基于学生画像的个性化教学模式研究与实现.pdf

现代计算机Modern Computer第 29 卷 第 12 期2023 年 6 月 25 日基于学生画像的个性化教学模式研究与实现陈平平，刘秀峰，刘慧玲，詹秀菊，谭定英*（广州中医药大学医学信息工程学院，广州 510006）摘要：个性化教学尊重学生个体差异，促进学生个性发展，是未来教育发展的方向。基于学生画像模型实现个性化教学，通过采集教学数据，利用Lookalike算法和大数据处理技术对学生的在校学习情况进行识别，辅助教师及时掌握学生动态变化，为学生的学习情况进行画像建模，达到“千人千面”效果，为学生提供精准的个性化学习路线、培养方案及就业推荐指导，实现因材施教的个性化教学。关键词：学生画像；个性化教学；Lookalike算法文章编号:10071423（2023）12010405DOI:10.3969/j.issn.10071423.2023.12.019收稿日期：20230306修稿日期：20230327基金项目：广州中医药大学2021年度“教学质量与教学改革工程”项目79号作者简介：陈平平（1980），女，广东梅州人，硕士，副教授，研究方向为计算机网络、大数据应用；刘秀峰（1973），女，江西樟树人，硕士，教授，研究方向为数据库应用；刘慧玲（1976），女，广东茂名人，硕士，讲师，研究方向为算法处理；詹秀菊（1969），女，福建连江人，硕士，讲师，研究方向为中医药信息学；*通信作者：谭定英（1978），女，广东梅州人，硕士，副教授，研究方向为数据结构与算法，Email：0引言个性化教学的核心是因材施教。早在春秋末期，孔子便提出了因材施教的教学理念，在现代，随着教育的普及化，学生数量剧增，一对一教学模式下的“因材施教”已不太符合实际。目前，教育教学过程中存在的问题是普遍没有做到“个性化”教学，而且存在学生是“配角”，教师是“主角”的问题1。现今教育面临的主要挑战之一源于学生之间的差异性，因此，让学生成为学习的“主角”，承认学生个体的差异性，尊重和重视学生的个性化发展已成为当今高等教育研究的热点问题。1个性化教学模式人工智能的发展、大数据时代的到来，使得教学更加精准，并赋予了个性化教学新的内涵和使命。大数据时代，考察学生的学习行为过程，让学生在学习过程中的各类行为状态转化为相应的数据记录2，形成各维度的信息，构建学生学习画像3，教师能够通过对个性化画像的分析得出学生最需要的能力培养，真正实现“因材施教”4。实现个性化教学的基础是对学生知识状态进行诊断，其实施的前提是对学习者个性的精准描绘。基于人工智能和大数据技术的个性化教学不同于早期的个性化教学，它需要从精准的“学生画像”、精准的教学目标以及精准的研讨、精准的辅导等方面加以生成。本项目的研究内容是收集教学大数据（学生基本信息、学生的学习行为数据、与老师互动数据、学习成绩数据、参加社团活动数据、各类竞赛获奖数据等），通过人工智能手段对学生的在校学习情况进行识别，辅助教师及时掌握学生的学习情况5，为学生构建动态的学习画像，最终为学生提供精准的个性化学习路线和培养方案。2个性化教学模式的研究路线本研究包含三个模块：采集教学大数据、构建学生学习画像、智能地为学生提供精准的 104陈平平等：基于学生画像的个性化教学模式研究与实现第12期个性化学习路线和就业推荐等。研究路线如图1所示。学生静态信息学生画像构建个性化教学应用微观：教辅材料的推荐教学方式的推荐知识难易度的推荐宏观：专业方向的推荐学习路径的推荐 就业方向的推荐学生动态信息（标签圈人 算法圈人）出生年月籍贯性别学习行为图 1个性化教学模式的研究路线个性化教学应用方案可从宏观和微观两个角度开展：宏观角度是指后续的选课、专业选择、就业岗位类型推荐等；微观角度是指具体教学目标层次化6，包括不同层次教辅材料的推荐、教学方式的推荐和知识难易度的推荐。通过不同的学习画像来实现个性化教学。例如，对于学业优秀的学生，可以帮助他们选择和确定挑战性比较强的拓展和深化类教学目标7；而对于学习困难的学生，则应当选择相对容易达到的基础类教学目标8。3采集教学大数据和构建学生学习画像3 3.1 1学生信息采集学生信息采集数据是构建学生学习画像的核心依据。首先确定采集的学生信息的范围与内容，并用高效的教学评价方式将这些数据相连接。在获取学生信息时，信息的真实性、全面性和及时性是最重要的，静态信息不能充分反映学生的学习情况，因此动态数据显得尤为重要。本研究从不同渠道采集学生的学情数据，包括前期采集的静态基础信息，通过超星学习通、雨课堂等软件采集的考勤分析、听课率分析、自学能力分析、课堂座位分析、师生互动分析、知识薄弱点、课堂答题分析、平时小测成绩、期末成绩等数据。本研究采集广州中医药大学医学信息工程学院 2014、2015、2016级约 450位学生基础信息和学习信息，其中基础信息包括性别、年龄、专业等；学习信息涵盖各科目的成绩、实验室参与情况以及社团参与情况、竞赛获奖情况等。教学数据分为学生个人基础信息（静态数据）和学生学习行为（动态数据）两大部分：（见表1）。静态数据包括学生的性别、籍贯、历史学习成绩等，动态数据重点是学生在学习过程中的学习成绩、课堂出勤率、竞赛、学生活动等。表 1数据层级一级维度学生个人基础信息（静态数据）学生学习信息（动态数据）二级维度性别年龄年级专业院系历史成绩课堂情绪识别结果（根据人工智能情绪识别得到）出勤率课程学习进度和成绩作业提交情况和成绩测试成绩竞赛与项目的参与情况和成果学习兴趣实验室参与情况学习习惯3 3.2 2分析分析建模建模对学生画像所需要的数据收集完毕后，需要对这些数据进行加工和分析，提炼关键要素，构建可视化模型。如图 2所示，整个过程就是学生学习画像建模的过程。类目标签体系制定准备训练数据清洗训练数据文本建模训练多个弱模型保存模型Boosting根据学生需求制定学生个人基础信息、学生学习信息保留有效字段VSM、TF/IDT、Bag of Words.SVM、Bayes、KNN.