前言：想要寫出一篇引人入勝的文章？我們特意為您整理了智能教育在個性化教學中實踐范文，希望能給你帶來靈感和參考，敬請閱讀。

摘要：闡述智能教育平臺提供的預習知識點個性化推薦機制改變了學生傳統的方式，探討因材施教理念轉化為現實，智能教育中知識點的個性化教學實踐。

關鍵詞：智能教育；知識點轉化，個性化教學。

0引言

國外研究者提出個性化推薦主要研究兩個問題：（1）如何根據學習者的學習風格、認知風格為其獲取學習資源，（2）如何為學習者展示學習內容[1]。淘寶首頁的個性化推薦機制，就是以上述兩個問題為基礎，按照用戶的近期購買物品種類、消費水平、個人風格偏好等進行物品的推薦。但這種機制并不適用于智能教育的知識點個性化推薦，原因有兩點：（1）無法對學生當前的認知結構進行診斷。（2）基于行為數據推算的精確度不高，有時候學生的潛在能力和實際表現出的能力有所差別。袁路妍老師提出個性化學習資源的推薦主要根據學生的學習能力、學習偏好、知識水平等來進行相應的推薦[2]。因此我們將智能教育中的“預習知識點個性化推薦”定義為：在人工智能、大數據技術，認知診斷模式的基礎上，首先利用在線學習平臺上的大量學習行為數據進行分析，其次認知診斷機制實現學生內部知識結構的認知診斷,最后進行個性化學習資源的推送。這樣的定義不僅給出了智能教育中知識點形成的基礎條件，也給出了進行知識點個性化推薦的主要步驟，是較為完整的定義。

1傳統預習方式及其弊端

隨著課標的改革、智能教育的發展，傳統的預習方式所帶來的弊端越來越明顯。（1）浪費教師安排內容的時間。新的教育形勢促使著學生的學習壓力大，教師的教學任務重。教師每天的工作除了上課還有開會、批改作業、備課、學習新知等。這些繁重的任務之外還要安排學生預習內容，這樣無疑不是浪費教師大量的時間。（2）形式單一內容枯燥。據調查顯示，傳統的預習方式可分為三類：①熟讀課本后看課后習題；②參考書前的課后題；③教師帶領大家并布置習題。單一的形式和枯燥的內容，容易抹殺學生的學習興趣、降低學生的學習動機，產生叛逆心理，不利于知識的學習。（3）優等生、差等生差異明顯。在傳統預習知識的安排中，教師安排的教學內容具有統一性，所有的學生都需要做一樣的題。不同認知層次和學習基礎的學生想達到目標的難易程度就會有明顯的差異。對于優等生來說小菜一碟，對基礎相對較差的學生來說就比較吃力，容易放棄。再加上還要靠學生的自覺性和家長的配合，這就導致相當一部分學生不能按時完成教師布置的內容。優等生和成績較差的學生之間的差異越來越明顯,鴻溝越來越大。

