现代教育中的移动学习认识论文

摘要：人工智能正在从外置性技术辅助走向内融性技术渗透，促使学习者所使用的规则、方法、技巧及调控形式发生变化，对学习条件、学习过程、知识获得、迁移与问题解决等带来影响，尤其对学习过程中信息输入、加工处理、信息输出和反馈四个基本环节产生较大的影响，因此需要重新认识人工智能环境下的学习发生机制。下面小编整理了一些《现代教育中的移动学习认识论文(精选3篇)》的相关内容，希望能给你带来帮助!

现代教育中的移动学习认识论文 篇1：

泛在学习环境下大学生学情调研与诊断分析

摘    要：学情分析对开展教学工作与人才培养具有重要意义。文章通过问卷调查的方式，对高校大学生泛在学

习环境下的学情进行调研与问题诊断分析。调查结果显示，大学生对“泛在学习”缺乏足够的认识，且有效学习时间不足，泛在学习资源的利用率不高，泛在学习交流群管理尚不规范。针对上述问题，教师在教学中需要注意培养学生的泛在学习意识，增强学生的时间管理观念，加大泛在学习资源的开发与利用，加强泛在学习交流群的规范管理。

关键词：泛在学习;学情分析;大学生

一、学情分析研究现状

学情分析是开展教学工作与培养人才的重要基础。了解学生学习习惯、学习方式和学习特点等情况，有利于教师因材施教，根据学情组织教学与设计课堂活动，也有利学生更好地发挥学习的自主能动性。

学情分析与研究一直以来受到教育工作者们的关注。史秋衡（2012）[1]实证分析了大学生的学习观、课堂体验、学习方式和学习收获等学情状态;戴小红（2014）[2]主张将学情调研分析作为教学改革的重要起点;张浩（2017）[3]调研并统计分析了泛在环境下大学生自主学习情况;李丛（2017）[4]从学习信念、课堂体验、学习方式、学校适应、学习收获方面分析了大学生的学情;黄明辉

（2018）[5]关注大学生的学情和学习积极性的现状，从学生本位视角出发，剖析了学情的意蕴内涵;罗敏月（2019）[6]在教育及教育心理学相关理论基础上，对学情中存在的问题及其影响因素进行了分析。

然而，学情与学习者所处的环境是息息相关的。随着互联网、移动通信和无线网络等信息技术的迅猛发展以及智能手机、PAD等移动终端设备的迅速普及，学习走向移动化、碎片化和微型化，一种新的学习方式“泛在学习”应运而生。计算机、数据库、互联网等各种设备和数字化资源给大学生们提供了随时随地都能进行学习的泛在学习环境。目前结合泛在学习环境或移动互联网技术背景进行学情调研分析的研究尚不多见，本文将通过专题问卷对当前泛在学习环境下大学生的学情进行调查与统计分析。

二、学情调查问卷设计

（一）调查目的

本次学情调研的目的是了解当前高校大学生对泛在学习环境、泛在学习技术的认识，以及学生运用泛在技术的学习意愿、学习状态与学习特征等，进而对大学生泛在学习环境下的学习状况进行诊断分析和提出改进建议。

（二）问卷设计

基于上述调研目的，并遵循合理性、一般性、逻辑性和明确性等原则进行设计调研问卷，调研问题主要包括学生基本信息、泛在学习现状、学习习惯、学习资源和学习共同体五个模块。经过反复推敲和筛选，本次学情调研问卷最终由22道单项选择题和1道填空题组成。其中，唯一1道填空题为“您对’把泛在学习方式引入课程教学’，有什么建议吗？”，另外22道单选题的内容构成及数量分布如表1所示。具体题目发布在问卷星官网上，问卷标题为《移动互联网环境下大学生泛在学习现状问卷调查》。

（三）调查对象

本次学情调查问卷的调研对象主要为南京工程学院物流管理、信息管理、市场营销等经管类专业的在校大学生。考虑到大一新生对大学的学习方式和大学的课程教学尚不够熟悉，而大四毕业生已基本结束课程学习，因此，选取的调研年级主要为大二和大三。

三、大学生学情调查结果分析

本次问卷的调查时间为2019年3月10日至2019年4月12日，有效答卷为564份。其中，大二的参与率为56.03%，大三的参与率为39.01%，大一和大四的参与率仅为4.96%。由于问卷是发布在问卷星网上，不排除存在少量非南京工程学院大学生填写问卷的情况，但这并不影响问卷调研的结果。

（一）泛在学习现状

根据问卷结果统计，参与调研的学生中，对“泛在学习”一词非常熟悉的只占2.84%，一般了解的占23.4%，不太了解的占44.68%，还有29.08%的大学生从来没有听说过“泛在学习”。尽管大多数学生对泛在学习不够了解甚至从未听说，但是94.33%的被调研学生认同“能够随时随地学习”。关于随时随地的进行学习的移动学习终端，70.21%的学生选择手机作为移动学习方式，17.73%的学生使用PAD，其他人则选择使用笔记本电脑或学习机。

绝大多数参与调研的大学生都支持把泛在学习方式引入大学课程的教学中，其中非常支持的占34.75%，一般支持的占57.45%。目前，他们所学的课程中已有部分课程的教学中使用了辅助教学软件APP，如蓝墨云等。另外，大部分学生的手机里安装了可以进行碎片化学习的APP，数量不等，29.79%的学生装有5个以上学习用APP，43.97%的學生有3—4个学习用APP，24.82%的学生有1—2个学习用APP。

（二）学习习惯分析

学习习惯的调研主要从学生学习的时间安排、学习地点的选择以及预习复习习惯等方面展开。首先，学习

时间安排方面。经统计，参与调研的学生每天平均上网的时间都相对较长，63.83%的学生每天上网高达5个小时及以上，26.24%的学生为3—4个小时;学生们每天用于纸质学习的时间不多，而大量上网的时间里用于学习方面花的时间（包括碎片化时间）也相对较少，只有7.8%的学生上网主要用来学习，具体学习时间比例统计见表2。

其次，课外学习地点选择方面，选择宿舍和图书馆的学生分别为39.86%和37.06%，11.89%的学生选择在自习教室，11.19%的学生选择任何地方均可。另外，问卷结果显示，91.61%的学生在学习中遇到不懂的问题会选择上网搜网答案，而不是询问同学、老师或去图书馆查找资料;77.62%的学生只是偶尔预习或复习，13.29%的学生从不预习和复习，只有7.69%的学生经常预习和复习。

（三）学习资源分析

关于所学专业或课程的网络学习资源，大多数学生持肯定意见，认为网站学习资源非常丰富的占20.28%，认为较为丰富的占63.64%;而现有的学习资源中，59.44%的学生认为微视频的效果最好，认为文字效果最好和音频效果最好的分别占19.58%、13.29%。然而，大多数学生认为这些网络学习资源，他们使用的频率和数量并不多。另外，超过半数的被调研学生对学校网络的覆盖范围持满意态度，超过七成的学生对平时上网流量的获取情况持满意态度，这说明被调研学生日常学习与生活中，登录网页与使用流量是比较方便的。

