打开文本图片集

摘 要：随着信息技术的迅猛发展，大数据技术的应用已经渗透到各行业领域，对人才的需求日益增长。同时，教育领域正经历着前所未有的变革。特别是近年来，人工智能技术在教育领域的应用逐渐深入，为教学模式和学习方式的创新提供了强大的技术支持。本文以大数据专业的《大数据分析》课程为基础，通过对教学环节的设计和改进，旨在研究在高职教育中，如何有效应用开放教育资源，结合GPT等人工智能工具，构建个性化的教学模式，以提高教学质量，提高学生的实践能力和创新精神，促进学生个性化发展，培养适应大数据时代需求的应用型专业人才。

关键字：开放教育资源；个性化教学；教育模式；高职教育

1 引言

随着信息技术的飞速发展，大数据时代已经全面到来，对高素质、具备实践能力和创新精神的大数据专业人才的需求急剧增加[1]。高职院校作为培养应用型人才的关键环节，其教学模式必须紧跟时代步伐，不断创新以适应行业需求[2]。在此背景下，本文聚焦于高职教育中《大数据分析》课程的教学改革，旨在通过整合开放教育资源和人工智能工具GPT，探索个性化教学模式的构建，以应对当前教育领域的变革与挑战。

开放教育资源以其开放、多样和灵活的特点，为教育创新提供了丰富的素材和可能，然而，其在实际应用中的低效率和资源利用不均等问题亟待解决[3]。特别是高职院校学生，在如何有效筛选和利用这些资源方面面临诸多困难。因此，本文的研究不仅是对现有教学模式的一次深刻反思，更是对未来教育发展方向的一次积极探索[4]。

通过本文的研究，我们期望能够打破传统教育模式的束缚，利用GPT等先进的人工智能技术，精准分析学生的学习需求，智能推荐个性化的学习资源，从而激发学生的学习兴趣，提升其学习效果和效率。同时，我们也希望通过本文的实践，为高职教育的教学改革提供可复制、可推广的经验和模式，推动高职教育向更加高效、个性化的方向发展，为培养适应大数据时代需求的高素质专业人才贡献力量。

2 相关工作

在国内，随着信息技术的飞速发展与教育信息化的深入，高职教育对开放教育资源的应用研究备受关注[5]。国内学者积极探索开放课程、在线教育资源库及MOOCs等应用，如中国大学MOOC、网易云课堂等平台提供了丰富的职业教育资源[6]。同时，个性化教学模式也成为研究热点，利用AI、大数据等技术分析学生需求，实现精准教学[7]。然而，高质量资源相对匮乏，个性化教学模式尚需完善，学生难以高效筛选资源，且资源实际利用率低等问题依然存在[8]。

放眼国际，国外高职教育中开放教育资源的应用同样活跃，Coursera、edX等平台积累了丰富的教学资源和经验，并与企业、行业紧密合作，共同推动教育资源优化[9]。国外研究还强调与终身学习、在线教育等交叉融合，促进教育创新[10]。

综合国内外现状，高职教育中开放教育资源的应用研究虽取得一定成果，但仍面临挑战。个性化教学模式需进一步优化，以精准对接学生需求；需提升学生辨别资源质量的能力，确保有效利用；同时，亟需策略辅助教师及学生更好地利用开放教育资源，发挥其最大价值。

因此，本文聚焦于高职教育中开放教育资源的应用，特别是基于GPT的个性化教学模式研究，旨在通过技术创新，提升资源质量，优化教学模式，促进学生个性化发展，培养适应行业需求的高素质人才，推动高职教育创新发展。此研究不仅具有理论价值，更具备广泛的实践意义。

3基于开放教育资源的个性化教学模式

开放教育学习资源因其开放性、多样性以及灵活性而广受欢迎，其能够激发学生学习兴趣、降低教育成本、丰富教学内容、提高教育公平以及促进知识共享等。但开放教育资源同时也存在着质量良莠不齐、在教育领域利用低等问题，高职院校学生更是难以有效利用开放教育资源。为了解决这些问题，本文的研究内容主要聚焦于高职教育中开放教育资源的应用，特别是基于GPT等人工智能工具的个性化教学模式研究，设计基于GPT的个性化教学模式，能够高效利用开放教育领域资源，推荐符合学生个人需求的开放教育资源，促进学生个性化自主学习，使学生适应行业需求，提升学生竞争力，提高学习效果和学习效率，丰富和完善教育理论，推动高职教育的创新发展。

3.1 学生知识画像构建

为了利用GPT给学生推荐更合适的开放教育资源，需构建学生课前、课中和课后三个阶段的知识画像，如图1所示。

（一）课前知识画像构建

课前知识画像构建是一个综合性的过程，旨在全面了解和掌握学生在课程学习前的知识状态、学习需求和能力水平。

收集学生信息：收集学生基本信息、学习背景和兴趣爱好等录入系统。收集学生的姓名、年龄、专业、年级等基本信息；了解学生的教育背景，如之前的学习成绩、课程参与情况等。

分析前置后续知识：系统在课前进行课程内容梳理、学生知识测试、知识缺口识别等。对即将学习的课程内容进行梳理，明确所需的前置和后续知识和技能；通过问卷、测试或访谈等方式，评估学生对前置知识的掌握情况；对比课程内容和学生实际掌握情况，识别学生在前置知识上的缺口，以及后续知识上的学习需求。

