文 燕，李 敏，葉 煜

（成都農(nóng)業(yè)科技職業(yè)學(xué)院，四川 成都611130）

1 引 言

智慧學(xué)習(xí)是達(dá)成學(xué)習(xí)知識目標(biāo)的同時促進思維的培養(yǎng)和發(fā)展，學(xué)習(xí)者的學(xué)習(xí)過程就是智慧的生成過程，智慧教育是教師的教學(xué)過程就是培養(yǎng)智慧的過程，學(xué)習(xí)者可以進行智慧學(xué)習(xí)為目標(biāo)。隨著“互聯(lián)網(wǎng)+教育”深入應(yīng)用，在線學(xué)習(xí)已經(jīng)全面展開，也面臨不少問題，嚴(yán)重阻礙了在線學(xué)習(xí)的有效開展。通過對各階段學(xué)習(xí)者在線學(xué)習(xí)系統(tǒng)的調(diào)研分析，發(fā)現(xiàn)目前運行的在線學(xué)習(xí)系統(tǒng)主要存在一下幾個方面問題：

（1）線上線下學(xué)習(xí)銜接缺乏有效銜接機制。大部分學(xué)習(xí)者在利用信息技術(shù)在線學(xué)習(xí)的過程中，將在線學(xué)習(xí)與課堂教學(xué)視為兩個孤立個體，缺少將二者有效的銜接機制，以至于出現(xiàn)內(nèi)容重疊，導(dǎo)致學(xué)生課后的在線學(xué)習(xí)和課堂學(xué)習(xí)不能互為補充，學(xué)習(xí)時間也不成比例，學(xué)習(xí)質(zhì)量和效果都不理想。

（2）學(xué)習(xí)資源單調(diào)無法刺激學(xué)習(xí)者的學(xué)習(xí)興趣。由于各個階段的學(xué)習(xí)者的學(xué)習(xí)行為與風(fēng)格差異明顯，傳統(tǒng)單一模式和手段教學(xué)，則難以激發(fā)學(xué)生興趣，導(dǎo)致學(xué)習(xí)效果不理想。教師缺少支撐在線教學(xué)智慧學(xué)習(xí)的系統(tǒng)和軟件資源，智慧教育和智慧學(xué)習(xí)理念不能夠得到推廣應(yīng)用，也不能挖掘?qū)W生個性化探究學(xué)習(xí)，從而影響了學(xué)生的興趣的提升。

（3）現(xiàn)有系統(tǒng)不能夠充分挖掘和利用學(xué)習(xí)者個性化學(xué)習(xí)數(shù)據(jù)。在教學(xué)活動進行中，師生普遍希望信息技術(shù)能夠幫助實現(xiàn)個性化學(xué)習(xí)。由于學(xué)習(xí)者的特征和思維方式各不相同等條件限制，教師很難及時發(fā)現(xiàn)每個學(xué)習(xí)者學(xué)習(xí)過程中遇到的問題以及班級總體知識掌握和運用的情況，也就不能根據(jù)具體情況有針對性地進行指導(dǎo)和推薦學(xué)習(xí)資源。從而導(dǎo)致好學(xué)生“吃不飽”，困難生“跟不上”，不能夠?qū)崿F(xiàn)分層教育，使得課堂學(xué)習(xí)質(zhì)量和教學(xué)效果大打折扣。

文章針對現(xiàn)有在線學(xué)習(xí)系統(tǒng)面臨的問題并分析其原因，結(jié)合智慧教學(xué)和智慧學(xué)習(xí)推廣應(yīng)用，亟待設(shè)計一個基于大數(shù)據(jù)的學(xué)智慧學(xué)習(xí)系統(tǒng)，從學(xué)習(xí)系統(tǒng)生態(tài)圈的視角對系統(tǒng)進行建模，力求將線上、線下學(xué)習(xí)進行有效銜接，構(gòu)建“導(dǎo)、學(xué)”一體化的智慧學(xué)習(xí)系統(tǒng)，利用教育大數(shù)據(jù)和學(xué)習(xí)分析技術(shù)，為學(xué)生學(xué)習(xí)、教師導(dǎo)學(xué)提供信息援助和技術(shù)支撐。

