过程控制下的工程管理论文

摘要：在水利工程管理中，工程进度管理是一项重要内容，开展好工程进度管理可以确保水利工程在规定工期内顺利竣工，并最大限度地缩短实际工期、节省工程成本。文章首先介绍了水利工程的概念和特点，其次分析了水利工程进度管理的影响因素，再次探讨了水利工程进度管理中存在的主要问题，最后提出了水利工程进度管理的改善策略。下面小编整理了一些《过程控制下的工程管理论文(精选3篇)》的文章，希望能够很好的帮助到大家，谢谢大家对小编的支持和鼓励。

过程控制下的工程管理论文 篇1：

工程管理系统思维与工程全寿命期管理

摘 要：文章主要基于笔者多年的工程管理工作实践经验，重点围绕于工程管理系统思维与工程全寿命期管理进行探究，以供广大同行参考借鉴。

关键词：工程管理系统思维；全寿命期；管理

1 工程管理系统思维概述

通过对相关文献研究以及结合笔者实践来看，工程管理系统思维主要指以工程实施的全过程作为基础，对内、外部因素进行综合分析的思维。其根本目的是为了通过工程项目的全寿命期管理以实现工程效益的进一步提高，其效益既包含企业内部效益，也包含外界对企业的认可及肯定。工程管理系统思维，是建筑企业能够满足新时期建筑行业发展的基本要求，是建筑工程最终价值得以充分体现的根本保证。为了使工程管理的使用价值得到充分的体现，政府工程建设方应在建立工程管理制度、健全工程管理模式、强化工程管理力度等方面进行一定高度、深度的研究。同时，为了进一步实现工程效益的最大化，应当探索工程管理集成化管理模式，将工程全寿命期管理与工程建设的各项指标管理进行有机的结合。总之，工程管理的系统思维作为当代管理科学的一种新方法，应以工程的全寿命期作为管理的基本导向，实现对工程全寿命期的系统化管理。

2 传统的工程管理思维的局限性

传统的工程管理思维的管理重点是完善加强对工程建设阶段的管理；管理核心是质量、进度和费用支出，在整个工程建设期间对工程进行阶段性任务拆分；管理内容是三个控制：控制质量、控制费用、控制进度；通过管理方法来实现管理目的，在管理中，能对管理工具进行合理充分地使用，达到合理管理的目的。这种现实性的管理思维，具有很强的实用性，但其也具有一定的局限性，具体有以下几个方面：第一，这种从建设效率和效益出发的工程管理思维容易产生“为建设而建设”的思想，对工程的维护方面不够重视，对工程的认识有一定的局限，认为工程建设完成就完成了目标。这也会导致对工程建设完成后的运行维护阶段造成困难，如：安全、健康和持续利用等问题。这些问题的隐忧会使工程在运行阶段存在一定的管理风险，对以后工程的长期使用造成消极影响。上面分析的原因是我国许多工程“短命”的重要原因。第二，传统的工程思维管理中对质量、进度、费用的管理，并不能满足新环境下对工程建设的追求和管理。其他目标因素也应该放入进来，如：健康、安全、环境等。质量、进度、费用这个传统工程管理追求的三个目标价值只能在施工阶段具有有一定的价值体现，但工程件数施工的工程价值只有在工程使用阶段才能体现出价值和意义来。分析发现，传统的工程管理思维具有阶段性、局部性的特点，会对整个工程管理造成割裂影响，使工程管理的目标分散，造成管理过程的不连续。第三，传统的工程管理思维是一种直接面向工程建设的管理控制思维，这种思维在这几十年间给工程管理领域在研究和应用上面都存在一定的局限性。使其定位仅仅满足于单一的个人管理者、单一职能管理等方面，这种定位使工程建设施工更加注重过程控制管理，而忽视了其目标层次后的应用性等。这种定位视角，施工建设的战略高度达不到应有高高度。

3 工程管理系统思维下工程全寿命期管理探究

3.1 工程全寿命周期系统分析。对于工程管理系统思维来讲，工程建设是为了帮助人类更好地利用环境、改造环境，在这个过程中应用现代的科学技术，利用合理的工程技术对环境进行科学合理地改造。创造出来的工程项目具有一定功能或价值，可以帮助人们定居、商业活动、开封等。对其深入研究发现，其一般是占有一定空间的建筑物、设备系统等，由各个合理的部分科学性组成，具备一定的功能价值，满足建设要求、质量等建设指标。通常工程处于一定的自然、经济、人文等各种环境下，建设施工需要一定的时间和空间。在对外界环境来讲，是一个开放性、包容性的系统，与外界环境产生影响。其中，系统环境作为边境条件对工程系统产生影响，系统环境是全寿命期的会对系统产生影响的外部条件和内部条件的总和。任何工程系统，任何阶段都会存在一个系统环境中，在这个过程中环境会对工程系统产生影响，工程系统也会对外部环境产生影响。工程系统需要外部环境提供原材料、劳动力等，这些是工程建设的基础保障；工程系统同时也会产生废旧的建筑材料等，这些也会对外部环境产生消极影响。工程系统和外部环境之间相互联系，相互合作，需要对两者之间进行系统稳定平衡。

