唐田田 王海鹏 贾舒宜 毛忠阳 周坚毅

[摘 要] 随着人工智能和大数据等领域的快速发展，教育与新技术逐渐融合，高等教育中各专业呈现学科技术知识更新速度加快、各学科交叉融合、应用领域拓宽等现象，极大地增加了学生的学习强度和学习“疲惫感”。如何结合现代科技力量，激发学生的学习兴趣并有效提高学习效率，成为教育工作者需要思考的重要课题。分析传统教育中“被动接受”学习模式存在的不足，结合当前智慧学习的研究成果和具体教学实践经验，以大数据技术为核心，通过智能化手段从智能推送、智能奖励、量化评价等方面增强学生的学习兴趣，构建基于大数据的智能内驱式学习模式，使学生主动“学”，自主“习”，从而实现学习的有效性和高效性。

[关键词] 大数据;智能信息处理;内驱力;学习模式

[基金項目] 2020年度海军航空大学教改项目“基于大数据的空中战勤智能处理类课程模块改革与实践”

[作者简介] 唐田田（1989—），女，山东东营人，硕士，海军航空大学信息融合研究所讲师，主要从事大数据技术及应用、目标跟踪研究;王海鹏（1985—），男，山东滨州人，博士，海军航空大学信息融合研究所教授（通信作者），主要从事大数据技术及应用、目标跟踪研究。

[中图分类号] G642   [文献标识码] A   [文章编号] 1674-9324（2021）23-0009-04    [收稿日期] 2021-01-26

随着现代信息技术的快速发展，智慧教室、数字化智能图书馆、智能手机、智能平板、电子书包等校园新兴事物不断涌现，给新时代的大学校园带来智慧力量，也逐渐改变了学生的思维方式和行为习惯。学生获取知识的途径不再局限于课堂上教师的“主动灌输”和图书馆的书本文献查阅，而是逐渐依赖于网络智能引擎搜索或热点推送，由此学生可以根据个人需求查找自己感兴趣的内容。另外，传统学习模式下重理论轻实践的学习已经不适合竞争激烈的现代化社会，学生的目的不再是获取期末考卷的高分数，更重要的是收获基于相应理论的实践经验和创新能力。因此学生的学习模式发生了根本性的转变，由“被动接受”转为“主动探究”，由“注重理论”转为“注重能力”，并以教师为引导，明确学习目标，转变学习思路，实现学习的自主化。此外，教育与信息技术的深度融合，产生了海量的教学数据，包括教学实施过程数据、学生的学习行为数据、学生的思想状况、学生的兴趣偏好、学生的薄弱点等，数据量巨大，结构复杂，超出了常规手段处理的范围，需要运用大数据技术充分挖掘这些数据的潜在价值[1]。因此，本文以学生的实际需求为根本出发点，构建基于大数据的智能内驱式学习模式，结合智能化手段，制定相适应的学习目标，激发学生的学习热情，切实提高学生的学习满意度和学习效率。

一、构建智能内驱式学习模式的意义

伴随着现代科技水平的不断提高，社会就业需要理论知识扎实、技能操作熟练的善学型人才，因此学科基础理论水平、创新实践能力和自主学习能力，已经成为衡量高校学生综合素质的重要指标。但是在传统学习模式下，学生获取知识的途径较为单一，主要通过课堂听讲;学习成果的评价标准不够全面，主要考核理论知识;同时，在教学过程中，教学计划主要针对的是全体学生的共性培养，学生的个体差异没有受到一定的重视。通过教学实践发现，在传统课堂中学生处于“被动接受”“考核片面”和“个性没有受到尊重”的状态中，不仅消磨了自身的学习兴趣，也不利于树立积极探索的心态，因此，被动、低效、迷茫成为大部分学生的学习常态。为了提高学生的综合素质能力，学生必须具备“愿学习，能学习，会学习”的基本素质，因此学生需要在心理上建立学习的内驱力，从而驱动自身主动学习，实现学习的有效性和高效性，才能真正收获知识、提升能力、探求未知。