2 智慧學(xué)習(xí)系統(tǒng)模型的分析

對于自適應(yīng)學(xué)習(xí)系統(tǒng)參考模型的研究起源比較早，專家們提出了自適應(yīng)超媒體應(yīng)用模型、自適應(yīng)超媒體分層創(chuàng)作模型、增強型自適應(yīng)應(yīng)用模型以及自適應(yīng)學(xué)習(xí)系統(tǒng)通用模型等模型。通過對這些模型的分析，文章選擇Peter Brusilovsky 團隊提出來得自適應(yīng)學(xué)習(xí)系統(tǒng)（AEHS）作為智慧學(xué)習(xí)系統(tǒng)模型的基礎(chǔ)模型，AEHS 模型由教育學(xué)模型、領(lǐng)域知識模型、自適應(yīng)引擎、學(xué)習(xí)者模型和接口模塊5 個部分組成，如圖1 所示。

圖1 自適應(yīng)學(xué)習(xí)系統(tǒng)通用模型

2.1 領(lǐng)域知識模型

領(lǐng)域知識模型是學(xué)習(xí)資源推送和學(xué)習(xí)效果的診斷必備條件，也是智慧學(xué)習(xí)系統(tǒng)的核心。領(lǐng)域知識模型是對領(lǐng)域知識的教學(xué)結(jié)構(gòu)化描述，包含整個學(xué)科的知識體系，以保證知識實體及知識實體間關(guān)系的有序性。由于學(xué)習(xí)者多元知識結(jié)構(gòu)，對于相同的學(xué)習(xí)資源，也會因不同學(xué)習(xí)者學(xué)習(xí)偏好、學(xué)習(xí)發(fā)展?fàn)顟B(tài)不同，產(chǎn)生的學(xué)習(xí)效果也會因人而異；同時領(lǐng)域知識還確定知識點之間的關(guān)系、知識點與學(xué)習(xí)對象的關(guān)系、知識點與問題的關(guān)系，并根據(jù)知識點進行診斷問題，學(xué)習(xí)引擎利用問題庫和學(xué)習(xí)者完成問題的情況，診斷出學(xué)習(xí)者知識掌握情況和能力水平。

2.2 學(xué)習(xí)者模型

學(xué)習(xí)者模型是不同學(xué)習(xí)者差異性的體現(xiàn)，建立智慧學(xué)習(xí)系統(tǒng)的基礎(chǔ)和核心組成，直接決定學(xué)習(xí)者個性化學(xué)習(xí)內(nèi)容的合理性。學(xué)習(xí)者模型包括學(xué)習(xí)者的個人基本信息、知識與能力水平、行為偏好、學(xué)習(xí)風(fēng)格、課程體系等5 個方面信息（詳見表1），并且將這些反應(yīng)其學(xué)習(xí)狀態(tài)的信息通過結(jié)構(gòu)化表示建立數(shù)學(xué)模型進行存儲，進而對學(xué)習(xí)者的狀態(tài)進行預(yù)測和評估。學(xué)習(xí)者模型的構(gòu)建由學(xué)習(xí)者信息的獲取與存儲和學(xué)習(xí)者信息的分析與整理兩個環(huán)節(jié)進行。

表1 學(xué)習(xí)者信息

每一個學(xué)習(xí)者根據(jù)其自身特征建立自己的學(xué)習(xí)者模型，該模型會隨著學(xué)習(xí)者的每一次學(xué)習(xí)不斷的自適應(yīng)調(diào)整；在大數(shù)據(jù)背景下的智慧學(xué)習(xí)系統(tǒng)中也存儲了大量學(xué)習(xí)者的特征信息，通過考慮群體信息對每一個學(xué)習(xí)者模型的影響，從而也要不斷反饋給學(xué)習(xí)者模型進行修正。因此，文章提出的學(xué)習(xí)者模型是在個體因素和群體因素雙重影響下修正的模型，這種模型對于給學(xué)習(xí)者推送符合其個性的學(xué)習(xí)路徑和相應(yīng)學(xué)習(xí)資源有更大的參考價值，也更加科學(xué)有效。

2.3 教育學(xué)模型

教育學(xué)模型是用來定義學(xué)習(xí)者模型訪問以教育學(xué)為基礎(chǔ)，依據(jù)領(lǐng)域知識設(shè)計的領(lǐng)域知識模型各部分信息的規(guī)則，這些規(guī)則具有很強的專業(yè)性。

