论文部分内容阅读
摘要：随着移动互联网、人工智能等技术的快速发展普及，现有的思想政治教育APP已经跟不上时代步伐。当前，思想政治教育要想跟上移动化和智能化浪潮，就必须拓展和优化思想政治教育APP的智能功能，提升思想政治教育APP的智能化水平，积极思想政治教育智能化新领域，提升思想政治教育质量效益。
关键词：思想政治教育;APP;智能化
随着手机等智能移动终端成为网民接入互联网的主要渠道，军队各级已经充分认识到思想政治教育必须向移动平台进军，一批思想政治教育APP应运而生。然而通过调查我们不难发现，现有的诸如“学习强国”、“学习军营”、“红客”等思想政治教育APP虽然提供了丰富而实用的功能，但普遍存在智能化程度不高、不够的问题，难以满足思想政治教育创新发展和受众高质量、个性化学习的现实需求。因此，拓展和优化思想政治教育APP的智能功能，提升思想政治教育APP的智能化水平，是当前值得我们深入研究的课题。
一、主题教育和理论学习的智能化
主题教育和理论学习是军队思想政治教育APP的核心功能，也是强化官兵理论武装和思想教育的主要途径。主题教育和理论学习的智能化将更好地实现教育和学习的高效率和个性化，提高官兵参与度和获得感，从而大大提升军队思想政治教育APP质效。
（一）精细化理论知识建模
主题教育和理论学习内容包含众多知识点，官兵的接受和学习是对知识点的不断熟识、理解和深化认同的过程。因此，对主题教育和理论学习知识点的精细化建模，有利于对知识的计算和推理，从而辅助官兵循序渐进地学习。一方面，运用计算机视觉、模式识别和自然语言处理技术，全面精细地抽取主题教育和理论学习知识点，并按照其逻辑和层次关系进行建模。另一方面，在对知识点模型进行深度学习的基础上，按照基本概念、规则和问题解决策略，构建主题教育和理论学习知识库。精细化的主题教育和理论学习知识建模，不仅有利于官兵对内容的精准掌握以及查漏补缺，也有利于政治教员和智能系统对官兵的学习效果进行准确评估。
（二）个性化学习路径推荐
现有的思想政治教育APP往往只是对主题教育重点、理论热点和要点的简单罗列，缺乏对官兵学习路径的引导，难以满足官兵个性化学习的需求。可以运用大数据支持的智能技术，科学引导官兵学习过程，为官兵提供科学化、个性化的学习路径。首先，根据官兵的学前测试和学习培训经历数据，构建官兵学习特征模型，达到对官兵知识基础和薄弱环节等学习情况的全面认识。其次，基于主题教育和理论学习知识库和官兵学习特征模型，根据不同类型知识的学习方法以及过程中的掌握状态，实现学习内容的个性化匹配。最后，根据对官兵个体在学习过程中的问题诊断和相关知识点之间的联系性进行知识的精准推送，避免效率低下的重复性的学习。智能系统能根据官兵个体的当前的学习状态和能力水平变化实时做出适应性决策，确保官兵的学习效率最优化。
（三）社区化智能粘性支持
增强思想政治教育APP的粘性，就是增强对官兵的吸引力和调动官兵的积极性。运用智能技术构建社区化的粘性支持，将有利于激发和提高官兵的学习动机和学习兴趣，突出官兵主体性，增强参与感和获得感。一是可以引入“智能语音机器人”功能，运用自然语言分析、语义分析等技术，实现人机交互、答疑反馈、搜索推送等功能，缓解在线学习的孤独感。二是可以引入等级和积分机制，同时运用智能手段个性化题目和积分的设置，让不同层次的官兵都能通过“答题、获取积分、升级”的模式增强学习的参与感和获得感。三是可以设置人机、人员间的竞赛、挑战等活动，活跃线上线下的互动交流渠道，增强思想政治教育的吸引力和感召力。
二、教育效果评估的智能化
思想政治教育效果评估是增强思想政治教育实效的重要保证，也是推进思想政治教育创新发展的现实要求。基于学习平台和APP终端产生的大数据，运用智能技术实现学习效果评估的智能化，能够提升教育效果评价的科学性、全面性和时效性，帮助政治教员和官兵自身更准确地了解把握思想政治教育的学习掌握情况，从而有针对性地改进教学方式和学习方法。
