终身教育背景下新一代信息技术在开放大学教学平台的应用研究

　　文/李振宇 方天宇 关龙艳通信作者 哈尔滨开放大学

　　摘要：发展全民教育、终身教育是党的十九大以来重要决策。开放大学拥有优秀的教学平台，可依托此平台为终身学习赋能，能够高速有效地构建网络化、数字化、个性化、终身化的教学体系。本文根据学习者的需求，分析开放大学教学平台所应具备的各类特性，完成特性分析后，利用人工智能、自然语言处理、无线通信等新一代信息技术，探索与开放大学教学平台的融合路径，并对融合路径的技术可行性进行分析。以期利用开放大学教学平台的框架为终身学习赋能，践行开放大学扎根中国大地办教育的时代使命。

　　关键词：信息技术；开放大学；教学平台；终身教育

　　引言

　　国家开放大学的教学平台包括全业务流程及课程资源，在运行过程中表现出良好的性能。目前公共平台的建设者只能提供普适性的业务支撑，专用平台的建设者往往无法真正理解实际业务流程，作为使用方的教师很难提出具体的业务需求，与技术人员很难起到真正的沟通纽带的作用，建设出来的平台难以满足实际业务需求。如果平台规模较大，问题会大量爆发，国家开放大学教学平台在建设初期也存在类似情况。平台每学期网上学习行为以亿为单位，在这种海量数据下，该平台作为专用平台经历了三学期的高负荷运转，建设团队不断改进，为国家开放大学终身教育平台[1]奠定了坚实的基础。

　　目前该教育平台与大规模网络课程MOOC[2]在模式上较为接近，但终身学习者所需的课程属性、学习过程的及时反馈和教师持续不断的大量投入等方面的保障存在一定的不足。而新一代信息技术的逐步发展，为建设能够满足终身学习群体各类需求的平台提供了技术支撑，大规模语言模型[3]、自然语言处理[4]、卷积神经网络[5]等技术的迅速发展逐渐提高了平台能力。国内开放教育、开放大学助力终身教育主要集中在发展定位[6]、教学设置和课程建设[7-9]、其他教育途径[10]、信息技术框架[11]等方面，其中，信息技术框架方面更多的是聚焦宏观层面。

　　1. 开放大学教学平台的特性

　　开放大学教学平台面对的学生规模非常大，学生情况千差万别，会出现公共平台和常规专用平台难以实现的特性。

　　1.1 以学生为本的个性化服务

　　开放大学的学生类别包括普通学生、残疾人学生和外国学生，其中残疾人学生涵盖所有7类残疾[12]，外国学生则是多个国家多种语言。对于普通学生，在学历教育方面采用标准的教学大纲和教学技术即可，但是对残疾人学生和外国学生而言，教学技术必须做到个性化。例如，对于有视力障碍的学生，需要在平台调用专用的图像识别和语音识别接口，将视频课程内文字提取后转换为语音输出，课程全程采用语音交互的方式进行；对于有听力障碍的同学，需要调用专用的语音识别接口，将视频课程中教师的语音转换为字幕供学生学习；对于外国学生，需要利用专用的图像识和语音识别接口，将视频课程的文字和语音分别转换为对应的语种。

　　1.2 超级开放性

　　开放大学学生的学习时间和空间都不固定，并且由于外国学生的大量存在，学习时间和空间的分布更为分散。开放大学学生的特性与传统院校学生不同，他们在学习上具有相当的自主性，自行安排掌握学习进度，能利用自己的知识和经验理解掌握所学内容。这样不仅在学习时间和学习空间上要保证足够的开放，对于学习方式也应该具备足够的开放性。

　　1.3 业务集中性和复杂性

　　开放大学学生的所有学习环节均集中在教学平台上，结合数百专业、数百万学生、数千万选课报考数据，开放大学教学平台的业务集中性极高，业务集中性和复杂性远超教育类公共平台和专有平台。

　　1.4 课程内容和资源的快速迭代性

　　大学体系规模极其庞大，每门课程均有相应的教学团队，国家开放大学课程教学团队的规模一般在30名教师以上，省级开放大学课程教学团队的规模一般在10名教师以上，开放大学教务部门和教学部门对课程内容和资源迭代均有较高的要求。