3.2 工程全寿命期管理的系统架构。传统的工程管理理论和工程管理方法是工程全寿命管理的基础。工程全寿命期管理包括了许多部分，如：策划决策、建设施工管理、运行维护管理、后期环境协调等各个方面。在管理思路上站在更高层考虑，用全局的眼光建立管理方法。对全寿命期管理的基本规律进行研究分析把握，提出各个系统在全寿命期下可以实现的目标，通过工程建设的技术创新优化管理思维，提高管理效率，管理创新和工程质量提高相结合，推动工程管理进步。工程全寿命期管理与传统的工程管理相比，工程全寿命期管理是一个面向工程系统的科学合理的系统过程。它从工程系统大局出发，不仅局限于工程的阶段和工程的专业。在整个管理周期中，构建集成化科学化的管理系统，充分发挥应用各个学科在工程管理中的特点，集合施工主题方、政府、社会等对工程进行监督。工程全寿命期管理是适应现代化管理的科学体系下的产物，在工程理论和实践上面对传统工程理论都有极大地优势。

3.3 工程全寿命期管理的协调。工程全寿命期设计多时期、多關联方、多专业学科、多因素等的“复杂”管理，因此如何协调各个要素，使各个要素发挥积极作用是全寿命期的主要任务。各个要素在系统中，相互交叉影响，也给协调增加了难度。在协调时，应该以系统整体目标作为主要考虑要素，以结构合理、功能整体完善左幅辅助考虑要素，统筹兼顾，对各方面进行协调，充分发挥工程全寿命期管理的巨大优势。其中，应该抓住主要因素，舍弃或者战略性的对一些因素进行放弃，合理科学地进行协调。

3.4 完善全寿命期管理系统。全寿命期管理系统实际上也与传统的管理系统存在着一定的联系的，可以说其是传统管理系统的升华，工程管理系统完善了传统管理系统的不足，加强了对于施工整个过程，包括对工程规划，施工以及工程质量的全过程的管理。但是并不是全寿命期管理系统就可以实现这些目的，为了更好的实现工程的价值，应该完善工程管理系统，这是十分重要的。在进行工程寿命期管理时，每部分的管理是不同的。工程寿命期的整个管理过程中所涉及到的内容，包括其所应用的理念，思想都是现代化的。工程全寿命期管理是对工程整体的管理，而不是任何一部分，一阶段。

4 结语

总而言之，工程全寿命期管理是工程管理系统在理论和实践下对的科学应用体现，它内容丰富，涉及的知识面丰富。对传统的工程管理知识进行总结应用，也在包含各个学科的情况下，对新的科学管理理念进行应用。工程全寿命期管理的实现对工程建设具有重大的意义，对促进我国经济建设极大地推广动作用。

参考文献

[1] 唐春生.工程管理系统思维与工程全寿命期管理[A].2015科技产业发展与建设成就研讨会[C].2015.

[2] 李莉.工程管理系统思维与工程全寿命期管理[J].江西建材，2015 （05）：241-241.

[3] 谢俊良.工程管理系统思维与工程全寿命期管理[J].中华民居旬刊，2014（07）：196-196.

[4] 胡道生.刍议工程管理系统思维与工程全寿命期管理[J].城市建筑，2014（06）：126-126.

作者：张帆

过程控制下的工程管理论文 篇2：

水利工程进度管理的影响因素及改善策略

摘要：在水利工程管理中，工程进度管理是一项重要内容，开展好工程进度管理可以确保水利工程在规定工期内顺利竣工，并最大限度地缩短实际工期、节省工程成本。文章首先介绍了水利工程的概念和特点，其次分析了水利工程进度管理的影响因素，再次探讨了水利工程进度管理中存在的主要问题，最后提出了水利工程进度管理的改善策略。

关键词：水利工程; 进度管理; 影响因素; 改善策略

1 水利工程的概念和特点

水利工程一般是指那些以消除水害及控制、利用、保护地表和地下水资源为目的所修建的大型公共事业工程。常见的水利工程类型主要有：供排水工程、防洪工程、灌溉工程、除涝工程、海涂围垦工程、水力发电工程、水土保持工程、水资源保护工程等。水利工程建设的具体内容包括坝、堤、水闸、溢洪道、渠道、渡漕、进水口、筏道、鱼道等。总的来说，水利工程具有规模大、施工环境复杂、风险高、工期长等特点。

2 水利工程进度管理的影響因素

2.1 环境因素

环境因素主要指的是天气环境和地理地形环境。首先，水利工程建设过程中难免会遇到一些恶劣天气，如严寒、雨雪、暴风、干旱等，它们均会对工程进度造成很大影响。其次，有些水利工程所在地区的地理地形条件比较复杂，会给施工工作带来一定困难，影响到工程进度。

2.2 交通因素

水利工程大多选址在山区或偏远地区的江、河、湖边，这些地方具有丰富的水资源，能够给水利工程建设提供良好的自然条件，但与此同时，这也给工程的交通运输带来了很大不便。而交通运输与工程进度息息相关，如果工程建设材料运输较困难、效率较低的话，则必然会在很大程度上影响到工程进度。可见，交通因素对水利工程进度管理的影响不容忽视。

