大學(xué)生學(xué)習(xí)動(dòng)力模型研究及學(xué)習(xí)原動(dòng)力挖掘

阮淑萍

（武漢船舶職業(yè)技術(shù)學(xué)院公共課部，湖北武漢 430050）

大學(xué)生學(xué)習(xí)動(dòng)力模型研究及學(xué)習(xí)原動(dòng)力挖掘

阮淑萍

（武漢船舶職業(yè)技術(shù)學(xué)院公共課部，湖北武漢 430050）

鑒于當(dāng)今對(duì)大學(xué)生學(xué)習(xí)動(dòng)力的研究缺乏對(duì)各因素間相互制約相互影響的分析。提出大學(xué)生學(xué)習(xí)動(dòng)力三層結(jié)構(gòu)體系，給出了人工智能概率推理數(shù)學(xué)模型。旨在綜合各種制約學(xué)習(xí)的動(dòng)力因素，研究分析各因素間的相互關(guān)系，依托MYCIN信認(rèn)度測(cè)量方法，對(duì)學(xué)習(xí)原動(dòng)力及其相互制約對(duì)學(xué)習(xí)的貢獻(xiàn)度和負(fù)面影響度進(jìn)行深入地分析，以期深入挖掘?qū)W習(xí)原動(dòng)力，研究給出學(xué)習(xí)動(dòng)力的科學(xué)評(píng)判標(biāo)準(zhǔn)，為現(xiàn)代教育理論的發(fā)展作支撐。

大學(xué)生；學(xué)習(xí)原動(dòng)力；層次結(jié)構(gòu)；數(shù)學(xué)模型；學(xué)習(xí)貢獻(xiàn)度；智能分析

0 前言

驅(qū)動(dòng)學(xué)習(xí)的動(dòng)力因素非常多，學(xué)習(xí)動(dòng)力系統(tǒng)是一個(gè)復(fù)雜的系統(tǒng)，學(xué)習(xí)動(dòng)力對(duì)學(xué)習(xí)的貢獻(xiàn)度是一個(gè)不確定的因素。從近年來學(xué)者對(duì)該課題的研究分析，大多數(shù)學(xué)者在宏觀上將學(xué)習(xí)動(dòng)力分內(nèi)部動(dòng)力和外部動(dòng)力并進(jìn)行了總體分析，微觀上僅對(duì)學(xué)習(xí)動(dòng)力的單個(gè)因素進(jìn)行單獨(dú)分析，忽略了各因素間相互制約相互影響對(duì)學(xué)習(xí)的貢獻(xiàn)度。在數(shù)據(jù)評(píng)判標(biāo)準(zhǔn)方面也只是按百分比進(jìn)行自我意識(shí)的判斷，沒有科學(xué)的標(biāo)準(zhǔn)和評(píng)判法則。如文獻(xiàn)［1］設(shè)計(jì)了一種力學(xué)動(dòng)力模型研究學(xué)習(xí)動(dòng)力，沒有對(duì)此模型的合理性進(jìn)行科學(xué)分析，文獻(xiàn)［2］提出預(yù)測(cè)模型以回歸分析理論研究學(xué)習(xí)動(dòng)力，但缺乏各因素間的相互制約相互影響分析。鑒于此，提出大學(xué)生學(xué)習(xí)動(dòng)力模型研究。旨在綜合各種制約學(xué)習(xí)動(dòng)力的影響因素，以智能分析方法，對(duì)各種因素及其間相互制約對(duì)學(xué)習(xí)的貢獻(xiàn)度和負(fù)面影響度進(jìn)行深入地分析，進(jìn)一步挖掘影響學(xué)習(xí)的原動(dòng)力，達(dá)到提高教學(xué)質(zhì)量的目的。

1 學(xué)習(xí)動(dòng)力層次分析

現(xiàn)代大學(xué)生的培養(yǎng)目標(biāo)為：培養(yǎng)專業(yè)領(lǐng)域知識(shí)以適應(yīng)社會(huì)對(duì)專業(yè)技能的需求，培養(yǎng)具有科學(xué)研究創(chuàng)新能力，培養(yǎng)能適應(yīng)社會(huì)所需求的組織管理能力及具有一定文體藝等特長(zhǎng)的綜合素質(zhì)能力。從教育人的角度出發(fā)，為達(dá)到這一目標(biāo)，必須全方位發(fā)掘各種學(xué)習(xí)動(dòng)力，并研究分析，充分調(diào)動(dòng)一切動(dòng)力因素，提高教學(xué)質(zhì)量。

