个性化课程设计的实践运作模式

个性化课程的实践是必要的，对个性化课程设计的实践运作也是一个颇有深度的项目。在大数据的引领下，针对个人的个性化课程应当从数据出发，在数据中去发掘学习者的个性特点，发挥学习者的特长和爱好。

首先应当进行数据收集与记录。对数据收集即是数据挖掘。在大数据时代，个人在生活中离不开数据支撑，比如浏览网页、使用校园卡、图书登记，对个人在这些方面信息的了解，可帮助理解学习者个性化的思维方式，指导收集者发现学生的潜在兴趣点。对个人行为数据收集可以利用已有的软件进行。当然，也可以利用对学习者校园卡信息掌握、学习者网页浏览情况掌握、学习者网上学习情况掌握、学习者课业情况综合掌握，在数据收集软件中，形成个人数据地图，指引学生兴趣点。

数据信息收集是第一步，对收集来的信息如何处理呢？这就要进入个性化课程设计的第二步，分析、处理收集的信息，进行个性因素分类。在数据急剧增多的时期，应该重视对数据库的建立。在庞大的数据群体中，对数据进行有效排列并分析，就能够及时提取信息，对收集来的信息进行匹配。在这一步骤里面，前提是对相关数据库建立，然后按照数据库建立—信息整理—信息匹配，即个性信息库—个性因素整理—个性因素匹配三步流程，对数据进行分析、处理，归纳出数据所反映出的学习者学习行为所形成的个性点，为学生个性化定位，形成个性手册。

近年来在广东某学校开展了“一人一张课程表”的行动。该学校课程体系由两部分组成，其一是传统语数外构成的基础学科；其二是以音乐为基础的专业拓展课程。每位孩子都可以挑选一样自己感兴趣的乐器进行器乐演奏学习，接受老师的一对一授课。除了固定在教室内教授的文化课程，每天每个孩子学习音乐课程的时间都属于自己，只有在自己的课程表上，孩子们才能明白自己应该到哪间琴房，才能知道今天是练琴时间还是老师单独辅导的专业课时间，抑或是音乐社团集体的活动时间。

在进行完数据分析与处理，得到学生的个性因素，并在数据库中找到匹配归类之后，就要进行课程的匹配了，这是课程搭建的第三步。在这一步，就需要对数据库中相关的个性因素所匹配的课程及其学习效果进行一一匹配，找到相类似的课程和人员，并结合这些人员所提供的数据信息，对学习者的课程进行匹配，为学习者制定课程，通过先前学习者的学习效果，测试学习者的学习行为信息，给出学习效果预测，并给出对以往学习者失效处的改正意见，使学习者有一个能够匹配已有经验的课程安排。

除了根据个人兴趣爱好所制定的个性化课程以外，还有一些诸如根据学生反馈、学生知识掌握分布的不同而制定的个性化课程。例如，互联网上的某系统为提高用户学习效率，改善学习效果，用户将参照自身知识水平以及测试结果，由系统生成个性化学习路径，用户依照路径进行学习和测试。知识模块按照三级知识点的粒度进行分割，提高用户对于自己学习情况认知与把握。用户通过选择与测试确定要在系统中进行的学习范围，之后通过课前测试确定在此范围中的学习路径，学习路径由章和知识点组成，每部分均包括视频、资料与测试，根据测试的不同结果来对路径进行调整。形成一份初步的课程计划后，需要对课程计划进行评价和调整，然后才能投入运行。对个性化课程的初步成果，应该得到三方面人员的评价。(www.xing528.com)

一是课程专家。课程专家是对课程有着理论知识的科研人员，他们掌握着深厚的专业知识，对课程设计能够提出理论上的建议，并且多年的专业研究带给他们丰富的经验，对课程设计能够提出实质性建议。

二是课程教授者。这一类主要是教师，教师是知识经验的传播者，常年接触一线教学，具有丰富的教学经验，对学生的心理掌握也是非常到位的，因而，依据学生个性来评价课程也是他们的一个优势。

三是学习者。学习者对自己的学习行为、思维兴趣有着自己的感知，对课程设计也是具有发言权的，一个成功的个性化课程设计离不开学习者自己的评估，这也是对课程设计的数据进行证实的一种做法。

在三者的联合评价下，对课程进行调整，最后形成个性化课程并投入使用。之前在在线教育领域，关注学生群体和教学环节的应用层出不穷，五花八门，但是最近出现了面向教师群体的工具。教师能够以日视图或周视图的方式展开课时排期，了解自己当天或当周的教学安排。如果遇到临时请假，其他的代课老师也能依据分享的教案来代讲。通过这个工具，教师能够便捷地设计属于自己的教学方案。