陳丹琪　李英梅　龐國莉　段麗

［摘 要］人工智能技術(shù)在教育領(lǐng)域的應(yīng)用是時代進步的產(chǎn)物，它引領(lǐng)傳統(tǒng)教育模式發(fā)生了巨大變革。文章依托雨課堂教學(xué)過程數(shù)據(jù)，從教與學(xué)兩個視角探索了精準教學(xué)的新模式。通過梳理軟件工程課程知識點及對應(yīng)習(xí)題，運用決策樹及FP?Growth算法，能夠在規(guī)?；虒W(xué)中為教師實時提供精準教學(xué)決策，又能夠在個性化教學(xué)中讓學(xué)生獲取有針對性的習(xí)題。個性化教學(xué)的融入彌補了規(guī)模化教學(xué)的不足，使學(xué)生在多樣化教學(xué)環(huán)境中增強了學(xué)習(xí)的主動性、積極性，成績有了明顯的提升。

［關(guān)鍵詞］人工智能；規(guī)?；?；個性化；精準；教學(xué)環(huán)節(jié)；軟件工程

［中圖分類號］G642［文獻標(biāo)識碼］A［文章編號］2095-3437（2024）04-0084-04

2019年，中共中央、國務(wù)院印發(fā)了《中國教育現(xiàn)代化2035》，其中提出要“利用現(xiàn)代技術(shù)加快推動人才培養(yǎng)模式改革，實現(xiàn)規(guī)模化教育與個性化培養(yǎng)的有機結(jié)合”。為實現(xiàn)這一目標(biāo)，可以通過推動智能技術(shù)深度融入教育教學(xué)全過程，加強對信息化時代學(xué)習(xí)者認知和學(xué)習(xí)行為規(guī)律的研究，推廣應(yīng)用智能學(xué)習(xí)空間和智能教育助理，促進育人方式、教學(xué)模式改進，實現(xiàn)公平而有質(zhì)量的教育[1]。

一、人工智能輔助教學(xué)的必要性

將人工智能技術(shù)融入教育教學(xué)，能夠使學(xué)生對學(xué)習(xí)的自主控制和教師對學(xué)生的個性化指導(dǎo)真正成為可能。代表性的研究有：徐歡云等人梳理了國際教育人工智能的研究現(xiàn)狀與發(fā)展脈絡(luò)，建議應(yīng)立足多樣化視角挖掘小而精的研究主題，開展我國教育人工智能本土化發(fā)展創(chuàng)新研究[2]；張奕等人通過應(yīng)用智能識別設(shè)備，采集各種教學(xué)中的交互行為數(shù)據(jù)進行分析，發(fā)布更加精確的學(xué)情報告，以提升教學(xué)效果[3]；劉旭等人探討了將人工智能引入神經(jīng)病學(xué)教學(xué)，以推動教學(xué)模式改變、實現(xiàn)精準教學(xué)[4]。

軟件工程課程是一門聯(lián)系基礎(chǔ)理論與工程實踐的橋梁性課程，也是計算機相關(guān)專業(yè)的核心課程。為了更好地解決軟件工程課程內(nèi)容龐雜抽象、教學(xué)實踐環(huán)節(jié)薄弱等問題，國內(nèi)外專家紛紛應(yīng)用人工智能技術(shù)輔助軟件工程課程授課，例如曾明星等人在軟件工程實訓(xùn)中，應(yīng)用以人工智能技術(shù)構(gòu)建的“游泳池”實訓(xùn)空間，實現(xiàn)精準教學(xué)、智能管理、工程實踐、技術(shù)體驗等功能，取得了良好的實踐教學(xué)效果[5]。人工智能技術(shù)的介入為軟件工程課程建設(shè)和教學(xué)改革開辟了一條全新道路。

二、軟件工程課程精準教學(xué)環(huán)節(jié)的構(gòu)建

2016年以來，課程組在軟件工程教學(xué)中使用了由清華大學(xué)和學(xué)堂在線共同推出的雨課堂平臺進行授課，該平臺的應(yīng)用不僅可以有效監(jiān)管課堂，還可以通過多樣化教學(xué)手段的實施，積累反映學(xué)生各方面表現(xiàn)的豐富數(shù)據(jù)。依據(jù)這些實時數(shù)據(jù)并運用人工智能技術(shù)，課程組構(gòu)建了一個能夠精準確定教學(xué)目標(biāo)、精準實施教學(xué)過程、精準進行教學(xué)干預(yù)的規(guī)?；c個性化相結(jié)合教學(xué)環(huán)境，包括課前、課中、課后三個精準教學(xué)環(huán)節(jié)。

