人工智能驱动的高校思想政治理论课精准教学：实施框架与实现路径
0分享至[摘要]实施思想政治理论课精准教学，是高校精准思政落地的关键一环。人工智能所拥有的算法、数据、算力三大基石为实现高校思想政治理论课精准教学提供了可能性和可行性。人工智能驱动的高校思想政治理论课精准教学实施框架包括精准学情识别和画像、精准教学内容定制和推送、精准教学活动设计、精准学习跟踪和预测、精准教学评价、精准教学决策等六部分内容。要实现人工智能驱动的高校思想政治理论课精准教学，必须构建全天候、全渠道、全覆盖、全过程的高校思想政治教育大数据收集与整合机制、建立健全高校思想政治理论课精准教学保障机制、建立一体化的高校思想政治理论课精准教学技术支持系统、全面提升高校思想政治理论课教师精准教学素养。[关键词]思想政治理论课；高校；人工智能；精准教学主要内容一、人工智能驱动高校思政课精准教学的可行性二、人工智能驱动的高校思政课精准教学实施框架（一）精准学情识别和画像（二）精准教学内容定制和推送（三）精准教学活动设计（四）精准学习跟踪和预测（五）精准教学评价（六）精准教学决策三、人工智能驱动的高校思政课精准教学实现路径（一）构建高校思想政治教育大数据收集与整合机制（二）建立健全高校思政课精准教学保障机制（三）建立一体化的高校思政课精准教学技术支持系统（四）全面提升高校思政课教师精准教学素养精准思维是“与战略思维、创新思维、辩证思维、法治思维、底线思维具有同等地位的一种重要的思维方式”[1]。这种全新的思维方式为深入推进新时代思想政治教育工作创新发展提供了新思路，“精准思政”应运而生。精准思政是指在精准思维的指导下，“对学生群体和个体的思想、心理、学习、生活等状况进行精准识别、分析、决策、预测、追踪，并对实施效果进行精准评估的教育实践活动”[2]。在高校思想政治教育工作体系中，思想政治理论课（以下简称“思政课”）作为落实立德树人根本任务的关键课程，发挥着“压舱石”的重要作用。长期以来，高校思政课在教学组织上具有大班教学、步调一致、强调共性等特点，容易忽视学生在个性、专业、知识、能力上的差异[3]。在这种“大水漫灌”的教学模式之下，学生学习积极性和学习投入度相对不足，教学效果欠佳。如何变“大水漫灌”为“精准滴灌”，实施思政课精准教学，是高校精准思政落地的关键一环。早在20世纪60年代，就有国外学者将“精准”一词引入到教学领域，但由于操作烦琐、记录复杂、缺乏统一测量标准等原因，精准教学并未得到大规模推广[4]。近年来，随着各种智能信息技术的不断涌现，人工智能时代已经来临。鉴于人工智能所具有的变革性技术优势，将其引入到高校思政课教学中，通过与思想政治教育大数据进行有效融合，可以助推学生学情识别、教学内容定制、教学活动设计、教学过程跟踪及预测、教学评价及决策等诸多教学环节的精准化实施，进而在整体上实现高校思政课精准教学.一、人工智能驱动高校思政课精准教学的可行性高校思政课精准教学作为精准思政的关键组成部分，是指以精准化学情识别为前提，对教学内容和教学活动进行精准设计和定制、对教学过程进行精准跟踪和预测、对教学效果进行精准评价并开展精准化教学决策，以满足大学生在思政课上的个性化学习需求并有针对性地增强大学生的使命担当。从广义上来说，人工智能是指机器或系统对人类思维过程和智能行为的模拟。目前人工智能已在机器翻译、无人驾驶、医学诊断等领域广泛应用。在教育教学领域，人工智能正在创新和重塑着相对传统、固化的教育教学生态和师生角色，高校教学的技术形态和教学组织形态正在悄然发生变化[5]。人工智能对教育教学所产生的巨大影响源于其所拥有的强有力的三大基石———大数据、机器学习算法和强算力。这三者的共同作用为实现高校思政课精准教学提供了可能性和可行性。