　　2. 终身教育背景下新一代信息技术在开放大学教学平台的应用研究

　　依托开放大学教学平台为终身学习赋能，需要将新一代信息技术，包括大规模语言模型、自然语言处理、深度学习图像处理、区块链、云计算、5G等高速稳定的无线通信网络、虚拟现实等技术。应用到开放大学教学平台，提高平台的个性化服务能力，使平台具有更强的开放性，无须过高的集中性和复杂性，课程内容和资源的范围更大、课程迭代更快。

　　2.1 人工智能提升个性化服务能力

　　终身教育对个性化服务的需求不仅体现在学习过程中，更多地体现在教学目标、教学过程反馈等方面，大规模语言模型、自然语言处理和深度学习图像处理技术能够有效提高这些环节的个性化服务能力。终身教育与开放教育存在一定的不同，终身教育的教学目标是学习者自己定义的，因此传统的培养方案不适用于终身教育，而经过训练的大规模语言模型能够得到足够丰富的知识路径。对于某一个教学目标，大规模语言模型能够根据已生成知识路径构建知识树，自动生成对应教学目标的培养方案。对于在教学过程中产生的反馈和互动，大规模语言模型经过训练能够替代教师给出准确的反馈。利用自然语言处理和深度学习图像处理技术能够更加准确地完成语音识别和图像识别。

　　2.2 区块链、云计算及无线通信技术带来更强的开放性和安全性

　　终身教育学习者遍布全球，优秀的平台也更加吸引终身学习者的到来，进而带来了更大的运行负荷和分布更均匀的学习时间，对学生的数据安全的保护也需要进一步加强，也就意味着整体的开放性更强。云计算是一种分布式计算，能够极大地提高平台运行负荷能力。区块链技术具有去中心化和数据难以篡改的特点，能够有效地提高数据的安全性。5G等无线通信技术具有高传输速度、高响应速度、高连接稳定性的特点，能够有效地为学生提供良好的网络。

　　2.3 人工智能技术加快了课程迭代

　　终身教育的课程范围要远大于传统学历教育课程，相关的课程建设和课程迭代是比较困难的。传统教育机构很难做到拥有大量教师以不断进行课程迭代，开放大学系统的专职教师为61595人，具有其他教育机构无法比拟的系统优势。大规模语言模型能够根据网络检索的信息构建非学历课程的知识路径，有效辅助专职教师，加快课程迭代速度。

　　2.4 虚拟现实技术带来更具沉浸感的课程体验

　　传统课堂教学使用书本、道具、课件等媒介构建了常规教育环境，在常规教育环境中学生很难达到沉浸式学习状态。虚拟现实技术能够利用计算机图形学、仿真技术、显示技术等构建与真实世界相仿的虚拟环境，因此，应用该技术可以实现终身教育的沉浸式教育环境构建。

　　3. 开放大学教学平台应用新一代信息技术的技术可行性分析

　　技术可行性一般包括硬件、软件和人员这三个方面。对本节中出现的大规模语言模型、自然语言处理、深度学习图像处理、区块链、云计算、5G等无线通信技术、虚拟现实/增强现实/混合现实等技术，所需的硬件、软件和人员各有不同。

　　3.1 大规模语言模型、自然语言处理、深度学习图像处理

　　对于这三种技术，需要专门的深度学习算法工程师来构建模型，模型可以利用已有的开源模型来进行改进，改进的模型需要在服务器计算显卡（MXC500、A800、H800等）上进行训练。

　　硬件：服务器计算显卡；软件：GPT-4.0类开源大规模语言模型、Transformer类模型、Resnet类模型；人员：深度学习算法工程师。服务器计算显卡价格较为昂贵，以A800为例，单块显卡价格约为10万元。

　　3.2 云计算

　　对于云计算技术，一般是采用租赁云服务商的服务器进行构建，不需要软件和人员支出，只包括硬件服务支出。但是云服务商的服务器价格比较昂贵，超大规模学习平台的年服务费在百万元以上。

　　3.3 区块链

　　对于区块链技术，需要软件开发人员完成区块链的设计，软件可以用已有的、较为有效的区块链相关技术构建终身教育区块链，硬件方面没有支出。区块链技术自2008年以来，不断经过技术迭代，是较为成熟的技术。