（一）數(shù)據(jù)準備與獲取

為了在抓取雨課堂數(shù)據(jù)時可以處理得到更加有效的細分類別支撐數(shù)據(jù)，課程組重構(gòu)了軟件工程教學(xué)內(nèi)容中各知識點的關(guān)聯(lián)性，著重對各學(xué)時的討論問題、自主練習(xí)題及作業(yè)題進行知識點、認知過程維度、難易程度的標(biāo)注，并將教學(xué)過程劃分為預(yù)習(xí)、課堂、實驗和考試四個教學(xué)情境，分別設(shè)定各個情境中對學(xué)生學(xué)習(xí)狀態(tài)的評價指標(biāo)。這樣就可獲取錯題知識點編號、錯題類型、習(xí)題得分、認知目標(biāo)水平、做題時長、錯題量、正確率等動態(tài)教育數(shù)據(jù)，從而幫助教師實施精準教學(xué)干預(yù)。

（二）建立規(guī)模化授課的精準課堂教學(xué)環(huán)節(jié)

依托雨課堂的軟件工程規(guī)?；碚撌谡n流程包括：課前為學(xué)生推送多種形式的預(yù)習(xí)內(nèi)容及自測練習(xí)，按照預(yù)習(xí)情境中設(shè)置的評價指標(biāo)獲取預(yù)習(xí)學(xué)情分析數(shù)據(jù)，用以將課程目標(biāo)分解、重構(gòu)，設(shè)定出每學(xué)時精準的教學(xué)目標(biāo)和學(xué)習(xí)目標(biāo)，并設(shè)計出從不同側(cè)面反映教學(xué)目標(biāo)達成度的習(xí)題；課中按照教學(xué)目標(biāo)進行講授，可讓學(xué)生分組進行討論，實施協(xié)作式學(xué)習(xí)，將存疑的問題以雨課堂特有的彈幕或“不懂”方式進行反饋，教師再根據(jù)學(xué)生提出的問題深入講解并有針對性地推送相關(guān)習(xí)題。雨課堂實時抽取課堂教學(xué)數(shù)據(jù)，運用決策樹算法，為教師提供精準的教學(xué)決策，以便教師選用面向不同授課群體、不同學(xué)習(xí)水平的學(xué)生所適宜采用的教學(xué)方法。之前筆者的相關(guān)研究已對這種規(guī)模化授課中精準課堂教學(xué)環(huán)節(jié)的實現(xiàn)過程做了詳細描述[6]。

（三）建立精準個性化教學(xué)環(huán)節(jié)

軟件工程是理論與實踐并重的一門課程。在理論講授之后的課后環(huán)節(jié)，教師根據(jù)雨課堂教學(xué)數(shù)據(jù)，發(fā)布基礎(chǔ)的共性作業(yè)及個性化的鞏固練習(xí)習(xí)題，并在實踐課堂的教學(xué)環(huán)節(jié)中，針對學(xué)生不足之處進一步布置個性化強化實驗，面對面進行精準教學(xué)干預(yù)，以提高學(xué)生的軟件工程綜合應(yīng)用能力。學(xué)生也可以根據(jù)關(guān)聯(lián)規(guī)則，明確自身的認知缺陷，及時查缺補漏，有效提升學(xué)業(yè)成績。

1.挖掘錯題規(guī)律，獲取個性化習(xí)題

根據(jù)軟件工程課程的授課計劃及教學(xué)大綱，標(biāo)注各章節(jié)的知識點，并與習(xí)題資源進行綁定，建立習(xí)題與知識點關(guān)聯(lián)機制。課程知識點用章、節(jié)、知識點三級信息表示，各級信息均保存編號及名稱數(shù)據(jù)。其中每一章下設(shè)置有多節(jié)，每一節(jié)下又可以有多個知識點。習(xí)題資源被劃分為與知識點關(guān)聯(lián)習(xí)題和記錄兩部分。教師按照各知識點分別設(shè)置不同題型的多項習(xí)題，可以在課堂練習(xí)、課后作業(yè)、單元測驗、錯題庫中靈活使用，并將學(xué)生完成習(xí)題的具體情況數(shù)據(jù)保存在答題記錄的數(shù)據(jù)表中，如做題時長、正確率、實踐類習(xí)題錯誤率、練習(xí)次數(shù)等。

將教學(xué)過程中的實際數(shù)據(jù)，按照上述模式保存到數(shù)據(jù)庫中，應(yīng)用FP?Growth算法對學(xué)生的錯題知識點編號進行關(guān)聯(lián)分析，通過關(guān)聯(lián)規(guī)則挖掘抽取出錯題規(guī)律，從而生成關(guān)聯(lián)性極強的錯題信息結(jié)構(gòu)。

