论文部分内容阅读
摘要：随着人工智能2017年首次被写入政府工作报告，国务院出台相关文件大力推进智能教育。在高职教育中，学生与教师可以搭载人工智能的顺风车，在自组织理论的指导下，激发学生内在动力，研发出自组织学习模式。此模式有助于提高学生的学习积极性，便于老师精准帮困，有利于更好的家校沟通。这些可以通过构建知识图谱，组织学习资源，规划学习路径来实现，更好的对高职学生因材施教。
关键词：人工智能;自组织学习;高职教育
随着课程教学平台和移动学习终端的使用，高职院校的线上教育达到了一定规模，收集了大量学生的学习行为数据。但单纯的线上学习缺少互动，高职学生自制力也不够强，不能很好地控制学习时间和进度，这制约了学习效果的提升。自组织理论主要研究在一定条件下系统是如何自发地由无序走向有序，探索自然变化和人类社会发展中的各种复杂现象及其形成和演化的基本规律。随着大数据、人工智能的深化，线上教育也发生着变革，将人工智能与教育充分融合的人工智能自组织学习模式应势而生。它能够分析匹配出与学生相适应的个性化学习方案，帮助学生更有效地完成学习任务，同时发现他们的潜能，提高教师的教学效率，真正实现因材施教。
一、自组织理论内涵
自组织是复杂适应系统的基本行为，是系统自发从无序状态组织成一种有序结构的过程，是耗散结构和协同学理论的总称。系统在演化过程中如果没有外部力量强行驱使，系统内各部分会按照自身的行为规则，在相互作用中各子系统在时空或功能方面协同运作，出现有序结构，通过自身发展进化形成具有一定时空结构和功能结构的自组织系统。
在教育环境中，受教育者虽然被严格控制在高度组织化的秩序中，受到校纪校规的约束，但是似乎有一只“看不见的手”常常使教育的计划落空，教育效果与教师期待的效果有些误差。
教育环境中个体的发展也是典型的自组织过程，教师传授给学生各科分立的知识，我们最终看到的结果远远超出单独的学科知识。该如何去寻找并好好使用那只“看不见的手”促进学生朝我们期待的方向更好的发展是一个值得探讨的问题。
二、人工智能时代自组织学习及国家战略规划
人工智能这个词汇2017年首次被写入政府工作报告，同年国务院出台《新一代人工智能发展规划》，针对智能教育。主张利用智能技术加快推动人才培养模式、教学方法改革，构建包含智能学习、交互式学习的新型教育体系。开发智能教育助理，建立智能、快速、全面的教育分析系统。建立以学习者为中心的教育环境，提供精准推送的教育服务，实现日常教育和终身教育定制化[1]。为贯彻落实国务院关于人工智能发展规划的通知，引导高校紧跟世界科技前沿，进一步提升高校人工智能领域科技创新、人才培养和服务国家的能力，2018年4月，教育部发布《高等学校人工智能创新行动计划》，其中一项重点任务即探索基于人工智能的新教学模式，重构教学流程，并运用人工智能开展教学过程监测、学情分析和学业水平诊断，实现因材施教，实现校园精细化管理、个性化服务。
这些政策的出台表明今后教育的发展方向就是人工智能与教育的深度融合，因此人工智能自组织学习将成为未来教育学习变革的新方式。
三、人工智能自组织学习在高职教育中的价值
自组织教学模式有开放性、平等性和自增长性特点。自组织学习的教学模式是开放的，教师只是教学的组织监督者和考核者，学生充分发挥主观能动性，自由组合学习，不拘泥于任何形式，整个教学活动是开放的。在整个教学活动中，所有学生一律平等，不存在领导者和组织者。所有成员平等自由组合为学习团队，充分发挥团队学习优势，针对具体学习任务开展研讨。这样，学生在自组织教学模式下进行学习，随着学习内容的不断深入，学生互动协作越来越紧密，逐漸提高整个团队的学习能力，实现更好的学习效果。
（一）有助于提高高职学生的学习积极性
美国霍华德·加德纳教授在他的多元智能理论中，提出了每个个体都有不同的能力倾向，要重视学生个体的差异。高职学生就整体而言，自制力和良好的学习习惯有所欠缺。没有了高中老师的监督，课前不认真预习，课上分神玩手机，对所学内容吸收率不高，课后又没有自觉复习的习惯。对于高职学生表现出的这种种不良的学习情绪，人工智能时代可以进行一定程度上的克服。可以利用大数据系统，分析学生的学习情况和兴趣目标，推断学生何时出现厌倦、沮丧、好奇、困惑、兴奋、快乐等情绪，及时根据学生的情绪调整学习内容，让学生的情绪趋于稳定;同时还可以检测出何种学习活动能够让学生更易于投入，何种学习活动对学生更有效，更好的对学生进行个性化定制课程。人工智能时代还能根据学生个人的喜好将庞杂的知识内容分类整理，生成更加系统化个人化的知识图谱，供学习者高效学习。
