目前, 高等教育教学中存在着教师授课方法沿用传统教学方式居多, 课堂吸引力不足, 学生对教学内容兴趣不大等现象。同时, 移动通讯设备 (手机等) 的普及与互联网技术的发展, 大学生接触外界事物的途径突破时空限制, 对未知事物的了解变得便捷且有效, 如果教学方式依旧沿用传统的课堂说教式教学, 学生只是被动接受或者参与度、选择性不高的情况下, 只能让学生将课堂“拒之门外”, 大学的教育效果将大打折扣。如何让大学生在一定限度能最大程度实现自由选择、灵活教学, 这是互联网技术快速发展背景下, 高校教学必须考虑的现实问题。
大数据等新兴信息化技术的应用为高等教育提供了一种全新的可能性, 为学生提供更加个性化的教育支持, 这教育从以往大规模工业化培养人才的模式中解放出来。2013年是中国“大数据元年”, 2014年的国务院常务会议中, 李克强总理将在线教育作为未来重点打造的新兴产业之一。党的十八大提出要实施大数据战略, 以互联网为载体, 促进分享经济发展。在教育领域使用大数据将带来一种新的教育形式:智慧教育。它是结合了多种智能信息技术与教育的深度融合, 新的教育形式将会具有感知、适应、关怀、公平、和谐等特征, 以此来传递教育智慧, 达到启迪学生、因材施教的教学目的。
一、大数据与定制化教学
“大数据”一词根据麦肯锡全球研究所给出的定义是:一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合, 具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征。大数据又被称为巨量数据, 本文中“大数据”专指以多种方式和渠道收集巨大的数据组 (教学资源) , 并对此进行整理和分析, 从中发现出各种数据间隐藏的联系[1]。利用互联网技术将教学资料进行最大限度整合, 按照教学目标不同、受众不同进行有效教学。同时, 通过对教学参与者 (教师、学生) 以及第三方的海量反馈信息分析, 总结归纳教学效果并有针对性进行改进, 从而提高整体教学效果。
“定制”思想最早是在1970年阿尔文·托夫勒 (Alvin Toffler) 出版的《未来的冲击》 (Future Shock) 一书中提出的。作者阐述了一种以大规模生产的时间和成本来为用户提供符合其需求的产品或服务的新型生产方式, 但这个观点当时仅仅是一种设想。此后经过一段时间的发展与实践, 定制化理论已十分成熟。定制化是相对于标准化而言的, 标准化是对问题制定共同的和重复使用的规则, 标准化是为了在可控范围内制定广泛认同的秩序, 而这种秩序在一定范围内可以被认为是最佳秩序。而定制化则是为了满足个体需求而进行专门的设计、开发以及生产制作等流程, 是按客户的个性需求进行定做[2]。
定制化教学时间将学习内容模块化、碎片化, 教育对象按照各自不同需求进行自由选择, 实现不同教育目标的教学过程。定制化教学赋予教育对象 (学生) 一定的自由度, 在特定范围内学生按个人兴趣喜好、自身认知条件、可分配时间等自由选择学习模块, 达到规定的教学目标要求即可。它不同与个性化教学, 个性化教学是根据每个学生的个性、兴趣、特长、需要进行施教, 亦即学生需要什么, 教师便需授予什么, 学生完全是一种自主性的学习。同时, 定制化教学需要教育主体 (学校、教师) 提供丰富的教育资源作为基础, 教学管理要预制配套 (学分制、走读制) , 教学配套资源 (可选教学模块) 等作为强有力的物质支撑。
二、基于大数据定制化教学模式
高等院校开展定制化教学要基于教学资源的大数据平台, 通过各专业、各课程的教学资源 (特别是数字化教学资源, 如微课、慕课、网络课程等) 建设, 人才培养方案分为学校集中组织教学部分 (A类) 以及学生自主选择学习部分构成 (B类) , 即将传统部分课堂教学内容通过互联网进行开放, 大学生按需选择, 并通过严格的考核检验学生的学习效果, 进而实现传统教学方式与定制化教学的相互补充。大数据教学平台的建设不单单包括教学资源建设, 还包括使用者的信息反馈、使用效果的评价 (学生、教师) 、学习考核成绩分析等。现以城市轨道交通工程技术专业为例, 大数据教学资源建设按照课程性质可以分为三类:通识课程 (Tsi, j) 、职业能力通用课程 (TYi, j) 、职业能力核心课程 (HXi, j) 、职业拓展能力课程 (TZi, j) 。各类课程又分为:必选课i=1;限选课i=2;任选课i=3。即