運用FP?Growth算法的基本思想，通過收集學(xué)生所有的錯題作為基礎(chǔ)項集 [I=]{[a1， a2，…， am]}，并將其保存在錯題數(shù)據(jù)庫 [DB=]〈[T1 ，T2 ，…， Tn]〉中，這里的[Ti， i∈{1，2，…， n]} 是I中元素組成的集合。頻繁項集A也是I中元素組成的集合，但要求A的支持度大于最小支持度閾值，這樣的A被稱為頻繁項集。接下來要從頻繁項集中提取所有高置信度的規(guī)則作為錯題關(guān)聯(lián)規(guī)律。

例如，設(shè)某一階段教學(xué)過程中學(xué)生的錯題基礎(chǔ)項集為I，表示為[I=]{[a1， a2， a3， a4， a5， a6， a7， a8， a9，]

[a10， a11， a12， a13， a14， a15， a16]}，錯題數(shù)據(jù)庫如表1所示。第一次掃描錯題數(shù)據(jù)庫，收集每個項目的支持計數(shù)，并以支持度不小于20%作為閾值，則產(chǎn)生如表2所示的按照其支持度降序排列的頻繁1項集head表。同時修改錯題數(shù)據(jù)庫的每一條記錄，只保留支持度不小于2的項并排序，得出如表3所示的已轉(zhuǎn)換排序頻繁項。

第二次掃描錯題數(shù)據(jù)庫，利用有序頻繁1項集的head表建立FP樹。操作時讀取已調(diào)整排序的頻繁項集，從根節(jié)點出發(fā)，將每個項集中的各元素按順序添加到FP樹中，同時記錄元素出現(xiàn)的次數(shù)。例如，第一位學(xué)生的錯題事務(wù)插入FP樹后，順序出現(xiàn)了由{a1：1，a3：1，a5：1，a2：1，a6：1}形成的一條路徑。把排在前面的元素作為祖先節(jié)點，排在最后面的元素作為葉節(jié)點。當(dāng)添加其他項集時，如果有相同的祖先節(jié)點出現(xiàn)，可把出現(xiàn)次數(shù)累計加1，而出現(xiàn)不同的元素時，則建立新節(jié)點并標(biāo)記計數(shù)。直到將表3中10條數(shù)據(jù)依次插入，就生成了完整的FP樹。

后續(xù)要從FP樹中挖掘最大頻繁項集。自最底層的a6節(jié)點向上尋找此節(jié)點的條件模式基，由于此FP樹中只有一個a6節(jié)點，因此就只有唯一一條路徑，對應(yīng){a1：8，a3：8，a5：6，a2：2，a6：2}。然后將a6的所有祖先節(jié)點改為與a6相同的計數(shù)，即FP子樹變?yōu)閧a1：2，a3：2，a5：2，a2：2，a6：2}。最終的a6的條件模式基形如{a1：2，a3：2，a5：2，a2：2}。由此易得a6的頻繁2項集為{a1：2，a6：2}，{a3：2，a6：2}，{a5：2，a6：2}，{a2：2，a6：2}。遞歸合并2項集，得到頻繁3項集為{a1：2，a3：2，a6：2}，{a1：2，a5：2，a6：2}，……這里省略了一些其他的頻繁3項集。一直遞歸下去，a6對應(yīng)的最大的頻繁項集為頻繁5項集{a1：2，a3：2，a5：2，a2：2，a6：2}。同理，a4對應(yīng)的最大的頻繁項集為頻繁3項集{a1：2，a3：2，a4：2}，a2的最大頻繁項集為頻繁4項集{a1：2，a3：2，a5：2，a2：2}，a7的最大頻繁項集為頻繁4項集{a1：5，a3：5，a5：4，a7：4}，a5的最大頻繁項集為頻繁3項集{a1：6，a3：6，a5：6}，a3的最大頻繁項集為頻繁2項集{a1：8，a3：8}，a1的條件模式基為空，不必再挖掘。

通過對各個頻繁項集的支持度和置信度進行計算得到的結(jié)果，與教師設(shè)定的對應(yīng)閾值進行比較，如果大于則提取作為關(guān)聯(lián)規(guī)則，否則拋棄。由于在習(xí)題與知識點間建立了關(guān)聯(lián)機制，因此可以依據(jù)關(guān)聯(lián)規(guī)則中的知識點屬性，快速從課程知識結(jié)構(gòu)中定位知識點所在的章節(jié)，再由這些知識點的從屬關(guān)系，構(gòu)建起錯題信息結(jié)構(gòu)。此結(jié)構(gòu)中主要記錄了錯題對應(yīng)的知識點編號及名稱，尤其存儲了導(dǎo)致學(xué)生未能掌握該知識點的關(guān)聯(lián)支撐知識點編號，并可在錯題標(biāo)識層中獲取錯題知識點所屬章節(jié)。