高校思政课精准教学的每一个环节都需要有足够体量的数据作为支撑，用于开展精准教学的数据根据其用途可以分为三类：第一类是学生基础性数据，主要用于精准学情识别；第二类是过程性数据，主要用于对学生学习过程进行精准跟踪、预测和评价；第三类是结果性数据，主要用于精准教学评价和决策。在2020年新冠肺炎疫情期间的大规模在线教学实践之后，在线教学平台、自主学习平台、在线测评系统等诸多平台已经走入实际的思想政治教育教学场景，大量的教学和学习数据汇聚于这些平台中，为思政课精准教学的实现提供了最基础的数据保障。如果说大数据是开展思政课精准教学的“原材料”，算法则是对这些原材料进行加工处理的方法和手段。人工智能的主流算法是机器学习，机器学习算法并非静态的代码指令，而是根据输入的经验数据产生解决特定问题的模型，并利用该模型对新的数据产生相应的判断。机器学习算法可被应用于精准教学的每一个环节，比如：要实现对学生学情的精准识别，可以使用聚类算法、降维算法和支持向量机算法；要实现对教学内容的精准定制，可以使用推荐算法；要实现对学生学习过程的精准跟踪和预测，可以使用人工神经网络和深度学习算法等。算力在通俗理解层面也可称为计算能力，反映了设备或服务器对数据的计算与处理能力，由数据的计算、存储及传输三项指标来衡量，在技术维度上包括云计算、边缘计算、泛在计算等[6]。在人工智能应用场景中，算力是算法和数据的基础设施，只有具备足够强大的算力，才能高效实时地对教学数据进行分析和处理。随着计算机芯片处理能力的不断突破和教育新基建的整体推进，各高校强大的算力平台可以保证思政课教学大数据分析与处理顺利完成。二、人工智能驱动的高校思政课精准教学实施框架人工智能驱动的高校思政课精准教学实施框架如图1所示，根据教学设计步骤和教学活动实施流程，人工智能驱动的高校思政课精准教学在框架上主要包括精准学情识别和画像、精准教学内容定制和推送、精准教学活动设计、精准学习跟踪和预测、精准教学评价、精准教学决策等六个模块。（一）精准学情识别和画像学生学情精准化识别是推进高校思政课精准施教的基础性工作。对于高校思政课而言，学情识别除了准确掌握学生的知识结构、学习方式、认知偏好等一般性学习状态外，还必须主动把握学生思想行为发展的特征和趋势，准确把握学生的思想诉求和理论需求，精准识别学生的接受方式和表达特点。对学生学情进行精准识别，首先，要挖掘学生群体的基本数据。基本数据包括学生的性别、年龄、专业、年级、政治面貌等，在整合学生信息基础上分析不同类型学生的思想差异和学习特点[7]。其次，要挖掘和分析学生的前序行为数据。前序行为数据包括学习行为数据和日常行为数据。生的前序学习行为特点。日常行为数据是指学生在日常生活行为中产生的各类数据，这些数据可以作为学习行为分析的辅助和参考。最后，要挖掘和分析学生的思想数据。思想数据分散在讨论、作业及与学生相关的社交媒体内容中，须采用语义分析、文本情感分析等手段从这些隐性文本中挖掘出学生的思想动态、情感状态和理论需求[7]。在学情识别的基础上，还可以进一步使用聚类算法、人工神经网络、脊回归算法等机器学习算法对数据进行整合分析和关联分析，利用柱状图、雷达图、矩形树图等图表形式，对学生群体和个体进行“精准画像”，可视化呈现学生整体、群体、个体的阶段性学习特征[8]。（二）精准教学内容定制和推送精准教学内容定制和推送是指根据学生的学情特征为其定制并推送与其匹配的教学内容。例如根据不同学生的知识掌握水平定制并推送不同难度级别的教学内容，根据学生对教学媒体的偏好提供不同表征形式的教学内容等。在进行教学内容定制和推送时要确保“三性”：首先，确保内容推送的匹配性，通过学情识别精准掌握学生的认知、思想、行为特征，根据学情特征进行教学内容的精准定制；其次，注重内容推送的针对性，精心定制确实能提升学生理论知识水平和思想、政治、道德素质的教学内容；最后，增强内容本身的趣味性，把教学内容以学生喜闻乐见的形式渗透到教学媒体表现形式中[9]。