（二）有助于高职院校教师更好的精准扶困
在高职教学中，大多遵守传统的班级授课制，教师们为了更好的因材施教采取的方法也是分层教学。在这种情况下，教师仍无法精确地把握每位学生的优劣不足，无法关注到每位学生的实际情况，更不能因为某位学生对进度快慢有要求而调整全班的教学节奏。人工智能时代，自组织学习模式能收集学生学习过程中的数据，利用这些数据描绘出学生的学习能力全貌，检测出每位学生对学习内容的掌握程度，量化出学生的兴趣偏好、潜在能力、约束力、创新力等指标，帮助教师智能的规划出每位学生的学习路径，推荐适合该生学情的学习内容，促进教师更好的精准帮扶学习困难的学生，为教师的“教”提供更精细的指导。
（三）有助于构建更融洽的家校沟通
学校和学生及家长的沟通交流无论何时都是刚需。但是现有学校与学生的沟通渠道还比较狭窄单一、滞后，是发现学生在某些方面明显的异常后再进行的沟通。现在大学生心理问题形势越发严峻，受到一点刺激就会产生消极的想法，甚至做出极端行为。这就需要学校能够及时与学生及家长沟通交流，防微杜渐，把不安全因素扼杀在萌芽状态中。在人工智能时代，这种沟通交流方式可以实现，学生在利用手机网络学习的时候不经意流露出的一些消极想法，系统会筛选出来，并及时传送给相关人员，学校可以第一时间掌握情况，进行危机干预处理。这有利于构建更融洽的家校关系。 四、高职教育自组织学习的实现路径
自组织理论要求教师在教学过程中由教学主导者转变为教学组织监督者。在自组织学习模式下，教师并不是无所作为，让学生放任自流，而是要根据学生的基础信息，精心设计教学内容，精选教学组织形式和方法，借助于具体项目，激发学生自我组织、自主实践、团队学习。具体实现路径可以探索如下：
1、搭建知识图谱
自组织学习系统实现的关键在于为学生推荐适合自己的学习内容，包括知识点之间互相关联关系的知识图谱是核心内容。高职院校主要有基础课程、专业课程、实训课程。首先要明确三种不同类型课程知识内容的逻辑关系，其次分解出若干独立的知识单元，然后对每一知识单元再进行分解，得到精细分解的知识点或技能点。最后搭建知识点之间的关联关系，如包含关系、互相依赖、彼此组合等复杂关系。以知识点为基础形成的彼此关联的知识图谱，能够不断检测学生对知识的掌握程度，动态推荐适合每位学生的学习内容。
2、组织学习资源
高职学生具有不同的学习基础、学习习惯和学习风格。每个学生都会在日常的学习中表现出自己特有的学习行为，对不同的学习资源反映出各自的偏好程度。为促进学生更好的进行自组织学习，我们可以开发出一个个性化学习资源，收集平时学生学习中的行为数据，对其兴趣爱好、认知水平、学习习惯等随时记录。如在视频课程学习中的关注程度、停留时间长度、是否出现播放中途放弃离开的情况、拖拽时间轴的次数;对在线练习题是否习惯选择提示与解析功能、是否善于收藏题目等[2]。这些详细规范的数据加以利用，组织好这些学习资源，能够为自组织学习系统实现因材施教不断改进优化。
3、规划学习路径
自组织学习模式虽然强调激发学生内在学习动力，也需要用高质量的教学模式进行组织引导。教师应结合高职院校的專业特点、课程目标，在预学习、练习、测试环节制定出完备的方案，整理出优质的内容。通过平时授课、与学生交流了解学生偏好的知识点、易于接受的帮助类型，准确定位出学生在哪些方面需要提供帮助并开展工作。规划出合理的学习路径，研发出新的教学模式进行试点，不断总结反复修正，得到日趋完善的自组织高职课程教学模式，提高教学效率，更好的实现高职课程的因材施教。
人工智能技术便于我们更好的对学生因材施教，自组织学习模式在高职教育中的应用前景也将更加广阔。但是科技有利有弊，也有局限性，教师要做好数据、内容等方面积累工作，及时根据所教学生特点创新教学方法、情感激励、课堂管理，努力实现人工智能与现实教育的深度融合。
参考文献：
[1]国务院.国务院关于印发新一代人工智能发展规划的通知[EB/OL].[2018-06-29].www.gov.cn/zhengce/content/2017-07/20/content_5211996.html.
