首页» 资讯动态

揭秘在线教育技术应用原则

发布时间:2016-12-26


        自有在线教育以来,“教育侧”与“技术侧”之间的相互理解问题就一直存在。而随着技术创新对在线教育发展的影响力越来越突出,这个问题也更加凸显。

  我国高校现代远程教育试点工程结束后,网络教育会向更多有条件的高校放开入口,众多办学单位满怀热情与憧憬地踏入这个领域。对于这些后来者而言,如何用好技术、如何理解教育与技术间的关系,是他们必须弄清楚的“入门”知识,也是他们解决一整套繁杂的平台设计、资源建设、课程建设、教学管理等专业问题时必须抓住的核心。

  在此背景下,一个问题被越来越频繁地提出:技术应用有没有原则?

  事实上,关于这个问题,我国高校现代远程教育试点的十多年当中早已有过大量思考,积累下太多经验教训。此时,应是梳理这些历史成果、向大众公开分享的时候了。

技术应用与资源开发的基本原则

   全国高校现代远程教育协作组秘书长严继昌在第五期研修班上授课时明确表示,在线教育的技术应用与资源开发确实存在一些原则,其中包括一些必须遵守的基本原则,也包括一些可以提高效率、提升质量的具体实施原则:

  技术能够引领教育改革,甚至可以改变教育,但技术总体来讲是为教育服务的,在运用技术时必须遵从教育自身的规律。因此,在讨论技术与教育时必须以教育为本。

  教育可以改变人生,但要达到好的教育效果,必须以人为本。因此,讨论在线教育、技术运用时,必须充分考虑不同的受众群体。

  在从事MOOC教学、微课教学、翻转课堂时,必须遵循在线教育的教学规律。MOOC、微课、翻转课堂等不是教学的全部,体现教学过程最重要……

  在具体实施过程中,包括教学平台设计、学习资源建设、课程建设、媒体应用等方面,也有一系列原则必须遵循:

  在线教育教学平台的设计方面,应当保证网络(包括公网、教科网)出口带宽及并发量考虑;标准化与兼容性;参与性、交互性要强;界面友好、简略直观、功能齐全并明晰;学习页面层级不能太多。

  学习资源建设方面,至少应当完成教学素材库、虚拟实验库、教学案例库、题库、智能答疑库等几类资源库的建设,以分别应对教师实行个性化教学、开展混合式教学、应用型人才培养、过程评测、经常性问题答疑解惑等方面的需求。

  在课程建设过程中,应坚持以人为本原则和完整学习过程原则。控制课程大小,适应从业人员学习时间碎片化、随时随地学习的需要;控制课程时长,以从业人员每次学习都能完成一个完整的学习过程为准。一般而言,课程时长在半小时以内即可。

  与此同时,在课程资源的媒体呈现方式上,单个知识点表述的媒体应用,要以经济、从业人员易懂为原则。

  而特别需要注意的是,学历教育网络课程的碎片化程度,不应影响课程的系统性和完整性。成人教育本质上是利用成人的“碎片时间”,进行高等教育“系统知识”的教学,因此任何“碎片化的知识”必须被理性梳理并建构起系统化的秩序,才能显示出知识的力量。

“学习技术生态圈”成为资源设计依据

 “随着互联网、移动互联网的快速发展,屏幕已经构成了一个完整的生态系统,在生活中无处不在……我们变成屏幕人,屏幕改变了所有的事情。”

  《失控》作者、《连线》杂志主编凯文•凯利这段话,揭示了传播技术对当代人们现实生存状态的改造。而对于在线教育来说,由屏幕以及屏幕背后的技术形成的“技术生态”,已是所有从业者都必须正视的现实发展环境,研究它、适应它,已经成为在线教育进一步发展的重要前提。

  研修班上,北京邮电大学教育技术研究所副教授李青特别强调了对在线学习当前处境的一个基本认识:手机、平板电脑、桌面电脑、电视等多设备应用已成常态,通过对人们怎样使用这些电子设备,包括对屏幕尺寸与距离、操作姿势、占据时间、跨屏幕功能配合、移动性、隐私性等的细致探究,可以发现:各种设备配合使用构成了完整的体验流,而多设备合成了完整的学习体验。他向大家揭示了“学习技术生态圈”的存在,及其对在线教育发展举足轻重的影响。

  就此,他指出,设备本身已成为学习的一个重要组成部分,学习者希望能够轻松自由地使用自己选择的设备学习,并希望学习内容的供应不仅仅是简单的“推送”或是“获取”,还应当更加智能,并且结合具体情境提供。