（四）网络学习共同体分析

学习共同体是指学习者和助学者以知识的交流、分享和创生为目的建立的学习团体[7]。在调查问卷中，把以学习交流为目的的QQ群、微信群等视为网络学习交流共同体，统计结果显示，超过九成的被调研学生正在参与着不等数量的网络学习共同体，其中，参与5个以上的占16.78%，参与3—4个的占48.95%，参与1—2个的占25.87%，而且超过八成的学生所参与的网络学习交流共同体是有相关教师参与的，并且超过九成的网络学习交流共同体会分享各种学习资料。

四、大学生学情问题诊断及建议

（一）问题诊断

通过上述调查问卷的统计分析，针对被调研学生当前泛在学习环境下的学情进行问题诊断，总结出以下三方面问题。

1.泛在学习意识缺乏。由问卷“泛在学习现状”模块的调查结果可见，当代大学生们实际上已经在践行着泛在学习，只是对“泛在学习”学习方式缺少足够的认识。缺乏泛在学习意识，学生所进行的泛在学习就会缺少足够的计划性和主动性，使得泛在学习效率不高。

2.有效泛在学习时间不足。调研显示，大多数学生课外上网时间（包括碎片化时间）充足，63.83%的学生每天上网高达5个小时及以上，然而只有7.8%的学生上网主要用来学习。学生的碎片化时间虽多，但这些时间大多在浏览学习外的其他网页中消耗而流失了。有效学习时间不足，学生的整体学习效果就难以达到预期水平。

3.泛在学习资源利用率不高。被调研学生普遍认

为，与课程相关的网络学习资源是比较丰富的，然而，超过半数的学生承认没有充分使用这些资源。学习资源利用率不高，究其原因，主要考虑有三个方面的因素：一是泛在学习资源的种类、形式不能吸引学生的兴趣，二是泛在学习资源的发布平台不能让学生较为方便地接收与查看这些资源，三是泛在学习资源的使用没有被列入考核评价内容，缺少一定的激励。泛在学习资源的有效利用，一方面需要提高学生的自主学习的积极主动性，另一方面，需要相关专业教师的合理引导和激励。

4.泛在学习交流群管理不规范。虽然绝大多数被调研学生正在参与着数量不等的网络学习共同体，加入了若干以学习交流为目的的QQ群、微信群，但是由于这些泛在学习交流群往往管理不够规范。学生在群里留言或发布信息随意性较强，信息发布内容良莠不济，较为杂乱，经常出现与主题学习无关的信息。甚至有的学习群里进入一些有其他意图的社会人员，发小广告或各类无聊图片的现象时常出现。

（二）建议

根据调查问卷结果的统计分析，针对以上泛在学习环境下大学生学情诊断出的问题，从教师教学的角度，提出以下对策建议。

1.培养学生的泛在学习意识。教师在日常教学中，可以向学生宣传或介绍一下“泛在学习”方式，培养和增强学生的泛在学习意识;学生了解了泛在学习的概念和泛在学习方式，才会有意识地去运用泛在学习环境中的各种资源和工具，积极主动地进行泛在学习。

2.增强学生的时间管理观念。学生的时间管理观念增强，才能够更好地安排自己的学习和生活，才能有效利用各类时间。教师可以鼓励学生将自己的时间进行统计和分类，比如，一天内或一周内，整块时间与零碎时间分别有哪几个时段，根据时间分布和要学的内容进行匹配，设计学习与时间计划表;另外，为方便学生利用碎片化时间，教师可以根据教学需要，将课程学习的某些任务进行拆解或整合，将教学内容与材料分成适合整段时间学习的和适合零碎时间学习的。

3.加大泛在学习资源的开发与利用。传统的课程资源形式主要为纸质教材和教学PPT，不能满足开展泛在教学的需要。泛在学习环境下，课程资源需要能够让学生通过移动终端及时获取，因此课程资源种类和形式需要多元化和网络化。开展泛在教学，建设泛在学习的课程资源，教师可以根据每一章节教学内容的重点与难

点，系统地制作包括微课视频、电子图片、音频、电子表单等多种形式的课程资源。除了开发与建设课程的网络资源外，教师可以通过设置泛在学习目标、泛在学习过程考核评价等激励性措施，引导学生有效利用与课程相关的各种泛在学习资源。

4.加强泛在学习交流群的规范管理。针对学习交流群留言随意和信息发布杂乱的现象，教师可以制定一些相应的入群须知或群规，所有入群学生共同遵守;教师或群管理员可以定期发布学习资料，并鼓励群学员分享与主题学习相关的各类资源，加强学习交流群的规范化管理。具体来说，群主或群管理人员要尽量的保持在线，关注群的动向。如果群里问题较多，一一解答问题存在困难且占用管理员太多时间，那么群主或管理员可以选择定期进行语音沟通教学;为了保证学习群的规范性，

要加强新人入群的身份验证，如果发现群里混入发小广告或随意刷图捣乱的网友，要根据情形对其进行警告、

责令退群或移出群等处理;因为群本身是学习群，如果学员在群里聊与学习本身无关的内容，会影响到其他学员的学习，也会降低群的专业性，可以提醒他们私聊，或者让他们单独建立一个讨论组。

五、结语

本文通过问卷调查的方式，对当前高校大学生泛在学习环境下的学情进行了调研与问题诊断。问卷调查结果显示，学生对“泛在学习”的概念本身尚了解不多，但实际已经在践行着泛在学习方式;泛在学习环境下，高

校大学生的有效学习时间不足，学习资源的利用率有待提高，泛在学习交流群信息发布有待进一步规范。教师可以从培养学生的泛在学习意识、增强学生的时间管理观念、加大泛在学习资源的开发和利用以及加强泛在学习交流群的规范管理等方面着手，鼓励和引导学生更好地进行泛在学习。由于调查问卷的问题数量有限，选取的被调研学生群体数量也有限，因此，本文的学情调研分析难免存在一定的局限性，希冀能够为泛在学习的相关教学研究提供一定的参考。

参考文献：

[1]史秋衡，郭建鹏.我国大学生学情状态与影响机制的实证    分析[J].教育研究，2012，（2）.

[2]戴小红.高职大学生学情分析的实证研究[J].黑龙江高教    研究，2014，（1）.

[3]张浩，洪琼.泛在环境下大学生自主学习现状的调查与    分析[J].物流科技，2017，（2）.

[4]李丛，章秋瑜.基于大学生学情调查的教学改革研究——    以海南大学应用科技学院本科生为例[J].教育教学论坛，    2017，（7）.

[5]黄明辉，音瑛，江昱倩，等.基于学生本位视阈下的大学生    学情与学习积极性的意蕴分析及实证研究[J].教育现代化，     2018，（17）.

[6]罗敏月.本科生学情现状及影响因素的初步探析[J].大学    教育，2019，（3）.

[7]魏笑梅.构建基于联通主义的外语自主学习环境[J].佳木斯    大学社会科学学报，2019，（1）.