2.4 自適應(yīng)引擎

自適應(yīng)引擎是用來定義智慧學(xué)習(xí)字體自適應(yīng)規(guī)則，是系統(tǒng)服務(wù)的輸出機構(gòu)和總樞紐。自適應(yīng)引擎利用學(xué)習(xí)者模型分析出學(xué)習(xí)者的知識水平以及對知識的接受能力，再結(jié)合其他模型為學(xué)習(xí)者安排個性化的學(xué)習(xí)策略，同時對學(xué)習(xí)者的學(xué)習(xí)過程進行監(jiān)測和調(diào)整，文章從學(xué)習(xí)者的知識結(jié)構(gòu)和水平診斷、學(xué)習(xí)路徑推薦、導(dǎo)學(xué)信息援助和資源與工具評價四個方面進行分析設(shè)計：

（1）知識結(jié)構(gòu)與知識水平診斷。知識結(jié)構(gòu)是學(xué)習(xí)者知識與能力模型組成，知識結(jié)構(gòu)與課程體系、領(lǐng)域模型等緊密相關(guān)，包括主要知識點實體、資源實體、問題實體以及實體間的關(guān)系四方面內(nèi)容。學(xué)習(xí)者的知識能力水平是通過測試、作業(yè)與實際應(yīng)用等多多維度的診斷方式才能夠診斷出準(zhǔn)確的結(jié)果，診斷結(jié)果記錄到學(xué)習(xí)者信息庫中，通過反復(fù)進化根據(jù)診斷結(jié)果，為學(xué)習(xí)者進行個性化的路徑導(dǎo)航、學(xué)習(xí)資源的推薦，及時調(diào)整學(xué)習(xí)策略。

文章選擇非線性概率模型———項目反映理論（IRT）數(shù)學(xué)模型為知識結(jié)構(gòu)和知識水平進行診斷，IRT 是一種個性化的測試，根據(jù)學(xué)習(xí)者對知識點的理解程度、接受知識的能力、思考方式等答題情況，診斷出學(xué)習(xí)者的知識結(jié)構(gòu)和學(xué)習(xí)能力，根據(jù)評估值調(diào)整題目難度進行反復(fù)測試，直到能夠準(zhǔn)確測試出被試者實際能力水平。通過IRT 測試方式能夠有效避免測試題目與學(xué)習(xí)者實際不匹配的情況，不僅能有效縮短測試時間，還準(zhǔn)確率得到大幅提升。

（2）學(xué)習(xí)路徑和資源推薦。根據(jù)學(xué)習(xí)者的知識能力水平、群體特征信息、教師干預(yù)信息，綜合為學(xué)習(xí)者推薦最佳學(xué)習(xí)路徑，是智慧學(xué)習(xí)系統(tǒng)的一項核心服務(wù)，也是衡量學(xué)習(xí)系統(tǒng)服務(wù)水平的重要指標(biāo)。文章將基于蟻群算法應(yīng)用在推薦最佳學(xué)習(xí)路徑的建模，將學(xué)習(xí)者特征作為蟻群算法的啟發(fā)信息和學(xué)習(xí)路徑為學(xué)習(xí)者選擇一條合適的學(xué)習(xí)路徑，并能夠通過對學(xué)習(xí)者學(xué)習(xí)過程進行實時跟蹤，及時調(diào)整導(dǎo)航策略；根據(jù)學(xué)習(xí)者的學(xué)習(xí)路徑、知識點掌握程度、能力水平、學(xué)習(xí)偏好等信息向?qū)W習(xí)者推薦適應(yīng)性的學(xué)習(xí)資源。

（3）導(dǎo)學(xué)信息援助。教師導(dǎo)學(xué)需要根據(jù)學(xué)生的學(xué)習(xí)情況制定導(dǎo)學(xué)策略，推送學(xué)習(xí)資源。文章外部接口將線下的標(biāo)準(zhǔn)化考試的測評成績和其他外部學(xué)習(xí)系統(tǒng)中產(chǎn)生的測評成績進行過濾和轉(zhuǎn)換，存儲到學(xué)生成績管理系統(tǒng)，兩部分?jǐn)?shù)據(jù)共同形成學(xué)生的標(biāo)準(zhǔn)化測評數(shù)據(jù)；將學(xué)習(xí)者測評數(shù)據(jù)和學(xué)習(xí)者學(xué)習(xí)行為庫中的學(xué)習(xí)過程數(shù)據(jù)、作業(yè)信息連接進學(xué)情信息、系統(tǒng)內(nèi)部學(xué)情信息，結(jié)合智慧學(xué)習(xí)系統(tǒng)中的數(shù)據(jù)，獲取到相對全面的學(xué)習(xí)數(shù)據(jù)，形成教育全數(shù)據(jù)，利用大數(shù)據(jù)分析技術(shù)，為教師導(dǎo)學(xué)提供智能預(yù)測和預(yù)警的信息援助。系統(tǒng)根據(jù)教師所任教的學(xué)生群體的個體學(xué)情、群體學(xué)情、知識點學(xué)情三個維度的數(shù)據(jù)，根據(jù)分析結(jié)果，結(jié)合導(dǎo)學(xué)策略庫，主動為老師推薦導(dǎo)學(xué)信息，輔助教師進行導(dǎo)學(xué)活動。

