孫彥博

（重慶警察學院，重慶 400000）

0 引言

教學環(huán)境是教學理念、教學模式和教學內(nèi)容的承載者，良好的教學環(huán)境營造了“環(huán)境育人”的物理空間。教育信息化2.0行動計劃開啟以學生為中心的智能化教學支持環(huán)境建設(shè)，明確了教學環(huán)境的對象屬性和技術(shù)屬性[1]。學生自我發(fā)展的全面化、精準化和個性化愿景成為教學環(huán)境建設(shè)的導(dǎo)向，而通過教學方式和學習方式將技術(shù)工具和課堂組織進行深度耦合賦予教學環(huán)境以智慧。智慧教學環(huán)境的功能不再只限于軟硬件智能設(shè)備的網(wǎng)絡(luò)聯(lián)通，通過感知學習情景、識別學生特征、提供合適的學習資源與便利的互動工具，有效促進了學生的學習[2]。所以，本項目在完成技術(shù)設(shè)計、自動記錄學習過程和評測學習成果的基礎(chǔ)上，進一步研討了云邊端協(xié)同環(huán)境下教與學的組織形式。

1 智慧教學環(huán)境研究現(xiàn)狀

國外對于教學環(huán)境的研究起源于勒溫的心理動力場理論，他深入闡釋了人的行為與環(huán)境的關(guān)系[3]。20世紀80年代，隨著交互式音視頻技術(shù)的發(fā)展，逐漸將嵌入個人電腦、光盤存儲、視頻節(jié)目等信息技術(shù)的課堂稱為智慧教學環(huán)境。進一步，國外高校以完善教育服務(wù)提升核心領(lǐng)域影響力為導(dǎo)向，致力于將網(wǎng)絡(luò)技術(shù)、新一代信息技術(shù)和課程相結(jié)合，不斷顛覆傳統(tǒng)的大學教育模式，創(chuàng)造出MOOC、SPOC、微課、翻轉(zhuǎn)課堂等全新的教學環(huán)境[4]。

國內(nèi)對于教學環(huán)境的研究從電化教育起步，教育研究者深入探索了技術(shù)創(chuàng)新手段在豐富學習經(jīng)驗、增強學習成效方面的作用，對適應(yīng)于泛在學習、移動學習、自適應(yīng)學習和混合學習的教學環(huán)境開展了理論研究[5]，與之相適應(yīng)的應(yīng)用場景和智能產(chǎn)品同步涌現(xiàn)，信息技術(shù)已經(jīng)成為推動教與學實踐變革的不可逆轉(zhuǎn)的力量。

2 在線教學帶來的挑戰(zhàn)

國民經(jīng)濟和社會發(fā)展第十四個五年規(guī)劃首次提出“發(fā)揮在線教育優(yōu)勢”。2020年以來，大規(guī)模的在線教學實踐極大豐富了教學和管理內(nèi)涵。推動了教師的教，教師是否具備有效組織課堂的能力，能否與學生相互關(guān)聯(lián)、相互作用激發(fā)學習動機，成為能否促進有效學習的關(guān)鍵因素。推動了學生的學，將45分鐘的標準課時顆粒化后，學生在線課程中表現(xiàn)出更大的自主性，學習滿意度甚至超過了面對面的傳統(tǒng)課堂教學。推動了課堂的組織，遠程學習端點通過直播錄播結(jié)合方式實現(xiàn)協(xié)作，沉默單向的課堂組織形態(tài)逐步向線上線下互動發(fā)展。推動了教學的管理，課堂學習過程、學習情境、設(shè)備感知和社群互動等各方面數(shù)據(jù)實現(xiàn)閉環(huán)，為教學管理提供了精準的數(shù)據(jù)支持[6]。

在線教育正在從萌芽期的新鮮感向教學新生態(tài)轉(zhuǎn)變，在線化成為智慧教學環(huán)境建設(shè)的重要方向。然而，在線教學智能化交互、個性化學習、沉浸式體驗的特點，要求教學環(huán)境必須具備高實時性和海量數(shù)據(jù)處理能力。當前階段，大部分智慧教學環(huán)境往往是針對某一教學場景的定制化方案，能夠提供的在線服務(wù)質(zhì)量比較粗放，以精品錄播為主要功能的本地化智慧教室無法滿足在線教學需要，而部署在云端的直播教室往往出現(xiàn)卡頓、丟包、掉線和崩潰等情況，設(shè)備網(wǎng)絡(luò)環(huán)境也有IPv6、IPv4、WIFI、4G、5G、zigbee等多種制式，如何實現(xiàn)不同教室軟硬件環(huán)境實時交互是一項很有挑戰(zhàn)的任務(wù)。