收稿日期：2019-04-17

作者简介：徐凤（1981—），女，江苏徐州人，南京工程学院经济与管理学院副教授，博士，主要从事教育教学、交通运输规划与管理研究。

基金项目：江苏省现代教育技术研究课题“基于泛在学习环境的教学模式创新研究——以高職报关实务课程为例”

（2018-R-61862）;南京工程学院高等教育研究课题（2019YB01）

作者：徐凤

现代教育中的移动学习认识论文 篇2：

人工智能环境下的学习发生机制

摘要：人工智能正在从外置性技术辅助走向内融性技术渗透，促使学习者所使用的规则、方法、技巧及调控形式发生变化，对学习条件、学习过程、知识获得、迁移与问题解决等带来影响，尤其对学习过程中信息输入、加工处理、信息输出和反馈四个基本环节产生较大的影响，因此需要重新认识人工智能环境下的学习发生机制。人工智能的发展使得学习环境设计从工具性思维转向人工智能思维，人工智能提供的逼真、丰富的学习环境，促使学习从知识学习走向知识应用场景的学习;人机协同智能结构的形成将分担原本全部由学习者大脑完成的认知活动，形成融合智能，改变信息加工过程;人工智能延展了效应器官与外部信息交流的可达性，支持多路径的信息输入，诱发多重学习表现，全方位、全过程采集学习者在体验、实践、交互中的过程数据，促进学习者自我认知发展，提供实时的个性化反馈与评估。人工智能应用于学习不能仅停留在知识获取、技能习得上，还需要聚焦问题解决、反思、批判性和创新等能力的培养，避免学习者过度依赖人工智能而丧失自主学习与思考的能力。

关键词：人工智能;人机协同;学习发生机制;学习过程

信息技术应用所带来的社会变化使人们普遍对技术改变教育的潜力充满期待，机器学习、深度学习、人机交互、自然语言、机器视觉等人工智能关键技术的应用，使得人工智能产品具有计算智能、感知智能和认知智能，即能存会算、能听会说、能理解会思考，具有抽象思维、形象思维和灵感思维等思维能力，因此在教育中得到广泛应用，其社交互动性、情境敏感性和连通性正在带来教育生态的变化。

人工智能提供获得优质教育内容的机会、改善学习环境、产生新的学习传递方式、感知与分析学习者的学习状态，并带来学习范式的转变。它能在遵循教育逻辑的基础上，通过建构系统化、高关联、高沉浸、自适应的嵌入式学习系统，实现基于学习者状态分析的精准学情判断和学习路径推荐，深化对学习者学习、认知机制的理解和对教育过程有效性的分析。对人工智能教育应用效度的评估已不仅是技术要求的“效率”“绩效”等，更要关注人机协同机制及技术改善学习条件、学习过程的方式等，挖掘技术进入教育后学习系统本身运行及特征，即人工智能环境下的学习理论。

学习理论研究的基本问题横向分析包括学习者是如何获得个体经验的、学习要在学习者的头脑中形成什么、怎样加工才能实现学习的结果以及顺利完成学习需要哪些条件等;纵向分析包括知识的类型及不同类型知识的获得途径、如何将获得的知识应用于新的情境、如何对自己的认知活动进行监控与调节，以及学习的兴趣、信念、喜好等。人工智能作为一种技术手段、一种思维方式和行为方式进入学习，并不能带来全方位的变化，但将会对学习条件、学习过程、知识获得、迁移与问题解决、元认知、情感与态度等带来影响，改变原有的认知方式，因此需要重新理解人工智能环境下的学习发生机制。

一、学习环境与学习机制的一般原理

学习机制是建立在学习者元认知水平基础上的认知学习过程。理解人工智能环境下学习的发生机制需要分析和理解人工智能环境下学习的过程与产生，而这需要从学习的本质谈起。

学习的本质，一直备受心理学、教育学领域研究者的关注。无论是行为主义学派强调学习的条件反射式的被动性，认知学派强调人的理性思维的重要性，还是人本主义强调人在学习过程中的认知结构的组织，都基本认同学习是学习者利用信息传播者、信息传播载体，通过与环境的接触、互动，引起其倾向、心智、能力等相对持久变化的过程，这些变化的基础是所获得的直接或者间接知识，最终目标是解决问题，发现新知识。

不同的学习理论都描述了各自主张的学习发生、进行、结束的过程，以及在这个过程中学习者为了提高效率所使用的规则、方法、技巧及调控形式等。学习环境必须介入到具体的学习过程中，诱发学习表现，从而判断其心理及行为变化的关键因素。从多媒体技术到人工智能技术的应用都在努力创设学习、评价与反馈环境，将真实世界的问题带入课堂，提供“支架”参与复杂认知活动，获得智能导师、智能学伴的指导与反馈。

1.学习环境的演变

学习环境是学习发生的场所，是促进学习者主动建构知识意义和能力生成的外部条件。学习环境设计不仅包括信息资源、认知工具等物理资源的设计，也体现为教学实践层面开展的活动设计，二者共同促进学习的发生，从而促进高阶能力的发展。学习理论没有提供设计有效学习环境的简单处方，但学习理論包含了学习环境设计原理。不同类型的学习目标需要不同的教学方法和不同的学习环境。

行为主义强调通过强化练习促进行为的变化，学习环境被看成是刺激，有机体行为被看作是反应。行为主义学习理论指导下的学习是一种心智工作，注重获得普遍认可的知识和经验，以获得他人知识的成果为目标和检验标准。学习环境是被用来支持知识呈现、概念可视化、重复练习等的工具，例如程序教学机，支持形成“刺激-反应”的联结。但一个严重的后果即形成“呆滞的思想”。这种思想仅为人脑所接受却不加以利用，难以与真实情境、新颖的思想等建立联系并有机融为一体，更为严重的是容易使学习者丧失学习兴趣、缺乏知识实践应用和不能养成自主学习能力等。

认知主义学习理论认为学习在于内部认知的变化，比“刺激-反应”要复杂得多。学习者不断接受各种刺激，经过内心积极的组织，进入不同形式的神经活动中，从而形成和发展认知结构。尤其建构主义强调情景对学习认知的影响作用，产生了各种创新性的学习环境，这些环境被用作创设学习境脉、支持知识建构和反思，为学习者在最近发展区提供模型、思维工具和元认知引导等。如基于问题解决学习中的思维可视化表征、建模工具、虚拟实验环境等，但这些并没有引发教学过程的根本变革。因为工具性思维指导下的学习环境设计难以反映教育过程的要求，只能作为外在学习环境而非嵌入式学习境脉。

人工智能的发展使得学习环境设计从工具性思维转向人工智能思维。学习环境的设计开始关注教育过程本身，关注对认知过程的追踪和评估，包括学习者学习状态监测、学习性能评估、适应性学习任务分配、适应性学习内容推送、学习支持、推理引擎和知识库等系统模块。人工智能提供的逼真、丰富、内容组织合理、学习问题提示恰当、评价反馈及时的学习环境，以及学习者能自主选择学习内容、决定学习进度、选择学习方法、支持交互学习和小组学习的学习环境将为教育过程变革提供足够的推动力。

