基于BP神經(jīng)網(wǎng)絡(luò)的認(rèn)知診斷方法在個性化教學(xué)中的應(yīng)用

黃宏濤 李世珍 李世玉 宋婷鴿 蘇明驁

【摘要】 規(guī)則空間模型是知識狀態(tài)診斷的有效方法之一，通常需要大量樣本進(jìn)行參數(shù)估計以獲取準(zhǔn)確的診斷結(jié)果，適用于周期長、知識結(jié)構(gòu)復(fù)雜、題量大、學(xué)生多的大型考試。然而，在個性化教學(xué)中往往需要在較短周期內(nèi)開展小樣本診斷測驗，以及時修補學(xué)生個體的知識漏洞，從而避免問題積攢。為此，文章提出基于BP神經(jīng)網(wǎng)絡(luò)的認(rèn)知診斷方法，以降低規(guī)則空間模型對樣本數(shù)量的要求。本文介紹了該方法的相關(guān)概念和原理，描述了其小樣本、實時性、智能化、個性化的特征，圍繞準(zhǔn)備認(rèn)知診斷、開展認(rèn)知診斷、完成補救學(xué)習(xí)三個方面設(shè)計了個性化教學(xué)流程。最后，以《Java語言程序設(shè)計》課程為例，將該方法應(yīng)用于教學(xué)實踐。結(jié)果表明：該方法在小樣本診斷中能準(zhǔn)確得出學(xué)生知識狀態(tài)，為個性化補救教學(xué)提供依據(jù)，從而有效改善學(xué)生學(xué)習(xí)效果;學(xué)生對該方法在個性化教學(xué)中應(yīng)用的滿意度較高。

【關(guān)鍵詞】? BP神經(jīng)網(wǎng)絡(luò);知識狀態(tài);認(rèn)知診斷;個性化學(xué)習(xí);規(guī)則空間;小樣本;實時性;智能化

【中圖分類號】? G40-057? ? ? 【文獻(xiàn)標(biāo)識碼】? A? ? ? 【文章編號】 1009-458x（2019）1-0086-06

一、引言

個性化學(xué)習(xí)尊重學(xué)生個體差異，促進(jìn)學(xué)生個性發(fā)展，是未來教育發(fā)展的方向。實現(xiàn)個性化學(xué)習(xí)的基礎(chǔ)是對學(xué)生知識狀態(tài)進(jìn)行診斷（劉妍， 等， 2017）。目前知識狀態(tài)診斷的有效方法之一是規(guī)則空間模型（Rule Space Model， RSM）。RSM可精確診斷出學(xué)生的知識結(jié)構(gòu)，從而為補救教學(xué)提供依據(jù)。但RSM也存在局限，需要大量樣本進(jìn)行參數(shù)估計以獲取準(zhǔn)確的診斷結(jié)果，通常應(yīng)用于周期長、知識結(jié)構(gòu)復(fù)雜、題量大、學(xué)生多的大型診斷測試（蔡艷， 等， 2013）。與之相悖的是，在實際教學(xué)中，學(xué)生需要在知識習(xí)得后進(jìn)行小樣本認(rèn)知診斷測試，以便及時發(fā)現(xiàn)知識漏洞（牟智佳， 等， 2017），開展個性化補救教學(xué)，從而避免問題積攢。為實現(xiàn)小樣本認(rèn)知診斷在教學(xué)中的應(yīng)用，降低RSM對樣本數(shù)量的要求是解決問題的關(guān)鍵（陳秋梅， 等， 2010）。