3 云邊端協(xié)同設(shè)計思路

無延遲狀態(tài)下開展課堂交互是獲得良好教學體驗的基礎(chǔ)。為實現(xiàn)直播環(huán)境下4K高清視頻傳輸，至少需要保障40M帶寬，帶寬容量和成本是必須考慮的重要因素。傳統(tǒng)在線教學，采用拉流或推流方式將直播視頻上傳到云端，然后從云端返回控制指令，整個過程耗時較長，不能滿足時效要求。因此，只有盡可能早地對端設(shè)備采集的海量數(shù)據(jù)進行篩選，識別有效數(shù)據(jù)和無效數(shù)據(jù)，降低傳輸和存儲成本，才能在毫秒級時間內(nèi)完成從采集數(shù)據(jù)、數(shù)據(jù)處理到實現(xiàn)交互的過程。云邊端協(xié)同利用邊緣計算和分布式云技術(shù)，在智慧教學環(huán)境中增加集網(wǎng)絡(luò)、計算、存儲、應(yīng)用核心能力為一體的邊緣云服務(wù)，將數(shù)據(jù)的存儲、傳輸、計算和安全從云端下沉到邊緣節(jié)點，產(chǎn)生更快的網(wǎng)絡(luò)服務(wù)響應(yīng)[7]。

下面以開展大數(shù)據(jù)課程的AR教室為例，來描述智能設(shè)備在云邊端協(xié)同思路下的交互過程（見圖1）。AR教室部署了大量的IoT傳感器、直播錄播攝像頭、AR可穿戴設(shè)備，而出于安全和IP資源考慮，這些設(shè)備將部署在無公網(wǎng)固定IP的專網(wǎng)環(huán)境。在線教學需要將這些設(shè)備向公網(wǎng)用戶開放，就需要將它們統(tǒng)一組織到云端，實現(xiàn)云端的集中訪問和控制。云邊端協(xié)同方式，通過RTSP/Onvif協(xié)議將專網(wǎng)設(shè)備統(tǒng)一接入到邊緣網(wǎng)關(guān)，邊緣網(wǎng)關(guān)再通過GB/T28181與邊緣云對接。邊緣云實現(xiàn)AR推理等大量前端計算，然后將計算結(jié)果在中心云進行訓練，訓練好的模型又下發(fā)到邊緣云，從而實現(xiàn)云邊協(xié)同。通過這種逐層分散延伸的網(wǎng)絡(luò)架構(gòu)，將設(shè)備就近接入邊緣云，通常IoT設(shè)備與邊緣端設(shè)備之間的時延可以控制在2ms內(nèi)，適合處理實時性要求極高的教學數(shù)據(jù)，與邊緣云之間的時延也可以控制在10ms內(nèi)，滿足AR直播場景。

圖1 云一邊協(xié)同技術(shù)思路

4 云一邊協(xié)同平臺模型

按照云邊端協(xié)同設(shè)計思路，采用容器技術(shù)和微服務(wù)架構(gòu)來構(gòu)建云邊端協(xié)同平臺（見圖2）。平臺將模型、運行環(huán)境、服務(wù)、任務(wù)以容器的方式解耦，借助鏡像倉庫共享整個開發(fā)和運行環(huán)境，對任一對象的調(diào)整都不影響整體環(huán)境的部署。微服務(wù)架構(gòu)包含服務(wù)目錄注冊與發(fā)現(xiàn)、API網(wǎng)關(guān)、服務(wù)代理、服務(wù)熔斷等功能，持續(xù)整合工作流服務(wù)組件和標準化接口，打通從數(shù)據(jù)獲取、數(shù)據(jù)處理、算法構(gòu)建、模型訓練、模型評估、模型部署到應(yīng)用發(fā)布的智能設(shè)備全流程生態(tài)閉環(huán)。平臺通過數(shù)據(jù)中心、模型中心、服務(wù)中心、應(yīng)用中心、邊緣中心、管理中心等六個中心模塊，快速獲取多種來源訓練數(shù)據(jù)，進行數(shù)據(jù)標注及特征提取，按需調(diào)度算力資源進行模型生產(chǎn)及效果評估，并將模型一鍵部署至教學應(yīng)用[8]。

