信息技术支持的高效知识教学.docxVIP

基于信息技术和BP神经网络的精准教学应用研究 摘要：精准教学是一种高效的知识教学，但将其引入现在教学存在两个主要问题。精准教学前期需要做大量的辅助工作，而当今教育工作者的时间精力有限；教师水平参差不齐，难以从前期的数据中得出合理的干预学习方法。为了解决这两个问题，首先将信息技术引入精准教学，完成大部分的辅助工作，获得前期所需的数据，其次将人工智能中的BP神经网络引入，协助教育工作者获得合理的干预学习点。本文提出了一套基于信息技术和BP神经网络的精确教学模式。 关键词：精准教学；信息技术支持；教学模式 ；BP神经网络；人工智能 中图分类号：G434 精准教学的国际术语有两种：Precision?Teaching 和Precision?Instruction，其中Teaching主要针对班级教学，而Instruction的范围可延伸至班级教学之外，这与目前教育信息化中的教学形态相吻合，因此，本文研??所说的精准教学是指Precision? Instruction，简称“PI”，内容上可以涵盖Precision?Teaching。在早期的精准教学中，教师和学生在教学和实践过程中通常使用铅笔一次一个点地记录学生的表现，并以此进行人工分析与决策，得出合理的干预学习点。尽管在过去几十年里，信息技术得到长足发展，但由于地域等因素，应用于教育系统还比较少。非信息技术教师缺乏信息技术技能，特别是有经验的老教师。这就导致，年轻的教师，学习信息技术、使用新的信息技术工具的意愿强，兴趣高。但面对海量的数据，因缺乏经验而难以获得合理的干预学习决策。而经验丰富的老教师，学习信息技术的意愿不强，难以获得反应学生学习情况的大量数据。因而同样难以得出合理的干预学习决策。针对该问题，本研究将信息技术引入其中，设计一套用信息技术获得学生学习情况的海量数据的方法。其次将数据做为实验库，让有经验的高级老师进行合理的干预学习点决策，得到BP神经网络的初始权和阈值，然后通过不同学生学习情况的输入数据和教师进行合理干预学习点的决策输出数据进行不断迭代，让BP神经网络能做出该课程的精准教学中高级教师的决策。这一套基于信息技术和BP神经网络的精确教学方法。能有效的解决上述问题，以实现人机合理分工，功能优势兼收的目的，以激发精准教学的活力。这一套基于信息技术和BP神经网络的精确教学方法可以使教师专注于教学设计与个性化干预，同时将优秀教师的经验通过信息技术方式得以保留。使学习者获得更优质的学习服务，在保证精准地针对问题教学的同时，提供精准的服务，使这个得以延续。 一、精准教学概述 (一)起源与理念 精准教学是由奥格登·林斯利(Ogden?Lindsley) 于20世纪60年代基于斯金纳的行为学习理论提出的方法。最初，旨在通过设计测量过程来追踪小学生的学习表现和支持数据决策，以便“将科学放 在学生和教师的手中”[2][3]。后来发展为用于评估任意给定的教学方法有效性的框架[4]。作为精准、 系统的评估方法，精准教学兼容于各种教学策略，可对任何学科、任何学段的教学进行评估。 精准教学使用流畅度(Fluency)作为衡量学生 学习发展的指标。精准教学认为知识或技能的真正掌握，不仅体现在学习表现的质量和准确度方面，也体现在速度方面[5]。因此，流畅度是指学习表现的“准确度”+“速度”[6]。在其他条件相同的情况下，流畅的学习表现比不流畅的表现更有可能在未来发生。频率指单位时间内，学生表现行为的正确或错误次 数，可以同时体现“准确度”和“速度”，因此频率是流畅度的主要指标。在精准教学过程中，构建频率是构建流畅度的重要方面[7]。 流畅度具有五大属性[8]：持久性(Maintenance)、 耐久性(Endurance)、稳定性(Stability)、应用性 (Application)和生成性(Generativity)。持久性是指学生在无额外练习的情况下，未来根据需求执行任务的能力；耐久性是指为了满足真实需求，执行必要长时间的能力；稳定性是指在干扰的情况下，能够继续实施一项技能的能力； 应用性是指知识或技能容易地应用于新的情境 的能力；生成性是指在没有明显的指导下，出现复杂行为技能的能力。因此，流畅的学习表现是知识或技能真正掌握的体现。 另外，精准教学要求学生日常练习并测量学习表现，通常是每天花1分钟或几分钟的时间进行练习与测量。测量得到的频率数据记录在一个称为标准变速图表的标准化图表中。通过日常的测试与记录可使精准教师在教学过程中频繁监测学生的学习发展。基于斯金纳“有机体永远是正确”的论断，精准教学认为学生总是以合法的方法应对环境变量，因此当图表显示学生表现出不良的行为时，教师有责任改变那些变量，直到学生产生预期的结果[9]。此外，精准教学主张“学习者最清楚”[10]原则，即学生的