高新技术能够助力新型学习模式的构建和学习内驱力的形成。在大数据时代背景下，海量、易获得、高标准的在线学习资源，打破了学生的学习局限，使学生的学习更具便捷性、个性化和智能化。同时学生通过使用智能设备，可以充分利用碎片化时间，随时随地进行线上学习[2-4]，并根据自身的情况制定适合自己的学习计划，自主控制学习内容、学习节奏和学习目标，从而获得较高的自我认同感，增强了学习内驱力，进而更有学习热情和学习效率。基于大数据的智能内驱式学习模式，通过智能移动网络终端设置多种学习内驱方式，有效激发学生的学习热情，并利用大数据技术收集学生学习过程中的各种数据，分析学习过程中各种问题产生的原因，智能推送针对性的解决方案供学生参考。大数据技术是该学习模式的核心支撑，提供海量的优质学习资源和有价值的学习分析数据，能深入挖掘传统技术手段无法处理的语音、图像等非结构化数据，为学生的学情分析、量化个人评价提供强有力的支持。智能设备作为重要的辅助工具，智能化地为学生创设高效的学习场景和个性化学习体验，进而提高学生自主学习能力。实践表明，基于大数据的智能内驱式学习模式是遵循“以人为本”的教育理念，培养学生知识、情感、能力、思想四大方面目标的重要实践，是对教育信息化、智能化的必然探索，是实现精准教学和个性化学习的有效手段。

二、智能内驱式学习模式的构建内容

基于大数据的智能内驱式学习模式的构建，是以建立学生的学习内驱力为立足点，将大数据技术和智能化手段相结合，让学生获得知识和技能的同时，找到适合自己的学习方式，有效提高学习满意度。学习内驱力是该学习模式的核心要素，它的获取不仅取决于外部环境的刺激，还需要从学生自身心理上增强学习热情，对学习知识有强烈渴求，主动探索和实践自己感兴趣的内容。在该学习模式下，学习环境是开放的，在学习环境中教师、学生、知识与技能、学习路径等因素会形成一个高效的学习闭环，各因素之间动态调整，相互适应。基于大数据的智能内驱式学习模式的构建内容，主要考虑以下三个方面。

1.关于学生的诊断性评价。对每一个学生的知识储备、学习习惯、学习态度、学习能力、教育背景和身体状况等学习初始情况进行综合分析，生成一份关于每个学生的预评价报告。

2.学习情境的创设。在学习环境中，综合考虑教师、学生、知识与技能、学习路径等因素的相互作用，动态调节，从而形成一个有效的整体。其中，学生是核心角色，整个情境围绕着学生的学习展开;教师是引导者，引领学生学习的大方向;掌握知识与技能是学生的学习目标;学习路径是学生从自身实际出发，不断探索和实践，最终形成的适合自身的学习路径，包括参加课堂学习、网络学习平台、讲座等集体活动;学习内驱力是整个学习情境的关键，影响各种因素的执行力。

3.量化个人评价。基于过程性、激励性、差异性原则，依托大数据技术手段，分析学生的课堂出勤、课堂答疑、课堂纪律、课后自学、作业练习等学习过程中产生的各种多源异构数据，并以个人为评价单位，获得每个学生的精细化学情报告。针对报告中存在的问题，及时采取干预手段，有效保证学生的学习积极性。

这三个方面内容是学习模式构建的关键，缺一不可。学生的诊断性评价是构建学习模式的起点，反映每个学生的差异，也让教师全面掌握每个学生的情况。创设一个开放、合作、交流的学习情境是构建学习模式的重点，其中教师可以帮助学生整合各方面资源，精心指导，尊重学生差异，帮助学生设计个性化学习方案[7，8]。量化个人评价是对该学习模式可行性和合理性的反馈，有助于学习路径和学习方案的动态调整，使个性化学习方案更具规范性。

三、智能内驱式学习模式的实施过程

根据学习建构主义理论[9]，“学习不在于知识传授，而在于从自身实际出发，建构自己的知识。”所以课堂不是简单地知识传递和时间消磨，而是互相学习和积极思考;学习成果不是刻意追求知识数量，而是评判自己是否找到了适合自己的学习路径，是否具备了学习内驱力，是否建立了学习认同感;在教学的过程中，去除课堂的封闭性，让学生的个体差异性得到充分尊重。那么学生学习过程将是从“收获甚少”，到“尝试探索”，再到“自主学习”的演变，进而让学生能够实现深度学习，获得学习的成就感和深层次的学习体验。