（一）学习参与度识别
学习参与度是表征官兵学习情况的重要指标，现有研究发现学习参与度同情感投入、行为投入与认知投入存在直接关系。通过基于多模态数据的采集与分析，建立多模态融合的深度学习分析模型，能够更加准确地识别官兵在线学习的参与度，从而准确评估思想政治教育APP的教育效果。可以通过采集官兵答题的反应时間、答题结果、学习时长和在线交流等数据，建立深度学习分析模型，分析官兵的学习参与度。随着终端设备以及网络技术的迭代发展，可以通过移动智能终端的前置摄像头，基于计算机视觉的方法采用实时、非接触的方式来采集官兵学习的图像数据，从而能够更加全面识别官兵学习状态，预判情绪变化，为教育效果的评估提供有力支持。
（二）答题自动化测评
运用语音识别、文字识别、图像识别等智能识别技术，可以实现智能语音测评、智能批改、智能测验、智能问答等自动教学测评功能，自动化高效实现更精准客观的判断和点评。在思想政治教育APP中，可以运用智能识别技术对官兵的文字、语音甚至画图等形式的答题结果进行智能扫描，进行语义识别后分析答题情况，自动给出评分、评语以及修改意见。同时还可以借助人机多模态交流等功能拓宽思想政治教育APP交互方式，为官兵提供知识点的拓展练习、搭配推荐等，能够减轻政治教员的负担，提高教育效果评估的效率，增加教育效果评估的客观性和准确性，从而促进教学方式的转变和评价机制的优化。
（三）全程综合性评估
当前的思想政治教育APP的教育效果评估局限于答题、考试等静态测试，反映官兵的学习效果较为片面和单一，对于经验和主观评价的依赖较强。运用人工智能技术，探索交互行为感知与理解机制，建立官兵个性化的知识能力模型，能够实现融合学习行为过程与定量结果测评的多因素教学效能评价，通过对学前测试、课后测评与学习过程参与度等指标的综合评判，更多关注官兵的个性发展和综合素质，能够更加全面、多元地评估教育效果。同时，基于教学策略和推理模型，能够实时根据官兵当前的知识技能水平，做出适应性决策，为官兵提供个性化的资源和路径。
关键词：思想政治教育;APP;智能化
随着手机等智能移动终端成为网民接入互联网的主要渠道，军队各级已经充分认识到思想政治教育必须向移动平台进军，一批思想政治教育APP应运而生。然而通过调查我们不难发现，现有的诸如“学习强国”、“学习军营”、“红客”等思想政治教育APP虽然提供了丰富而实用的功能，但普遍存在智能化程度不高、不够的问题，难以满足思想政治教育创新发展和受众高质量、个性化学习的现实需求。因此，拓展和优化思想政治教育APP的智能功能，提升思想政治教育APP的智能化水平，是当前值得我们深入研究的课题。
一、主题教育和理论学习的智能化
主题教育和理论学习是军队思想政治教育APP的核心功能，也是强化官兵理论武装和思想教育的主要途径。主题教育和理论学习的智能化将更好地实现教育和学习的高效率和个性化，提高官兵参与度和获得感，从而大大提升军队思想政治教育APP质效。
（一）精细化理论知识建模
主题教育和理论学习内容包含众多知识点，官兵的接受和学习是对知识点的不断熟识、理解和深化认同的过程。因此，对主题教育和理论学习知识点的精细化建模，有利于对知识的计算和推理，从而辅助官兵循序渐进地学习。一方面，运用计算机视觉、模式识别和自然语言处理技术，全面精细地抽取主题教育和理论学习知识点，并按照其逻辑和层次关系进行建模。另一方面，在对知识点模型进行深度学习的基础上，按照基本概念、规则和问题解决策略，构建主题教育和理论学习知识库。精细化的主题教育和理论学习知识建模，不仅有利于官兵对内容的精准掌握以及查漏补缺，也有利于政治教员和智能系统对官兵的学习效果进行准确评估。
（二）个性化学习路径推荐
