智能技术支持的课前准备(四)| 教学活动设计可视化、智能化、科学化

文摘   教育   2024-11-08 17:01   安徽  


本文节选自刘邦奇、聂小林编著的《智能高效课堂构建》一书,内容有删改。


教学活动设计是课前准备的核心内容。一个完整的教学活动设计应包括学习目标的设定、学习内容的选择、活动组织的方法、课堂实施策略的构建等。教师需要依据不同学生的特征、不同的教学内容等进行不同的设计,并能够将教学活动与课程目标、课程内容紧密结合,使教学活动序列化、系统化和动态化。


智能技术助力教学活动设计


1

加强教学活动设计的精细化



在人工智能时代,需要对课堂教学活动进行形式化定义,建立以活动为中心的统一编排模型,支持活动序列之间数据流与控制流的自动化建模,以实现对教学活动的结构化表示。目前,智能技术的应用能够为教师提供结构化、精细化的模板,如教学标准设计模板、教学内容设计模板、教学活动设计模板和教学策略设计模板等,从而降低教学活动的设计难度,为教师开展标准化、细粒度的教学活动设计提供清晰的思路和指引,促进“以学为中心”的教学活动设计的实现。


2

简化教学活动设计的繁复性



教学活动设计是一项繁杂的工作,需要根据各种教学资源进行科学合理的设计。利用智能技术可以进行某些“批处理”与自动加工,并能够通过智能推荐适切教学活动及资源、自动生成教案等方式,为教师智能推荐相应的活动类型或具体活动内容,提供匹配的、丰富的素材或完整资源,从而减少同类教学设计过程中重复性的人工劳动,把教师从关注内容中解放出来,保留更多的精力去关注学生本身,关注如何通过组织教学活动为学生提供更高质量的学习体验。


3

促进教学活动设计的个性化



教学活动设计需要以学习者为中心,提供个性化活动方案。利用智能技术可以基于每位学习者的学习数据及分析结果,通过智能决策系统进行逻辑推理,筛选、优化并建立完整的教与学路径体系,帮助教师在此基础上找到适合所教群体学生的最优教与学路径;同时还可以为每位学习者提供或推荐个性化教学资源和学习路径设计,实现教与学的精准、个性化匹配。


典型场景


教学活动设计是一种由教师主导完成的创造性工作。通过智能技术可以帮助教师实现教学活动的系统化、自动化、动态化设计,最大限度地减轻教学设计中的重复性工作,提高教学活动设计的规范性和精准性。具体来说,当前智能技术支持的教学活动设计主要体现在可视化教学活动编辑、智能化教学活动推荐、适应性学习路径规划等典型应用场景中,具体如表1所示。


表1 智能技术助力教学活动设计典型场景


1

可视化教学活动编辑



教学活动设计是有模型可循的,已有不少探索与应用。在智能技术的支持下,教师可以基于结构化模板、可视化界面等开展教学活动编辑,实现更便捷的教学活动过程设计,更灵活的教学活动要素修正、完善和扩展,从而保证教学活动设计的完整性和规范性。


2

智能化教学活动推荐



提高教师教学活动设计效率的重要方式之一是开展自动化设计。智能技术能够通过自动或半自动地采用某种教学算法和推理机制,实现基于学科知识的教学活动推荐和基于教学特征的教学活动推荐,辅助教师完成一定的教学活动设计决策,提高教学活动设计的自动化水平和质量。


3

适应性学习路径规划



以学生的个性特征为出发点,综合考虑活动组织的各要素是教学活动设计成败的关键。大数据、深度学习等智能技术可以自动规划并生成学习路径,实现学生学习任务、学习资源等学习活动序列的个性化设计,同时还能强化教师作为学习设计师的角色,支持其对系统生成的学习路径序列进行监控和调整,从而优化并改善教学活动设计。


案例  可视化学习设计工具助力教师提升教学活动设计效率


香港大学罗陆慧英教授团队开发的学习设计工具(Learning Design Studio),可以基于教学活动模板开展可视化教学活动设计,还可以通过教学仪表盘功能呈现不同颗粒度(课程、单元和模块)的教学活动设计的实施结果,并能够把形成的设计方案同步到其他教学管理平台,助力教师快速有效地设计和创建课程教学活动。


学习设计工具可以为教师开展教学活动设计提供以下三个方面的支持。提供教学活动设计模板,支持教师从课程、学习单元、学习任务三个层级开展学习设计。如图1(a)所示,为了帮助教师设计出合适的学习活动,学习设计工具设计了统一的学习任务分类话语体系,包括自主型、探究型、生成型和反思型四大类,共12种任务类型,帮助教师在教学活动设计的任务上达成共识,同时有助于引导教师更有效地从不同的活动类型中做出选择。提供可视化教学活动设计板块,支持教师更便捷地调整学习活动序列。如图1(b)所示,教师可以通过拖拽,将左侧面板中的12种任务类型拖动到中间面板,并按照计划的学习顺序将它们连接起来,活动序列可以保存为一个设计模式,并以可视化方式呈现。每个活动的细节,如持续时间、评价方式和所需资源可以在右边的面板中指定,从而支持学习任务的类型、评价方式等更细粒度的设计工作。提供教学活动管理功能,支持教师监控和评价教学活动设计实施情况。该工具还提供了一个教学活动监控仪表盘功能,方便教师在设计过程中的自我监控和自我反思。例如,课程层面可以帮助教师监控任务所解决的预期学习结果的百分比、每节课已经设计好的学习时间和预定的学习时间等内容;教学法层面能够显示12类学习任务的占比、学习活动组织形式的占比等。