在实施基于大数据的智能内驱式学习模式的过程中，教师作为引导者，把握课程的学习导向，引入问题探究和案例分析，实时关注每个学生的学习动态，帮助学生选择、优化、整合学习资源，并鼓励学生积极思考，将繁琐的学习任务化难为易，逐步分解成简单的小任务，从而使学生建立学习内驱力，激发学生的学习兴趣和热情。另外，通过建立量化评价机制，使学生在学习过程中多反思，多总结，注重培养学生解决实际复杂问题的能力和创新思维。基于大数据的智能内驱学习模式的具体实施，主要分为以下步骤。

1.建立学生个人学习情况分析数据库。以预分析报告作为个体初始数据，利用大数据技术，实时监测学生的学习状态、学习方式等行为数据，对获取的多源数据进行综合分析，并可以智能推送有效建议和措施，从而调动学生的学习积极性，帮助学生树立学习自信，找到个性化学习方法。

2.创设开放的学习情境。在教学设计中，教师根据课程标准和课程知识框架，梳理教学内容，并结合学生的个性特点，将原教学目标转化为细化的学习目标，从而为学生学习指明方向。在教学过程中，教师的角色从“知识传授者”到“知识引导者”，由“教师”变为“导师”，以问题引导、案例分析等方式，充分调动学生的好奇心，激发学生的学习兴趣，鼓励学生独立思考，以便于学生的学习内驱力的建立。在课后，学生可以制定适合个人的学习规划，调整时间，学习节奏和学习路径，利用在线学习平台、智能搜索引擎、小组讨论、问题实践等多种有效的学习路径，解决问题，获取知识和技能，从而收获学习的乐趣和问题解决的成就感，有效提高自己的学习满意度和学习认同感。另外，在课下增加学习评估环节和建立学习小组。学生可以通过在线学习平台，与智能学习问答机器人进行交互，交流个人的学习需求和学习感悟，平台会综合前期数据进行分析，预测学生下一步可能需要的学习内容以及学习资源，帮助学生完善个人已有的知识体系，并找到进一步提升自己的方向。同时平台会生成三份报告，除了一份学生评估报告外，还有一份教师建议报告和一份教育管理者建议报告，可以有针对性地关注和引导学员的学习行为。建立学习小组，根据大数据分析系统，将学习特性互补的两个人，一对一匹配为学习小组，以帮促学，让表现优秀的学生在介绍学习心得和学习体验的过程中，获得深层次的学习感悟;以学促学，让学习缺乏主动性的学生增强学习自信，在学习激励教育中，规划个人的合理学习路径，进而提高自主学习能力，收获知识和学习成就感。

3.定期录入学习反馈数据。在该学习模式下，教师应时刻关注学生的学习进度和知识点的掌握情况，及时更新学生的个人学习数据库，并可随时调取学生的学情报告。教师根据学生的具体学习效果，分析学生的学习行为变化和思维变化，给表现好的学生以奖励，可选用幽默的科普知识、增加平时表现学分、减少一道考试题、担任学习小组长等任一种奖励方式;对表现不佳的学生及时提醒，利用大数据分析问题产生的原因，挖掘学生的优势，耐心教育，加以鼓励，并时刻关注学生的学习动态，与学生一起共同努力，攻克学习难关。奖励方式、原因分析及有效建议可以智能推送到学生的学习终端。此外，教师可以通过学情报告实时掌握学生的思想动态和学习情况，挖掘学生的学习潜力，同时在课堂教学中将学习激励教育融入其中，把握学生的学习方向，指导学生合理调整学习方案，充分尊重学生的个性。