定制和推送过程中要注意对教学内容进行分类化处理，既可以根据学生认知维度对内容进行分类，也可以按学生对各类教学内容的态度进行分类，继而根据学生的认知偏好与态度倾向进行精准推送。在具体实现方面，教学内容定制和推送主要基于三种典型的人工智能推荐算法，分别是：基于内容的推荐、基于用户的协同推荐和基于关联规则的推荐[4]。其中，基于内容的推荐主要考虑教学内容和学生学情的匹配度；基于用户的协同推荐主要考虑学生群体特征与教学内容特征的相似度；基于关联规则的推荐主要考虑未学内容与已学内容之间可能存在的相关性。教师根据推荐算法生成的推荐结果，结合自己的经验判断，将“量身定制”的教学内容推送给学生。（三）精准教学活动设计精准教学活动设计主要基于学生个体差异，为其设计适应性和差异化的教学活动。首先，教学活动要以学生的个性特征为出发点，综合考虑学生的专业类别、学习偏好、互动偏好、学习支持及活动组织等因素。以思政课项目式教学活动精准设计为例，可以利用数据挖掘算法精确分析学生的兴趣点，结合学生的学情特征，兼顾活动的群体合作性与个体差异性，使活动设计能体现学生专业差异、兴趣差异甚至是今后从事的职业差异[10]。其次，教学活动设计要契合思政课阶段性教学目标，体现不同教学阶段的活动差异。教学活动一般可以分成传授讲解类、指导启发类、互动研讨类、交互分享类、反思评价类等。例如，在激发学生学习动机与兴趣时，应选择指导启发类活动；在促进理论知识的内化和迁移时，应选择互动研讨类活动；在引发学生的批判性思维与自主性思考时，可以选择反思评价类和交互分享类活动。最后，教学活动设计要处理好集体教学与个别化教学的关系。高校思政课应立足于集体教学，同时关注课程的共通性要求与学生的个性需求，依据差异测查来检测学生学习可能存在的不均衡性，并开展异质化动态分组及个别化教学指导，使教学活动兼顾到每个学生的实际情况。学生的个性化需求由人工智能技术的差异化检测功能来完成，课程的共通性要求则由教师把关设计，通过二者的协同互补来实现精准教学活动设计。（四）精准学习跟踪和预测精准学习追踪和预测是指实时精准地监测学生群体和个体的学习状态，并对学生未来的学习行为和表现进行预测。在人工智能时代，有多种工具和手段可以捕捉教学过程中留下的各种信息和数据。在实体课堂教学环境中可以采用量表、问卷等方式及可穿戴设备、传感器等设备获取学生学习行为、动机和态度等方面的数据；在在线教学环境中可以从后台系统获取学生的登录行为、资源浏览行为、问答行为、讨论行为、作业提交行为等。这些采集到的线上线下数据经过预处理步骤后，对其进行统计分析，可以从不同维度呈现学生思政课学习过程的全貌。在跟踪学生学习状态的同时，还可以将思政课教学大数据与机器学习算法进行无缝融合，使用预测算法从跟踪信息中抽取特征向量并挖掘出数据中潜在的模式、结构或规律，然后利用算法习得的模式或规律去预测学生未来的学习行为和表现。精准学习预测的应用主要体现在两方面：一是学习预警，即对学生的学习状态进行动态跟踪评估，识别和判断其可能存在的学习风险。二是异常行为监测，所谓异常行为是指学生学习过程中的不规律行为或异于群体状态的个体行为。使用机器学习算法对学习过程数据中隐藏的规律进行探索，可以迅速监测到学生可能存在的异常学习行为，有助于教师及时干预。（五）精准教学评价传统的思政课教学评价主要是以平时考查与期末考试相结合的方式进行，评价方式相对单一。人工智能的应用有助于对思政课教学过程进行全周期数据采集和分析，支持教师全面测评学生学习状况、开展全过程教学效果评价。在评价导向上要“从结果性评价向过程性评价转变，重点关注对学生学习过程和学习行为的评价”[4]。在评价主体选择上要尽量多元化，将教师评价与学生互评、自评、小组评价相结合，任课教师与辅导员评价相结合，并对不同的评价主体赋予不同的评价权重[9]。