评估学习能力：系统进行学习策略分析、评估学生问题解决能力及团队协作能力分析等。通过学生的学习习惯、策略和方法，评估其自主学习能力；通过案例分析或问题解决任务，评估学生在面对新问题时的应对能力；考虑在团队项目中学生的表现，评估其协作和沟通能力。

调查学习需求：通过系统发布问卷以及教师访谈，调查学习期望调查及学习难点反馈等。通过问卷或访谈，了解学生对课程学习的期望和目标；鼓励学生反馈在预习过程中遇到的难点和问题。

构建课前知识画像：基于GPT的个性化教学系统进行数据整合及画像构建。将收集到的学生信息、前置知识评估、学习能力评估和学习需求调查等数据进行整合；然后基于整合后的数据，系统构建每个学生的课前知识画像，包括知识掌握情况、学习能力水平和学习需求等信息。

动态更新与维护：基于GPT的个性化教学系统自动对学生学前知识画像定期评估和反馈调整。在课程学习过程中，定期对学生的知识掌握情况进行评估，更新知识画像；并根据学生的实际学习情况和反馈，对课前知识画像进行必要的调整和优化。

通过系统分析学生前置和后续知识需求，以及学生学习需求等，基于GPT的个性化教学系统构建学生课前知识画像，可以更全面地了解学生的学习状况和需求，为针对性的开放教育资源推荐和提供个性化的学习支持提供依据。同时，学生也可以通过了解自己的知识画像，发现自身在学习上的优势和不足，从而更有针对性地进行自我提升。

（二）课中知识画像构建

课中知识画像构建是一个动态且多维度的过程，涉及到学生在课堂上的学习状态、知识理解程度、技能掌握情况以及参与互动等多个方面。

评估知识理解：通过系统进行提问与回答、学生表现等，反映学生对知识点的掌握和理解程度。

技能操作与实践：设置课堂小任务或问题，系统收集学生的操作过程数据，评估其技能掌握情况，以及其应用知识的能力。

互动与协作：系统记录学生在小组讨论中的表现，包括发言次数、内容贡献和协作态度，以及记录学生主动发言、提问或参与课堂活动的次数，这可以反映学生的参与度和积极性。

综合分析：利用基于GPT的个性化教学系统收集学生在课堂上的学习数据，并分析学生对课堂内容的即时反馈，以便快速了解学生的学习情况。

构建课中知识画像：基于GPT的个性化教学系统进行数据整合及画像构建。系统将学生课中学习数据进行整合；然后基于整合后的数据，构建每个学生的课中知识画像，包括学习状态、知识理解程度、技能掌握情况、互动协作能力等方面的信息。

基于GPT的个性化教学系统构建课中知识画像，可以更加准确地把握学生的学习动态，教师可以及时调整教学策略，系统可以及时推荐更适合的开放教育资源，以满足学生的个性化学习需求。同时，学生也可以通过系统了解自己的课中知识画像，发现自己在课堂上的学习优势和不足，从而调整学习策略，提高学习效果。

（三）课后知识画像构建

课后知识画像构建是教学反馈和评估的重要环节，它能够全面展示学生在课后阶段的学习状态、知识巩固情况以及技能提升等方面的信息。

作业完成情况分析：基于GPT的个性化教学系统进行作业完成质量及知识点掌握情况分析，识别学生在特定知识点上的掌握情况，判断其是否存在理解偏差或遗漏。

技能提升与实践应用：对于涉及实践技能的课程，要求学生完成相关实践项目，并由系统评估其项目完成的质量和技能提升情况。

学习态度与情感反馈：通过基于GPT的个性化教学系统发布问卷，调查学生对课后学习的态度、动力以及遇到的困难，对学习资源的满意度、对教学活动的兴趣度等。

综合分析：利用基于GPT的个性化教学系统收集学生课后相关学习数据，形成综合性的课后学习数据集，分析学生对知识点的掌握情况等。

课后知识画像构建：基于GPT的个性化教学系统进行数据整合及画像构建。系统将学生课后学习数据进行整合；然后基于整合后的数据，构建每个学生的课中知识画像，包括作业完成情况、线上学习行为、复习与预习情况、技能提升以及学习态度与情感反馈等方面的信息。

通过构建课后知识画像，可以更加全面地了解学生在课后阶段的学习情况，教师能够为后续的教学改进和个性化辅导提供依据，基于GPT的个性化教学系统能够为学生个性化学习推荐更符合学生个人的课后开放教育资源。同时，学生也可以通过系统了解自己的课后知识画像，发现自己的学习优势和不足，从而制定更加有效的学习计划，提高学习效果。