2.人工智能促使从知识学习走向知识应用场景的学习

行为主义和认知主义两种学习理论体现了从个体反应到个人内部认知再到环境中的认知的发展过程，学习环境在促进知识获取、能力迁移、元认知发展等方面发生了变化。自然语言理解、机器学习、虚拟现实等人工智能技术的应用，为营造促进学习的学习环境创造了条件，如注重真实教育情境的实体环境设计、虚拟学习环境设计和学习交互设计等。学习者借助智能感知与交互设备在虚拟与真实环境中无缝切换，在知识产生和应用的情景中学习，为知识“条件化”提供线索，提升学习者对主题的理解力和对有意义信息模式的辨认力等。例如借助自动感知设备、数据科学等人工智能技术创设沉浸式语言学习环境，通过大量实际生活中图像、文字以及当地人语音，模拟天然语言环境，让学习者沉浸在类似母语的环境中主动学习。再如借助虚拟现实等人工智能技术结合学科知识建造全环绕逼真的虚拟学习环境，使学习者与虚拟环境之间进行多维信息交互，在多样化的情境中，抽象概念的相关特征，获得对客观世界的认识，进而发展更加弹性、利于迁移的知识表征，建构新的创意。这些环境为学习者随时随地获取知识提供了引导与多元化途径，提升了学习体验，并赋予学习以意义，使得学习从知识学习走向知识应用场景的学习。

3.人工智能影响学习发生过程

学习过程是通过学习主体（人或机器）的一系列内在心理动作对获得的外部知识信息进行（人或机器）内部加工的过程（李文淑，2018），主要包括信息输入、加工处理、信息输出和反馈四个基本环节。人工智能并不能改变学习过程，但是能够打破输入系统、加工系统、输出系统和反馈系统的单一形态，提供多样化的方式来选择学习内容、设计学习路径等，从认知类型、认知形式、认知过程、认知结果等维度全面采集并利用参与者群体的状态数据和教育教学过程数据来认识学习者的知识加工过程以及学习结果的实现。

二、人工智能延展效应器官与学习输入路径

学习过程中的输入环节开始于外界环境的刺激作用，其中包括主体的效应器官和中枢的一系列反应动作。效应器官（如眼、耳、手等）是人获取、传递、加工和应用外部信息的媒介，也是人通过活动探索外部环境的工具。目前学习输入主要是教师的讲授、文本学习等，或借助多媒体环境等呈现教学内容，视听感官同时受到刺激并相互交流信息。人工智能进一步延展了效应器官与外部信息交流的可达性，多重感官同时受到刺激并相互交流信息，将复杂的知识以结构化、情境化、直觀化、动态化和交互性的表征方式呈现（宋岭，2018），强化对知识的感知、记忆与理解，促进新知识建构，提高学习效率。

1.人工智能延展感官效应，全方位渗入教学系统

学习过程是学习者在学习环境中的沉浸式构想和体验，通过与环境实体的交流提升自身知识水平。

学习者可以通过可穿戴技术等在虚拟世界中感受逼真的视觉、听觉、嗅觉、触觉等感官模拟，依托智能识别、自然语言理解、虚拟现实等人工智能技术，设计和制作教学内容，构建“真实”环境，以生动形象的方式提供感知觉线索以增加注意广度与分析次数，扩展信息输入来源。例如佩戴智能手套，学习者能够在不直接接触物体的情况下感知并遥控对象物体，仿佛置身于某一真实实验场景，体验真实操作和决策，并与其他参与者及环境互动和交流。再如基于桌面虚拟现实技术能够提供多种感知反应，如学生解剖青蛙时，不仅能够看到青蛙心脏的跳动，还能够听到心跳的声音，感受血液的流动等（张荣华，2012）。这些能为理解信息倾向于形象化知觉、肌肉运动知觉的学习者提供更有效的支持。

学习者还可依托具有知识模型、教师模型、学生模型与知识库的智能教学系统等，通过智能信息感知与识别引擎、智能推理引擎、多模态反应生成器等将难度较大的不同种类知识以图形、视频、游戏、虚拟仿真实验等形式传递给学习者，将概念与形象信息进行整合，使概念的学习从单纯的文字或视觉、听觉信息扩展到味觉、触觉等富感官或全感官信息，以全方位、全流程的姿态渗入教学系统中，促进人的思维与感知紧密联系。例如集高级自然语言处理、自动推理等技术的自动答疑系统，能够结合领域知识自动分析并匹配学习者的问题，快速解答疑问，消除学习障碍。再如自动备课系统能够根据教师的教学风格、教学目标、学生特征等，在比较大量同一教学主题设计方案优缺点的基础上，提供合适的教学方案，在减轻教师工作负担的同时提供针对性学习刺激。

2.人工智能满足个性化学习输入需求

学习者自身的学习兴趣、困惑和意义理解是其深度学习发生的关键所在（钱旭升，2018）。人工智能技术能够自身不断学习，建立、模拟人脑组合各类任务的低层特征形成更加抽象的高层特征，逐渐为复杂状态下的感知决策问题提供解决思路，并基于此推演每一步学习之后的转化，形成多种逻辑构建学习路径，满足不同个性化的学习需求。而且人工智能技术能够有效接受不同形式的数据，例如文字、图像、计算机语言、语音等，形成跨媒体智能学习路径，构建有意义学习与理解的心智模型。例如在地理教学中，可以根据学习者的知识水平、认知状态、学习偏好等为学习者个性化地提供高沉浸、高交互、高构想的有关太阳系、银河系等的内容，体验季节交替和行星旋转，或可以通过语音讲解、智能答疑等方式进行交互学习（郑兰琴等，2018）。再如学习者需要处于安静的环境进行学习，则可以设置系统将语音数据内容转化为图像数据，保持安静状态。特别是在特殊教育中，学习者由于自身的生理缺陷无法获得相应的学习信息，可基于人体感官补偿机制，借助人工智能技术转换学习信息的承载媒介或方式，延伸特殊人群器官的功能，弥补其智力或身体的不足，满足其自身的个性化学习需求（杨现民等，2018），进而达到相应的学习目标。此外，人工智能技术依旧保留了图像识别能力，因此即使在没有语音输入的情况下，其依旧能够通过摄像功能来读取学习人员的面部表情，从而推断当前学习者的情绪状况，还能有针对性地了解学习者的学习习惯、认知偏好等，依此提供满足不同需求的学习刺激。

三、人机协同的智能结构改变信息加工过程

学习既不是接收式的，也不是单纯发现式的，而是外界环境中有意义信息与学习主体原有的知识和思维方式的相互作用，在充实原有知识结构的基础上优化知识结构，获得知识、技能等，进而产生新知识。人机协同智能改变了信息加工完全取决于人类记忆系统和其中知识表征和贮存的方式，通过底层的信号采集、信号解析、信息互通、信息融合以及智能决策等关键技术，使人脑和机器真正地成为一个完整的系统。

1.人机协同智能结构的形成

过去讨论技术与学习的关系，通常将其视为环境与系统的范畴，认为学习是个系统，技术作为构建环境的重要组成部分外在于系统，系统与环境交互作用，技术的应用只是作为外部工具而无法纳入学习系统本身。