2.3 人员因素

人力资源是第一资源，在水利工程进度管理中，人员因素是最关键的影响因素之一。首先，施工人员掌握着水利工程建设的全过程，施工人员的专业素质、规范化操作水平、责任意识等，均直接关系着实际工程进度。其次，工程进度管理人员是水利工程进度管理工作的主要负责者，工程进度管理人员的管理能力、管理意识、工作态度等，均直接影响着实际工程进度管理效果。就现实情况来看，水利工程中仍有部分施工人员和工程进度管理人员的综合素质不足，这是水利工程进度管理水平难以提高的一项重要原因。

3 水利工程进度管理中存在的主要问题

3.1 对工程进度管理的重视不足

若想提高水利工程进度管理水平，首先应当具备较强的工程进度管理意识，始终将工程进度管理工作摆放在重要位置。然而就现实情况来看，很多水利工程在建设过程中都对工程进度管理的重视不足，领导及工程进度管理人员都缺乏良好的工程进度管理意识，对待工程进度管理工作存在轻视心理，从而导致实际工程进度管理水平较低。

3.2 工程进度管理模式单一落后

水利工程是一类特殊的工程，其规模大、施工环境复杂、风险高、工期长，这给工程各项管理工作都带来了极高的难度，包括工程进度管理。而高难度的工作意味着需要采取更加先进科学的工作模式来进行开展，但目前水利工程进度管理模式仍旧比较单一和落后，已经无法再满足当下的水利工程进度管理需求。具体来说，传统工程进度管理模式多是静态管理和粗放管理模式，其对于一些可能会影响到水利工程进度的关键性和细节性问题往往难以及时发现和解决。

3.3 工程进度管理制度不够完善

当前，很多水利工程尚缺乏完善的工程进度管理制度，现行工程进度管理制度要么不符合水利工程的实际情况、要么过于空洞化和形式化，并且没有在制度中明确水利工程进度管理目标、明晰水利工程进度管理责任、规范水利工程进度管理流程以及建立有力的水利工程进度管理监督机制，因而无法给水利工程进度管理实际工作的开展提供科学依据与指导。

4 水利工程进度管理的改善策略

4.1 高度重视工程进度管理

有重视才能有成效，无论是领导还是工程进度管理人员，都应对工程进度管理引起高度重视，将之与工程质量管理、工程造价管理等管理工作摆放在同等重要的地位。提高工程进度管理意识的前提是要充分理解工程进度管理的内涵，认同工程进度管理对水利工程建设的重要影响。所以，加强对工程进度管理内涵的学习也是非常关键的一方面。

4.2 转变工程进度管理模式

传统工程进度管理模式多是静态管理和粗放管理模式，已经无法再满足当下的水利工程进度管理需求，转变工程进度管理模式迫在眉睫。新的工程进度管理模式应当是动态管理和精细化管理模式，其特点之一是在工程开始前先编制出合理的工程进度计划。具体来说，首先，在水利工程总进度计划的编制中，应明确各阶段作业的时间安排与合同要求;其次，在水利工程里程碑进度计划的编制中，应明确各阶段的控制点，用以约束后续计划;再次，在水利工程详细进度计划的编制中，应明确各个施工环节的具体作业内容，通常是按照WBS进行分解;最后，在水利工程专业进度计划的编制中，应明确每项作业的精确进度计划。

4.2.1 设计进度管理

在水利工程的设计阶段，先要收集齐全工程资料，这样才能够确保工程设计的有序开展。在水利工程的设计进度检测过程中，应当建立专门的图纸文件目录，确定合理的权重，同时充分结合人工估算。另外在水利工程的实际设计进度控制中，还应认真把握阶段审核点的审查，从而减少方案问题及避免后期大幅度修改。

4.2.2 采购进度管理

在水利工程采购进度管理中，首先应当加强采购全过程控制，从询价文件开始到最终签订采购合同，期间一切环节都必须要监控到位;其次，应当加强设备材料监造监管，并在监管中对运输、催交等因素影响进行综合考虑，从而提高管理的科学性与合理性。

4.2.3 施工进度管理

在水利工程建设过程中，应对实际施工阶段加强进度管理，因为施工阶段是影响整体工程进度的最关键阶段。具体来说，在施工进度管理中，首先应充分考虑到总工期和后续工期条件等问题，通过结合各种因素、采取综合性措施，来保证施工进度计划的有效落实;其次，应重视和加强施工进度检测，通过运用先进的P6软件等来智能化评价实际施工进度，并实时更新数据库，形成每周反馈。