隨著人工神經(jīng)網(wǎng)絡(luò)（以下簡稱“神經(jīng)網(wǎng)絡(luò)”）的發(fā)展與應(yīng)用，許多學(xué)者嘗試?yán)蒙窠?jīng)網(wǎng)絡(luò)解決RSM不適用于小樣本認(rèn)知診斷的問題。Gierl等（2008）闡明了神經(jīng)網(wǎng)絡(luò)實現(xiàn)模式識別的原理，描述了它在小樣本認(rèn)知診斷中的應(yīng)用過程。汪玲玲等（2015）將基于BP神經(jīng)網(wǎng)絡(luò)的認(rèn)知診斷方法集成于計算機自適應(yīng)系統(tǒng)，并開展了模擬測試，分析得知該方法的判準(zhǔn)率較為理想。錢錦昕和余嘉元（2010）提出基于神經(jīng)網(wǎng)絡(luò)的PSP方法，該方法可估計群體認(rèn)知缺陷，但不能精確診斷每位學(xué)生的知識結(jié)構(gòu)。為使小樣本認(rèn)知診斷更契合于實際教學(xué)，本研究將RSM與BP神經(jīng)網(wǎng)絡(luò)相結(jié)合，提出了基于BP神經(jīng)網(wǎng)絡(luò)的認(rèn)知診斷方法（Back Propagation Neural Network based Cognitive Diagnosis， 簡稱BPNNCD）。文章介紹了BPNNCD的相關(guān)概念、原理和特征，設(shè)計了在個性化教學(xué)中的應(yīng)用流程，并以《Java語言程序設(shè)計》課程為例開展了教學(xué)實踐。

二、基于BP神經(jīng)網(wǎng)絡(luò)的認(rèn)知診斷方法

（一）相關(guān)概念

認(rèn)知診斷通過可觀察的答題情況推測出不可觀察的知識結(jié)構(gòu)（辛濤， 等， 2015），便于學(xué)生及時發(fā)現(xiàn)自身知識缺陷，從而有針對性地開展補救學(xué)習(xí)。在認(rèn)知診斷中，知識點稱為認(rèn)知屬性，測試題目稱為測試項目;滿足知識依賴關(guān)系的合理知識結(jié)構(gòu)稱為理想屬性模式;不存在失誤或猜測的理想答題結(jié)果稱為期望反應(yīng)模式，理想屬性模式與期望反應(yīng)模式一一對應(yīng);實際答題結(jié)果稱為實際反應(yīng)模式，包括理想的期望反應(yīng)模式和存在誤差的反應(yīng)模式（Gierl， Leighton， & Hunka， 2000）。認(rèn)知診斷的目的是由可能存在誤差的實際反應(yīng)模式判別出其對應(yīng)的理想屬性模式。

神經(jīng)網(wǎng)絡(luò)可以解決由實際反應(yīng)模式到理想屬性模式的非線性映射問題（Lamb， Cavagnetto， & Akmal， 2016）。只需給定訓(xùn)練樣本，以實際反應(yīng)模式為輸入，理想屬性模式為輸出進(jìn)行學(xué)習(xí)訓(xùn)練，就可得出樣本數(shù)據(jù)蘊含的規(guī)律，即期望反應(yīng)模式到理想屬性模式的映射關(guān)系。該神經(jīng)網(wǎng)絡(luò)將可能存在誤差的實際反應(yīng)模式識別為對應(yīng)的理想屬性模式，便實現(xiàn)了對學(xué)生知識狀態(tài)的診斷。BP神經(jīng)網(wǎng)絡(luò)是目前應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)，它通過誤差反傳機制，可最大限度地減少輸出結(jié)果的誤差，故本研究采用BP神經(jīng)網(wǎng)絡(luò)實現(xiàn)認(rèn)知診斷。