在评价内容上，要从传统知识掌握程度的评价拓展到学生参与状态、投入状态、思想状态、情感状态、思维状态等多方面的评价。在评价方法上，可以将人工智能支持的定量评价与相关评价主体的定性评价相结合，引入电子档案袋、学习仪表盘等新的评价技术和方法。使用大数据技术为每个学生配备电子档案袋，收集和存储每位学生在各学习维度上的学习记录和学习成果，以量化方式全过程评价学生理论知识习得和思想道德形成发展的具体效果[9]。学习仪表盘是一种对学习评价结果进行可视化呈现的有效工具，通过配置学习仪表盘，可以让学生直观清晰地了解自己在各个阶段的学习状况和效果。（六）精准教学决策所谓教学决策，是指教师通过对教学实践的分析、思考和判断，确定下一步教学行为的过程。传统的教学决策主要依赖于教师的主观经验、直觉和推测，不可避免会出现偏离教学客观实际情况、盲目追求决策目标的现象。在人工智能时代，教学决策主体开始从人向智能化技术泛化，教育决策知识框架从个体的认知框架向人工智能技术分析框架转变[11]。人工智能算法能够从纷繁复杂的思政课教学大数据中发现相关关系、诊断教学问题，破解教学决策中“证据”的片面性和时效制约，从而有效弥补教师在主观教学决策上存在的不足。同时，通过对教学大数据的分析和预测，可以使思政课教师对潜在的教学问题进行提前感知，让教学决策过程更加科学化和精准化。在教学设计阶段，通过人工智能技术的科学引导，可以为教师确定教学目标和教学内容提供精准决策支持[12]；在教学实施阶段，人工智能技术通过实时反馈学生学习进度和思想行为状态，有效支持教师即时决策并对学生进行差异化干预和指导；在教学评价阶段，人工智能技术及时向教师反馈教学方案制定或执行中的偏差，帮助教师优化教学流程，提升教学决策能力。三、人工智能驱动的高校思政课精准教学实现路径（一）构建高校思想政治教育大数据收集与整合机制要实现人工智能驱动的高校思政课精准教学，必须构建全天候、全渠道、全覆盖和全过程的思想政治教育大数据收集与整合机制，为实施思政课精准教学提供大数据“原料”。在新冠肺炎疫情防控常态化背景下，线上线下教学环节的无缝衔接和融合是当前高校思政课教学的显著特征。“全天候”是指在混合式教学模式下，克服传统思政课在教学数据收集上的不足，建立无时不在、无处不在的全天候线上线下思政课教学数据收集机制。“全渠道”是指对数据采集渠道进行有效整合，融后台采集、网络抓取、主动调查等采集手段于一体。后台采集整合学工系统、教务系统、图书借阅系统、在线教学系统等多个信息平台数据，实现对学生基础性数据、行为类数据和学习结果数据的全方位采集；网络抓取采用爬虫技术抓取学生在相关网站和社交媒体中的浏览、评论、发文、点赞等动态信息行为；主动调查是指思政课教师、辅导员、教学管理人员等通过抽样调查等方式主动收集学生相关信息，如学习态度、学习动机、学习满意度、思想动态等。“全覆盖”是指在数据采集过程中实现数据采集对象和数据采集类型的全覆盖。数据采集对象须同时覆盖学生、教师、辅导员、教学管理者等多类人员；数据采集类型须同时包括结构化、半结构化和非结构化的多模态教学数据，实现“从因果型到相关型、从单维型到多维型、从精确型到容错型”[8]大数据的全覆盖。“全过程”是指数据收集贯穿高校思政课教学的每一个时间点和时间段，涵盖课前、课中和课后的每一个教学环节。（二）建立健全高校思政课精准教学保障机制要实现高校思政课精准教学，必须建立强有力的保障机制，为精准教学实施提供条件保证，具体包括顶层设计、制度建设、环境建设、资源建设、外部支持等方面。在顶层设计方面，高校要为教师开展思政课精准教学营造大的政策环境，制定思政课精准教学实施方案和发展规划，形成覆盖马克思主义学院、教务部门、学工部门、教育信息化建设部门的多方联动实施机制。