4.3 完善工程进度管理制度

一套完善的工程进度管理制度，是保障实际工程进度管理工作有序开展的基础，因此水利工程需尽快完善工程进度管理制度。在工程进度管理制度的建设中，应充分结合水利工程的实际情况与需求，避免制度空洞化和形式化。要确保所建设的工程进度管理制度中，具备明确的水利工程进度管理目标，能够使工程进度管理方向和力量集中;具备明晰的水利工程进度管理责任，能够使责任落实对应到具体的人员;具备规范的水利工程进度管理流程，能够合理有序地开展工程进度管理工作;具备有力的水利工程进度管理监督机制，能够对工程各阶段的作业实现全面监管。总而言之，若想提高水利工程进度管理水平，必须先使其管理制度完善化。

5 结语

综上所述，影响水利工程进度管理的因素较多，比较主要的有环境因素、交通因素、人员因素等。在现实中，水利工程进度管理存在的问题也较多，如对工程进度管理的重视不足、工程进度管理模式单一落后、工程进度管理制度不够完善等。若想提高水利工程进度管理水平，需要在充分把握好相关影响因素的前提下，高度重视工程进度管理、转变工程进度管理模式、完善工程进度管理制度、提高管理人员综合素质以及积极应用先进BIM技术。

参考文献

[1]陈钊，赵梦玲.基于BIM的水利工程施工进度实时监测系统优化设计[J].水利科技与经济，2020，26（10）：102-107.

[2]周红峰.探讨水利工程质量与施工进度控制[J].四川水泥，2020（08）：137，144.

（中国水利水电第十一工程局有限公司 河南三门峡 472000）

作者：姜克永

过程控制下的工程管理论文 篇3：

在线教育众筹的技术机制与学习神经元

摘要：在线教育已经成为终身教育背景下的主流教育形式之一。成功的在线教育必然是那种实现了基于知识产品的、长期稳定的、以学习者为中心的个性化教育服务。由此，在线教育的知识产品开发必然要追求模块化、可定制、快速进化等特点。但目前在线教育的产品模块化没有真正达到可聚合的水平，也没有达到可定制和快速进化的水平。摆脱这些困境的办法之一是教育众筹，即由大众中的能手创建可聚合的知识产品模块，由专业团队将它们组装成高质量的在线课程并提供学习支持服务。这需要在线教育产品开发模式与产品技术机制的革新。学习神经元（Learning Neuron，简称LN）是一种能够提供富交互学习情境、旨在完整达到特定学习目标、可记录学习过程、可识别学习行为的可互联微型学习系统。它具有知识建模图属性，可实现跨平台互联聚合；它在客户端设有学习行为感知器，在服务器端设有学习分析引擎，可以解决学习分析和定制的问题。将学习神经元作为基础模块，在技术机制上可实现在线教育的众筹，以形成快速进化的状态。我们开发的一个简单学习神经元，初步检验了这种技术机制的可行性。

关键词：在线教育；教育众筹；技术机制；学习神经元；学习分析

一、在线教育的实践困境

随着互联网越来越成为人们日常生活的一部分，在线教育也越来越发展成为一种不可替代的主流教育形式。可是，目前人们却总是将线下教育“搬到”线上来“造就”在线教育。这几乎使得在线教育成了在线的线下教育，除了媒体技术所带来的炫酷之外，教学自身与线下教育没有本质不同，沿用了精英教育大众的模式。更糟的是，这种在线教育不但全盘继承了线下教育的某些弱点（比如灌输），同时也无力克服因技术因素导致的弱点（比如缺少人气，只能依赖界面美感吸引人）。其实，在线教育原本可以不如此。

线下教育是组织化的面对面群体活动，多主体同步交互必然形成直接的权力等级关系，这种等级关系所带来的组织化优势是：明晰的目标、稳定的结果和满意的效率。也正因为如此，线下教育情境下，任何媒体产品都只能是教师的工具而无法代替具有完整人格力的教师角色，即使是学习工具，学生也必须在教师的授权下使用。教学中偶发的独立学习活动（协作的或个体的）是教师权力让渡的结果。教育技术领域曾经过于乐观的用媒体代替教师的努力无一成功。作为教师工具的媒体产品，多半只能着重发挥其传播信息和组织活动的功能，必然着眼于以教师为中心的功能设计。所以，媒体产品只能在教师工具的大框架下进行设计，产品的交互设计以及其他技术潜能（快速感知、记录、临场的信息处理，等等）远不是产品生命力的核心。

可是，人类社会已经进入到终身学习的阶段，仅仅靠学校教育远远无法满足这种需求。那些学习欲望强烈的学习者往往也是社会领域中的能动分子，他们对文凭不感兴趣，也不可能再有足够多的时间回到学校学习。现代社会的终身教育只能依赖技术的力量，走向在线教育的形式。

终身学习意义上的在线教育必然是一种市场背景下的教育服务，成功的在线教育必然是那种实现了基于知识产品的、长期稳定的、以学习者为中心的个性化教育服务。但全面实现以学习者为中心的个性化在线教育服务的市场运作，远比做个试验复杂得多。在学习者群体方面，在线教育不可能如学校组织那样通过考试筛选学习者，只能面向所有能付得起学费的学习者。学习者之间个体差异的丰富性要比学校组织中的情况大得多。面对这类学习者群体，要实现个性化的教育服务，一方面必然依赖知识产品自身提供服务的个性化，主要是信息服务的个性化；另一方面依赖学习支持服务的个性化，主要是情感、方法支持的个性化。前者依赖的是自动化产品，属于低成本的市场低端；后者依赖的是人工，属于高成本的市场高端。在线教育不可能完全依赖人工实现个性化，因此在线教育的个性化教育服务必然依赖知识产品自身的功能品质。由此，在线教育自然要求它的知识产品开发实现低成本地快速感知需求、快速生产、快速升级和淘汰，这必然要追求模块化、可定制、快速进化等特点。