  因此,当代的学习服务提供者应当致力于创造泛在化的学习体验,在设计学习资源时,应将多屏幕多设备结合在一起考虑,并根据情境来选择合适的内容与合适的媒体,以向学习者提供丰富情境的“体验流”。

  而对于“泛在化学习”的设计者来说,同样有几个原则需要遵守,包括:优先性原则——移动优先;适应性原则——信息架构、屏幕布局和内容安排要适应不同平台,形成设计规范,获得较好的一致性;流畅性原则——提供“流畅”的用户体验;情境化原则——设计应与用户的具体情境结合,递送与情境高度相关的服务;均衡原则——不同平台的内容和功能设计要均衡;独特性原则——应当认识到设备之间的差异,在均衡的基础上充分利用设备特性。

正确应用教育大数据的几条原则 

   多人认为,用了大数据就能直接提升教育质量,似乎有了大数据,教学评价就会公正合理,教学规律就会显而易见,机构运行就会清晰可见,管理决策就会简便易行。

  但在现实里,对大数据的应用仍处在摸索的迷茫当中:数据不知从何而来,管理数据记录不全,行为数据数量稀少,数据格式杂乱不一,数据之间存在矛盾……这种迷茫姑且称之为“大数据迷思”。

  北京师范大学远程教育研究中心研究员孙洪涛指出,这种状况,其实主要就是对大数据不了解、不会用,甚至有些基本问题就没弄明白:大数据到底能解决什么问题?需要什么技术?需要哪些准备?资金投入多少?他在本期研修班上,就怎样正确应用教育大数据的问题进行了一次普及性教学。

  数据分析到底可以有哪些教育应用?这个问题的回答可以有很多。从教学角度,学的适应性、教的适应性、学习者特征、定制化报告、自动化分析、多样化测评、知识地图、学习行为……数据分析都可以呈现给你。从管理角度,数据分析可以用来综合评价教学水平、精细管理业务流程、面向市场调整办学、制订详细绩效目标、辅助机构管理决策……

  孙洪涛强调,现实当中,教育相关机构部门对教育大数据的应用应当把握几条原则:资产重于工具,监测先于评价,可视化胜于预测,管理机制重于技术手段。

  根据这些原则,一套正确的大数据分析与应用流程,应当这样展开:开展需求分析,梳理数据资产,完成数据汇聚,构建评价模型,实施动态监测,提供角色化支持。

  教育大数据应用的第一步,是做好需求分析,从一开始就避免不考虑问题情境、采用错误的解决方法。

  第二步梳理数据资产,要弄明白以下几个问题:有哪些数据?数据是怎么来的?谁在管理这些数据?理顺各类数据源头,规范数据管理方式,建立跨部门合作机制,设计整体梳理方案。

  第三步完成数据汇聚,即构建标准化数据仓库,要支持多平台汇集;动态抽取多类相关数据,快速清晰按专题分层汇聚。在此基础上,对数据资产进行定期统计和综合评估。

  第四步构建评价模型,核心是要构建指标体系,在此基础上进行模型构建。指标体系的构建,有不同的关注角度,从部门职能出发则关注核心在部门;从业务流程出发则关注核心在业务;从在学周期出发则关注核心在人。而模型构建难以一蹴而就,一般都要经过广泛数据收集、科学建模、模型监测、模型验证、实践检验几个步骤,并多次闭环递进,才可能形成一个科学有效的评价模型。

  模型构建的具体技术方法,一般是根据远程教育理论模型和在线教育专家经验,进行特征分析,主要工作包括数据分类排序、聚类分析、特征提取,以及选取综合评测特征点和基准点;模型构建,主要工作包括构建综合评测参考系、综合评测模型训练测试,和综合评测模型评定;运行评测,主要工作包括服务发布和应用反馈,以及模型运行效果监测评价,并不断反馈修正。

  成功构建数据模型后,投入具体应用之前,使用者还应当弄清楚几个关键问题:谁将使用数据和模型?不同使用者的关注点差异?如何同时看到个体和整体?不同的角色需求,不同的视角,以及不同的应用层次,都会有不同的应用形式。

  孙洪涛在授课中还逐个介绍了目前常用的数据分析工具,包括EXCEL、Tableau、SPSSStatistics、SPSSModeler、R、Python等等。

                                                                                《在线学习》杂志 首席记者王铁军 南京报道


相关附件:
版权所有:网络与信息技术中心