學(xué)習(xí)動(dòng)力的制約因素有很多，如：學(xué)習(xí)興趣、學(xué)習(xí)目的、學(xué)習(xí)態(tài)度、學(xué)習(xí)勤奮度、功利追求、生存需求、求知欲望、探索精神、父母的希望、親朋的鼓勵(lì)、感恩投報(bào)、報(bào)效祖國(guó)、優(yōu)秀學(xué)生先進(jìn)事跡的激勵(lì)、愛情激勵(lì)、任務(wù)激勵(lì)、學(xué)習(xí)氛圍與校風(fēng)的影響、學(xué)習(xí)環(huán)境的影響、教師的引導(dǎo)、同學(xué)與學(xué)長(zhǎng)的引導(dǎo)與鼓勵(lì)、個(gè)人精神修養(yǎng)、優(yōu)良傳統(tǒng)教育的傳承與感染、貧困生的勵(lì)志精神、農(nóng)村學(xué)生的環(huán)境突破、學(xué)習(xí)獎(jiǎng)懲激勵(lì)等等。

除此以外，學(xué)習(xí)還有負(fù)面作用力。如：網(wǎng)絡(luò)與游戲的誘惑、享樂誘惑、好逸惡勞的習(xí)慣、安逸的生活環(huán)境、高消費(fèi)的吸引、戀情的沉迷等等。

通過研究分析，對(duì)以上學(xué)習(xí)動(dòng)力因素根據(jù)其相互間的作用關(guān)系進(jìn)行分類為：學(xué)習(xí)原動(dòng)力、直接學(xué)習(xí)動(dòng)力、學(xué)習(xí)取向。學(xué)習(xí)原動(dòng)力是現(xiàn)實(shí)世界中存在的一種間接影響學(xué)習(xí)的制約因素，學(xué)習(xí)原動(dòng)力分為內(nèi)部原動(dòng)力和外部原動(dòng)力，如圖1所示；直接學(xué)習(xí)動(dòng)力是一種對(duì)學(xué)習(xí)起直接作用的制約因素，直接學(xué)習(xí)動(dòng)力有：學(xué)習(xí)興趣、學(xué)習(xí)目的、學(xué)習(xí)態(tài)度、學(xué)習(xí)收益（功利）；學(xué)習(xí)取向?yàn)閷W(xué)生對(duì)某方面知識(shí)的學(xué)習(xí)偏向［3］。如：公共政治課學(xué)習(xí)取向、公共基礎(chǔ)課（大學(xué)英語(yǔ)、大學(xué)語(yǔ)文、大學(xué)計(jì)算機(jī)）學(xué)習(xí)取向、專業(yè)課學(xué)習(xí)取向、專業(yè)技能課學(xué)習(xí)取向、綜合素質(zhì)能力學(xué)習(xí)取向等五個(gè)方向。學(xué)習(xí)取向也是學(xué)習(xí)動(dòng)力的一種行為表現(xiàn)形式。不同的學(xué)生在這五種學(xué)習(xí)取向方面的表現(xiàn)是不一樣的。如：有的學(xué)生在五個(gè)方面的學(xué)習(xí)動(dòng)力都很強(qiáng)，而有的學(xué)生只在幾方面表現(xiàn)出動(dòng)力強(qiáng)勁，有的學(xué)生對(duì)專業(yè)課學(xué)習(xí)動(dòng)力強(qiáng)，而忽視專業(yè)技能的培養(yǎng)，而有的學(xué)生則恰恰相反。所以要研究學(xué)生學(xué)習(xí)動(dòng)力必須從多層次多方面進(jìn)行分析。

圖1 學(xué)習(xí)原動(dòng)力分類圖

圖2 學(xué)習(xí)動(dòng)力層次關(guān)系結(jié)構(gòu)圖

學(xué)習(xí)原動(dòng)力、直接學(xué)習(xí)動(dòng)力、學(xué)習(xí)取向具有三層結(jié)構(gòu)關(guān)系，如圖2所示。各層制約關(guān)系為：學(xué)習(xí)原動(dòng)力決定驅(qū)動(dòng)直接學(xué)習(xí)動(dòng)力，直接學(xué)習(xí)動(dòng)力決定驅(qū)動(dòng)學(xué)習(xí)取向。

2 學(xué)習(xí)動(dòng)力智能分析模型

2．1 學(xué)習(xí)動(dòng)力數(shù)學(xué)分析模型

學(xué)習(xí)是在學(xué)習(xí)動(dòng)力激發(fā)下所產(chǎn)生的適應(yīng)性和指向性的獲取知識(shí)的行為和過程。故由學(xué)習(xí)動(dòng)力驅(qū)動(dòng)學(xué)習(xí)的數(shù)學(xué)動(dòng)力模型為：