（二）原理

RSM包括認(rèn)知屬性與測試項目特征提取階段和模式識別階段，其中模式識別階段需要大量樣本進(jìn)行參數(shù)估計，而BP神經(jīng)網(wǎng)絡(luò)的非線性映射不受樣本數(shù)量限制，在樣本少的情況下也可實現(xiàn)認(rèn)知診斷。因此，本研究將RSM改進(jìn)優(yōu)化，采用BP神經(jīng)網(wǎng)絡(luò)的非線性映射功能進(jìn)行模式識別，最終形成了基于BP神經(jīng)網(wǎng)絡(luò)的認(rèn)知診斷方法。BPNNCD的實現(xiàn)原理如下：①確定診斷考察的認(rèn)知屬性、測試項目及兩者的對應(yīng)關(guān)系;②對認(rèn)知屬性和測試項目進(jìn)行特征提取，生成理想屬性模式與期望反應(yīng)模式;③以期望反應(yīng)模式為輸入，對應(yīng)的理想屬性模式為輸出，訓(xùn)練BP神經(jīng)網(wǎng)絡(luò);④將認(rèn)知診斷的測試結(jié)果轉(zhuǎn)化為實際反應(yīng)模式，并輸入BP神經(jīng)網(wǎng)絡(luò)進(jìn)行模式識別，得出對應(yīng)的理想屬性模式。根據(jù)BP神經(jīng)網(wǎng)絡(luò)輸出的理想屬性模式生成認(rèn)知診斷報告，得到學(xué)生的知識結(jié)構(gòu)，便可為個性化補救學(xué)習(xí)提供指導(dǎo)。

（三）特征

1. 小樣本

在BPNNCD中，BP神經(jīng)網(wǎng)絡(luò)不需要參數(shù)估計，在學(xué)生、知識點和測試題數(shù)量較少的情況下也可進(jìn)行認(rèn)知診斷，降低了認(rèn)知診斷應(yīng)用在教學(xué)中的門檻，有助于個性化教學(xué)的發(fā)展。BPNNCD幫助學(xué)生在習(xí)得少量知識后及時查漏補缺，減輕了他們的學(xué)習(xí)負(fù)擔(dān)。

2. 實時性

BPNNCD的實時性體現(xiàn)在兩個方面：①確定知識點及測試題后，BPNNCD實時訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)，訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)可根據(jù)需要隨時開展課堂測試，及時診斷學(xué)生知識結(jié)構(gòu);②測試完成后，BPNNCD實時給出診斷結(jié)果，為師生分析學(xué)情和開展補救教學(xué)提供依據(jù)，從而幫助學(xué)生及時解決問題。

3. 智能化

智能化是指BP神經(jīng)網(wǎng)絡(luò)的非線性映射能力、泛化能力、容錯能力、自組織自學(xué)習(xí)能力等（Crowe， LaPierre， & Kebritchi， 2017）。非線性映射能力不受樣本數(shù)量限制，可分析輸入輸出數(shù)據(jù)的映射關(guān)系;泛化能力指神經(jīng)網(wǎng)絡(luò)對未訓(xùn)練過的數(shù)據(jù)也能做出正確映射;容錯能力指訓(xùn)練樣本中有個別錯誤或誤差時，不影響樣本整體的規(guī)律;自組織自學(xué)習(xí)能力指神經(jīng)網(wǎng)絡(luò)只需輸入訓(xùn)練樣本和規(guī)定誤差精度即可得出由實際反應(yīng)模式到理想屬性模式的正確映射。智能化增強了BPNNCD的思維與推導(dǎo)能力，降低了診斷結(jié)果的誤差（Bernard， Chang， Popescu， & Graf， 2017），提高了使用者操作的便捷性。

4. 個性化

BPNNCD的個性化體現(xiàn)在兩個方面：①個性化的學(xué)。BPNNCD實現(xiàn)了對每位學(xué)生知識狀態(tài)的診斷，并生成個性化的認(rèn)知診斷報告（Roberts & Gierl， 2010）。個體認(rèn)知診斷報告幫助學(xué)生發(fā)現(xiàn)知識缺陷，提供“量體裁衣”式的補救學(xué)習(xí)指導(dǎo)。②個性化的教（魏雪峰， 等， 2015）。群體認(rèn)知診斷報告幫助教師分析全班總體學(xué)情，避免教師以過去經(jīng)驗和課堂反應(yīng)估計學(xué)生知識缺陷，以便開展科學(xué)、有針對性的補救教學(xué)。