模块化的好处是可重用、可组装、易维护，三者紧密相联。可重用越高，用模块组装起来的产品维护成本就越低。国内教育软件产品模块化的显性努力始于黎加厚先生提出的“以不变（积件）应万变（教学实际）”的“积件”思想（黎加厚，1997）。所谓积件（Integrable Ware），是构成课件的基本教学元件，是基于某一知识点的微教学单元、教学素材或微教学策略等。人们能根据教学需要对它们进行编排、组合和应用，生成具有一定教学功能的多媒体教学程序（刘晓雪等，2004）。但与美国业界提出的学习对象（Learning Object，简称LO）概念相比，积件思想过于简单。积件没有标准元数据以及包装格式的定义，本身不能与教学系统交换信息，不能记录学习的过程（余胜泉 & 杨现民，2007）。

学习对象的概念在国内外影响甚大，它是指任何具有可重用特性并用来支持学习的数字化资源。人们为学习对象定义了完备的内容聚合规范，比较典型的应用是SCORM标准中的内容聚合模型（CAM）。以内容聚合规范为基础，理想的学习对象理论上能实现易检索、可共享、可聚合、可重用、可定制、跨平台等特性（胡小勇等，2002）。后来IMS又开发了学习设计规范（IMS Learning Design，简称IMS-LD），这使得采用学习设计的学习对象可摆脱P2C（People to Content）的学习方式、缺乏学习过程控制、无法实现教学策略和智能性等缺点（余胜泉 & 杨现民，2007）。在国内，余胜泉教授提出的学习元概念模型以及相应的平台是IMS-LD规范的良好应用。通俗来讲，学习元是在学习内容的基础上附加一定的语义描述信息、生成性信息、格式信息、学习活动和KNS（Knowledge Network Service）网络的新型学习资源（余胜泉 & 杨现民，2007）。学习元在保持了学习对象诸多特征的基础上，又增加了生成性、开放性、联通性、内聚性、可进化发展、智能性、微型化、自跟踪等八大特点（程罡等，2009）。以上这些研究为在线教育知识产品的模块化积累了相当多的经验。

但目前的模块化实践仍没有真正达到可聚合的水平，特别是无法做到跨平台的聚合。构建模块的根本目的就在于可组装、可聚合成更高级的东西。但是目前人们普遍考虑的是知识产品自身构成的模块化，这是软件工程的常识。作为知识产品自身，人们很少再将它看作是模块。目前只能做到利用标签进行检索，然后再人工分析、选择和改编以实现聚合，体现不出学习对象的可聚合性。在线教育领域，独立开发的最大产品除了平台就是课程，课程目标内容很多，人们常常把它做成大而全的产品，而不是先做成多个独立的模块再组装。在某种程度上说，目前的在线教育实践并没有对学习对象的可聚合性提出实质要求。

如果说模块化是面向产品开发的工程特性，那么定制服务则是面向学习者的功能特性，即及时感知和分析学习者的个体差异实情，并据此为他们提供个性化的教育服务。其中，稳定的人格特征可以通过心理测量量表获得，但其他方面的特性只能通过分析学习者在学习过程中的表现来测量。这个过程就是学习分析。

目前学习分析研究处于割裂的状态，形成了独立的行为分析和独立的学习内容分析两个领域。在线学习情境下，行为分析是指将师生媒体之间的交互过程转化为（言语）行为动词序列，试图以此发现某些规律。但这种分析方法在编码体系和科学性水平方面具有明显缺陷（丁莹 & 杨开城，2012）。至今这种分析方法也没有发现什么规律。这是因为这种学习行为分析只是学习情境下的行为分析，我们要么无法区分学习行为与其他行为，要么所面对的就是非学习行为，更多地是不直接具有学习含义的人机交互行为。学习=学习行为+学习内容。而学习行为与学习内容存在互赖关系，离开了任何一方，都难以对另一方有完整的理解。行为动词编码去除了学习内容，因而无法完整地描述学习。

内容分析普遍采用基于知识图的数据挖掘方法考察学习者在知识领域的表现，比如学习路径、学习历史或知识生成的状态。但目前所采用的知识图普遍是概念图或知识本体图。由于这种图对知识体系的表征能力有限，而且在性质上是语义图，我们很难制定针对语义的绘图规范（比如对于两个结点在什么情况下选择什么语义名称），因此基于概念图或知识本体图进行学习内容分析，似乎在技术上是可行的，却只具有“演示”的意义，其广泛的实用性是很可疑的。人们没有料到，基于语义图并不能在普适意义上实现语义聚合。