其中f為激發(fā)函數(shù)，xi為學(xué)習(xí)原動(dòng)力，是自變量，yi為學(xué)習(xí)取向，是因變量。yi之間不是獨(dú)立的，也是相互制約的。f是一復(fù)雜的概率函數(shù)，其函數(shù)規(guī)律通過逆向工程（如：座談會(huì)、問卷調(diào)查、案例分析）進(jìn)行系統(tǒng)調(diào)查和智能分析得出。

2．2 學(xué)習(xí)動(dòng)力智能分析算法

學(xué)習(xí)動(dòng)力的智能分析算法有兩種，一種是對(duì)單個(gè)學(xué)習(xí)原動(dòng)力進(jìn)行獨(dú)立分析，這是一種較簡(jiǎn)單的分析方法，也是常用的分析方法。另一種是對(duì)多個(gè)學(xué)習(xí)原動(dòng)力的相互作用進(jìn)行分析，這是一種復(fù)雜的分析方法，有一定的難度和復(fù)雜性，目前研究的成果不多。下面對(duì)這兩種分析方法進(jìn)行探討。

2．2．1 學(xué)習(xí)原動(dòng)力獨(dú)立分析法 該分析方法是對(duì)某個(gè)學(xué)習(xí)原動(dòng)力設(shè)計(jì)相應(yīng)的問題，采用問卷調(diào)查或座談的方式獲取采樣值，計(jì)算采樣值的百分比，依照給定的閾值進(jìn)行評(píng)判得出結(jié)論。

例：要對(duì)專業(yè)課的學(xué)習(xí)動(dòng)力進(jìn)行分析，先設(shè)計(jì)調(diào)查問題如下：

1）你現(xiàn)在成績(jī)狀況？ A、優(yōu)等 B、中等偏上 C、中等 D、中等偏下 E、很差

2）你家里的經(jīng)濟(jì)狀況； A、特困 B、較困難 C、較好 D、好

3）是否是學(xué)生干部。 A、是 B、不是

其中第1題是考察學(xué)習(xí)動(dòng)力結(jié)果的參照題，2～3題是考察學(xué)習(xí)原動(dòng)力的參照題。

依據(jù)學(xué)習(xí)結(jié)果與動(dòng)力表明采樣值進(jìn)行對(duì)照分析，找出它們的因果關(guān)系，進(jìn)一步計(jì)算各原動(dòng)力對(duì)學(xué)習(xí)的貢獻(xiàn)度，再根據(jù)貢獻(xiàn)度調(diào)整給出應(yīng)對(duì)措施。

這種獨(dú)立分析法是當(dāng)前學(xué)者普遍采用的分析法。如文后所列文獻(xiàn)采用的就是這種方法。

3．2．2 學(xué)習(xí)原動(dòng)力相互制約分析法 學(xué)習(xí)原動(dòng)力相互制約分析法是在獨(dú)立分析學(xué)習(xí)動(dòng)機(jī)的基礎(chǔ)上，進(jìn)一步采用人工智能概率推理法分析多個(gè)學(xué)習(xí)原動(dòng)力相互制約相互影響對(duì)學(xué)習(xí)的貢獻(xiàn)度。

人工智能概率推理模型主要用于不確定性推理中，是一種數(shù)據(jù)智能分析模型。這種模型非常多，主要有主觀貝葉斯法，Prospector模型，MYCIN模型等。這里使用MYCIN模型進(jìn)行分析。MYCIN模型采用可信度CF（h，e）作為確定性測(cè)量，主要反映對(duì)不確定知識(shí)增加或減少信任的程度，取值范圍為［－1，＋1］。關(guān)于MYCIN知識(shí)參看文獻(xiàn)［4］。下面利用MYCIN模型對(duì)一具體實(shí)例進(jìn)行分析。例：經(jīng)過調(diào)查得到相關(guān)數(shù)據(jù)如表1所示。表中數(shù)據(jù)為成績(jī)等級(jí)（優(yōu)良、中、差）的人數(shù)?，F(xiàn)要求對(duì)家庭經(jīng)濟(jì)條件、是否為學(xué)生干部及其相互制約對(duì)學(xué)習(xí)貢獻(xiàn)度進(jìn)行分析：1）經(jīng)濟(jì)特困學(xué)生成績(jī)較好的可能性；2）經(jīng)濟(jì)特困且是學(xué)生干部的學(xué)生成績(jī)較好的可能性。

表1 學(xué)習(xí)調(diào)查數(shù)據(jù)