4.建立精细化评价体系。在该学习模式中，学习成绩不是评价学生的唯一标准，而是从初始化评价、过程性评价和总结性评价三个方面建立精细化评价体系，量化个人评价，从而避免了“整齐划一”的考核弊端。该评价体系可以通过大数据技术综合分析学生的学习投入度、学习行为和学习目标三者之间的协调关系，对学生的学习能力和知识点掌握情况，给出评估意见和合理建议，并预测学生的未来发展和学习中可能出现的问题，智能推送问题产生的可能原因，以及解决问题的有效措施。在该学习模式下，学生能有效地建立自身的学习内驱力，时刻保持学习积极性，通过教师的引导，结合具体学习内容，从自身实际出发自主选择合理的学習路径，从多种形式的学习资源中获取的各类信息进行组织、整合、加工，内化为自己的知识和技能[ 10，11 ]，同时勤反思，多总结，多实践，逐渐形成适合自己的个性化学习方案，以达到高效学习的目的。

四、總结

大数据和人工智能技术的发展，为我们提供了海量的优质教育资源以及常态化的数据采集和分析能力，可以深度挖掘学生的学习潜能，推动个性化学习和高效学习目标的实现。基于大数据的智能内驱式学习模式就是结合大数据技术和智能化手段，以自主学习、教师引导、小组协作、个人评价量化为主要内容，最大限度地促进学生的学习内驱力的建立，充分尊重学生的差异性，因此该学习模式弥补了家庭教育“不专业”、学校教育“不具体”和自我学习“无导向”三方面的不足，增强学生的学习自信，提高学生自主学习的能力，确保因材施教教育目标的最终实现。

参考文献

[1]张红军，解丽娜.大数据背景下智慧学习环境的设计与构建研究[J].信息技术与信息化，2019（5）：181-185.

[2]张轶辉，郑玉莲，饶先发.大数据驱动下学习方式变革研究[J].黑龙江工业学院学报（综合版）， 2020，20（3）：68-74.

[3]钟绍春.人工智能支持智慧学习的方向与途径[J].中国电化教育，2019（7）：8-13.

[4]冯顺顺.引导学生自我探索提升学习内驱力探赜[J].成才之路，2020（13）：140-141.

[5]林秀瑜，李梦杰. 智慧学习环境下学习分析的理论模型及其机制[J].现代教育技术，2019（4）：19-25.

[6]唐晓旺，王晓楠，胡凡刚.高校智慧学习环境建设困境及有效路径探析[J].软件导刊.教育技术，2019，18（1）：33-35.

[7]刘惠君.基于有意义学习的个性化学习模式构建与系统设计[D].武汉：华中师范大学，2018.

[8]范超.智慧课堂中个性化教学实现路径研究[D].重庆：西南大学，2018.

[9]纪世元.建构主义学习理论关照下的深度学习探究[J].文学教育（下），2019（12）：42-43.

[10]沈贵庆.大数据分析在高校智慧教育中的应用研究[J].现代电子技术，2019，42（4）：97-100.

[11]袁飞虎，吴其亮. 基于大数据的智慧学习系统设计[J].计算机与网络，2019，45（22）：49.

On the Construction of Intelligent Internal-drive Learning Model Based on Big Data

TANG Tian-tian， WANG Hai-peng， JIA Shu-yi， MAO Zhong-yang， ZHOU Jian-yi

（Institute of Information Fusion， Naval Aviation University， Yantai， Shandong 264001， China）

Abstract： With the rapid development of artificial intelligence， big data and other fields， education and new technology are gradually integrated. In higher education， various majors appear the phenomena of the accelerated updating of technical knowledge， the cross-integration of various disciplines， and the broadening of application fields， which greatly increases the learning intensity and fatigue of students. How to combine modern science and technology to stimulate students interest in learning and effectively improve learning efficiency has become an important issue for educators to think about. This paper analyzes the shortcomings of the “passive acceptance” learning model in traditional education. The intelligent internal-drive learning model based on big data is constructed by combining with the current research results of intelligent learning and specific teaching practice experience， taking big data technology as the core， and enhancing students learning interest through intelligent means such as intelligent push， intelligent reward， quantitative evaluation and other aspects， which enable students to take initiative to learn and practice， so as to achieve the effectiveness and efficiency of learning.

Key words： big data; intelligent information processing; internal-drive; learning model