在制度建设方面，健全人工智能应用于思政课教学的相关制度规范，设立人工智能教学应用专项建设经费，编制思政课精准教学操作规范和实施指南。同时，高校要把提升教师人工智能素养作为关键举措，从制度上进行保障和推广，通过典型带动、制度拉动、培训推动等方式引导教师更新观念，形成人工智能应用意识，主动提升人工智能素养。在环境建设方面，高校应加快推进智慧化、智能化教学环境建设，建成具有实时多模态信息采集功能的智慧教室，实现从数字校园到智慧校园、智能校园的转型升级，努力为思政课教师创设良好的教学创新环境，营造有利于人工智能应用于教学的氛围和文化。在资源建设方面，应重视海量性数字化教学资源在精准教学中的重要作用，将公建、自建、自购等资源建设方式相结合，鼓励相关教学专家和教学团队加快开发高质量教学资源，为思政课精准教学提供资源保障。在外部支持方面，应整合多方外部主体，为开展思政课精准教学提供多元支持，重点包括人工智能教育研究团队的智力支持、人工智能及大数据企业的技术支持、教师专业发展共同体和教学名师团队的组织支持等[13]。（三）建立一体化的高校思政课精准教学技术支持系统基于人工智能的高校思政课精准教学技术支持系统框架如图2所示，自下而上由设备层、技术层、方法层和应用层等四个层级构成[14]，其中设备层提供系统运行保障，技术层提供系统运行基础，方法层是实现精准教学的具体手段和中介，应用层是精准教学各环节的具体实现。设备层包括服务器、存储设备、网络设备、虚拟机等基础性软硬件设施。技术层由机器学习技术、大数据、云计算技术等构成，分别从算法、数据和算力三个维度为精准教学提供技术支撑。方法层通过统计分析、数据挖掘、智能推荐、预测分析、信息可视化等信息处理方法，对思想政治教育大数据进行分析和处理。其中统计分析主要通过对学生学习相关数据进行描述性统计和差异性检验等，初步发现数据所呈现的基本特征和规律；数据挖掘在没有预设的前提下寻找隐藏在思想政治教育大数据中的信息，发现相关变量的潜在关系和规律；智能推荐用于教学内容和资源的精准推荐；预测分析对学生学习行为进行动态预测；信息可视化将教学评价数据以可视化方式呈现。应用层包括教师和学生两个方面，在学生方面主要实现学生学情识别、学习过程跟踪、学习行为预测、学习结果诊断、学习路径规划等功能；在教师方面主要实现教学内容定制、教学活动设计、教学效果评价、精准教学决策、精准教学干预等功能。（四）全面提升高校思政课教师精准教学素养人工智能与高校思政课的深度融合，在一定程度上会冲击思政课教师的传统角色，对思政课教师角色定位与技能提出新要求，需要教师具备较强的精准教学素养，在教学中同时扮演多种角色。首先，思政课教师应成为技术协同者。在人工智能驱动的高校精准教学中，人工智能技术以其智能属性实现了对教师部分教学工作的替代，这就需要教师由技术使用者转变为技术协同者，与人工智能技术共同承担教学工作，挖掘人工智能教学潜能，促进技术与教学的协同发展[15]。其次，思政课教师应成为教学创新实践者。在人工智能技术的介入下，部分知识的重复性叙述职能可交由人工智能完成，教师应把创新教学内容和教学方法作为教学工作的重点，以创新思维探索人工智能驱动下的高质量教学体系，做课堂教学创新的实践者[16]。再次，思政课教师应成为技术伦理的引领者。思政课教师应合理合规使用人工智能技术开展教学工作，避免因技术误用、错用、滥用等引发伦理道德、隐私安全等问题。同时应注重引导学生对技术进行合理使用，避免学生因过度依赖人工智能技术而产生思维惰性。最后，思政课教师应成为思想精神的护航者。人工智能只能对教学活动进行智能化的仿真、模拟和推断，不具备教师所具有的教学经验和教学智慧，尤其是无法替代思政课教师在情感、伦理、道德、思想教育等方面所具有的示范和引导功能。