除了上述割裂状态，学习分析领域研究还有下面两点被严重忽视了：

第一，学习分析与产品设计是割裂的。在知识产品设计之初，并没有考虑到学习分析对源数据的实际需要（除了记录交互过程），而后期的学习分析只能依赖人机交互日志数据，分析结果自然很难符合个性化学习支持服务的需求。这类学习系统很容易记录学习者的交互操作，即各种键盘输入、鼠标点击和拖动以及这些操作发生的功能模块。但交互操作不直接等于学习行为，因为离开了特定的学习内容和情境，我们不清楚交互操作的教学意义或学习意义。换句话说，学习行为的感知是内嵌于学习内容和学习过程的。如果要直接收集学习过程数据，就需要在学习环境中埋设学习行为感知器。

第二，学习分析的主旨偏离。学习分析的主旨不是事后对学习结果孤立的评价、反思，而是考察事实上的学习结果与目标的差异以及这个差异是如何在过程中积累而成的。换句话说，学习分析对于在线教育来说，实际上就是搞清楚学习者的学习过程与理想的学习过程的差异，在差异处寻求个性化的支持服务。

总之，目前由于学习分析研究的滞后，在线教育的产品定制无论是理论还是实践，都远远不能满足需要。

初步的模块化和无法定制，使得在线教育的知识产品难以实现快速进化。大而全的知识产品，在功能性能上大同小异且数量有限，因此无法形成优劣竞争局面；再加上在线教育处于发展初期，市场不成熟，仅有的市场反馈无法形成进化压力，自然也就没有进化动力。另一方面，产品开发的技术机制也使得快速进化成本太高。总之，在线教育的知识产品尚难进入令人满意的进化状态。

综上所述，除了初步实现了内部模块化，在线教育基本上没有达到可定制和快速进化的水平。现实情况是：初期精英分子（比如优秀的大学教师或培训讲师）生产平庸的教育产品，经市场洗礼，已经让位于平庸者以精英的姿态去生产平庸的教育产品，经由模板化、标准化导致呆板化，陷入平庸陷阱，最后只能依赖政府相关部门的非投资性资本投入维持，偶尔的革新也只能停留在试验状态，甚至依赖文凭诱惑维持虚假的教育市场。很明显，精英教育大众的方式并不适合在线教育。

二、在线教育的众筹与学习神经元的技术机制

摆脱上述困境需要两个方面的努力：一是产品开发模式上的革新，二是产品技术机制上的革新，二者紧密相联。目标只有一个，摆脱精英教育大众的教育服务模式。

在产品开发模式上，需要做以下几方面的改变：（1）由大众中的能手创建知识产品模块。当然这种模块必须是后面所谈到的可聚合模块，特别需要具有跨平台可聚合的能力。（2）专业团队组装而生成终端产品。专业团队中的课程教学专家将知识产品模块组装成为一门在线课程。（3）依赖专家品评和市场反馈促进进化。组装课程的专家考察模块质量和取舍，并且在市场反馈的基础上决定是否调整课程的模块构成，而能手也可以根据市场反响和专家意见改进他创建的产品模块。这些调整基于模块，成本较低。

总的来说，教育领域中的专业团队将负责课程组装以及学习支持服务，而模块是由大众能手创建的。大众能手人数众多，在利益驱动下，会产生大量、异质的产品模块，这便于形成竞争，生成进化动力 。但要想实现上述产品开发模式，必须从产品技术机制入手，解决下面两个问题：

第一，模块必须具备跨平台互联聚合的能力。这种聚合的目的是形成在线课程，它是一种基于内容的聚合能力。一门在线课程的所有外部媒体表现形式都可以看作它的表层结构，而它所传递的知识网络才是它的深层结构。各模块除了各自具有不同的环境设定、资源配置和交互风格之外，还必须具有教学或学习的知识属性，否则就无法依据它们的知识属性按照课程知识网络的内在要求聚合成在线课程。模块的知识属性可以用知识图来表征，却不能用语义图，因为语义图不但含混而且难以制定规范使之在各个模块之间共享。同一个知识材料，不同主体会提供不同的语义图，并且都可能是正确的。也就是说，如果将语义图作为模块的知识属性表征以实现模块的聚合，做一个演示是可以的，但却不可能在实用层次上实现互联聚合，即使在平台内部，也是难以做到的。因此，模块必须以客观图作为其知识属性。有了客观图作为知识属性，还能够实现模块跨平台自由流动，这是非常重要的一点。也就是说，模块发布保存在哪个平台是没有技术上的差别的。创建者可以选择适合的平台发布他的模块，但不会妨碍模块的检索和聚合。

第二，模块必须具备学习行为的感知与分析能力。由于模块的创建者是大众能手，他们不受任何与模块功能无关的规范约束，他们可以按照自己的个性设计模块。但是除了学习或教学功能外，所有模块必须具有学习行为的感知功能，否则由它们组装而成的在线课程无法感知学生的学习行为，进而无法分析学生的学习行为，也就无法为学生提供个性化的教育服务。感知是基于情境的，因此模块必须嵌入学习行为感知器。最简单地做法是，模块为每个交互元素设置它的学习或教学属性。后期的学习行为分析是基于行为感知数据的，分析算法可以是独立、共享的，不需要事先嵌入模块之中。