现有的思想政治教育APP往往只是对主题教育重点、理论热点和要点的简单罗列，缺乏对官兵学习路径的引导，难以满足官兵个性化学习的需求。可以运用大数据支持的智能技术，科学引导官兵学习过程，为官兵提供科学化、个性化的学习路径。首先，根据官兵的学前测试和学习培训经历数据，构建官兵学习特征模型，达到对官兵知识基础和薄弱环节等学习情况的全面认识。其次，基于主题教育和理论学习知识库和官兵学习特征模型，根据不同类型知识的学习方法以及过程中的掌握状态，实现学习内容的个性化匹配。最后，根据对官兵个体在学习过程中的问题诊断和相关知识点之间的联系性进行知识的精准推送，避免效率低下的重复性的学习。智能系统能根据官兵个体的当前的学习状态和能力水平变化实时做出适应性决策，确保官兵的学习效率最优化。
（三）社区化智能粘性支持
增强思想政治教育APP的粘性，就是增强对官兵的吸引力和调动官兵的积极性。运用智能技术构建社区化的粘性支持，将有利于激发和提高官兵的学习动机和学习兴趣，突出官兵主体性，增强参与感和获得感。一是可以引入“智能语音机器人”功能，运用自然语言分析、语义分析等技术，实现人机交互、答疑反馈、搜索推送等功能，缓解在线学习的孤独感。二是可以引入等级和积分机制，同时运用智能手段个性化题目和积分的设置，让不同层次的官兵都能通过“答题、获取积分、升级”的模式增强学习的参与感和获得感。三是可以设置人机、人员间的竞赛、挑战等活动，活跃线上线下的互动交流渠道，增强思想政治教育的吸引力和感召力。
二、教育效果评估的智能化
思想政治教育效果评估是增强思想政治教育实效的重要保证，也是推进思想政治教育创新发展的现实要求。基于学习平台和APP终端产生的大数据，运用智能技术实现学习效果评估的智能化，能够提升教育效果评价的科学性、全面性和时效性，帮助政治教员和官兵自身更准确地了解把握思想政治教育的学习掌握情况，从而有针对性地改进教学方式和学习方法。
（一）学习参与度识别
学习参与度是表征官兵学习情况的重要指标，现有研究发现学习参与度同情感投入、行为投入与认知投入存在直接关系。通过基于多模态数据的采集与分析，建立多模态融合的深度学习分析模型，能够更加准确地识别官兵在线学习的参与度，从而准确评估思想政治教育APP的教育效果。可以通过采集官兵答题的反应时間、答题结果、学习时长和在线交流等数据，建立深度学习分析模型，分析官兵的学习参与度。随着终端设备以及网络技术的迭代发展，可以通过移动智能终端的前置摄像头，基于计算机视觉的方法采用实时、非接触的方式来采集官兵学习的图像数据，从而能够更加全面识别官兵学习状态，预判情绪变化，为教育效果的评估提供有力支持。
（二）答题自动化测评
运用语音识别、文字识别、图像识别等智能识别技术，可以实现智能语音测评、智能批改、智能测验、智能问答等自动教学测评功能，自动化高效实现更精准客观的判断和点评。在思想政治教育APP中，可以运用智能识别技术对官兵的文字、语音甚至画图等形式的答题结果进行智能扫描，进行语义识别后分析答题情况，自动给出评分、评语以及修改意见。同时还可以借助人机多模态交流等功能拓宽思想政治教育APP交互方式，为官兵提供知识点的拓展练习、搭配推荐等，能够减轻政治教员的负担，提高教育效果评估的效率，增加教育效果评估的客观性和准确性，从而促进教学方式的转变和评价机制的优化。
（三）全程综合性评估
当前的思想政治教育APP的教育效果评估局限于答题、考试等静态测试，反映官兵的学习效果较为片面和单一，对于经验和主观评价的依赖较强。运用人工智能技术，探索交互行为感知与理解机制，建立官兵个性化的知识能力模型，能够实现融合学习行为过程与定量结果测评的多因素教学效能评价，通过对学前测试、课后测评与学习过程参与度等指标的综合评判，更多关注官兵的个性发展和综合素质，能够更加全面、多元地评估教育效果。同时，基于教学策略和推理模型，能够实时根据官兵当前的知识技能水平，做出适应性决策，为官兵提供个性化的资源和路径。