3.2 基于GPT的个性化教学系统

大家习惯于使用如百度、搜狗等搜索引擎，通过关键词等来获取大量结果，然后进行人工筛选，最终获得需要的关键信息。但GPT是对海量信息进行聚合和分析后给出问题的“答案”，而决定GPT对海量信息进行聚合和分析“成功”的关键因素之一是用于启动和引导对话的提示词的质量。明确定义的提示词可以帮助确保对话保持在正确的轨道上并涵盖用户感兴趣的主题。相反，定义不清的提示词可能会导致获得的“答案”南辕北辙。因此根据构建的学生课前、课中和课后的知识画像，设计更为准确的提示词以获得相应的开放教育资源，可以帮助整个教学过程，提高教学质量，促进学生自主学习、个性化学习等。

课前提示词生成：根据系统构建的学生个人课前知识画像，以及教学目标，基于GPT的个性化教学系统自动生成用于调用GPT检索开放教育资源的提示词，获得符合学生个性化学习的开放教育资源，引导学生预习和思考，帮助学生更好地理解和掌握课程内容。

课中提示词生成：根据系统构建的学生个人课中知识画像，以及课堂讲解的重点和难点，基于GPT的个性化教学系统生成用于调用GPT检索开放教育资源的提示词，获得相应的开放教育资源，能够帮助学生加深理解和记忆，提高课堂学习效果。

课后提示词生成：根据系统构建的学生个人课后知识画像，根据课后作业和复习要求，基于GPT的个性化教学系统生成用于调用GPT检索开放教育资源的提示词，获得能够帮助学生巩固知识和提升能力、促进学生自主学习、个性化学习和持续发展的开放教育资源。

3.3 基于GPT的个性化教学模式评价

利用GPT等人工智能工具，构建多维度的教学评价系统，从学习态度、职业素养、理论应用、实践技能等多方面，从学生自评、学生互评、教师评价、系统评价等多角度，从学生课前了解度、课中参与度、课后掌握度、团队合作能力、实践应用能力、课程作业、进步程度以及开放教育资源利用程度等多维度进行教学模式评价。系统收集多维度的学习数据，整合分析，评估大数据技术专业学生利用基于GPT的个性化教学系统的学习效果和学习质量，并结合传统的教学评价方法和标准，提高教学评价的准确性和可靠性。另外，系统根据教学评价结果动态维护学生知识画像，并改进提示词的生成。

4 总结

本文在高职教育中实现了多项创新突破，核心在于融合前沿AI技术（如GPT）与个性化教学，通过精准学习状态分析与智能资源推荐，提升教学效率与个性化水平。同时，构建了全面的个性化教学理论框架，为实践提供理论支撑与操作指南。技术层面，开发了智能化教学辅助工具，自动整理、分类并推荐资源，实现教学动态优化。研究方法上，结合量化与质性分析，深入剖析教学模式应用中的问题，助力持续改进。此外，本文还积极整合开放教育资源，推动其有效利用，打破资源壁垒。

本文通过深入研究开放教育资源及人工智能工具在教学中的应用，促进学生的个性化发展，适应行业需求，提升学生竞争力，提高学习效果和学习效率，丰富和完善教育理论，推动高职教育的创新发展，为教育实践提供参考和借鉴。这一研究不仅具有重要的理论价值，也具有广泛的实践意义，有望为教育领域带来新的变革和发展。

参考文献

[1] 胡恒基，于丽娜，王淑娇.现代产业学院建设背景下校企共建特色实验室的实践探索——以山东协和学院人工智能产业学院为例[J].河南教育：高教版（中）， 2023（3）：25-26.

[2] 张明丽，丁月华.基于大数据画像的个性化创新创业教育模式[J].高等工程教育研究， 2023（2）：183-189.

[3] 李洪波.大数据时代高校教育管理的发展探索[C]//教学质量管理研究网络论坛——社会发展与管理分论坛论文集（二）.2023.

[4] 徐小玲，张璐.教育大数据视角下的教学质量评价探讨[J].教育教学论坛， 2023（13）：103-106.

[5] 高翼，彭爽.大数据时代教育信息化平台cMOOC模式建构与发展研究[J].情报科学， 2023， 41（2）：8.

[6] 屈泳，赵洋，吴照奇.高校教育大数据开放共享的保障框架与风险防控研究[J].重庆开放大学学报， 2023， 35（2）：25-31.

[7] 崔佳.大数据驱动下的高等教育转型[J].中国高等教育， 2023（8）：57-60.

[8] 彭明成，郑旭东.大数据驱动职业教育教师培训变革：模式创新与保障路径[J].中国职业技术教育， 2023（15）：30-35.

[9] 于玲玲.大数据时代专业教育与"双创"教育融合现状与对策[J].现代商贸工业， 2023， 44（24）：107-109.

项目基金：本文系 全国工信行指委电子信息分指委2024年度教学研究科研课题，课题名称：开放教育资源应用研究-基于GPT的个性化教学模式研究 课题编号：DZ24078

作者一姓名：杨贺昆；性别：男；出生年月：1992.04；籍贯：河南省平舆县 民族：汉；最高学历：硕士研究生；目前职称：讲师；研究方向：职业教育，大数据，人工智能

2作：肖欢；性别：女；出生年月：1995.08；籍贯：四川省苍溪县 民族：汉；最高学历：硕士研究生；目前职称：讲师；研究方向：职业教育，信息安全，大数据