线性加权所有弱模型的参数和权重图 2精准构建学生画像3 3.3 3学生学习画像呈现学生学习画像呈现学生学习画像分别从显性画像和隐性画像两个方面来进行。显性画像指的是学生个人基础信息，而隐性画像指的是学生学习信息。图3 105现代计算机2023年展示了学生画像标签建模层级。应用模型预测事实原始输入知识点的推荐学习后续课程的选择就业方向的个性化指导人口属性人物属性知识状态学生基础信息课程学习进度和成绩作业提交情况和成绩学生个人基础信息学生学习信息模型应用机器学习建模清洗、结构化、统计建模图 3学生画像标签建模层级4利用构建的学生学习画像实现千人千面个性化教学4 4.1 1基于学生学习画像通过基于学生学习画像通过“智能圈人智能圈人”实实现千人千面的个性化教学现千人千面的个性化教学根据构建的学生学习画像，分析学生的学习习惯、学习情绪、作业的易错点、作业完成习惯、自学能力、学习风格等，然后利用这些数据配置不同的优质教学方式和培养方案，实施个性化教学。教学方式基于学生学习画像而不同，精准定位学习内容、学习方向和学习难易度等，充分激发学生的自主学习能力和学习热情。利用前面步骤生成的学生学习画像，对学生采用种子用户扩散的方式进行“智能圈人”，形成不同层次的学生学习画像，准确区分不同层次学生的共性需求与差异化。个性化教学的形成流程如图4所示，图5为lookalike算法“智能圈人”的流程。学生洞察学生探索学生画像个性化教学过程可迭代Lookalike人群扩展lookalike种子人群全部人群图 4个性化教学的形成流程场景库特征提取id,f1,f2,fn每个类型的优质种子id label预测用户id目标人群数量训练特征数据id label f1,f2,fn预测特征数据id label f1,f2,fn预测模型预测打分结果id source最终结果id source自动化训练选择场景选择种子选择受众圈选数量AI引擎图 5lookalike算法的流程通过历史数据圈出各类型的优质种子，例如有学习成绩优秀、组织能力强、技术水平高等类型，对每一类种子建立预测模型。对于新学生，可以通过预测模型进行评估和打分，从而给出个性化的教学路径和方案。4 4.2 2系统搭建与实现系统搭建与实现根据所构建的学生画像搭建个性化教学可视化展示平台，智能为学生提供精准的个性化推荐学习路线和培养方案。本研究基于小程序实现系统搭建，通过后台全面收集导入学生的基础信息和学习信息，其中基础信息包括性别、年龄、专业等，学习信息涵盖各科目的成绩、实验室参与情况以及社团参与情况等，自动实现优化的混合推荐算法，前端根据算法的结果呈现学生画像。系统流程如图6所示。与后台信息是否匹配进入首页结束是错误错误开始用户上传身份证弹出账号及密码查看五维能力值浏览与用户能力相似度TOP5的师兄（姐）与TOP5任意一位师兄（姐）联系查看相似度最高的师兄（姐）选课成绩最高的科目图 6系统流程 106陈平平等：基于学生画像的个性化教学模式研究与实现第12期4 4.2 2.1 1用户画像呈现模块用户画像呈现模块用户登陆小程序后进入图 7页面，上方头像是后台的数据展示，雷达图是后台自动运行优化算法 A 学习态度、B 理论基础、C 实践能力、D钻研精神、E实践能力五维度的分值，下方是根据后台算法计算的能力相似度为学生推荐的学习路线。4 4.2 2.2 2学习路径推荐模块学习路径推荐模块通过个性化教学推荐页面查看学习建议与优秀师兄师姐学习情况，图 8界面展示与用户的能力相似度（用户能力是由五维能力加权平均得到）由高到低的师兄（师姐）A、B、C、D，用户可以点击任意一位师兄（师姐）名字进入图 9界面，可以看到该师兄（师姐）成绩最好的选修课排名。图10学习建议界面是根据与用户能力匹配相似度最高的师兄（师姐）获得最好成绩的选修课推荐。图 7个性化教学推荐页面图 8能力相似度界面图 9相似度最高的师兄（姐）图 10用户的学习路线推荐成绩最好的选修课5结语本研究利用学生全面的静态数据和动态数据搭建丰富维度全方位的教学大数据，在此基础上构建学生学习画像。基于学生学习画像利用改进的智能推荐算法进行学习训练，最终形成千人千面的个性化学习路径、就业推荐和培养方案等，让大学教育从批量复制的“工厂模式”向个性化学习模式升级，因材施教，最终激发学生兴趣和潜能，提高学习兴趣和就业质量，创造实际社会价值。参考文献：1 曾志宏，陈振武，黄婷.基于大数据的高校个性化画像教学模型构建研究 J.赤峰学院学报（自然科学版），2016，32（20）：233235.2 段桂芹，邹臣嵩.大数据视域下高职学生职业能力评价探索 J.计算机教育，2022（2）：183188.3 王鹏，孔峰，刘东，等.克拉玛依精准教学云平台的建设与应用 J.中国新通信，2022，24（1）：9596.4 付达杰，唐琳.基于大数据的精准教学模式探究J.现代教育技术，2017，27（7）：1218.5 陈红霞，唐西胜.大数据背景下区域推进精准教学的探索与实践：以杭州市下城区小学数学为例 J.中小学数字化教学，2020（7）：7881.6 计亚萍.基于精准教学个性化“五精”教学设计的实践探究 J.卫生职业教育，2020，38（6）：7879.7 刘海舟，钟慧.大学英语智慧教育模式研究 J.科技视界，2019（24）：135137.8 葛梅凤.“大数据”背景下中职数学精准教学的研究J.东西南北，2019（24）：200.