此外，这种产品模块要能转变为现实，其开发成本必须很低，所以微型模块是自然要求。学习行为感知以及后期的分析都要求产品模块微型化。模块微型化也可以让创建者将注意力集中于精巧设计，而不是大而全的知识覆盖。如果学习对象规模过大、内容过多、过程过长，交互操作势必极其繁杂多变，其行为感知实现的难度必然很大且准确度必然很低。目前学界谈论微型化的不多。积件和学习元都承诺微型化，但目前来看尚没有实现的强制机制，是自然发生的，这取决于创建者的意图。

为了解决上述问题，我们提出学习神经元的概念：学习神经元（Learning Neuron，简称LN）是一种能够提供富交互学习情境、旨在完整达到特定学习目标、可记录学习过程、可识别学习行为的可互联微型学习系统。

学习神经元系统是客户端-服务器系统。客户端为学习者提供个性化的富交互学习环境，这个学习环境中埋设有学习行为感知器。服务器与客户端通讯，记录存储学习者的学习行为，以供后期的学习分析。学习行为识别与分析在服务器端，由学习神经元客户端指定的学习分析引擎完成（技术机制如图1所示）。

在概念上，完整的学习神经元至少由以下几个部分构成：

一个知识产品模块提供令人满意的学习场景以及其他一些基本的技术配置不是本文的重点。下面阐述学习神经元的关键特征。

（1）知识建模图

知识建模图是一种按照特定规范绘制的知识隶属关系图（杨开城，2010，pp.63-66）。它是基于知识之间的语义联系构建的，但不是语义图。有研究表明，由于特定规范的约束，不同主体针对同一内容所绘制的知识建模图存在令人满意的一致性（赵文娟，2011）。也就是说，知识建模图是客观图。神经元构建者只要遵循知识建模规范为神经元设定知识建模图，神经元之间就可以根据知识建模图的交点建立互联，实现聚合。我们也可以根据这个属性识别学习内容相同或相似的学习神经元。设置学习场景中的学习行为感知器以及后期的学习分析都需要用到知识建模图。

（2）学习行为感知器

所谓的学习行为感知器，就是具有特定功能和教学或学习属性的交互元素（比如按钮、超链接，等等）。这里的学习或教学属性中的知识表征采用知识建模图。当这些交互元素被学习者激活时，这个交互元素负责将属于该交互元素的具有教学或学习含义的信息发送给服务器。比如，某个按钮的学习属性是“某些知识内容的理解”，点击它，该按钮负责将理解水平的知识内容发送给服务器。

（3）学习空间的静态描述

将学习场景中所有的交互元素汇集起来，便构成了该学习神经元的学习空间静态描述。学习空间中包括两类对象，一类是页面，另一类是交互元素。页面是交互元素和其他页面的容器。如果某交互元素包含特定的学习或教学属性，它就是学习行为感知器。学习空间的静态描述是定义理想学习行为的基础。理想学习行为是学习分析的重要参照。

（4）学习分析引擎

学习神经元构建者可以是学习场景的设计能手，却不一定也不必要懂学习分析。学习分析的数据来源虽然是学习场景，但对数据的后期处理必须是独立于学习场景的，也就是独立于神经元建构者的。这个独立的学习分析算法集，我们称之为学习分析引擎。我们可以根据学科、学习活动、资源条件等差异，研发各种学习分析引擎以供学习神经元的构建者选用。每个学习神经元在发布时再指定它所适合的学习分析引擎。

学习分析引擎的开发是高技术含量的活动，所开发出来的分析引擎也一定是模型化的、有限适用范围的。当学习神经元的内容和学习场景过大时，学习分析引擎极有可能失效。因此，为了能够准确感知、识别和分析学习行为，学习神经元必须设计得“小而精”，每个学习神经元不应包含过多的内容和知识点。在某种程度上，学习分析引擎是学习神经元微型化的技术强制力量。

总之，学习神经元是微型学习环境，开发门槛低，大众能手即可开发，辅以知识产权保护和市场利益驱动，便能产生大量的学习神经元产品以形成竞争事态，引发进化；学习神经元具有知识建模图属性，可轻松实现跨平台互联、聚合，专业团队可以将不同平台中的学习神经元组织成一门在线课程。在市场竞争驱动下，优秀的学习神经元以及相应的课程产品脱颖而出。由此，在线教育可形成一种我们称之为“教育众筹”的事态。此处的“众筹”，借用的是经济领域中的“众筹”。经济领域中，众筹是指资本众筹，有意愿者凑个份子，以便使得被资助者做成某件事。这里的众筹是“智慧”众筹，大众能手贡献知识模块，以便组装成高质量的在线课程。在教育众筹事态下，任何人既可以是学习神经元的使用者，也可以是学习神经元的创建者。