該問題計(jì)算如下：

設(shè)經(jīng)濟(jì)特困生為A，學(xué)生干部為B，成績(jī)優(yōu)良的學(xué)生為C。根據(jù)題意有：被調(diào)查學(xué)生總數(shù)為50人，成績(jī)優(yōu)良的學(xué)生有10人，成績(jī)中等的學(xué)生30人，成績(jī)較差的學(xué)生10人?，F(xiàn)求：CF（C，A），CF（C，A∧B）。

由表中的數(shù)據(jù)可知：P（C）＝10／50＝0．20，P（C／A）＝3／7＝0．4286，P（C／B）＝4／15＝0．2667．

所以：CF（C，A）＝（P（C／A）－P（C））／（1－P（C））＝（0．4286－0．2）／（1－0．2）＝0．2858

CF（C，B）＝（P（C／B－P（C））／（1－P（C））＝（0．2667－0．2）／（1－0．2）＝0．0834

CF（C，A∧B）＝（CF（C，A）＋CF（C，B））／（1－min（｜CF（C，A）｜，｜CF（C，B）｜））

＝（0．2858－0．0834）／（1－0．0834）＝0．4028

分析：因?yàn)镃F（C，A）＝0．2858，說明經(jīng)濟(jì)特困學(xué)生成績(jī)較好有一定的可能性，但可能性不大。

又因?yàn)镃F（C，A∧B）＝0．4028，說明經(jīng)濟(jì)特困且是學(xué)生干部的學(xué)生成績(jī)較好是可能的。

4 結(jié)語(yǔ)

學(xué)習(xí)動(dòng)力受多種學(xué)習(xí)動(dòng)機(jī)制約，有很多不確定性。這需要研究者多角度、多方向設(shè)計(jì)科學(xué)的調(diào)查問卷，在學(xué)生中進(jìn)行全面的調(diào)查，獲取全面的數(shù)據(jù)信息，再利用科學(xué)的智能分析方法，分析挖掘影響學(xué)習(xí)原動(dòng)力。為制定科學(xué)合理的管理制度提供科學(xué)依據(jù)，為提高教學(xué)質(zhì)量作貢獻(xiàn)。

參考文獻(xiàn)：

［1］張順乾，張 垠，何 淼．大學(xué)生學(xué)習(xí)動(dòng)力定性模型概述［J］．價(jià)值工程，2011，23：167～167．

［2］鄭林科，王建利．大學(xué)生學(xué)習(xí)動(dòng)機(jī)激發(fā)學(xué)習(xí)動(dòng)力的預(yù)測(cè)模型研究［J］．西安石油大學(xué)學(xué)報(bào)，2008，17（4）：103～109．

［3］彭緒富．學(xué)習(xí)動(dòng)力層次模型及學(xué)習(xí)原動(dòng)力發(fā)掘研究［J］．福建電腦，2012，（9）：8～9，56．

［4］李 錦，魏廣東．從學(xué)風(fēng)看當(dāng)今大學(xué)生的學(xué)習(xí)原動(dòng)力［J］．校園心理，2010，8（4）：277～278．

［5］劉 娟．當(dāng)代大學(xué)生學(xué)習(xí)動(dòng)力的影響因素研究［J］．高校管理，2011，329（8）：168～169．

［6］戴 蓉．增強(qiáng)大學(xué)生學(xué)習(xí)動(dòng)力的多維度思考及方法［J］．東華大學(xué)學(xué)報(bào)，2011，11（2）：148～151．

［7］吳泉源，劉江寧．人工智能與專家系統(tǒng)［M］．長(zhǎng)沙：國(guó)防科技大學(xué)出版社，1995．

College students’learning motivation model research and learning motive force mining

RUAN Shu－ping

（Wuhan Institute of Shipbuilding Technology，Wuhan 430050，China）

In view of the college students’learning motivation researches now are lack of analysis of restrictions and influences among various factors，three layer structure system of college students’learning motivation is put forward and a artificial intelligence probability reasoning mathematical model is given，Designed to analyze the relationship among the factors with integrating various factors restricted learning motivation and relying on the MYCIN recognition degree measurement method perform an in－depth analysis of learning motivation and its mutual restriction on learning contribution and negative effect，in order to mine learning motivation further．The study provides scientific evaluation standard of the learning motivation which supporting for the development of the modern education theory．

college students；learning motivation；layer structure；mathematical model；learning contribution；intelligent analysis

TP181

A

1009－2714（2016）04－0087－04

10．3969／j．issn．1009－2714．2016．04．019

2016—02—18

阮淑萍（1963— ），女，湖北黃石人，副教授，主要研究方向?yàn)楦叩葦?shù)學(xué)及應(yīng)用．