[2]张旭.人工智能背景下高职教育自适应学习模式可行性及发展路径研究[J].信息记录材料，2019（6）.
关键词：人工智能;自组织学习;高职教育
随着课程教学平台和移动学习终端的使用，高职院校的线上教育达到了一定规模，收集了大量学生的学习行为数据。但单纯的线上学习缺少互动，高职学生自制力也不够强，不能很好地控制学习时间和进度，这制约了学习效果的提升。自组织理论主要研究在一定条件下系统是如何自发地由无序走向有序，探索自然变化和人类社会发展中的各种复杂现象及其形成和演化的基本规律。随着大数据、人工智能的深化，线上教育也发生着变革，将人工智能与教育充分融合的人工智能自组织学习模式应势而生。它能够分析匹配出与学生相适应的个性化学习方案，帮助学生更有效地完成学习任务，同时发现他们的潜能，提高教师的教学效率，真正实现因材施教。
一、自组织理论内涵
自组织是复杂适应系统的基本行为，是系统自发从无序状态组织成一种有序结构的过程，是耗散结构和协同学理论的总称。系统在演化过程中如果没有外部力量强行驱使，系统内各部分会按照自身的行为规则，在相互作用中各子系统在时空或功能方面协同运作，出现有序结构，通过自身发展进化形成具有一定时空结构和功能结构的自组织系统。
在教育环境中，受教育者虽然被严格控制在高度组织化的秩序中，受到校纪校规的约束，但是似乎有一只“看不见的手”常常使教育的计划落空，教育效果与教师期待的效果有些误差。
教育环境中个体的发展也是典型的自组织过程，教师传授给学生各科分立的知识，我们最终看到的结果远远超出单独的学科知识。该如何去寻找并好好使用那只“看不见的手”促进学生朝我们期待的方向更好的发展是一个值得探讨的问题。
二、人工智能时代自组织学习及国家战略规划
人工智能这个词汇2017年首次被写入政府工作报告，同年国务院出台《新一代人工智能发展规划》，针对智能教育。主张利用智能技术加快推动人才培养模式、教学方法改革，构建包含智能学习、交互式学习的新型教育体系。开发智能教育助理，建立智能、快速、全面的教育分析系统。建立以学习者为中心的教育环境，提供精准推送的教育服务，实现日常教育和终身教育定制化[1]。为贯彻落实国务院关于人工智能发展规划的通知，引导高校紧跟世界科技前沿，进一步提升高校人工智能领域科技创新、人才培养和服务国家的能力，2018年4月，教育部发布《高等学校人工智能创新行动计划》，其中一项重点任务即探索基于人工智能的新教学模式，重构教学流程，并运用人工智能开展教学过程监测、学情分析和学业水平诊断，实现因材施教，实现校园精细化管理、个性化服务。
这些政策的出台表明今后教育的发展方向就是人工智能与教育的深度融合，因此人工智能自组织学习将成为未来教育学习变革的新方式。
三、人工智能自组织学习在高职教育中的价值
自组织教学模式有开放性、平等性和自增长性特点。自组织学习的教学模式是开放的，教师只是教学的组织监督者和考核者，学生充分发挥主观能动性，自由组合学习，不拘泥于任何形式，整个教学活动是开放的。在整个教学活动中，所有学生一律平等，不存在领导者和组织者。所有成员平等自由组合为学习团队，充分发挥团队学习优势，针对具体学习任务开展研讨。这样，学生在自组织教学模式下进行学习，随着学习内容的不断深入，学生互动协作越来越紧密，逐漸提高整个团队的学习能力，实现更好的学习效果。
（一）有助于提高高职学生的学习积极性
美国霍华德·加德纳教授在他的多元智能理论中，提出了每个个体都有不同的能力倾向，要重视学生个体的差异。高职学生就整体而言，自制力和良好的学习习惯有所欠缺。没有了高中老师的监督，课前不认真预习，课上分神玩手机，对所学内容吸收率不高，课后又没有自觉复习的习惯。对于高职学生表现出的这种种不良的学习情绪，人工智能时代可以进行一定程度上的克服。可以利用大数据系统，分析学生的学习情况和兴趣目标，推断学生何时出现厌倦、沮丧、好奇、困惑、兴奋、快乐等情绪，及时根据学生的情绪调整学习内容，让学生的情绪趋于稳定;同时还可以检测出何种学习活动能够让学生更易于投入，何种学习活动对学生更有效，更好的对学生进行个性化定制课程。人工智能时代还能根据学生个人的喜好将庞杂的知识内容分类整理，生成更加系统化个人化的知识图谱，供学习者高效学习。
