教育数字化转型实践|智慧作业基本原理与实践方向

       双减”背景下如何实现学生作业的减量提质成为当前基础教育改革的热点。发展智慧作业的基本思路是应用人工智能技术,对作业全过程进行数据采集与分析,形成一种数据驱动的作业设计优化与反馈机制,从而提升作业效能,促进学生的知识获得与能力发展。该文介绍了智慧作业的基本概念与发展过程,从参与者、支撑平台和实践活动三个角度论述了智慧作业的基本构成,阐释了人工智能支持下学生作业的认知负荷调节、学习效果增强、作业设计质量提升的工作机理与关键支撑技术,并结合我国当前智慧作业发展现状,指出了智慧作业的四个实践方向:面向教师的作业设计质量提升、面向学生的作业个性化指导、面向课堂精准教学的数据支持和面向区域的作业治理。

智慧作业的概念与发展

       纵观教育发展史,可以发现作业这一概念呈现出丰富、复杂、多变的的发展样貌,大致表现为不同历史阶段的三种认识观:其一是作业即知识练习。其二是作业即心智训练。其三是作业即自主探究。

       智慧作业是以师生为主体、依托智慧作业支撑平台开展的教学实践活动,通过人工智能技术与作业环节的深度融合,实现作业设计、作业评价、作业指导与作业管理的智能化、个性化、流程化,推动作业从“育知”向“育人”转变。

表1 智慧作业的基本特征

智慧作业的相关研究

01 相关理论方法研究

  • 基于项目反应理论的教育测量
  • 智能导师与适应性教学

02 智慧作业技术系统

  • 基于显示终端的智慧作业系统
  • 基于作业扫描的智慧作业系统
  • 基于点阵纸笔/电磁板纸笔的智慧作业系统

03 智慧作业实践应用

  • 江西省依托“赣教云”平台建设了“智慧作业”系统,在保持学生传统作业习惯的前提下,借助点阵笔、高速扫描仪等设备动态采集学生作业数据,形成学生专属错题集,结合精准推送微课讲解视频,提升学生学习效果。
  • 青岛崂山区为实现作业改革,统筹建设课堂教学云平台,借助AI智能校本作业本增强作业的层次性和个性化,结合配备的高速扫描设备,快速完成作业分析,协助教师提高课堂效率,帮助学生提高复习效率。
  • 上海闵行区教育学院附属友爱实验中学利用区域统一建立的智能作业平台,采集作业成绩、作业质量、作业习惯等作业全过程数据,实现学生作业的自动监测和学习行为的精准把握。

智慧作业的基本构成

       智慧作业是师生依托智慧作业支撑平台开展的教学实践活动,其包含三个基本要素:参与者、支撑平台和实践活动(如下页图1所示)。参与者包括教师、学生、教育管理者、家长等多方主体。实践活动主要包括作业设计、作业练习、自主学习、作业评价、作业管理等。智能化支撑平台则作为赋能的中介和纽带,有效联结参与者与实践活动,实现了学生特征智能分析、作业内容智能设计、答题情况智能诊断、作业指导与管理智能组织,推动智慧作业实践的良性运转。

图1 智慧作业基本构成

       智慧作业的实践基础是智慧作业支撑平台,其本质是多种智能技术支撑下的作业智能导学环境,它既可以通过多模态数据采集与智能分析为教师的教学设计提供精准的教学诊断结果,也可以通过学科知识图谱等认知智能工具为学习者作业实践活动提供适切的认知协同支架,还可以将作业的分析、设计、实践与评价等过程性数据转化成师生教与学的阶段性资源或成果,为师生教学相长提供基于智慧作业的成长档案。人机协同视角下,智慧作业支撑平台不仅涉及教师侧的学情分析与作业设计,也涉及学生侧的作业实践与认知诊断,同时服务于师生双侧的作业资源评价与应用。

       智慧作业支撑平台是智能教学系统的具体形式。根据智能教学系统的设计理论方法,智能教学系统应包括学习者模型、领域模型、教育学模型、接口模型、自适应引擎等基本构成要素,结合当前国内智慧作业系统案例与教学实践分析,本文认为智慧作业支撑平台应包括以下基本要素(如图2所示)。

图2 智慧作业支撑平台

01 学习者模型

       学习者模型是学习者关键信息的抽象表示,是实现智能化作业设计、评价、指导与管理的重要依据,包括个人基本信息、作业行为特征、认知结构数据、作业负荷水平等方面。

02 作业设计模型

       作业设计模型是描述作业设计目标与作业内容的统一体,是实现智能化组题的基础条件,包括教学目标、作业时长、作业数量、作业难度、作业类型等特征变量,强调通过人机协同的方式加强作业内容的过程性设计、分解型设计和情境类设计,生成符合教学目标与学生认知特点的作业资源包。

03 作业评价模型

       作业评价模型强调借助图像识别、自然语言处理、深度神经网络等技术构建作业智能批改、作业认知负荷计算、作业分层调节等算法模型,进而依托人工智能引擎的强大计算能力实现智能化作业内容批改与作业适配性诊断,有效减轻教师作业批改的工作负荷,提升作业分层设计的科学性。

04 作业指导与管理模型

       作业指导与管理模型基于作业评价模型的智能诊断结果,智能化生成与推送个性精准的作业指导资源和分析报告,实现错题自动归集、个性资源推荐、作业分析报告三大模块功能,提升学生作业的靶向性。

05 人工智能引擎

       人工智能引擎是智慧作业支撑平台的核心驱动力。融合多种规则与算法,是实现学习者模型、作业设计模型、作业评价模型、作业指导与管理模型之间有效交互的神经中枢。同时,人工智能引擎背后拥有两大支撑体系:作业大数据和学科知识图谱。

智慧作业的机理与关键技术

      在数据驱动与技术赋能范式下,智慧作业基于作业完成过程的多源数据采集与处理分析,实现学习者作业认知负荷智能计算与分层调控,并在人机协同作业批改模式下实现作业目标、认知程度、能力水平与学习品质的跨模态诊断分析。最后依托学科课程标准的要求,以学科知识图谱耦合教师在教学设计中的重难点与学习者在作业过程中的薄弱项,精准映射其个性化认知画像,为教师设计适切课标又贴合学情的高质量作业体系提供支持,并整合个性化资源实现智能导学。

  • 作业过程多源数据采集与处理
  • 作业认知负荷智能计算与分层调控
  • 作业人机协同批改与效果分析评价
  • 基于图谱的作业资源智能导学推荐

“双减”背景下智慧作业的实践方向

  • 面向教师的作业设计质量提升
  • 面向学生的个性化学习指导
  • 面向课堂精准化教学的学情数据支持
  • 面向区域的作业治理

       以智能技术提高作业设计质量,优化作业导学服务效果,从而实现我国基础教育的高质量发展,是智慧作业在“双减”时代的重要教育旨归。智能技术与师生作业实践中的协同性,为智慧作业设计、服务与育人实践提供了新方向,一方面作业承载的学科素养、学习品质、反馈沟通等育人功能在智慧作业环境中得以转化为可量化、过程性、可解释的多模态教育教学数据,为学生的认知发展、知识获得与能力形成提供了数据驱动的教学评价新范式;另一方面,多技术融合的智慧作业生态赋予作业设计、服务与育人实践的增量价值,将倒逼以“减负提质增效”为核心的课堂教学改革理论研究加速发展。

参考文献

[1]柯清超,田雪松,鲍婷婷,林健,马秀芳,张思其.智慧作业的基本原理与实践方向[J].中国电化教育,2022,No.431(12):74-83.

Scroll to Top
Scroll to Top