智慧学习环境：服务学生的一体化网络学习空间

来源：中原工学院 作者：张书钦 发表于：2021.06.30  466浏览

张书钦 中原工学院现代教育技术中心主任

随着物联网、移动互联网、云计算等信息技术的发展，学生可以在任何时间、任何地点，通过各类终端实现开放式学习、线上线下混合式学习，迫切需要在信息技术、数字资源的基础上建立智慧学习环境。智慧学习环境是服务学生的一体化网络学习空间，支持学生开展更丰富的课程内外学习活动，为学生提供个性化、智能化的学习服务，催生出新型的人才培养模式。

近年来，网络教学平台，也称为学习管理系统（LMS），如Blackboard、Sakai、Canvas，在高校得到了广泛应用，但LMS侧重于辅助教师对教学过程进行管理，主要用于课程内容的分发和管理。随着更多更新的学习工具、学习资源，及碎片化学习的引入，LMS显示出了功能单一的缺陷。而智慧学习环境则是以学生为中心，由功能各异的学习系统通过共享、互动和协同形成的学习生态系统。

一、智慧学习环境的基本概念

除了LMS外，高校未来还会有更多的学习系统、工具，如虚拟仿真、线上实训系统。智慧学习环境方便学生在不同学习系统之间无缝切换，为学习提供情境感知、跟踪记录、学习分析、诊断与评价等诸多智能化的支持。

通过对学习系统、工具、服务的有机整合，智慧学习环境实现了对学习数据和资源的综合利用。从技术上讲，智慧学习环境应通过一体化支撑平台来提供学习系统的灵活集成、学习资源的共享推送、学习活动的高效协作、学习过程的动态感知、学习结果的智能分析。从教学形态上讲，智慧学习环境可支持更加多元、更加精准的智能导学与过程化评价，为每名学生提供个性化学习支持，实现规模化的因材施教，充分发挥教学效能。

二、LMS与智慧学习环境对比

LMS是单一应用系统，目前在几乎所有的高校都得到了应用。LMS提供具体课程的内容呈现、信息管理和学习活动管理等功能，帮助完成学生注册、出勤和成绩等的管理，通常强调了对课程教学的管理。

智慧学习环境不是单个应用系统，而是由各种组件构成的生态系统。可以说，智慧学习环境是一个由学生、教师等人员参与的，由工具和组件、学习内容组成的动态变化、相互关联、不断发展的社区，通过多种技术和服务满足学生灵活多样的学习需求。可以将智慧学习环境视作一种新的教学生态，引入了新的思维方式。

智慧学习环境组合了在线测试、数据管理、学习分析、多媒体分发、协作通信、共享资源等学习工具，可以支持所有教学模式（面对面、混合/混合、完全在线）。LMS将继续作为这个生态系统的一部分，并且因为LMS承担了课程管理这一基本职能，LMS将作为智慧学习环境中的枢纽来集成其他工具和服务。

三、智慧学习环境的基本设计

智慧学习环境通过一个基础平台来完成对学习系统、工具、服务的集成，并通过统一的数据和资源为学生学习提供一体化的支撑。

1.设计原则

一般认为，智慧学习环境有五个设计原则：

（1）互操作性：所有组件都应具有完整的集成能力，组件间能够以标准化接口进行通信。

（2）个性化：可根据学生的需求进行定制，适应他们的学业需求，并适应他们的个人学习风格。

（3）可分析、建议和学习评估：能够获取、评估和分析有关学习行为、结果的数据，并进行分析和评估，用来帮助学生成长和学校决策。

（4）协作性：应提供跨各系统的无缝协作机制，支持系统间的协同，促进学生、教师之间的合作交流。

（5）可访问性：可访问性是一个中心目标。应采用通用设计，让所有人都可以使用，支持更广泛的学生和教师群体。

2.基础框架

智慧学习环境需要一套基础框架来提供系统与数据集成、学习数据采集与分析、统一学习资源服务等方面的基础能力。

（1）系统与数据集成

智慧学习环境将各种学习系统集成为相互关联且统一、可互操作且灵活的开放系统，为教务、学工、创新创业等系统数据的交换共享提供基础支撑，方便一体化的服务访问、教学互动和协作交流。各学习系统开发商不仅需要关注系统业务功能实现，还要关注对外的集成接口。