在獲取的雨課堂教學(xué)數(shù)據(jù)中，經(jīng)由錯題信息結(jié)構(gòu)，可以分析得到學(xué)生個性化的知識欠缺路徑，進而向?qū)W生發(fā)布個性化的作業(yè)。這些作業(yè)題既包括當(dāng)前授課內(nèi)容中學(xué)生未熟練掌握的部分，也會添加一到兩道前期學(xué)過的關(guān)聯(lián)知識習(xí)題。此種形式的作業(yè)不僅可以精準地促進學(xué)生對缺陷知識點的練習(xí)，還可以避免學(xué)生間抄襲作業(yè)的情況發(fā)生。教師還能在接下來的實踐課堂教學(xué)環(huán)節(jié)中，布置個性化強化實驗，讓學(xué)生通過動手操作進一步加深對掌握不牢靠的理論知識點的理解。這一階段由于有教師在旁一對一針對性的指導(dǎo)，因此可以更有效地解決個性化問題，幫助學(xué)生盡快補齊理論短板并提升解決實際問題的工程實踐能力。

2.依據(jù)錯題規(guī)律，生成個性化錯題庫

積累教學(xué)過程中的學(xué)生錯題數(shù)據(jù)，一方面方便學(xué)生就自己出錯的題目進行練習(xí)，加深對錯題的理解；另一方面通過挖掘大量錯題數(shù)據(jù)構(gòu)建錯題信息結(jié)構(gòu)，能夠準確定位知識紕漏，為學(xué)生提供合理化的習(xí)題配置，生成個性化精準定制習(xí)題庫。應(yīng)用錯題庫時，習(xí)題內(nèi)容能夠根據(jù)學(xué)生某階段的練習(xí)情況自動動態(tài)調(diào)整。教師根據(jù)題目的重要程度和難度設(shè)定練習(xí)次數(shù) n，學(xué)生做對一次 n 值減 1，做錯一次 n 值加 2。當(dāng) n=0 時，該題從錯題庫中移出。這種錯題動態(tài)調(diào)整機制更符合學(xué)生的個性化學(xué)習(xí)需求。

三、教學(xué)效果分析與總結(jié)

分析開設(shè)軟件工程課程的兩個不同專業(yè)學(xué)生期末考試成績數(shù)據(jù)會發(fā)現(xiàn)，實施了規(guī)?；c個性化相結(jié)合的精準教學(xué)環(huán)境構(gòu)建方案的教學(xué)輪次，相較使用傳統(tǒng)授課方法的教學(xué)輪次，學(xué)生期末平均成績從68分提高到了72分。隨著基礎(chǔ)教學(xué)數(shù)據(jù)的不斷積累，錯題信息結(jié)構(gòu)模型不斷完善，個性化教學(xué)的力度進一步加強，反映學(xué)生實踐能力的應(yīng)用題和設(shè)計題得分率在精準教學(xué)環(huán)境中也有10%的攀升。

可見，規(guī)模化與個性化精準教學(xué)環(huán)境的構(gòu)建過程，是基于人工智能技術(shù)改革軟件工程課程教學(xué)模式的一種卓有成效的嘗試。應(yīng)用人工智能輔助教學(xué)，精準施教，能夠取得更好的教學(xué)效果。

［ 參 考 文 獻 ］

[1］ 李冀紅，萬青青，陸曉靜，等. 面向現(xiàn)代化的教育信息化發(fā)展方向與建議：《中國教育現(xiàn)代化2035》引發(fā)的政策思考[J].中國遠程教育，2021（4）：21-30.

[2］ 徐歡云，胡小勇. 借鑒、融合與創(chuàng)新：教育人工智能發(fā)展的多維路向：基于AIED（2011-2018）的啟示[J]. 開放教育研究， 2019，25（6）：31-45.

[3］ 張奕. 基于教學(xué)精準交互行為分析的人工智能精準教學(xué)研究[J]. 成人教育， 2019， 39（9）：83-88.

[4］ 劉旭，汪昕. 人工智能在神經(jīng)病學(xué)教學(xué)中的應(yīng)用[J].大學(xué)教育，2023（7）：66-68.

[5] 曾明星，徐洪智，黃云，等. 人工智能賦能實踐教學(xué)：軟件工程“游泳池”實訓(xùn)空間設(shè)計與應(yīng)用[J].現(xiàn)代遠程教育研究， 2020， 32（4）：48-56.

[6］ 陳丹琪，段麗，孫旭光. 基于機器學(xué)習(xí)的教學(xué)決策在軟件工程教學(xué)中的應(yīng)用[J].科技視界， 2022（26）：79-82.

［責(zé)任編輯：林志恒］