（四）應(yīng)用流程

為使BPNNCD在實際教學(xué)中取得良好的應(yīng)用效果，本研究將BPNNCD集成到基于認(rèn)知診斷的可編程教學(xué)輔助系統(tǒng)（Cognigive Diagnosis based Programmable Teaching Support System， CDPTSS），并設(shè)計了基于CDPTSS的個性化教學(xué)流程（如圖1所示）。該教學(xué)流程分為課前、課中、課后三個階段，分別圍繞準(zhǔn)備認(rèn)知診斷、開展認(rèn)知診斷和完成補救學(xué)習(xí)三個方面描述了教師和學(xué)生在CDPTSS支持下的個性化教學(xué)活動。

1. 課前

準(zhǔn)備認(rèn)知診斷：①教師確定教學(xué)內(nèi)容，上傳教學(xué)資源。教學(xué)資源包括預(yù)習(xí)資源和知識點對應(yīng)的補救學(xué)習(xí)資源等。②學(xué)生完成預(yù)習(xí)任務(wù)。③教師向CDPTSS輸入知識點及依賴關(guān)系和測試題目;CDPTSS生成理想屬性模式與期望反應(yīng)模式對，并訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)。

2. 課中

開展認(rèn)知診斷：①教師講解新知或復(fù)習(xí)總結(jié)。②學(xué)生習(xí)得知識后在CDPTSS進(jìn)行隨堂測試。③CDPTSS收集測試數(shù)據(jù)，將答題情況轉(zhuǎn)化為實際反應(yīng)模式，經(jīng)BP神經(jīng)網(wǎng)絡(luò)模式識別后，得到相應(yīng)的理想屬性模式，生成個體與群體診斷報告。④測試結(jié)束后，學(xué)生獲得個體診斷報告，分析自身學(xué)情;教師獲得群體診斷報告，展開補救教學(xué)，在課堂上解決多數(shù)學(xué)生的共性問題。

3. 課后

完成補救學(xué)習(xí)：CDPTSS根據(jù)個體知識狀態(tài)向每位學(xué)生智能推送其所需的個性化補救學(xué)習(xí)資源。學(xué)生依據(jù)資源自主解決課堂遺留問題，完成補救學(xué)習(xí)（Safadi， 2017）。

三、應(yīng)用方案設(shè)計

（一）應(yīng)用對象和工具

為檢驗BPNNCD在教學(xué)實踐中的應(yīng)用效果，本研究以河南師范大學(xué)2016級106名本科生為研究對象，實施了為期8周的教學(xué)應(yīng)用。其中教育技術(shù)學(xué)專業(yè)56人為實驗組，數(shù)字媒體技術(shù)專業(yè)50人為對照組，平均年齡18歲，男女比例約為1∶5。

本研究選取《Java語言程序設(shè)計》第二章“類與對象的基本概念”為教學(xué)內(nèi)容，由同一教師為兩組學(xué)生分別講授6次課，講授進(jìn)度與內(nèi)容相同。每次課堂學(xué)習(xí)后，實驗組使用CDPTSS進(jìn)行認(rèn)知診斷測試，完成個性化補救學(xué)習(xí);對照組進(jìn)行傳統(tǒng)紙質(zhì)測試，并自行開展補救學(xué)習(xí)。6次課程結(jié)束后，實驗組提交關(guān)于BPNNCD教學(xué)應(yīng)用滿意度的調(diào)查問卷。實驗組與對照組均使用紙質(zhì)試卷開展前測與后測，教師及時統(tǒng)計成績以觀察兩組測試成績差異。最后，使用SPSS 22.0對學(xué)生成績、CDPTSS記錄的相關(guān)數(shù)據(jù)及調(diào)查問卷進(jìn)行統(tǒng)計分析。