人工智能时代，信息量指数级增长，信息熵也随即增多，学习者的认知水平、认知能力正接受前所未有的挑战。人机接口、智能芯片、智能代理技术、自然语言处理和机器学习等人工智能技术的应用，使得技术对于学习正在从外在于学习系统的工具、中介性角色演变为纳入学习系统本身的主体性角色。当智能设备能够分担认知活动时，其功能已从认识过程中的工具性、中介性角色演变为主体性角色，也就是说技术与学习的关系已不是环境与系统相互作用的过程，而成为了系统中不可或缺的一部分。这使得人的认识不仅依靠自身，也依赖于机器，原有的认知方式将不可避免地被改变。尤其随着生物智能与人工智能的协同及互适应学习机理、基于人类认知学习的控制策略、面向复雜任务的经验学习等方向研究的不断深入，机器在学习过程中的主体性作用会逐渐增强。依据具有社交互动性、情境敏感性、连通性或个性化的智能设备，形成人机协同的智能结构，识别有意义的信息模式，思考问题和情境表征，协作处理具体问题，实现人机智慧结合。未来人工智能时代下的教育是人类教师与智能机器教师分工协同下的教育，人类教师承担情感、态度、价值观等软知识的指导，智能机器教师承担认知类、技能类等硬知识的传授学习（王竹立，2018），形成“人-机-人”的协同教育模式。

2.人机协同的信息加工机理

学习者与智能设备分工协同，学习者依据感知、推理、复杂模式认知、情感关怀等优势，在学习过程中解释意义和价值;人工智能依据其在计算智能、感知智能、分析智能、认知智能等方面的表现，以及海量信息搜索、存储，快速计算、优化等优势，尤其是契合具体认知目标的认知工具的应用等，将分担原本全部由学习者大脑完成的信息存储、信息感知、信息识别、规律认知等认知活动。依据信息跃升为知识的信息模式识释机制，知识跃升为智慧的知识原理派生机制（彭红超等，2018），通过将使用人类智慧形成的数据训练机器智能模型与人类智慧的集成来实现人机融合智能进而达到人机协同的目标。人机协同能改善、弥补学习者原有认知能力的不足，实现认知压力转移，突破个体认知极限，驾驭超越个体认知水平的复杂情境，并通过推理、分类等活动将这些经验结构化。例如智能学科工具、智能机器人学伴、教育智能助手等学习过程中的支持工具，关键是提供结构，帮助学习者理解学科的基本特征，从而促进推理与问题解决。

外部信息通过智能设备的加工产生大量数据，各类数据可以被认为是参与学习的神经元，参与的神经元越多，感官得来的信息越能够转化为学习者的内在智慧，帮助学习者分辨冗余信息，建立概念之间的本质联系，厘清知识图式，实现知识的系统化和网络化，而这一协同任务的分配由学习者完成。例如体感游戏、眼动游戏、图像识别等人工智能技术帮助学习者完成对信息的收集、整理、处理、创造和表达等，尤其是契合具体认知目标的认知工具能从认知类型、认知形式、认知过程、认知结果等维度追踪评估学习者认知过程，促进形象记忆、推理、抽象思维、元认知策略、反思等心智模式的形成，支持、引导学习者的思维加工过程，实现深度学习。

四、人机交互实现多维学习输出

学习输出亦称“行动环节”“执行环节”，是对一定的动作对象施加影响的过程。输出的信息因学习任务与学习主体发展水平的不同而有所变化（曹培杰，2018）。创新型人才培养中，学习输出绝不能停留于知识的简单记述、重复记忆和表面理解。而要在已有知识的基础上，建立新旧知识间的联系，发展学生“应用、分析、评价、创造”的高级思维能力，促进对知识的深层次理解，建立思维框架并支持有效迁移（林崇德，2003）。

1.人工智能诱发多重学习表现

传统的教学主要通过交流、提问、作业、纸笔测试等形式进行学习输出，获得的多是显性学习结果，对学习者学习过程中所表现出的认知状态、思维方式、能力水平等难以捕获，难以全方位判断学习者是否对知识有深层次理解、形成思维框架并具有迁移能力。借助智能识别、自然语言理解等人工智能技术可以提供面向实践的学习活动，提供接近专家及其工作过程的机会，诱发学习表现，了解学习者在理解和解决问题过程中的知识建构和能力形成状态。依此进行学习干预，促使学习者在体验、实践、交互中建构知识，实现对知识的深度理解，尤其关注学习者在学习活动中的参与程度、积极性以及突破原有框架的创造力。

2.人工智能关注全过程学习输出

大数据分析、智能测评、人脑接口、表情识别、情绪识别等人工智能技术为学习输出及相应数据的收集提供多种途径，可以全方位、全过程采集学习者在体验、实践、交互中的过程数据，包括作业完成情况、课内外活动参与情况等结构化数据，以及专注度、心理倾向、思维表征等非结构化数据;支持测量非结构化或复杂技能的输出，检测学习者认知状态、学习行为表现等，并引导学习者成为具有自我导向意识的参与者和建构者。这将由结果导向的单一评价扩展到全面综合素质评价，甚至实现教师和学生创新性与发展潜质的预测性评价。对学习者的情感、态度和行为等学习输出信息的收集与检测也将变得更具可行性。

但单纯依赖人工智能了解学习者情绪、兴趣，也会导致教师互动能力的退化，限制学习者独立思考，甚至形成表演性人格，导致人在创新活动中的主体地位出现阶梯式消解，并进一步弱化人自身的创新动力（李建中，2019）。因此，需要开展符合教育规律的人机协同。

五、人工智能调节学习内外反馈

反馈环节指的是执行环节动作结果的回归式内导系统，主要是校正行动。在实际学习过程中，包括内反馈和外反馈信息，对行动起检验、核对和调节的作用。人工智能可以全方位、多维度、综合分析学习者的学习基础、学习风格和特点、学习需求和发展现状与过程等，实时反馈学习者的学习数据并以直观报表的形式呈现，实时监控和调整学习者的元认知、理解过程等自我认知发展，给予实时的个性化反馈与评估，及时调节学习过程，量身定制学习计划，使教师从繁冗、重复的机械性工作中解放出来，获得更多时间和精力关注学习者知识内化与创新能力培养（赵慧臣等，2018）。

1.支持学习者进行深层次的自我认知

在与学习环境不断交互的过程中，必须具备自我认知能力，才能做出自我评鉴，认识自我。人工智能技术可以与学习者共同协商发现、分析、解决问题，促进学习者更高层次的认知发生（郑兰琴等，2018）。同时，借助人工智能鉴别诊断学习者学习水平、知识结构、认知风格等，可以为学习者提供学业水平发展报告，提升学习者的自我反思、自我监控和自我调节的元认知水平，进而鼓励学习者做出积极选择，实现持续的学习价值创造。

需要强调的是，人工智能提供的学习路径可能是独特和新颖的，但它只能基于现实进行逻辑运算预测未来，是否具有创新的价值仍需学习者根据其自身需要来进行判断。允许学习者自行制定学习目标，选择学习内容，自主做出“如何促进学习”的价值判斷，并利用反馈信息进行学习反思，形成新的理解，并将这些新的理解整合入已有的知识经验，形成新的知识结构，提升自身的元认知能力和迁移能力，在全新的思维范畴下生产出新的知识。

2.支持提供实时个性化外部反馈

基于情境感知、模式识别、多模态机器学习等人工智能技术对学习者与环境等交互生成的过程性数据进行实时跟踪、采集、记录和建模，建构包括学习行为数据、交互数据、情感参与数据、资源应用数据等反映学习过程的多源非结构化数据结构网络，将各类数据信息融合在同一个时间轴上加以处理，能够解析学习行为认知过程、记忆使用者的习惯、判断用户的情感状态（尹睿等，2018），进而提供个性化学习记录与分析、个性化学习资源推送和个性化学习路径推荐等。