　　3.4 5G等无线通信技术

　　对于5G等无线通信技术，主要是国家网络基础设施、学生网络设备和学生个人终端体现，目前是较为成熟的技术，这些技术不需要硬件、软件和人员支出。

　　3.5 虚拟现实/增强现实/混合现实技术

　　对于虚拟现实/增强现实/混合现实技术，需要由软件开发人员建设虚拟现实类课程，这些课程一般是基于Unity3D等软件进行开发，同时在线下终身教育学习中心需要采购一些虚拟现实设备来让学生体验虚拟现实课程，学生也可以自行采购相关设备完成课程学习。硬件：虚拟现实设备（Oculus Rift、HTC VIVE等虚拟现实头盔，Meta2 AR等混合现实头盔）；软件：Unity3D等开发软件；人员：虚拟现实软件工程师。虚拟现实课程建设费用和虚拟现实设备的采购价格都比较昂贵，目前虚拟现实课程的建设是比较成熟的，系列虚拟现实课程多在10节以上，而单节虚拟现实课程价格在5万元以上，虚拟现实头盔价格在0.7万元左右，混合现实头盔价格在1.5万元左右。利用新一代信息技术完成上述融合路径是完全可行的，并且在成本上也是可控可接受的，不过如果大规模推广虚拟现实课程，成本较高。

　　结语

　　本文通过对新一代信息技术与开放大学教学平台特性的研究，探索新一代信息技术与开放大学教学平台的融合路径，并从硬件、软件、人员这三个方面分析了技术的可行性，得出结论：新一代信息技术与开放大学教学平台完成融合是完全可行的，在成本方面也是可控可接受的。本文在融合路径方面进行了研究和探索，但在具体的工程落地方面还没有进行，需要后期继续开展研究，以期实现预设的目标。

　　参考文献：

　　[1]何曼.终身教育平台跑出“加速度”[J].在线学习,2023,(7):36-39.

　　[2]王颖,张金磊,张宝辉.大规模网络开放课程(MOOC)典型项目特征分析及启示[J].远程教育杂志,2013,31(4):67-75.

　　[3]朱光辉,王喜文.Chat GPT的运行模式、关键技术及未来图景[J].新疆师范大学学报(哲学社会科学版),2023,44(4):113-122.

　　[4]林奕欧,雷航,李晓瑜,等.自然语言处理中的深度学习:方法及应用[J].电子科技大学学报,2017,46(6):913-919.

　　[5]周飞燕,金林鹏,董军.卷积神经网络研究综述[J].计算机学报,2017,40(6): 1229-1251.

　　[6]贾炜,陈丽,李政涛,等.开放大学高质量发展:思考与期待[J].开放教育研究,2022,28(2):4-10,63.

　　[7]王薛晴,许之民.技术引领教学法创新：构建面向终身学习的未来教育图景——英国开放大学《创新教学报告2022》解读[J].成人教育,2023,43(7):13-20.

　　[8]郑凤岐,李权晁,董晋.终身教育视域下老年开放大学体育课程设置探究[J].山西广播电视大学学报,2023,28(1):26-29.

　　[9]吴晓辉.终身教育视域下开放大学汉语言文学专业创新发展探究与实践[J].吉林广播电视大学学报,2021,(2):116-118.

　　[10]李洋.终身教育视角下教育发展路径探析——以开放大学老年教育为例[J].现代职业教育,2023,(10):161-164.

　　[11]沈美英,彭礼安.信息技术在高水平开放大学建设中的应用[J].中国成人教育,2023,(11):34-38.

　　[12]邱卓英,李欣,李沁燚,等.中国残疾人康复需求与发展研究[J].中国康复理论与实践,2017,23(8):869-874.

　　作者简介：李振宇，在读博士，讲师，研究方向：终身教育、计算机算法、开放教育；通信作者：关龙艳，博士，副教授，研究方向：终身教育、开放教育。

　　基金项目：黑龙江省教育科学“十四五”规划2022年度重点课题——为全民终身学习赋能的开放大学建设研究与实践（编号：ZJB1422322）；中国教育技术协会高校远程教育专业委员会2022年度专项研究课题一般课题——BOPPPS在社区教育中的应用研究（编号：GYY2016）。