三、一个学习神经元原型产品

为了检验上述技术构想是否可行，我们开发了一个极其简单的学习神经元系统，学习内容是大学课程“数据结构”中的“二叉树先序遍历算法”。该学习神经元的知识建模图如图2所示。客户端的具体功能包括复习二叉树的基本概念、观察先序遍历算法的运转过程以及相应的练习（如图3和图4所示）。

从产品界面上，它与一般的CAI课件无异。但这个产品为每个交互元素都设置了学习行为感知器。在概念上，该产品中的交互元素可以按照这个格式来描述：交互元素=（元素名称）（元素ID）（控件）（操作）（功能）[（页面ID）|（内容）（水平）][（内容）（水平）...]]。比如，图3中的“提交”按钮是这样设定的：（提交）（ltree_submit）（按钮）（点击）（交互），意味着用户点击这个按钮是人机交互行为，学习场景会根据提交的答案呈现反馈。再比如，图4中的“下一步”按钮是这样设定的：（下一步）（process_nextpro）（按钮）（点击）（激活知识）（二叉树先序遍历）（理解）（访问根节点）（理解）（访问左子树）（理解）（访问右子树）（理解），意味着用户点击“下一步”按钮时，在试图理解先序遍历算法的过程细节。而图4中的“下一页”按钮是这样设定的：（下一页）（process_next）（按钮）（点击）（页面跳转）（practice），意味着用户点击“下一页”按钮，跳转到其他页面。当然，软件实际运行时，会根据实际情况将交互信息发送给服务器，比如在某种情况下，图4中“下一步”按钮激活的知识只是“（访问根节点）（理解）”。

来自客户端的用户操作数据有很多，激活知识内容的操作只是其中一部分。这个产品根据操作数据的交互类型以及页面停留时间，将符合要求的交互行为定性为学习行为，再将这些学习行为与理想学习行为进行对比（如图5所示）。这里，理想学习行为默认为学习空间的静态描述，即完整地遍历所有页面、点击所有交互元素就是理想的学习行为。理想学习行为是学习分析引擎的一部分。对于更加复杂的学习神经元来说，理想学习行为模型可以是更复杂的表征，甚至是利用人工神经网络算法训练的结果。

这个原型产品初步实现了一个极其简单的学习神经元，焦点用户试用反馈的信息主要集中在客户端学习功能设计方面，感觉与使用一般CAI课件没有差异。服务器端收集到了全部的学习行为数据，与理想学习行为做了简单的对比，统计了页面和知识点的访问次数。这个原型产品并没有在学习分析方面做深入探索，只是初步证明了学习神经元技术机制的可行性。根据已收集的数据，学习分析可以产生更多的结果，比如用IIS图分析法计算知识点激活量在知识建模图中的分布、针对某些指标多用户之间的对比，等等。

四、后期的研究重点

学习神经元系统的开发强调将学习分析与学习设计整合在一起，在客户端埋设学习行为感知器实现学习过程保真存储，为后期的学习过程分析和个性化学习支持服务提供基础数据，而所有这些功能可以广泛实现的关键，是学习神经元具有知识建模图这个属性。有了知识建模图属性，学习神经元可以轻松实现跨平台互联聚合。学习神经元是微型学习模块，可由大众能手创建；基于学习神经元课程产品的聚合以及学习支持服务由教育服务机构的专业教学团队负责；学习分析引擎则由教育领域中的研究机构负责。如此，便能初步形成教育众筹的基本事态。在实践领域实现教育众筹并非易事，不但涉及相应的法律法规、市场运营、人员培训，而且需要在技术方面有所突破。本文关注的是技术层面，其他层面存在未知，但风险不大。技术实现目前承担着最大的风险。技术实现不但需要克服技术上的困难，而且还需要课程开发和教学设计方面的理论进步。在产品层面上，学习神经元的管理平台和搜索引擎将是研究的重点；在技术层面上，基于特定学科类型和活动任务的学习神经元的学习分析引擎的开发将是研究的重点；在理论层面上，基于学习神经元的课程开发理论框架和技术规范、教学设计技术规范将是研究的重点。

参考文献：

[1]程罡，余胜泉， 杨现民（2009）.“学习元” 运行环境的设计与实现[J].开放教育研究， （2）： 27-36.

[2]丁莹，杨开城（2012）.教学分析方法的对比研究[J].现代教育技术， （9）：12-17.

[3]胡小勇，祝智庭（2002）.学习对象——网络教学技术的新理念[J].电化教育研究， （4）： 22-28.

[4]黎加厚（1997）.从课件到积件： 我国学校课堂计算机辅助教学的新发展[J].电化教育研究， （4）： 10-14.

[5]刘晓雪，李远蓉（2004）.重新认识积件理论[J].电化教育研究， （5）： 23-27.

[6]杨开城（2010）.教学设计——一种技术学的视角[M].北京：电子工业出版社.

[7]余胜泉，杨现民（2007）.辨析“积件”“学习对象”与“学习活动”——教育资源共享的新方向 [J].中国电化教育， （12）： 60-65.

[8]赵文娟（2011）.知识建模技术的一致性研究[D].北京：北京师范大学.

收稿日期 2016-10-23 责任编辑 汪燕

作者：杨开城　李通德　惠治儒　田浩