（二）應(yīng)用過程

教學(xué)實踐8周安排。第1周前測，測試學(xué)生的初始水平。第2-7周教學(xué)及后測，每周一次教學(xué)活動，每次補救學(xué)習(xí)結(jié)束后、下次教學(xué)活動開始前進(jìn)行后測。第8周發(fā)放與回收調(diào)查問卷，調(diào)查實驗組對BPNNCD教學(xué)應(yīng)用的滿意度，整理分析相關(guān)數(shù)據(jù)和調(diào)查問卷結(jié)果。實驗組與對照組僅有診斷測試與補救學(xué)習(xí)方式不同，無關(guān)因子均保持一致。

（三）教學(xué)案例

下面以《Java語言程序設(shè)計》第二章第2節(jié)為例，介紹實驗組與對照組的教學(xué)案例。

1. 實驗組

課前，教師確定教學(xué)內(nèi)容，準(zhǔn)備教學(xué)資源。本次診斷測試涉及5個知識點（A1類的聲明、A2方法成員、A3包、A4類的訪問控制、A5類成員的訪問控制），對應(yīng)7個測試題目。教師向CDPTSS輸入知識點、測試題目及兩者之間的對應(yīng)關(guān)系（高磊， 等， 2014），然后CDPTSS自動訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)。

課堂兩小節(jié)共90分鐘。前45分鐘教師講授知識點，學(xué)生學(xué)習(xí)知識并做相應(yīng)練習(xí)。之后10分鐘，教師使用CDPTSS開展隨堂測試，學(xué)生完成測試并提交。CDPTSS根據(jù)學(xué)生的答題情況進(jìn)行BP神經(jīng)網(wǎng)絡(luò)模式識別，生成個體與群體的認(rèn)知診斷報告（Kim， 2015）。最后35分鐘，教師依據(jù)群體診斷報告實施有針對性的補救教學(xué)，解決學(xué)生的共性問題。本次測試中全班學(xué)生的知識狀態(tài)分布情況。橫軸表示學(xué)生的“知識狀態(tài)”，由5個二進(jìn)制數(shù)組成，分別表示知識點A1、A2、A3、A4、A5的掌握情況，“0”表示未掌握，“1”表示已掌握（劉慧， 等， 2014）。縱軸為處于該知識狀態(tài)的學(xué)生人數(shù)。例如：處于知識狀態(tài)11000的學(xué)生有3人，這3人已掌握知識點A1和A2，未掌握知識點A3、A4和A5。教師依據(jù)可知實驗組由全未掌握到全部掌握5個知識點的人數(shù)分布，便于教師了解本節(jié)課的學(xué)情。CDPTSS收集全班學(xué)生的知識狀態(tài)，并統(tǒng)計每位學(xué)生各個知識點是否掌握，最終得出全班已掌握知識點A1、A2、A3、A4和A5的人數(shù)分別是多少，為知識點已掌握人數(shù)分布圖。其中5名學(xué)生已掌握A5，掌握人數(shù)最少;33名學(xué)生已掌握A4;33名學(xué)生已掌握A2;51名學(xué)生已掌握A3;56名學(xué)生已掌握A1，即全部掌握（范士青， 等， 2015）。教師依據(jù)，可在剩余的35分鐘講解知識點A2、A3、A4和A5，其中A5為重點講解內(nèi)容，A2和A4次之，A3根據(jù)課堂時間決定是否講解。

課后，學(xué)生在CDPTSS輔助下自主補救課上教師尚未解決的問題。教師只需將知識點對應(yīng)的補救學(xué)習(xí)資源上傳到CDPTSS，系統(tǒng)就可以依據(jù)個體知識狀態(tài)向每位學(xué)生精準(zhǔn)推送其所需的資源。這不僅減輕了教師的教學(xué)負(fù)擔(dān)，也滿足了學(xué)生的個性化需求。