圖2 云一邊協(xié)同平臺設(shè)計

數(shù)據(jù)中心負責異構(gòu)數(shù)據(jù)源的數(shù)據(jù)接入，支持結(jié)構(gòu)化、非結(jié)構(gòu)化數(shù)據(jù)存儲和數(shù)據(jù)集管理。模型中心負責模型發(fā)布、邊緣推理、配置管理，通過模型中心創(chuàng)建的各類機器學習和深度學習算法可以在發(fā)布后，直接調(diào)用訪問地址對接業(yè)務(wù)應(yīng)用，邊緣推理將模型服務(wù)發(fā)布到邊緣節(jié)點，配置管理包含用戶管理、組織管理、鏡像管理、操作日志、權(quán)限管理、運維管理、容器管理等組件。服務(wù)中心負責組件管理、服務(wù)編排、任務(wù)管理、任務(wù)執(zhí)行和服務(wù)管理，組件管理將接入的各項服務(wù)封裝為可被業(yè)務(wù)編排使用的組件，服務(wù)編排結(jié)合業(yè)務(wù)邏輯快速組合連接各組件，任務(wù)管理實現(xiàn)任務(wù)的接收、派發(fā)與容災(zāi)，任務(wù)執(zhí)行將接收的派發(fā)任務(wù)啟動執(zhí)行并維護負載均衡，服務(wù)管理支持按照調(diào)用記錄查看執(zhí)行日志和可視化展示。應(yīng)用中心管理平臺預(yù)制的典型應(yīng)用和自定義的應(yīng)用。邊緣中心負責平臺邊緣側(cè)的邊緣單元、邊緣組件、邊緣運營，邊緣單元對靠近邊緣數(shù)據(jù)源頭的計算設(shè)備進行統(tǒng)一管理，邊緣組件提供通用能力組件和開發(fā)、運維工具，邊緣運營提供不同類型的設(shè)備接入能力并管理操作日志。管理中心則是平臺自身業(yè)務(wù)、項目、用戶和權(quán)限的管理單元。

5 教學系統(tǒng)設(shè)計

云邊端協(xié)同平臺從框架、技術(shù)、設(shè)備上滿足了智慧學習環(huán)境在線化的需求，但只有實際上提高教育教學的效果、效率和效益，才能煥發(fā)生命力。在教學過程中，學生需要直觀掌握學業(yè)成績來調(diào)節(jié)學習過程，教師需要監(jiān)督課程進度來調(diào)整教學策略，因此建設(shè)一個能夠讓學生主動參與到學習過程的開放式、泛在式、個性化的教學系統(tǒng)顯得尤為必要。

結(jié)合大數(shù)據(jù)實驗實訓課程，來設(shè)計知識傳授在線化過程。大數(shù)據(jù)課程大綱明確教學目標為：通過教學使學生掌握數(shù)據(jù)分析和處理基本能力，具備大數(shù)據(jù)思維，能夠自主開展大數(shù)據(jù)應(yīng)用和創(chuàng)新。為了培養(yǎng)與提升這些能力，需要從總結(jié)性和形成性評估角度跟蹤學生學習進度。對于采取在線方式學習的學生而言，需要鼓勵學生主動提出問題、協(xié)作解決問題、針對性開展測試，激發(fā)學習自主性和學習熱情。因此，教學系統(tǒng)在督促學生聽課、記筆記、通過考試之外，將賦予學生更多的學習角色和責任，以督促其建立自主的學習方法。

5.1 建設(shè)問題庫和測試系統(tǒng)