（下转第112页）107现代计算机2023年The research on key technologies of intelligent emergency commandplatformXu Shuzhen1*,Gu Xin2,Cao Xuesong1（1.Product Support Department,Tisson Regaltec Communications Tech.Co.,Ltd.,Guangzhou 510623,China;2.Software Quality Engineering Center,China Electronic Products Reliability and Environmental Testing Research Institute,Guangzhou 511300,China）Abstract:With the advent of the intelligent and digital era,emergency management can not be separated from scientific andtechnological information.“Without informatization,there is no modernization of emergency management”.The emergency management department has issued the task book of local emergency management informatization construction year by year,with specialemphasis on the construction of intelligent emergency command platform.According to the new requirements of“big emergencyand big security”,the four links of emergency management,namely,“prevention and emergency preparedness,monitoring andearly warning,emergency disposal and rescue,and post recovery and reconstruction”,cannot be separated from the support of theintelligent emergency command platform.Combined with the actual combat requirements of monitoring and early warning,command and dispatching,emergency rescue,it studies the application of key technologies such as global awareness,integrated communication,data intelligence,digital twins,etc.in the intelligent emergency command platform,and deeply analyzes the key problems in the emergency actual combat process through key technologies,and drives the modernization of emergency managementthrough scientific and technological information work.Keywords:emergency command;global awareness;integrated communication;data intelligence;digital twinsResearch and realization of personalized teaching mode based onstudent portraitChen Pingping,Liu Xiufeng,Liu Huiling,Zhan Xiuju,Tan Dingying*（School of Medical Information Engineering,Guangzhou University of Chinese Medicine,Guangzhou 510006,China）Abstract:Personalized teaching respects students individual differences and promotes the development of students personality,which is the direction of future education development.This paper is based on student portrait model to realize personalizedteaching,by collecting teaching data,using Lookalike algorithm and big data processing technology to identify studentslearningsituation,assist teachers timely grasp students dynamic changes,portrait modeling for students learning situation,achieve“Thousands of people thousands of faces”effect,provide students with accurate personalized learning route,training scheme and employment recommendation guidance,realize individualized teaching.Keywords:student portrait;personalized teaching;Lookalike algorithm（上接第107页）112