1-itemsets(D);

//首先找出所有頻繁1項集

For(k=2;Lk-1!=null;k++)

{

Ck=apriori_gen(Lk-1)

//循環(huán)產(chǎn)生候選同時剪枝

For each事務(wù)tinD

{

//通過循環(huán)對D掃描進行計數(shù)

Ct=subset(Ck,t)

//調(diào)用得到t的子集

For each候選c屬于Ct

c.count++;

}

Lk={c屬于Ck|c.count>=min_sup}

}

Return L=得到所有的頻繁集；

3.4.3 前期數(shù)據(jù)準備

以某校5(1)班60名學(xué)生為研究對象，選取數(shù)學(xué)四年級以上學(xué)期課程成績數(shù)據(jù)為例，通過相應(yīng)的數(shù)據(jù)挖掘算法分析，找到知識點的內(nèi)在關(guān)聯(lián)，為學(xué)生的學(xué)習(xí)，老師的教學(xué)提供數(shù)據(jù)決策支撐。為方便表述，將初步認識平面圖形特點成績表示為PMTX,認識立體圖形的體積表示為LTTX，表1給出了以學(xué)號為主鍵成績匯總。

表1 學(xué)生數(shù)學(xué)成績匯總(分)

3.4.4 數(shù)據(jù)挖掘篩選、轉(zhuǎn)換

該班60名學(xué)生中有1名學(xué)生轉(zhuǎn)學(xué)，1名出國，后續(xù)知識點的單元無關(guān)聯(lián)，因此從挖掘數(shù)據(jù)庫中排除，得出有效成績元組964條(平均每學(xué)期選取了4個知識點)。為方便數(shù)據(jù)挖掘，需要對數(shù)據(jù)進行格式化處理，成績與等級關(guān)系如表2所示。

表2 成績與等級關(guān)系

轉(zhuǎn)換成挖掘數(shù)據(jù)如下：

根據(jù)表3，對照Apriori算法設(shè)定最小支持度為0.2,班級總?cè)藬?shù)為58名，那么最小支持人數(shù)必須達到52*0.2即11.6名，如果這個知識單元的所在等級的人數(shù)不足11.6名，則需排除在數(shù)據(jù)挖掘庫中，因此設(shè)定最小支持度為0.2時選取的數(shù)據(jù)如表3所示。

表3 學(xué)生成績匯總(人次)

3.5 基于數(shù)據(jù)挖掘的評價與預(yù)測分析

(1)對于學(xué)生的評價和預(yù)測。

通過部分真實及模擬數(shù)據(jù)，設(shè)置數(shù)據(jù)挖掘時支持度>=0.8，置信度>=0.7，利用改進數(shù)據(jù)挖掘Apriori算法，得到以下53條關(guān)聯(lián)規(guī)則，具體如表4所示。

學(xué)生登錄系統(tǒng)后，自動獲得一些推送信息[13]。例如，該生第一學(xué)段的“初步認識平面圖形特點”該知識點考了83分，位于‘82.5-87.5’區(qū)間，該大數(shù)據(jù)平臺將預(yù)測到按傳統(tǒng)方法學(xué)習(xí)第二學(xué)段的“認識立體圖形的表面積”將75%的可能取得的分值位于‘81.0-86.0’區(qū)間，效果不理想，系統(tǒng)會自動回溯，精準定位影響本知識點學(xué)習(xí)的知識點，實現(xiàn)精準干預(yù)，學(xué)生能夠及時輕松彌補欠缺知識點，減少后續(xù)影響[14]。

表4 數(shù)據(jù)挖掘結(jié)果關(guān)聯(lián)規(guī)則表

(2)對于教師教學(xué)的預(yù)測和改進。

老師登錄系統(tǒng)后，系統(tǒng)會給出班級學(xué)生信息，給出對本知識點造成影響的已學(xué)知識點信息[15]，同時也會羅列出可能將對哪些后續(xù)知識點造成影響，并給出本知識點對于數(shù)學(xué)課程后續(xù)知識點影響程度及關(guān)聯(lián)程度。如果預(yù)測班級整體學(xué)生80分以下比例(置信度≥0.75統(tǒng)計)占比大于等于20%，則為嚴重，大于等于15%為一般，大于等于5%則為輕微，如果預(yù)測影響后續(xù)知識點數(shù)目(置信度≥0.75統(tǒng)計)大于等于3個為嚴重，大于等于2個為一般，大于等于1個為輕微，老師將會看到如下類似統(tǒng)計表，如表5所示。

表5 知識點“認識立體圖形的表面積”教學(xué)效果預(yù)測

通過對學(xué)生和教師兩方面的預(yù)測和評價，注重給學(xué)生精準引導(dǎo)和補習(xí)前序單元知識點的缺失，又能提醒老師主動調(diào)整教學(xué)方法來實現(xiàn)精準教學(xué)，雙方共同配合，教學(xué)效果能得到大幅提升。

4 結(jié)束語

精準教學(xué)是一種先進的教學(xué)模式，可以大大減輕學(xué)生的學(xué)習(xí)負擔，提升學(xué)習(xí)效率，避免教師過度重復(fù)教學(xué)[2]，在明確教學(xué)方向和內(nèi)容方面具備優(yōu)勢，但是精準教學(xué)如果缺乏了大數(shù)據(jù)技術(shù)，人工智能，數(shù)據(jù)挖掘技術(shù)的支持，就很難發(fā)揮出效果。文中設(shè)計并模擬了精準教學(xué)的數(shù)據(jù)挖掘平臺，可以有效發(fā)揮精準教學(xué)的優(yōu)勢。鑒于部分數(shù)據(jù)采用模擬數(shù)據(jù)，后續(xù)工作將繼續(xù)展開研究，進一步收集數(shù)據(jù)，充分發(fā)揮精準教學(xué)優(yōu)勢。