在線學習過程中，有效學習往往不再是個體建構(gòu)的結(jié)果，而表現(xiàn)為群體之間的協(xié)作。基于協(xié)作理論，可以建設(shè)師生共同訪問的、透明的、經(jīng)過驗證的問題庫。作為豐富問題庫的關(guān)鍵措施，每個學生必須在課程中從給定的主題中想出至少一個問題并找到解決方案，并根據(jù)這些問題制作測驗系統(tǒng)。測驗包括三種類型：（1）教師設(shè)計的測驗，教師設(shè)計類別及難度，每個學生都需要參加；（2）個性化測驗，基于學生回答問題的情況，將認定為學生沒有完全理解的問題進行合并，反復(fù)推薦給學生參加；（3）學生期盼的測驗，根據(jù)學生與聊天機器人交互內(nèi)容，由聊天機器人分析輸入情況并收集關(guān)鍵字，從中生成分類。

學生在學習過程中回答問題情況和參加測驗的結(jié)果作為學期的形成性評估依據(jù)，學生也可以據(jù)此預(yù)測未來的學習成績，并根據(jù)個人需要制定學習計劃。教師根據(jù)每個問題回答情況，可以看到問題分數(shù)的高斯分布，提煉共性問題用于學期末的書面考試。

5.2 豐富個性化指標體系

在知識傳授過程中，需要制定個性化的指標體系以提升學生學業(yè)。這些指標包括：學習覆蓋率、學生答題率和成功率、學生滿意度、回答問題效率和學習期望等。學習覆蓋率是指學生參加的測驗中包含的課程大綱中的概念之和。學生答題率和成功率，指學生答題情況和成功情況的覆蓋程度，如果學生對課程的答題率達到了百分之百或者成功率達到一定參數(shù)，就可以對學生進行有效激勵。學生滿意度是通過學生的打分和評論環(huán)節(jié)，將文本反饋數(shù)據(jù)輸入到情感分析機器學習模型中，綜合計算反饋平均值，以確定用戶的滿意狀態(tài)?；卮饐栴}效率通過測驗中的正答率來衡量，如果學生重復(fù)同一個問題的次數(shù)和給出答案的正答率較高，意味著這個問題可能被大多數(shù)人掌握，教師需要提高它的難度水平，以更好反映此類問題掌握的深度，反之，往往意味著學生對某一個問題的答案概念不清、存在疑問或容易犯錯。學習期望則直觀表現(xiàn)為學生要求進行的測驗次數(shù)和提交給教師審核的問題數(shù)量。通過這些指標數(shù)據(jù)的收集，并結(jié)合學習目標進行可視化展現(xiàn)，可以直觀衡量和反映學生的進步[9]。

5.3 增強學習環(huán)境

學生的自主學習動機和低焦慮學習狀態(tài)可以產(chǎn)生深層次學習方法。為增加學生學習動機，應(yīng)靈活采用游戲元素，將學習過程設(shè)置為小單元游戲，根據(jù)參與情況科學設(shè)置獎勵、進度等級，這將使學習過程變得有趣，學生也更容易投入。而低焦慮學習狀態(tài)來源于過程評價的隱性化，學生不必再擔心因為學習期間所進行的活動而在課堂上被批評，教師可以通過教師面板了解學生完成學習任務(wù)、學習績效評估和協(xié)作互動過程中體現(xiàn)出的對知識的掌握情況。在學生同意的情況下，可以通過網(wǎng)絡(luò)日志形式記錄學生在遠程互動中的所有行為，然后根據(jù)每個會話持續(xù)時間將交互行為量化為短交互作用、中交互作用和長交互作用，根據(jù)短、中、長交互的比例直觀反映學生學習情況。

6 結(jié)語

基于云邊端協(xié)同技術(shù)，從物理環(huán)境上滿足了在線教育的網(wǎng)絡(luò)、數(shù)據(jù)和交互要求，能夠從學習表現(xiàn)、學習行為、學習概況和個人因素等對學生個性化需求進行即時分析，從而為遠程學生創(chuàng)設(shè)交互式、適應(yīng)性的真實學習情境。另外，還可以基于然語言處理對學生回答問題的情況進行情感分析，以決定是積極的還是消極的反饋。而通過自適應(yīng)和即時學習支持，可以跟蹤學生的學習進度和學習狀態(tài)，使學生獲得更準確的個性化學習反饋。隨著更多新技術(shù)的融入和發(fā)展，如何在云邊端協(xié)同的智慧學習環(huán)境中，將教師的知識以更加智能、多樣、高效的方式傳遞給學生，將是下一步研究的重點。