2. 對照組

對照組與實驗組的不同在于，對照組未使用CDPTSS進(jìn)行認(rèn)知診斷，因此，教師與學(xué)生沒有認(rèn)知診斷結(jié)果的輔助，無法開展更為個性化的補救教學(xué)。

對照組與實驗組在教學(xué)過程中的差異。在課前環(huán)節(jié)，對照組只需準(zhǔn)備與實驗組相同的教學(xué)內(nèi)容和測試題目以備課堂使用，不必訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)。在課中環(huán)節(jié)，對照組在課程學(xué)習(xí)結(jié)束后進(jìn)行紙質(zhì)隨堂測試，因此，對照組學(xué)生無法獲得關(guān)于個體知識結(jié)構(gòu)的診斷報告。課堂最后35分鐘，教師實施補救教學(xué)。在沒有認(rèn)知診斷報告輔助的情況下，教師主要以學(xué)生舉手的方式粗略統(tǒng)計對照組的正答率，憑自身經(jīng)驗估計學(xué)生群體知識結(jié)構(gòu)，并據(jù)此選擇相關(guān)知識點組織課堂補救教學(xué)，以解決學(xué)生的共性問題。在課后環(huán)節(jié)，由于沒有認(rèn)知診斷結(jié)果支持，對照組無法獲取個性化的學(xué)習(xí)資源，只能完成教師統(tǒng)一布置的課后作業(yè)以鞏固課堂知識，實現(xiàn)補救學(xué)習(xí)。

四、結(jié)果分析

（一）診斷結(jié)果判準(zhǔn)率

為統(tǒng)計CDPTSS診斷結(jié)果的判準(zhǔn)率，實驗組在課后個性化補救學(xué)習(xí)的同時，需要結(jié)合自身實際知識水平，對診斷結(jié)果做出評價，并提交CDPTSS。CDPTSS記錄6次診斷結(jié)果的判準(zhǔn)率，統(tǒng)計每次診斷結(jié)果判準(zhǔn)率分布在高（90%-100%）、中（80%- 90%）、低（0-80%）段的百分比（如表1所示），最終得到6次診斷結(jié)果的平均判準(zhǔn)率：高判準(zhǔn)率為91.69%，中等判準(zhǔn)率為6.28%，低判準(zhǔn)率為2.03%。由此可見，BPNNCD判準(zhǔn)率較高，能夠滿足課堂認(rèn)知診斷的需要。

（二）學(xué)習(xí)成績

本文對兩組學(xué)生的前測成績進(jìn)行t檢驗，比較實驗組與對照組在開展BPNNCD教學(xué)應(yīng)用前的初始知識水平。分析可得，實驗組（M=74.25， SD=3.943）與對照組（M=75.87， SD=4.812）的前測成績差異不顯著（t=3.681， p=0.92）。說明在開展BPNNCD教學(xué)應(yīng)用前，兩組學(xué)生的初始知識水平相當(dāng)，可以避免由于學(xué)生初始知識水平不同而造成的結(jié)果誤差。