（1）个性化学习记录与分析

以人类智能与机器智能的相互协作、相互学习、相互融合为机理，根据知识掌握程度、个体差异情况以及学习诊断等为学习者画像，对知识与内容的表征形式进行智能化改造，即时捕捉与感知、分析学习者的学习状态，形成学习诊断报告，为教师精准教学、学习者改进学习等提供实时、准确的反馈，并从用户、学习资源、领域知识和学习环境四个要素提供个性化解决方案，如应用图像识别技术、自然语言处理技术以及机器学习技术等，对扫描的试卷图像进行全方位识别、文本转换、内容分析和关键特征提取，完成智能阅卷，并综合分析学生考试中出现的得分点、失分点、错误原因及改进建议等（刘勇等，2017）。

（2）个性化学习资源智能推送

个体之间在认知能力、认知结构、知识基础和学习动机等方面存在差异。基于个性化需求采用智能推送技术，以知识图谱、学习者模型、学习行为数据和群体数据等为支撑，针对学段年级、学科内容、学习目标等分配不同的学习任务，进行个性化学习内容推送。这种推送既包括数字学习资源的推送，如知识点、试题等相关学习资料的推送;也包括与学习者相适应的智力资源的推送，如学习伙伴、学习导师等的推送，进而促进学习者学习共同体的构建，个体间协同学习的发生等。同时，个性化的学习资源推送能够根据知识点内容的不同提供符合其本身特征的资源表征形态，为学习者提供多元立体的深度学习语境（李海峰等，2018）。例如，采用协同过滤推荐技术为学习者推送符合学习需求的微课程，采用支持向量机技术推送拓展学习资源，采用最近邻推荐系统推送电子教材内容等（牟智佳，2017）。再如资源搜索引擎通过对学习者的检索习惯、内容特征、用户情境等的分析挖掘，为其推荐符合个体物理情境和逻辑情境的个性化情境资源（许哲等，2014）。

（3）个性化学习路径推荐

个性化学习路径推荐是指依据学习者的认知能力、学习现状等因素提供针对性的学习内容、资源、活动序列（李浩君等，2016），通过为学习者提供实时的动态反馈指引，促使其调整自身学习计划，有效解决学习者的“学习迷航”“过程偏离”和“认知过载”等问题，使个体学习者能够在花费更少的时间和精力成本上获得最大程度的学习成效。在技术实现层面，个性化学习路径的推荐需要借助对个体学习者及相应同一簇群的群体学习者的行为数据分析（姜强等，2018），挖掘用户的行为特征、动机偏好、知识水平、素养能力现状、学习目标需求等数据，对学习者进行快速、精准、全面“画像”，进而为其推荐相匹配的学习路径，提供精准的学习反馈与指导，制定进一步的学习计划或方案。

但人工智能所推荐的学习路径仅仅是为学习者提供选择参考，特别是弱人工智能技术下的学习路径推荐，需要学习者依据自身的能力与学情，结合机器所推荐路径进行“人机智能综合”的自主选择判断。人工智能个性化学习路径推荐更多的是为学习者提供个体学习困境的识别、学习途径方式的选择、相关内容资源的引导等。随着人工智能技术的逐步成熟与完善，这种反馈调节机制会愈加科学精准，利用大数据优选方案、提取特征、发现隐性结构和存在规律，结合新的问题情境做出决策和预测，对学习者进行学科思维、方法指导的反馈研究更加值得关注。

六、结语

人工智能正在从外置性技术辅助走向内融性技术渗透，促使学习者所使用的规则、方法、技巧及调控形式都在发生变化。尤其对学习过程中信息输入、加工处理、信息输出和反馈四个基本环节的形态将产生较大的影响。但人工智能应用于学习不能仅停留在知识获取、技能习得上，更应将人工智能运用于问题解决、反思、批判性思维和创新能力等的培养上，避免学习者过度依赖人工智能而丧失自主学习与思考的能力。

参考文献：

[1]曹培杰（2018）.智慧教育：人工智能时代的教育变革[J].教育研究， 39（8）：121-128.

[2]姜强，赵蔚，李松等（2018）.大数据背景下的精准个性化学习路径挖掘研究——基于AprioriAll的群体行为分析[J].电化教育研究， 39（2）：45-52.

[3]李海峰，王炜（2018）.人工智能支持下的智适应学习模式[J].中国电化教育， （12）：88-95，112.

[4]李浩君，徐佳程，房邵敏等（2016）.个性化移动学习路径优化策略应用研究[J].电化教育研究， 37（1）：39-44.

[5]李建中（2019）.人工智能时代的知识学习与创新教育的转向[J].中国电化教育， （4）：10-16.

[6]李文淑（2018）.教育人工智能（EAI）对学习机制的影响[J].现代教育管理， （8）：119-123.

[7]林崇德（2003）.心理学大辞典（上卷）[M].上海教育出版社.

[8]刘勇，李青，于翠波（2017）.深度学习技术教育应用：现状和前景[J].开放教育研究，23（5）：113-120.

[9]牟智佳（2017）.“人工智能+”时代的个性化学习理论重思与开解[J].远程教育杂志， 35（3）：22-30.

[10]彭红超，祝智庭（2018）.人机协同的数据智慧机制：智慧教育的数据价值炼金术[J].开放教育研究， 24（2）：41-50.

[11]钱旭升（2018）.论深度学习的发生机制[J].课程·教材·教法， 38（9）：68-74.

[12]宋岭（2018）.人工智能时代下未来教学的系统性变革[J].高等理科教育， （3）：8-14.

[13]王竹立（2018）.技术是如何改变教育的？——兼论人工智能对教育的影响[J].电化教育研究， 39（4）：5-11.

[14]文孟飞，胡超，于文濤等（2016）.一种基于特征提取的教育视频资源推送方法[J].现代远程教育研究， （3）：104-112.

[15]许哲，祝智庭（2014）.面向价值发现的学习资源描述方案：以LRMI元数据为例[J].中国电化教育， （11）：59-68.

[16]杨现民，张昊，郭利明等（2018）.教育人工智能的发展难题与突破路径[J].现代远程教育研究， （3）：30-38.

[17]尹睿，黄甫全，曾文婕等（2018）.人工智能与学科教学深度融合创生智能课程[J].开放教育研究， 24（6）：70-80.

[18]张荣华（2012）.信息技术与中学生物课程集散式整合途径探讨[J].中国电化教育，2012（11）：117-121，134

[19]赵慧臣，唐优镇，马佳雯等（2018）.人工智能时代学习方式变革的机遇、挑战与对策[J].现代教育技术， 28（10）：20-26.

[20]郑兰琴，张璇，曾海军（2018）.人工智能助力教与学的创新——访美国教育传播与技术协会主席Eugene G.Kowch教授[J].电化教育研究， 39（7）：5-11.