（二）有助于高职院校教师更好的精准扶困
在高职教学中，大多遵守传统的班级授课制，教师们为了更好的因材施教采取的方法也是分层教学。在这种情况下，教师仍无法精确地把握每位学生的优劣不足，无法关注到每位学生的实际情况，更不能因为某位学生对进度快慢有要求而调整全班的教学节奏。人工智能时代，自组织学习模式能收集学生学习过程中的数据，利用这些数据描绘出学生的学习能力全貌，检测出每位学生对学习内容的掌握程度，量化出学生的兴趣偏好、潜在能力、约束力、创新力等指标，帮助教师智能的规划出每位学生的学习路径，推荐适合该生学情的学习内容，促进教师更好的精准帮扶学习困难的学生，为教师的“教”提供更精细的指导。
（三）有助于构建更融洽的家校沟通
学校和学生及家长的沟通交流无论何时都是刚需。但是现有学校与学生的沟通渠道还比较狭窄单一、滞后，是发现学生在某些方面明显的异常后再进行的沟通。现在大学生心理问题形势越发严峻，受到一点刺激就会产生消极的想法，甚至做出极端行为。这就需要学校能够及时与学生及家长沟通交流，防微杜渐，把不安全因素扼杀在萌芽状态中。在人工智能时代，这种沟通交流方式可以实现，学生在利用手机网络学习的时候不经意流露出的一些消极想法，系统会筛选出来，并及时传送给相关人员，学校可以第一时间掌握情况，进行危机干预处理。这有利于构建更融洽的家校关系。 四、高职教育自组织学习的实现路径
自组织理论要求教师在教学过程中由教学主导者转变为教学组织监督者。在自组织学习模式下，教师并不是无所作为，让学生放任自流，而是要根据学生的基础信息，精心设计教学内容，精选教学组织形式和方法，借助于具体项目，激发学生自我组织、自主实践、团队学习。具体实现路径可以探索如下：
1、搭建知识图谱
自组织学习系统实现的关键在于为学生推荐适合自己的学习内容，包括知识点之间互相关联关系的知识图谱是核心内容。高职院校主要有基础课程、专业课程、实训课程。首先要明确三种不同类型课程知识内容的逻辑关系，其次分解出若干独立的知识单元，然后对每一知识单元再进行分解，得到精细分解的知识点或技能点。最后搭建知识点之间的关联关系，如包含关系、互相依赖、彼此组合等复杂关系。以知识点为基础形成的彼此关联的知识图谱，能够不断检测学生对知识的掌握程度，动态推荐适合每位学生的学习内容。
2、组织学习资源
高职学生具有不同的学习基础、学习习惯和学习风格。每个学生都会在日常的学习中表现出自己特有的学习行为，对不同的学习资源反映出各自的偏好程度。为促进学生更好的进行自组织学习，我们可以开发出一个个性化学习资源，收集平时学生学习中的行为数据，对其兴趣爱好、认知水平、学习习惯等随时记录。如在视频课程学习中的关注程度、停留时间长度、是否出现播放中途放弃离开的情况、拖拽时间轴的次数;对在线练习题是否习惯选择提示与解析功能、是否善于收藏题目等[2]。这些详细规范的数据加以利用，组织好这些学习资源，能够为自组织学习系统实现因材施教不断改进优化。
3、规划学习路径
自组织学习模式虽然强调激发学生内在学习动力，也需要用高质量的教学模式进行组织引导。教师应结合高职院校的專业特点、课程目标，在预学习、练习、测试环节制定出完备的方案，整理出优质的内容。通过平时授课、与学生交流了解学生偏好的知识点、易于接受的帮助类型，准确定位出学生在哪些方面需要提供帮助并开展工作。规划出合理的学习路径，研发出新的教学模式进行试点，不断总结反复修正，得到日趋完善的自组织高职课程教学模式，提高教学效率，更好的实现高职课程的因材施教。
人工智能技术便于我们更好的对学生因材施教，自组织学习模式在高职教育中的应用前景也将更加广阔。但是科技有利有弊，也有局限性，教师要做好数据、内容等方面积累工作，及时根据所教学生特点创新教学方法、情感激励、课堂管理，努力实现人工智能与现实教育的深度融合。
参考文献：
[1]国务院.国务院关于印发新一代人工智能发展规划的通知[EB/OL].[2018-06-29].www.gov.cn/zhengce/content/2017-07/20/content_5211996.html.
[2]张旭.人工智能背景下高职教育自适应学习模式可行性及发展路径研究[J].信息记录材料，2019（6）.