（4）資源與工具評價。篩選出優(yōu)質(zhì)學(xué)習(xí)資源對于教學(xué)效果的優(yōu)劣起到關(guān)鍵性的作用，也是指導(dǎo)后續(xù)資源與工具的開發(fā)，因此需要學(xué)習(xí)者完成學(xué)習(xí)后對系統(tǒng)向其推薦的學(xué)習(xí)資源與工具進行評價。文章利用大數(shù)據(jù)技術(shù)依據(jù)從主觀經(jīng)驗判斷到大量客觀數(shù)據(jù)的支撐對智慧學(xué)習(xí)系統(tǒng)中的學(xué)習(xí)資源和工具進行有效性評價，為了學(xué)習(xí)者對學(xué)習(xí)資源和工具進行最直接的主觀評價，主觀評測使用李克特量表設(shè)計方式，為學(xué)習(xí)者提供直接對資源與工具的有效性評分的評價接口，這樣學(xué)習(xí)者可以從外觀設(shè)計和資源有用性等方面進行評價，每個評價項具有不同的權(quán)值進行影響。

2.5 接口模塊

接口模塊用于實現(xiàn)學(xué)習(xí)者與智慧學(xué)習(xí)系統(tǒng)的交互，同時存儲于接口模塊的數(shù)據(jù)也可以預(yù)測學(xué)習(xí)者的個性化特點，從而更新并驗證學(xué)習(xí)者模型。

3 基于大數(shù)據(jù)的智慧學(xué)習(xí)系統(tǒng)架構(gòu)的設(shè)計

通過對成都農(nóng)業(yè)科技職業(yè)學(xué)院高職初級程序設(shè)計學(xué)生的學(xué)習(xí)的現(xiàn)狀、存在的問題和解決思路進行調(diào)研分析，以IBM 大數(shù)據(jù)系統(tǒng)架構(gòu)為基礎(chǔ)，應(yīng)用自適應(yīng)學(xué)習(xí)系統(tǒng)通用模型，結(jié)合實際學(xué)習(xí)流程，設(shè)計出了基于大數(shù)據(jù)的智慧學(xué)習(xí)系統(tǒng)總體架構(gòu)。大數(shù)據(jù)的應(yīng)用為智慧學(xué)習(xí)系統(tǒng)的注入了新的活力和特色，也為智慧學(xué)習(xí)系統(tǒng)框架及各模塊運轉(zhuǎn)機制提供了依據(jù)，該系統(tǒng)結(jié)構(gòu)由信息采集層、數(shù)據(jù)層、信息存儲層、分析控制層、應(yīng)用層五個層次組成。如圖4 所示。

圖3 基于大數(shù)據(jù)的智慧學(xué)習(xí)系統(tǒng)總體架構(gòu)

智慧學(xué)習(xí)系統(tǒng)的數(shù)據(jù)來源除了系統(tǒng)自身的數(shù)據(jù)外，主要數(shù)據(jù)來源是信息采集層的各種硬件感知設(shè)備、其他外接關(guān)聯(lián)系統(tǒng)多樣化的數(shù)據(jù)。數(shù)據(jù)層是將多樣化的基礎(chǔ)數(shù)據(jù)經(jīng)過ETL 等技術(shù)清洗、處理、增量處理，形成有意義的信息，該層與IBM 大數(shù)據(jù)系統(tǒng)架構(gòu)中的數(shù)據(jù)處理和存儲層相對應(yīng)?？刂茖邮潜鞠到y(tǒng)的核心，應(yīng)用自適應(yīng)學(xué)習(xí)系統(tǒng)通用模型，即學(xué)習(xí)者模型、領(lǐng)域知識模型和自適應(yīng)引擎，對應(yīng)IBM 大數(shù)據(jù)系統(tǒng)架構(gòu)的數(shù)據(jù)分析層，通過引擎提供個性化學(xué)習(xí)服務(wù)，同時引擎具有自我演進學(xué)習(xí)能力。