實驗組初次使用CDPTSS，可能存在不熟悉操作流程、不適應(yīng)教學(xué)方法等現(xiàn)象，從而對教學(xué)應(yīng)用結(jié)果造成影響，故本研究開展6次基于認(rèn)知診斷的教學(xué)活動。每次活動結(jié)束后開展后測，記錄兩組學(xué)生的測試成績。文章對6次后測成績進(jìn)行配對樣本t檢驗，比較實驗組與對照組每次測試的得分差異（如表2所示）。在后測1中，實驗組（M=75.39， SD=4.249）與對照組（M=75.16， SD=3.235）的成績差異不顯著（t=3.015， p=0.68）。原因可能有二：一是實驗組不熟悉CDPTSS，不適應(yīng)新的教學(xué)方法;二是實驗組前測沒有使用CDPTSS進(jìn)行個性化補救學(xué)習(xí)。經(jīng)過后測1，學(xué)生逐漸適應(yīng)CDPTSS，并在其輔助下完成補救學(xué)習(xí)。后測2中p<0.05，后測3中p<0.01，后測4-6中p<0.001，實驗組與對照組后測成績存在顯著差異，且差異性增強。對照組缺少認(rèn)知診斷及相關(guān)個性化教學(xué)輔助的支持，故補救學(xué)習(xí)時目標(biāo)模糊，查閱資料耗時較長，這是導(dǎo)致其問題解決率和學(xué)習(xí)效率較低的主要原因。CDPTSS給出的診斷結(jié)果能夠幫助實驗組準(zhǔn)確把握自身知識結(jié)構(gòu)，診斷結(jié)果支持下的個性化資源推薦能夠輔助實驗組彌補知識缺陷，從而開展更具針對性的補救學(xué)習(xí)，最終提高實驗組的問題解決率和學(xué)習(xí)效率。由以上分析可得，BPNNCD及教學(xué)應(yīng)用對實驗組的個性化學(xué)習(xí)具有促進(jìn)作用，學(xué)生成績有所改善。

（三）調(diào)查問卷

本研究調(diào)查了實驗組對BPNNCD教學(xué)應(yīng)用的滿意度（王法玉， 等， 2018），共發(fā)放56份問卷，回收率為100%，有效率為96.43%。問卷采用李克特五級量表（從1分“強烈不同意”到5分“強烈同意”），針對“診斷方法實用性”“診斷報告實用性”“診斷系統(tǒng)易用性”和“課堂應(yīng)用滿意度”四個方面設(shè)計了25個項目，分析結(jié)果如表3所示。

由表3的Cronbachs α 信度系數(shù)可知，調(diào)查結(jié)果的可信度較高。從項目均值來看，“診斷方法實用性”和“診斷報告實用性”的均值接近量表的最高等級（卜彩麗， 等， 2017），說明學(xué)生對其滿意度較高;“診斷系統(tǒng)易用性”和“課堂應(yīng)用滿意度”的均值大于4，說明學(xué)生認(rèn)為診斷系統(tǒng)和課堂應(yīng)用也較為理想。從調(diào)查問卷可以看出，學(xué)生對基于BPNNCD的個性化教學(xué)具有濃厚興趣，并有意愿在課堂中繼續(xù)使用該診斷方法。經(jīng)以上分析可得，學(xué)生對BPNNCD在個性化教學(xué)中的應(yīng)用比較滿意。

五、總結(jié)

文章提出BPNNCD，嘗試解決RSM不適用于小樣本認(rèn)知診斷的問題。本研究將BPNNCD應(yīng)用于教學(xué)實踐，得出相關(guān)結(jié)論：BPNNCD在小樣本認(rèn)知診斷中能準(zhǔn)確診斷學(xué)生知識狀態(tài)，為個性化補救教學(xué)提供依據(jù)，從而有效改善學(xué)生學(xué)習(xí)效果，學(xué)生對BPNNCD教學(xué)應(yīng)用的滿意度較高。但本研究在教學(xué)實踐過程中仍存在局限性，主要表現(xiàn)在以下幾個方面：一是訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)診斷不靈活，一旦增加或減少其特定的認(rèn)知屬性或測試項目，則需要重新訓(xùn)練新的神經(jīng)網(wǎng)絡(luò)用于診斷測試;二是補救教學(xué)資源單一，不能滿足學(xué)生的多樣化需求;三是師生的課堂活動不能很好地契合CDPTSS，教學(xué)流程有待改進(jìn)。后續(xù)研究將不斷優(yōu)化BPNNCD，克服其在個性化教學(xué)中的局限性。

[參考文獻(xiàn)]

卜彩麗，張文蘭，張寶輝，等. 2017. 面向教師培訓(xùn)的翻轉(zhuǎn)課堂探究——以“PPT課件制作”課程為例[J]. 現(xiàn)代教育技術(shù)（01）：81-87.