收稿日期 2019-05-13

责任编辑 汪燕

作者：郭炯 郝建江

现代教育中的移动学习认识论文 篇3：

新型学习和教学方式移动学习发展及其绩效评价设计探究

摘要：移动学习已逐渐成为当前人们学习的主要方式，如何客观、准确、有效的进行学习绩效评价是推动移动学习发展亟待解决的问题。该文对移动学习的特征与优势等进行了分析研讨，并借鉴Kaufman评估模型，对移动学习绩效评价设计的原则与流程提出了建议。

关键词：移动学习；绩效评价设计；Kaufman评估模型

学习是人类实现社会化的途径，它发生于情境、工具、人际的交互中，是人类获取知识和认识世界的重要方式之一。随着人类社会的发展进步，知识的生产、传播、交换形态也发生着日益变化，特别是当前媒介和传播技术的兴起，移动通信与网络技术的有机深度融合，人类的学习模式也随之发生了深刻变化，移动学习（MobileLearning）应然而生。进入21时代以来，移动学习逐渐成了人们学习的主要途径方式。移动学习是指基于移动设备支持环境下，突破时空区域限制，能够自由、自主、自觉开展的学习模式。它的形态表现为终端（如手机和平板电脑等）、内容（如微课程和APP等）和活动（呈现出翻转化和互联网化特征）三个要素，通过移动通信技术来实现学习内容与学习服务传输、通过移动计算技术来实现学习交互的时间终身化、空间网络化、主体个性化、内容整合化、交往平等化、平台移动化，进而构建了资源提供精准、指导服务个性、学习接人无缝、沟通反馈及时的学习模式。

一、对移动学习模式的认识

移动学习是在数字化、网络化学习的基础上发展起来的，它兴起之初被定位为数字化、网络化学习的扩充。但随着移动学习逐渐发展成为独立的支持服务系统，移动学习就逐渐演化为基于互联网学习的主要方式之一。当下，随着移动学习终端要素由多种设备共存向归一化发展、平台要素隐性化、资源和内容的高度耦合，移动学习环境已逐渐由技术驱动演化为学习驱动。移动学习已成为当前学习教育研究实践的重要领域与热点主题。实践与研究表明，移动学习模式具有以下四方面的突出優势。

（一）移动学习模式使“以人为本、以学习者为中心”的学习理念成为现实

移动学习模式所具有的数字化、网络化特征突破了学习者获取资源的限制。在移动学习模式中，学习者既是知识信息的接收者，同时也是知识信息的传播者；学习者能够自主参与学习资源与知识信息的传播活动，从传统的、单纯的知识消费的被动者转变为能动的知识创造者。学习者通过能动参与学习活动，在接纳知识信息的同时，也可突破时空限制，自由、自主地进行自我表达，与他人分享观点，接受他人的评论与评判，可以与他人进行持续性互动。在互动过程中，可助力学习者实现对知识的更深层次理解与掌握。

（二）移动学习模式能有效地实现学习效率的提升

在移动学习模式中，学习的需求与动力发端于学习者自身。为此，在移动学习模式中，学习者是带着明确的学习问题、清晰的学习目标等学习要素去进行学习的。在移动学习过程中，学习者还可以根据自身的个性化学习需求，自主地安排学习计划（学习内容、进度计划、时空选择、任务安排）以及考核评价等。而且，通过移动学习平台向学习者提供丰富多彩的个性化学习资源，能够帮助学习者在学习过程中获得及时、持续的学习交互（问题探讨与交流），从而有助于大幅提升学习者的学习效率。

（三）移动学习模式有力地促进了教育公平和终身学习的实现

移动学习模式突破了教育资源获取的制约因素，为实现全纳教育提供了可能，客观上实现了学习者按需获取资源的无差异的机会，移动学习成为学习者个体主观能动获取信息、处理信息，并创造新的内容的学习活动。而且，移动学习模式也突破个人职业终身发展所需要的知识制约因素，促进了终身学习的实现。

（四1移动学习模式使学习者多元化发展、多元化评价、自我评价成为可能

移动学习模式具有资源开放性、过程自主性以及学习动机、需求与选择个体化等特性，这为学习者的多元化发展、多元化评价提供了可能，更为学习者的自我评价提供了实现路径。

随着人才在经济全球化竞争中的地位凸显，移动学习在人才培养中的优势逐渐显现，世界各国也日益重视移动学习的研究与实践。美国于2015年12月颁布了最新的国家教育技术计划《未来准备学习：重新思考技术在教育中的作用，展望公平、积极利用、合作领导、可以随时随地学习的愿景》，对移动学习进行了展望与战略规划。在我国社会经济发展深度转型和人口增长趋势放缓的严峻形势下，我国社会发展人才支撑策略已从“人口红利”向“人才红利”转变，2017年我国发布的《国家教育事业发展“十三五”规划》也提出了“积极发展互联网+教育”“全力推动信息技术与教育教学深度融合”，推进“线上线下有机结合的网络化泛在学习新模式”等理念，进一步推动移动学习的发展规划。

二、移动学习绩效评价的现状

学习是一个极其复杂的活动，客观、准确、科学地进行学习绩效评价更为困难。学习评价在学习过程中发挥着诊断、反馈、调节、激励和导向的功能。研究与实践表明，高质量的学习资源、良好的学习支撑服务体系以及及时、有效、科学的绩效评价是促进学习有效进行的三大主要外部因素，其中学习评价是判断学习是否有效发生的重要手段，对促进与改变学习有着重要的作用，是任何学习模式都不可或缺的重要组成部分。

目前，随着移动学习日益成为广泛且普遍存在的学习模式，越来越多的研究者开始重视移动学习的相关研究。就现状而言，移动学习的研究主要集中在学习资源、学习环境、学习系统以及各种学习支持服务等方面，移动学习绩效评价的研究与实践未得到应有的重视。与传统学习模式不同，移动学习具有对象广泛，个体差异，即时性、个性化和情景化等特征，这也催生了移动学习评价的新课题。如何及时、有效、科学地开展学习绩效评价成为当前推动移动学习发展亟待解决的重要问题之一。

从移动学习的特征看，移动学习的绩效评价是个性化评价的过程，它无法通过统一的评价体系来实现。通过对当前移动学习研究方面的文献收集整理，笔者发现关于学习绩效评价方面的成果鲜有见诸。鉴此，在借鉴其他学习模式评价研究的经验、结合移动学习模式的特性基础上，本文探索性地提出了适配移动学习特征的绩效评价设计的原则及其流程。

三、基于Kaufman评估模型移动学习绩效评价设计的探索

“绩效”起源于英文的“Performanee”，其要义为“能力、成绩、工作成就”等。在教育领域，学习绩效（Learning Performance）是指学习者经历学习后获得的知识与新技能的迁移情况，也包括学习后对周围环境的影响。绩效评价是评价学习成效的方法之一，涉及学习者完成任务和创造成果的过程。在本文研究中，将移动学习绩效定义为在一定学习任务目标的指引下，学习者通过移动学习后，其知识与技能的迁移情况，主要包括知识获取、技能提升以及行为改变能力的情况，包括学习后对周围环境（主要是组织及社会）所产生的积极影响。

当前，从理论研究角度来看，移动学习绩效评价不仅要对学习者知识迁移的情况进行评价，更应关注的是学习者技能迁移及其行为改变的情况，以及对周围环境所产生的积极影响。从实践角度看，当前移动学习绩效评价的设计严重缺失学习绩效的跟踪评估和反馈。鉴于目前移动学习绩效评价中存在的问题，本文将Kaufman评估模式借鉴到移动学习的评价中，探索提出了移动学习绩效评价设计的原则，同时提出了评价设计的流程建议。