3.1 信息采集層

信息采集層主要是由個人電腦、手機、平板等各類應(yīng)用終端和攝像頭、話筒等采集硬件設(shè)備以及外部應(yīng)用系統(tǒng)構(gòu)成，該層負(fù)責(zé)學(xué)習(xí)者各種學(xué)習(xí)數(shù)據(jù)的采集和獲取。根據(jù)“內(nèi)外兼修”的設(shè)計原則，為了獲取更廣泛的數(shù)據(jù)，該初級程序設(shè)計課程慧學(xué)習(xí)系統(tǒng)關(guān)聯(lián)了成績管理、學(xué)生綜合素質(zhì)評價等系統(tǒng)，關(guān)聯(lián)系統(tǒng)的數(shù)據(jù)在大數(shù)據(jù)技術(shù)的支持下，成為評價學(xué)生學(xué)習(xí)水平基礎(chǔ)數(shù)據(jù)。

3.2 數(shù)據(jù)層

數(shù)據(jù)層通過各種數(shù)據(jù)采集接口模塊從信息采集層獲取多樣化的原始數(shù)據(jù)資源，例如圖像、聲音、影像、學(xué)習(xí)者在其他關(guān)聯(lián)學(xué)習(xí)系統(tǒng)的應(yīng)用過程數(shù)據(jù)，線上線下學(xué)習(xí)活動的數(shù)據(jù)記錄等信息，形成豐富的結(jié)構(gòu)化、半結(jié)構(gòu)化的原始數(shù)據(jù)池。

3.3 信息存儲層

信息存儲層是為系統(tǒng)提供有意義的數(shù)據(jù)資源存儲的大數(shù)據(jù)倉庫。利用ETL 等技術(shù)對數(shù)據(jù)層中的原始數(shù)據(jù)進行清洗、轉(zhuǎn)換，經(jīng)過加工處理提煉有用數(shù)據(jù)存儲到相應(yīng)的各種特征數(shù)據(jù)庫中，同時也對數(shù)據(jù)層后續(xù)傳輸?shù)臄?shù)據(jù)進行持續(xù)處理，并已更新各數(shù)據(jù)庫的數(shù)據(jù)。

3.4 分析控制層

分析控制層是基于大數(shù)據(jù)智慧學(xué)習(xí)系統(tǒng)的核心，學(xué)習(xí)過程中學(xué)習(xí)者知識水平診斷、學(xué)習(xí)路徑推薦、學(xué)習(xí)資源推薦和資源與工具的有效性評價的自適應(yīng)引擎內(nèi)容，這些評價根據(jù)學(xué)習(xí)者模型和領(lǐng)域模型提供進行個性學(xué)習(xí)服務(wù)，并持續(xù)對服務(wù)結(jié)果進行評價，更新引擎規(guī)則，從而實現(xiàn)引擎的自我演進。

3.5 應(yīng)用層

應(yīng)用層是為用戶提供個性化、適應(yīng)性、智能化的各種業(yè)務(wù)服務(wù)，包括學(xué)習(xí)內(nèi)容呈現(xiàn)、學(xué)習(xí)工具支持、學(xué)習(xí)情境創(chuàng)設(shè)、學(xué)習(xí)活動，教師導(dǎo)學(xué)活動、學(xué)習(xí)策略等模塊化的服務(wù)以及外部數(shù)據(jù)接入服務(wù)。

4 基于大數(shù)據(jù)智慧學(xué)習(xí)系統(tǒng)在高職初級程序設(shè)計教學(xué)過程中的應(yīng)用

基于大數(shù)據(jù)的智慧學(xué)習(xí)生態(tài)系統(tǒng)適用于多種類型的學(xué)生課后學(xué)習(xí)，文章以成都農(nóng)業(yè)科技職業(yè)學(xué)院的初級程序的學(xué)習(xí)進行應(yīng)用驗證，由于高職階段的學(xué)生自主學(xué)習(xí)能力不高以及初級程序設(shè)計課程根據(jù)自身特點，采用的是集“導(dǎo)、學(xué)、做”為一體的任務(wù)驅(qū)動項目模式的教學(xué)方法，教學(xué)過程主要有課前、課中和課后三個階段，對于課下的自主導(dǎo)學(xué)和督學(xué)不夠。初級程序設(shè)計智慧學(xué)習(xí)系統(tǒng)主要為學(xué)生提供課后自主學(xué)習(xí)和與課堂教學(xué)相關(guān)的輔助學(xué)習(xí)，主要包括課前知識預(yù)習(xí)以及課后作業(yè)兩部分。