2知識點個性化推薦機制

一次完整的個性化推薦，以系統中的頁面展示開始，也以頁面展示結束，在這個過程中需要經過一系列復雜的計算，才能完成個性化的推薦。智能教育帶來的知識點個性化推薦主要是基于收集習題作答數據、認知診斷、個性化推薦這三個主要步驟再加上學習資源庫、知識庫、個性化推送策略庫，并結合認知診斷引擎、個性化推送引擎建構起了一個基本的框架。軟件運行。為使大家能夠更加清楚明確的理解智能教育中個性化知識點的推薦機制和運行規律，本文以“提分視頻”軟件中，小學“三年級分數的簡單加減法”這一節為例，進行詳細的介紹。知識點個性化推薦推薦的知識點以知識點類型為中心，形式多樣化。富含寬闊的學習資源庫，以收集作答數據開始。登錄軟件后能夠選擇科目、年級、章數、節數。筆者登錄后選擇了小學三年級數學科目的“分數的簡單加減法”這一節進行（如果以往的、看視頻、課后做題都在這個軟件上，軟件就忽略第一步，按照你以往的做題成功率、題型偏好進行內部認知診斷后直接進行第二步）。第一步：軟件中先給出了上一節有關分數的認識的8個選擇題1個連線題，以驗證學習者是否掌握了上一節的知識。如果回答正確率達到了80%，就可以進行這一節知識的正式。第二步進入到正式，首先給出一個本節內容知識點講解的微視頻大概8min，觀看完以后需要作答相關的題目一共10道。（這10道題不是隨機給出的是按照不同知識點、你平時答題所反映的認知基礎等因素綜合形成的不同難易程度的習題）根據完成答案的正確率獎勵數量不同的小金豆（小金豆可在首頁商品城兌換商品或課程代金券），獎勵機制有助于提高學生的學習興趣，增加自信。點擊做錯的題目時，可出現正確答案和相應知識點導學視頻，看完視頻后從學習資源庫中抽取該知識點的試題，直到所有知識點正確完成為止。模型建立。知識點個性化推薦研究的核心就是學習者和學科知識點這兩部分內容，因此必須從這兩部分入手分別建立學習者模型和建立知識點關系模型。（1）建立學習者模型。知識點個性化推薦的重中之重就是“個性化”，而研究學習者才是實現“個性化”的唯一途徑，因此建立學習者模型是必不可少的步驟。學習者模型主要是為了記錄和描述學習過程，例如學習時間記錄、學習風格偏好、知識點的掌握、學習總體進度等等。學習者模型可分為與知識相關的和非知識結構部分兩部分，第一部分主要用于記錄學習過程，第二部分用來體現學習者的學習動機、學習策略、學習偏好等指標。（2）建立知識點關系模型。建立知識點的關系模型是知識個性化推薦的一個重要研究內容。各個知識點之間不是獨立存在的，而是以網狀結構的形式相互聯系的。知識網中一個知識點往往與很多其他知識點相聯系，往往是前后關系、因果關系等。因此必須建立知識點關系模型方便梳理和調配知識點。圖1為知識點關系模型圖。（3）知識點個性化推薦相應庫介紹。實現知識點個性化推送必須要有三個庫：學習資源庫、知識庫和個性化推送庫。①知識庫。知識庫的建立是知識點個性化推送的核心，在個性化推送中有著極其重要的作用，也是進行認知診斷、選擇個性化推送策略進行個性化推送的基礎。知識庫按照知識關系的維度劃分可分為知識點、知識組塊、知識群組。知識點是指與學科內容相關的知識的性質、定理以及解決問題的技巧等。知識點之間也會存在前后因果關系等。理論上來講知識粒度越小，進行認知診斷、選擇個性化推送策略的精確度也就越高，但是知識粒度的細分勢必會造成知識庫的龐大所帶的系統維修成本以及運營成本和難度也是非常大的。知識組塊是由知識點組合而成的，通常指題中涉及的所有知識點的組合。但是僅有一個知識點的題目也可稱之為知識組塊。知識組塊之間也像是知識點一樣，存在著前因后果的關系，這也是對知識組塊進行個性化推送的依據。知識群組是由不同的知識組塊構成的，通常用于構成一套試卷。它是由不同知識組塊按照教材內容的先后順序構成。②個性化推送策略庫。基于認知診斷的個性化推送和基于大數據的推送有著很大的不同。推送更加有針對性更加精確。③學習資源庫。學習資源庫實際上是一個中轉站，里面存儲著需要診斷的試題和進行個性化推送的學習資源包括視頻、文字、圖片等。知識的個性化推送中為實現認知診斷和知識的個性化推送，需要對學習資源庫中的資源進行分類標識，方便于資源的提取。

3結語

智能教育中知識點個性化推薦能夠根據學生的不同認知差異，實時記錄學生的學習狀態，根據學習的反饋提供個性化的推送方案，從而針對不同學生的認知情況提供不同的知識，從而真正實現因材施教。預習知識點個性化推薦機制的系統是一個龐大又復雜的系統。

作者:牛雯慧 單位:西北師范大學教育技術學院