具体课程上如何实现定制化教学?以《无砟轨道施工检测技术》课程为例, 该课程以项目驱动来进行课程教学, 通过案例教学、分组动手操作教学, 学生掌握各类型无砟轨道结构, 熟悉相应施工工艺、熟练查找规范或技术标准、初步掌握应用检测仪器进行无砟轨道检测工作等要求。按照课程授课方式分为多个小模块:理论知识模块j=1;实践知识模块j=2;动手设计模块j=3;作业测试模块j=4, 等等。课程组制作了慕课、微课等多媒体课件, 将教学文件上传互联网, 并对重点知识点制作了3D虚拟课件辅助教学资源等。
基于大数据的定制化混合式教学模式适用于专业层面以及同专业学生学习。例如马同学要取得本专业的毕业证书, 则他需要修满本专业A类与B类设定的最低学分, 包括对应的Tsi, j、TYi, j、HXi, j (i=1, 2, 3;j=1, 2, 3…) 各模块中最低学分。则他需要按学校组织的A类教学中及格, 同时自由选修B类课程达到所需学分, 其中B类的Tsi, j、TYi, j、HXi, j、TZi, j (i=1, 2, 3;j=1, 2, 3…n) 课程必须按照教学管理完成各自子模块的最低学分。B类课程的完成就是基于大数据的教学资源, 学生自主学习、自由支配时间、自由选择科目或学习部分, 实现网上测试、答疑解惑、网上递交作业批改等, 教师按规定指导并考核选择相应模块的学生, 为教师计算相应的工作量。
如果马同学需要选修第二学位, 对应专业的课程资源同样分为上述模块, 则马同学仅需要对应完成Tsi, j、TYi, j、HXi, j (i=1, 2, 3;j=1, 2, 3…n) 模块中部分课程, 修满对应学分即可, 其它要求同上。第二学位对A类要求相应降低, 加大B类教学资源的利用, 同时确保考核过程严肃且公平, 不能以牺牲人才培养质量为代价。对于在职人员培训人员, 则可以采用完全B类教学资源开发与考核, 或者A类作为辅助教学, 但所占比例要在较小比例范围内。
利用大数据的海量数据分析能力, 针对定制化教学效果进行动态跟踪反馈, 适时调整上述各模块在不同专业或同专业中的权重。特别是纠正在不同时期各子模块权重的大小赋值是否合理。例如, 某一门课程的某个知识点对应的学习模块权重较大, 大数据分析选择学习该模块的人数巨大、且通过对应考核的比例居高不下, 则需要对该模块进行重新评估是否需要降低其权重赋值;同理, 某模块的网上教学资源被选用的数量极少 (如:占相同或相似知识点的学习模块比例不足5%) , 或者选择该模块后学生通过率很低 (如:低于30%) , 则大数据分析后进行报警并重新由该专业教学专家组进行网上不记名分析评估, 确认其教学资源质量没有瑕疵情况下, 该模块的权重赋值是否需要提高, 以激发学生学习积极性。
三、需要注意问题
本文提出的基于大数据的定制化混合式教学模式需要必要的物质与制度支撑, 笔者认为需要重点注意以下问题:
(1) 大数据的建立需要突破区域、校际的界限, 由全国教学管理机构进行统筹规划, 对各专业、各门课程进行广泛征集与汇总, 教学资源的质量与数量都可以得到保障。
(2) 同一个课程或者知识点可以出现多个版本 (不同院校、不同作者) , 实现教学资源的“百家争鸣、百花齐放”, 给学生以最大的自由选择度, 不同版本可以赋予不同权重计入学分。
(3) 定制化教学必须与学分制、走读制等系统化教学管理相配套, 以严格的考核标准为该混合教学模式的核心, 赋予学生自由选择、自由“定制”学习的权利。
摘要：利用大数据技术进行定制化混合式教学模式研究, 按照专业、第二学位以及在职培训三类给出选择数据模块方式, 提出该模式需要的保障措施, 为高等教育院校开展定制化与传统混合教育提供借鉴。
关键词：大数据,定制化,教学模式
参考文献
[1] 沈继伟.大数据背景下高校信息化教学模式的构建分析[J].科技创新导报, 2018, 15 (12) :244+246.
[2] 刘珈利.“互联网+”背景下高校定制化教学研究[D].徐州:江苏师范大学, 2017.