（一）Kaufman评估模型概述

在企业培训绩效评价理论与实践中，常用的有柯克帕特里克（Kirkpatrick）的四层次培训评估模型、考夫曼（Kaufman）的五层次评估模型，其中考夫曼（Kaufman）模型是柯克帕特里克（Kirkpatrick）评估的拓扩展。考夫曼认为培训是否取得实效，培训前能否有效获得相关资源很重要，因而Kaufman模型增加了对获得资源可能性的评估，并将其放在模型的第一个层次上。考夫曼还认为培训所产生的效果不仅仅对本企业有益，它最终会作用于企业所处的环境，从而给企业带来效益。因而，他又加上了一个层次，即社会和客户的反应评估，从而形成了五个层次。Kaufman评估模型五层次。如下页表所示。

Kaufman评估模式不仅关注学习结果的变化，还关注学习过程中学习者行为的变化，更具特色的是关注到了学习者学习后的变化对组织及周围环境改变的影响。这些特征正是目前移动学习评价所缺失的。鉴此，本研究认为，移动学习评价应直接指向学习过程和学习成效，在动态过程中不断为学习者提供支持和质量保证，重视学习者学习后对组织及其周围环境的影响。

（二）移动学习绩效评价设计的建议

复杂的移动信息化环境决定了移动学习及其评价必须是多元的、互动的、系统的、动态的，不仅評价学习的直接结果（知识的掌握、技能的提升等），更重要的是关注学习过程中及其结束后的行为改进，知识转化与技能应用能力、持续发展能力、创新意识和社会责任感等综合素质的提高，还应关注学习之后对周围环境的影。通过文献检索得知，温雪等基于现代教育理论，结合学习者面对信息化环境所产生的心理适应等问题，提出了网络学习绩效评价应遵循以下六原则：以人为本、以学习为中心、注重多元智能的评价、关注组织与个人学习的互动、体现评价的多样性和可行性、运用系统的评价方法。戴锡莹等提出了网络学习评价的五个层次，分别是可行性层次、反应层次、认知迁移层次、行为迁移层次、组织成效层次，以及绩效评价的ADDIEF流程，本文研究将借鉴与综合现有学习绩效评价研究与实践经验，基于Kaufman评估模式，对移动学习的绩效评价的设计提出以下建议。

1.设计的原则

移动学习绩效评价的设计应遵循有利于促进学习者发展，应遵循真实且重视情景化能力的改变、评价主体多元且重视评价对象的参号性、标准多元且关注个体差异、重视过程且关注学习发展历程等原则。要充分考虑移动学习模式的特征及需求，重点是对学习者的学习过程、学习之后的知识与技能的迁移、潜能的挖掘与释放，以及实践能力改变的评价；对学习者学习之后对周围环境所产生影响的评价；实行从低到高、从简到繁的分层评价。

2.分层评价的设计

基于Kaufman评估模式，本研究从宏观视角对移动学习绩效评价层次的设计提出了从低到高、由简人繁的五层评估模型建议：

第一层是反应性和可能性层。这层主要是对学习者的学习需求和学习资源的获取情况进行评价。要对学习者的需求情况进行调查评估，掌握学习者的学习期望成效，以及接受学习的愿意情况，进而设计出适配个性需求的绩效评价目标；再将预设任务目标分解为可行的、具体的、个性化评价模型，提供给学习者。

第二层是认知获取层。这层评价主要是对学习者掌握知识的成效、程度进行评价。此类评价在移动学习中可较为便捷实现。如在设计评价时，可通过现实性的学习任务模块，对其知识获取的情况进行随时测验与评价，为学习者提供及时信息反馈而帮助其改进学习。

第三层是技能迁移和行为改进层。这层的评价是对学习者通过学习后发生的认知变化，进而产生的能力提升、态度改进、心理改善等行为改变情况进行评价。此类评价在移动学习中难以直接、直观评价，仍需在实践中进行检验与评价。在设计时，可以通过学习者个体自身、他人或者有组织的操作测评、实验测评以及能力测评来实现，为学习者提供持续信息反馈而帮助其改进学习。

第四层是组织成效层。这层的评价对象从个体变为组织。主要评价学习者学习后对组织产生的直接、积极、具体的贡献，这需要经历一定的时间才能检验评价。例如企业软件工程师的移动学习者，其学习组织成效包括编程技能的提高、软件系统设计理念的改进、对公司贡献奉献的认同提高，以及对组织其他成员的帮助和激励作用等。

第五层是社会成效层。这层的评价对象从组织上升为社会。主要评价学习者学习后对组织的影响，进而对社会产生的积极效用。一般而言，学习的社会成效包括组织的学习成效和个人的学习成效，这需要经历更长的时间才能准确客观检验评价。主要测定评估社会对学习者的反映，以及学习者对社会他人的贡献、激励等效益情况。

第四层和第五层的评价在传统学习评价模式中获得的关注不多，鲜有涉及、也很难科学评价。借助移动网络能够有效突破时空与地域限制、能够实现大数据采集与分析能力的优势，移动学习绩效新型学习和教学方式评价的第四、第五层次的评价也有了可行的实现路径。

3.评价流程的设计

移动学习的绩效评价既是一个评价过程，其本身也是一个学习活动，其实质也是教与学交叉、相促进的过程。传统的学习评价系统设计包括分析、设计、开发、实施和评价五个环节。根据移动学习绩效评价的原则建议，移动学习绩效评价的流程上应增加“跟踪与优化环节”，将移动学习绩效评价的过程设计扩充为六个环节，进而实现全方位评价移动学习者的学习绩效。

为此，移动学习绩效评价的设计流程可归结为绩效需求分析、评价系统设计、评价系统开发、绩效评价实施、绩效评价反馈、绩效评价的跟踪优化。因前五个环节系一般学习绩效评价应有之义，于此就不赘述，仅就移动学习的“跟踪与优化环节”流程做一简要说明。移动学习绩效评价跟踪与优化阶段，是发生在学习者学习结束后，学习者对组织和社会所产生的行为影响，这需要对学习者进行跟踪调查。要做好“跟踪与优化环节”：一方面可以通过收集学习者学习后的绩效表现数据、检测绩效表现等来实现；另一方面也可以从组织层面采集学习者学习之后对周围环境（主要是组织及社会）所产生的影响情况评价来实现，进而对学习者形成客观的、全方位的绩效评价。

四、展望

如何对移动学习进行客观、准确、科学、有效的评价，是当前推动移动学习发展亟待解决的重要课题。比如，如何科学有效评估学习者适应情景变化的能力；如何利用当前大数据采集与分析技术，设计出更具个性化的有效评价工具，从而更利于学习绩效评价的数据采集、分析、研究与运用；如何及时、准确跟踪学习者对周围环境的影响等等，这些都亟待于深入探讨与实践研究。移动学习绩效评价等问题的解决，势必进一步推动移动学习的发展与应用。

收稿日期：2017年3月20日

责任编辑：赵兴龙

作者：李金林