谢剑刚 肖小红 刘磊
广东开放大学(广东理工职业学院) 广东广州 510091
计算机网络课程具有理论与实践相结合、软硬件交融等特点，不仅理论内容相当繁杂，还需要搭配大量实践环节加以巩固和验证才能达到较好的教学效果。计算机网络的远程实验教学面临着多种难题的困扰，迫切需要新型教学模式的支撑。要从根本上解决远程实验教学中的种种困难，传统方法难以奏效，而是需要借助云计算、大数据、人工智能等前沿智能技术，构建新的教学模式[1-2]。把传统的以教师演示为主的实验教学模式，转变成以学生为主体、融入智能技术的云教育平台为支撑的新型教学模式[3]。
1 远程实验教学面临的问题
在计算机网络教学中，远程实验教学一直是一个难点，面临诸多问题的挑战。远程实验教学与传统线下教学在教学场景、教学内容和教学模式上都存在很大的差异。由于线上教学的特性和信息技术发展的局限性，许多线下教学场景无法直接在线上重现，线下成熟的教学模式和教学内容也可能无法完全适应线上的实验环境。
1.1 教学场景分离
远程实验教学的教学师生往往面临学习时间不一致、学习地点不一致、实验环境不一致等难题。学习时间不一致、地点不一致不仅导致教师和学生互动、监督和指导困难，还导致实验环境难以统一。计算机网络实验教学有软硬件相结合的特殊要求，学生大多无法自备实验所需的硬件设备，安装服务器操作系统和模拟器等仿真软件也经常出现版本不一致、安装失败等意外情况，导致教学过程难以对接。这给实验教学带来了很大的不确定性，学生和教师往往无所适从，教学质量也难以把握。
1.2 教师指导难度大，反馈不及时
远程实验教学给教学互动、监督和指导增加了很大难度。由于无法面对面接触学生，教师通常难以实时把握学生的学习进度，更难以即时对学生学习过程中遇到的各种问题给予反馈。教师们往往不得不使用即时通信软件等工具作为辅助，让学生通过语音聊天或提供截图等多种方式反馈实验中遇到的难题，但是仍然很难满足教学需要，导致反馈效率低下，而这又很容易导致学生学习效果和学习积极性的下降。采取线上线下交融的学习方式能在一定程度上缓解远程指导学生的难题，但也很难达到线下面对面教学同等的指导效果。
1.3 学习记录缺少过程性数据
过程性数据是指学生实验过程中的具体操作、完成情况等必要信息的记录，可以作为远程实验教学中完成情况和成绩评价的重要依据。一些实验平台虽然能够提交和管理实验报告，但缺乏过程性数据。如果没有过程性数据，教师就只能从学生的实验结果或实验报告来了解学生的学习效果。对于完成实验任务有困难的学生，难以了解出现错误的具体原因，也就无法给予针对性指导，对于网上找答案等行为也很难进行有效的判断和监督。
1.4 学习评价体系单一
传统的以教师评分为主的单一评价方式对于远程实验教学而言是不够完善的，教学的目的不是评分，而是引导学生掌握知识点。在传统线下教学中，教师可以实时了解学生的学习情况，随时纠正错误，教师评分作为学习效果的最终总结无可厚非；在远程教学中，仅靠实验完成后的教师评分对学生的学习情况进行评价，仍然无法有效了解学生的学习情况和困难，难以引导学生解决困难，不能达到掌握知识点的目标。
2 融入智能技术策略
在计算机网络课程实验教学中融入智能技术，不仅能够提升教学效果和学生的学习积极性，还能在很大程度上缓解线上实验教学中存在的若干困难，具有重大意义[4]。
通过建立软硬件环境完全一致的实验系统镜像，再结合录制的实验操作微课视频替代面授讲课，就有可能组织基于多媒体、云计算和虚拟化技术的线上实验教学，使学生非常方便地在云端的统一实验环境上随时随地进行实验，这能一定程度上缓解教学场景分离带来的学习时间不一致、学习地点不一致、实验环境不一致等实验难题。
建立基于自动化脚本和数据分析的教学反馈机制，能够程序实现实时监控实验重点知识点或重点步骤的完成情况，并随时给予学生预设的信息反馈作为指导，以此替代教师的现场指导能大大改善线上实验教学反馈途径缺乏、不及时等问题，提升教学效果和学习效率，降低教师指导难度。
很多过程性数据对于教学评价和反馈都是很有意义的，例如键盘鼠标操作次数、间隔、活跃时间等，就能在某种程度上反映学生参与实验的专注度。可以通过智能算法分析过程性数据和学习专注度之间的关系，构造某种智能模型，可以根据采集的数据自动找出学习不够专心的学生并给予指导和评价。对学生参与实验时产生的过程数据进行批量采集，结合大数据分析、人工智能等技术，不仅能够给予学生针对性的实时指导，给予教师教学效果反馈，还有助于建立科学高效的新型智能分析和学习评价体系[5]。
3 融入智能技术实践