总的来说,学习设计工具通过提供设计流程、设计要素、设计案例和设计指南等脚手架,并通过仪表盘功能可视化呈现教师的教学活动设计,为教师开展教学活动设计提供全流程支持和指引,有效提高教学活动设计输出的效率。


图1 学习设计工具教学任务分类体系与可视化教学活动设计界面


本案例根据香港大学罗陆慧英教授研究团队的相关论文整理总结。




参考文献

[1]陈作锋:《课堂教学活动设计概念的初步构建与分析》,载《文教资料》,2009(5)。

[2]冯茹、马云鹏:《基于真正学习的教学设计三维要素分析》,载《教育理论与实践》,2019(10)。

[3]王坤:《支持与实现:教育大数据对高校教师教学决策的价值所在》,载《中国成人教育》,2018(16)。

[4]何克抗:《如何实现信息技术与学科教学的“深度融合”》,载《教育研究》,2017(10)。

[5]张钰团、吴仕云:《基于人工智能的教学设计应用研究》,载《中国教育信息化》,2021(23)。

[6]朱永海:《深度学习视角下混合教学系统化设计与体系化模式构建》,载《中国电化教育》,2021(11)。

[7]王坤:《支持与实现:教育大数据对高校教师教学决策的价值所在》,载《中国成人教育》,2018(16)。

[8]沈书生:《从教学结构到学习结构:智慧学习设计方法取向》,载《电化教育研究》,2017(8)。

[9]钟绍春、钟卓、范佳荣等:《智能技术如何支持新型课堂教学模式构建》,载《中国电化教育》,2022(2)。

[10]刘三女牙、孙建文:《人工智能时代的课堂创变:解构与重构》,载《国家教育行政学院学报》,2021(9)。

[11]张钰团、吴仕云:《基于人工智能的教学设计应用研究》,载《中国教育信息化》,2021(23)。

[12]陈庆贵、洪文秋:《基于“农远工程”技术环境的自适应引导式教学设计生成系统的设计与应用》,93载《中国电化教育》,2013(8)。

[13]郝建江、郭炯:《智能技术赋能精准教学的实现逻辑》,载《电化教育研究》,2022(6)。

[14]彭绍东:《教学设计自动化的定义与发展述评》,载《电化教育研究》,2011(1)。

[15]唐雯谦、覃成海、向艳等:《智慧教育与个性化学习理论与实践研究》,载《中国电化教育》,2021(5)。

[16]卢宇、马安瑶、陈鹏鹤:《人工智能+教育:关键技术及典型应用场景》,载《中小学数字化教学》,2021(10)。

[17]钟绍春、钟卓、范佳荣等:《智能技术如何支持新型课堂教学模式构建》,载《中国电化教育》,2022(2)。

[18]李凤英、龙紫阳:《从自适应学习推荐到自适应学习牵引模型———“智能+”教育时代自适应学习研究取向》,载《远程教育杂志》,2020(6)。

[19]刘清堂、毛刚、杨琳等:《智能教学技术的发展与展望》,载《中国电化教育》,2016(6)。

[20]汪存友、黄双福:《自适应学习支持下的美国高校课程设计和教师角色研究———以科罗拉多理工大学IntelliPath项目为例》,载《电化教育研究》,2020(7)。

[21]顾小清、舒杭、白雪梅:《智能时代的教师工具:唤醒学习设计工具的数据智能》,载《开放教育研究》,2018(5)。

[22]冯玲玉、甄宗武、虎二梅:《“以学习活动为中心教学设计”视角下的混合式教学机理分析》,载《电化教育研究》,2021(11)。

[23]曹晓明、何克抗:《学习设计和学习管理系统的新发展》,载《现代教育技术》,2006(4)。

[24]魏顺平、路秋丽、何克抗等:《教学设计自动化语义模型及其实现方法》,载《开放教育研究》,2009(6)。

[25]何文涛:《智慧学习环境下基于知识建模图的在线教育资源众筹及其应用研究》,载《电化教育研究》,2019(4)。

[26]刘邦奇、吴晓如:《中国智能教育发展报告》,53~55页,北京,人民教育出版社,2019。

[27]任海龙、赵雪梅、钟卓:《智能技术支持下的精准教学:技术框架与运行体系》,载《教育理论与实践》,2021(27)。

[28]赵琳、解月光、杨鑫等:《智慧课堂的“动态”学习路径设计研究》,载《中国电化教育》,2017(11)。

[29]陈凯泉:《智能教学代理的系统特性及设计框架》,载《远程教育杂志》,2010(6)。

[30]吴茵荷、蔡连玉、周跃良:《教育的人机协同化与未来教师核心素养———基于智能结构三维模型的分析》,载《电化教育研究》,2021(9)。

[31]汪存友、黄双福:《自适应学习支持下的美国高校课程设计和教师角色研究———以科罗拉多理工大97学IntelliPath项目为例》,载《电化教育研究》,2020(7)。

[32]蔡荣华、陈链:《国内外主流自适应学习系统对比研究》,载《数字教育》,2021(2)。

[33]NancyLaw,Ling Li, Liliana Farias Herrera, et al.“A pattern Language based Learning Design Studio for an Analytics Informed Inter-professional Design Community,”Interaction Design and Architecture(s),2017.


【END】


编辑 | 郭涛歌

审核 | 黄倩倩

讯飞AIEd
科大讯飞教育技术研究院/认知智能全国重点实验室智能教育研究中心官微,致力于推进智能教育专业研究成果共享,为构建“政产学研”协同创新的研究生态提供窗口和平台。
 最新文章