因此，思政课教师在具备较高人工智能素养的同时，还应充分发挥其在世界观、人生观、价值观方面的引导作用，关注学生的思想状况、精神状况、道德养成等，做学生思想精神的护航者[16]。结语作为一种新型教学范式，高校思政课精准教学的实现和发展任重道远，需要研究者和实践者的共同努力。需要注意的是，过度强调技术化和精准化会给高校思政课教学带来一定的负面影响。比如，过于精准化的教学只重视外显的量化目标，忽视了学生内在学习机制的作用；过于技术化的教学将学生视为一个个数据集合，忽视了学生作为“完整生命体”的本质属性[14]。因此，在开展高校思政课精准教学时，既要发挥技术的关键支撑作用，也要重视对思想政治教育价值和思想情怀的观照，将技术的定量性与教师教学智慧的灵活性有机融合，确保教学的理论性、思想性、价值性、政治性，使高校思政课精准教学生态得以良性发展。参考文献:[1]薛伟江,黄锟.中国共产党领导国家治理的制度优势———“从统筹推进疫情防控和经济社会发展看中国共产党领导国家治理的制度优势学术研讨会”综述[N].学习时报,2020-07-10.[2]周远.精准思政：新时代高校思想政治工作的新理念与新模式[J].思想理论教育,2020,(8).[3]刘军伟,吕勇,白喻.高校思想政治理论课差异化教学路径探析[J].学校党建与思想教育,2016,(11).[4]万力勇,黄志芳,黄焕.大数据驱动的精准教学:操作框架与实施路径[J].现代教育技术,2019,(1).[5]徐徐,郑秋伟.人工智能时代思政理论课教师发展的现实与未来[J].江苏高教,2020,(5).[6]杜国清,牛昆.算力与智力的共振:智能生态广告传播路径探究[J].现代传播(中国传媒大学学报),2021,(3).[7]张瑜,贾经铭.基于信息技术的思想政治理论课精准施教模式探析———以清华大学“思想道德与法治”课程为例[J].中国青年社会科学,2022,(1).[8]赵红灿,周远.高校精准思政体系构建的复杂性范式转换[J].思想教育研究,2021,(11).[9]王卫国,陈迪明.大数据时代高校思想政治理论课创新路径探析[J].思想教育研究,2017,(7).[10]卿定文.思想政治理论课差异化教学项目设计与案例[J].长沙理工大学学报(社会科学版),2015,(2).[11]张务农.大数据应用于教学决策的可能与限度———基于教学认识论的视角[J].中国教育学刊,2017,(10).[12]钟婉娟,侯浩翔.教育大数据支持的教师教学决策改进与实现路径[J].湖南师范大学教育科学学报,2017,(5).[13]刘斌.人工智能时代教师的智能教育素养探究[J].现代教育技术,2020,(11).[14]秦丹,张立新.问题与优化:课堂精准教学实践的现实审视与反思[J].电化教育研究,2019,(11).[15]郭炯,郝建江.智能时代的教师角色定位及素养框架[J].中国电化教育,2021,(6).[16]刘佳.人工智能技术条件下高校思政课情景教学模式创新研究[J].思想理论教育导刊,2021,(11).[作者]万力勇,中南民族大学教育学院,易新涛,中南民族大学,马克思主义学院[基金项目]本文为国家社科基金高校思政课研究专项项目“疫情防控背景下高校思政课在线教学行为模式研究”（项目编号:20VSZ010）阶段成果《思想教育研究》.2022.04特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice:Thecontentabove(includingthepicturesandvideosifany)isuploadedandpostedbyauserofNetEaseHao,whichisasocialmediaplatformandonlyprovidesinformationstorageservices.
/阅读下一篇/返回网易首页下载网易新闻客户端