计算机网络课程远程实验教学中融入智能技术的具体实践过程可分为课前、课中、课后三个阶段，见图1。课前阶段的主要任务是定制符合云实验平台特性和要求的实验任务，定制包含实验任务所需软硬件环境的云虚拟机镜像；课中的主要任务是在云平台上运行实验镜像完成实验，通过实验平台中安装的智能化脚本收集学习过程数据，并进行实时分析，用智能化方法按阶段性学习进度给予学生反馈指导；课后阶段的主要任务是针对采集的学习过程数据、阶段完成数据、最终实验评分等建立一套实验效果评价体系，对学生的学习过程进行综合评价，对教师进行教学情况反馈。
图1 融入智能技术的远程实验教学基本流程
3.1 整合课程实验教学资源，构建云系统镜像
建立云系统镜像和设计实验任务都难免受到云实验平台中软硬件环境的先天性制约，因此是相辅相成、互相制约的，必须结合实际情况提前做好规划，才能紧密配合达到良好的教学效果。
具体步骤如下：
(1)通过分析当前计算机网络领域典型工程应用案例，综合考虑计算机网络课程的教学内容与远程实验云平台的实验条件的匹配程度，对实验教学内容进行重新整合，剔除了部分难以在平台完成的实验资源,并用其他实验资源替代,最终建立起一套适合云实验平台的计算机网络远程实验教学资源。例如,选择大部分虚拟化平台无法支持华为的eNSP模拟器，则用思科模拟器作为替代；Windows系统存在版权问题，用Linux替代；随着Linux系统的选择，IIS等服务也需要选择替代的软件。
(2)分析当前计算机网络远程实验教学资源及其在云平台上实现所需的软硬件资源清单，整合成一套实验系统环境。制作满足实验系统环境需求的云镜像并上传到实验云平台，为实验任务命题提供基础支持。建立的云系统镜像具体框架见图2。通过完善和改造实验条件，搭建满足计算机网络实验需求的云镜像，为实验任务命题提供基础，也为学生的自主实验提供明确统一的应用环境，进一步调动了学生结合所学理论知识进行实验的积极性。
图2 集成课程资源的云系统镜像
3.2 结合教学内容与云实验平台特色的实验任务设计
全面分析典型的计算机网络实际应用案例，并结合计算机网络课程的实验教学内容与远程实验云平台的实验条件和特性，剔除部分完全不适合在云实验平台上进行的实验内容或重新设计新的实验任务作为替代，对其他实验教学内容则进行适应性改造，形成一套合理科学、难度适中的远程实验任务体系。
对实验文档进行完善，把原来主要通过教师演示教学讲解的内容转变为详细的操作步骤说明，其中的重点或难点内容直接以微课视频的形式嵌入实验文档中，作为教师无法面对面现场演示的补充。
3.3 应用检测脚本实现智能教学反馈
为了能够在实验教学过程中及时给予学生反馈和指导，可以在实验任务中嵌入准确检测学生步骤完成情况的检测脚本，并根据脚本反馈结果实时给出指导意见和修改建议，或将脚本反馈结果作为通往下一实验步骤的进入条件。例如，Linux平台均可支持基于Shell脚本语法的检测脚本，Shell脚本能方便地检测进程的启动与否、文件创建是否、文件内容是否包含某些关键字等。这些检测手段结合清晰的任务目标定义，可以帮助我们找到检查学生实验步骤完成情况的方法，从而对学生的实验效果给予有效反馈。
3.4 形成有效的智能分析和评价系统
很多云实验平台已经能够采集过程性实验数据，例如学习时长、操作时长、总按键次数、重复实验次数、步骤完成数据等，通过这些数据的复合运算又能产生更多有用的数据。这些过程性数据的采集，为构建科学高效的智能分析和评价系统打下了坚实的基础。
3.4.1 错误情况分析和反馈
根据学生的重复实验次数、步骤完成数据等过程性数据，可以对学生掌握实验任务目标的情况进行批量分析评估，从而确定学生普遍难以掌握的知识点有哪些，确定学生掌握各知识点的平均练习次数等。错误情况和重难点分析评估分析对指导远程实验教学的教师具有很大的价值，教师掌握了上述分析评价数据，才能根据学生学习的实际情况，有针对性地给予学生指导，才能更好地完善实验内容和实验目标，达到因材施教的效果。
3.4.2 学习专注度分析和反馈
在线实验过程中，教师虽然无法实时了解学生的学习状态，但是可以通过学习时长、操作时长、按键次数等过程数据综合分析学生的学习专注度。充分利用大批学生实验过程数据，设计多项数据加权的专注度算法，可以对学生的学习专注度进行评分，从中筛选出学习态度存在问题的学生给予督促和批评，或筛选出学习认真刻苦的学生给予奖励。
3.4.3 学习效果评价
学习效果评价仅仅靠教师对实验报告进行评分是不够完善的，依托学生实验过程数据可建立起更科学高效的多层次综合评价体系。各种实验过程数据在不同实验中重要性各有不同，可根据具体实验内容、实验目标及实验步骤难度系数等因素综合考虑设计一套完善的智能学习评价体系。基于学习专注度、实验难度系数、实验目标完成度、实验报告完成度、教师评分数据训练一套卷积神经网络，用于代替传统依靠加权机制构成的评分机制。
结语
本文的教学改革实践取得了阶段性的成果，一定程度上验证了远程实验教育和智能技术的结合应用是远程实验教学发展的一个重要方向，但在智能反馈技术的优化和智能评价体系的完善上还有很大的提升空间，还需要加大研究力度，并不断在实践中检验成效。