學(xué)生課后自主學(xué)習(xí)主要以導(dǎo)學(xué)的形式開展。教師向?qū)W生提供自行制作和上傳的視頻、音頻、圖片、動畫、構(gòu)建工具等學(xué)習(xí)資源、個性化探究類資源或資源庫已有資源，系統(tǒng)會結(jié)合學(xué)習(xí)者模型和推薦規(guī)則推薦向?qū)W生推薦適合的資源或者學(xué)生根據(jù)自己實際情況自主從學(xué)習(xí)庫中選擇適合的學(xué)習(xí)資源。推送規(guī)則是系統(tǒng)根據(jù)具體教學(xué)內(nèi)容、課程特點、學(xué)習(xí)者的學(xué)情和學(xué)習(xí)方法將資源進行分類，對于不同層次的學(xué)生制定不同路徑的導(dǎo)學(xué)資源，實現(xiàn)個性化教學(xué)和分層教學(xué)，對于學(xué)生在探究過程中遇到的重難點錄制微課資源，總之通過多種路徑達(dá)到學(xué)會知識的目的。學(xué)生課后自主導(dǎo)學(xué)完成后，可以自適應(yīng)選擇測試難度等級進行效果測試，系統(tǒng)根據(jù)學(xué)生選擇的難度推試題進行測試，系統(tǒng)完成批改，根據(jù)學(xué)生答題情況分析、診斷出學(xué)生學(xué)習(xí)弱點，系統(tǒng)把鞏固練習(xí)資源推送給相應(yīng)生，再將整個導(dǎo)學(xué)和學(xué)習(xí)過程的數(shù)據(jù)記錄在數(shù)據(jù)庫進行系統(tǒng)更新，以便后續(xù)學(xué)習(xí)中更加準(zhǔn)確地進行學(xué)習(xí)資源的推送和學(xué)習(xí)情況的診斷。

圖3 初級程序設(shè)計智慧學(xué)習(xí)系統(tǒng)

在智慧學(xué)習(xí)生態(tài)系統(tǒng)主要由教師主導(dǎo)行為，課堂輔助教學(xué)主要是課前預(yù)習(xí)和課后復(fù)習(xí)作業(yè)，課前預(yù)習(xí)是課堂教學(xué)的前學(xué)習(xí)，課后復(fù)習(xí)作業(yè)是對課堂教學(xué)的檢驗，二者與課堂緊密服務(wù)于課堂。課前預(yù)習(xí)活動中，教師將課堂知識點設(shè)計好的預(yù)習(xí)資源推送給學(xué)生，包括預(yù)習(xí)學(xué)習(xí)指南、項目任務(wù)、課件和各種素材資源，學(xué)生根據(jù)自身情況選擇推薦資源進行預(yù)習(xí)活動，預(yù)習(xí)完成后，學(xué)生根據(jù)教師制定相應(yīng)的習(xí)題進行預(yù)習(xí)情況進行測評。在課后復(fù)習(xí)和布置作業(yè)活動中，教師根據(jù)課堂教學(xué)的內(nèi)容向?qū)W生推送作習(xí)題為主的作業(yè)資源，學(xué)生完成作業(yè)后，系統(tǒng)自動批閱，老師結(jié)合系統(tǒng)評價對學(xué)生學(xué)習(xí)和復(fù)習(xí)情況進行檢測。

在課前、課后和課中的教學(xué)活動中，系統(tǒng)從學(xué)習(xí)過程及測評結(jié)果中均可以獲取反饋數(shù)據(jù)，隨著數(shù)據(jù)的不斷積累和分析，進行資源與工具評價，不斷完善和優(yōu)化教學(xué)資源和工具，以便教師在學(xué)生學(xué)習(xí)過程中獲得系統(tǒng)反饋的學(xué)情信息，進行有針對性的指導(dǎo)。

5 結(jié) 論

隨著智慧校園不斷推廣，隨之產(chǎn)生的教育信息化、知識融合與協(xié)同創(chuàng)新的全新學(xué)習(xí)方法，對學(xué)習(xí)者智慧的生成、核心素養(yǎng)的提升具有重要意義。智慧學(xué)習(xí)系統(tǒng)是學(xué)習(xí)者的學(xué)習(xí)過程得以保存形成海量的教育大數(shù)據(jù)，為教育教學(xué)優(yōu)化提供了重要依據(jù)．通過系統(tǒng)的不斷進化、完善，為智慧學(xué)習(xí)持續(xù)提供優(yōu)質(zhì)服務(wù)和保障。