（2）统一学习资源服务

智慧学习环境为学生提供统一、快捷的方法来搜索各类学习资源。涉及到将分散于录播平台、电子图书系统、公有云等处的学习资源进行统一标识、连接，为LMS等处的资源访问提供统一的资源定位、访问控制。学生可通过搜索快速定位、访问学习资源。统一学习资源服务实现了资源的采集、分类整合、评价和利用，也将推动资源的共建共享。

（3）学习数据分析

在智慧学习环境中学习数据分析将扮演十分重要的角色，分析结果可用于学习评价、智能导学、个性化推荐等。学习数据分析涉及两个方面：一是对学生在各处的学习活动进行记录。这要求将学习过程数据化，形成丰富、全面的学习活动记录。二是对学习数据进行实时收集与动态分析。这将针对不同学生的学习需求，提供个性化的学习服务。

四、智慧学习环境中的重要组件

智慧学习环境为学生提供一体化的学习服务，统一的数据集成平台、资源管理平台、学习记录库，以及学习分析、社交媒体将是非常必要的组件。

1.学习数据集成平台

学生数据有两类重要来源：（1）学工、教务等业务系统中的学生、培养计划、课程等信息；（2）LMS等学习工具使用的课程资源、作业、试题、在线讨论等。传统上，数据保存在业务系统的数据库，或数据仓库，访问较为困难。而数据湖可以管理大规模、类型复杂的数据，可扩展支持更多的数据源、数据模型，扩展时不中断现有服务。

因此，学习数据集成平台可通过数据湖实现数据的集成：将学工、教务等业务数据从本地关系数据库复制到数据湖中；LMS数据则通过REST API等接口提取到数据湖中。通过数据湖可以采取措施特别是处理敏感数据，感知各类数据的加载状态。学习应用系统、分析工具使用ODBC / JDBC可直接访问数据湖平台，实现各学习系统的集成、同步。

2.资源管理平台

资源管理平台完成学习资源的存储、共享。学习资源主要有以下几类：（1）文档、表格、演示文稿、图片、音视频等教师备课资源；（2）通过对接录播系统获取的视频资源；（3）利用超星等资源开放接口检索、接入的校内外公共资源，包括电子书、论文、讲座视频等；（4）专业、课程等的试题库。为强化基于资源的协作，资源管理平台应提供个人/群组的资源库管理功能，便于教师个人或群组对云端资源进行管理，方便各院系、专业、课程建立共享资源库。

另外，资源管理平台应提供资源的搜索、智能推荐等功能，利用人工智能技术对视频等学习内容进行自动标注，帮助学生快速检索和查找。

3.学习记录库

LRS是专门记录学生参与学习讨论、视频观看、虚拟仿真实验等各种学习活动记录的数据库。学生、教师、管理人员等都可以访问LRS，深入分析学生的学习需求和学习经历。Learning Locker是一个应用非常广泛的开源LRS，支持xAPI，采用MongoDB来进行存储、查询，可大规模扩展，可定制数据事件触发规则。

4.学习分析

学习分析通过对各类教育数据进行分析，指导对教学过程的设计。学习分析有两个重要方面：（1）综合利用学生相关信息，如学生档案、学习内容和学习环境等数据；（2）通过度量标准来对学生及其学习行为进行分析，并针对使用要求进行聚合。

学习分析面临的困难是数据来源多样、数据体系不一、格式繁杂，即使是结构化的数据也存在数据模型多样，难以共享和互操作的问题。还需结合大数据领域的技术，如异构数据采集、数据挖掘､可视化分析等，助力解决相关问题。

5.社交媒体

社交媒体通过协作和共享来改善学习体验。学生在学习过程中需要使用社交媒体与他人互动，包括共享学习资料，参与讨论或评论等。社交媒体形成交互式学习环境，可以提高教育生产力，开展协作学习，让学生群体共同解决问题、完成项目等，帮助学生通过交流掌握高级技能，促进主动学习。如，Wiki允许学生通过协作来创建、编辑、发布信息，可用于许多知识概念解释、小组作品演示等学习活动。

五、结语

综上所述，智慧学习环境为学生提供了数字化的学习工具和服务，以数据为基础来支持教与学，通过深度的系统和数据集成、统一的资源服务、个性化的学习数据分析，提高学生访问学习工具和服务的一致性，激发教与学的创新并促进学生的成长，提高人才培养质量。