蔡艷，涂冬波，丁樹良. 2013. 五大認(rèn)知診斷模型的診斷正確率比較及其影響因素：基于分布形態(tài)、屬性數(shù)及樣本容量的比較[J]. 心理學(xué)報（11）：1295-1304.

陳秋梅，張敏強. 2010. 認(rèn)知診斷模型發(fā)展及其應(yīng)用方法述評[J]. 心理科學(xué)進(jìn)展（03）：522-529.

范士青，劉華山. 2015. 小學(xué)三年級學(xué)生整數(shù)減法計算錯誤的認(rèn)知分析[J]. 教育研究與實驗（05）：82-88.

高磊，衷克定. 2014. 認(rèn)知屬性標(biāo)定框架的實證研究——以小學(xué)數(shù)學(xué)為例[J]. 中國電化教育（03）：19-23.

韓力群. 2006. 人工神經(jīng)網(wǎng)絡(luò)教程[M]. 第2版. 北京：北京郵電大學(xué)出版社.

劉慧，邊玉芳. 2014. 留學(xué)生漢語基本顏色詞習(xí)得模式診斷研究——以規(guī)則空間模型為工具[J]. 心理學(xué)探新（01）：29-35.

劉妍，戴靜，石小戀，等. 2107. 認(rèn)知診斷理論在計算機自適應(yīng)測試中的應(yīng)用與啟示[J]. 中國遠(yuǎn)程教育（04）：42-49，71.

牟智佳，武法提. 2017. MOOC學(xué)習(xí)結(jié)果預(yù)測指標(biāo)探索與學(xué)習(xí)群體特征分析[J]. 現(xiàn)代遠(yuǎn)程教育研究（03）：58-66，93.

錢錦昕，余嘉元. 2010. 認(rèn)知診斷中基于神經(jīng)網(wǎng)絡(luò)的PSP方法[J]. 心理科學(xué)（04）：915-917.

汪玲玲，陳平，辛濤，等. 2015. 基于BP神經(jīng)網(wǎng)絡(luò)的認(rèn)知診斷計算機化自適應(yīng)測驗實現(xiàn)[J]. 北京師范大學(xué)學(xué)報（自然科學(xué)版）（02）：206-211.

王法玉，姜妍. 2018. 基于自組織神經(jīng)網(wǎng)絡(luò)和模糊聚類的校園無線網(wǎng)用戶學(xué)習(xí)興趣度行為分析[J]. 計算機應(yīng)用研究（01）：1-2.

魏雪峰，崔光佐. 2015. “一對一”認(rèn)知診斷與干預(yù)的實證研究——以小學(xué)數(shù)學(xué)“眾數(shù)”問題為例[J]. 現(xiàn)代教育技術(shù)（01）：32-38.

辛濤，樂美玲，郭艷芳，等. 2015. 學(xué)業(yè)質(zhì)量標(biāo)準(zhǔn)的建立途徑：基于認(rèn)知診斷的學(xué)習(xí)進(jìn)階方法[J]. 教育學(xué)報（05）：72-79.

Bernard， J.， Chang， T.， Popescu， E.， & Graf， S. （2017）. Learning style Identifier： Improving the precision of learning style identification through computational intelligence algorithms. Expert Systems with Applications， 75： 94-108.

Crowe， D.， LaPierre， M.， & Kebritchi， M. （2017）. Knowledge Based Artificial Augmentation Intelligence Technology： Next Step in Academic Instructional Tools for Distance Learning. TechTrends， 61（5）：494-506.

Gierl， M. J.， Leighton， J.， & Hunka， S. （2000）. Exploring the Logic of Tatsuokas Rule-Space Model for Test Development and Analysis. An NCME Instructional Module. Educational Measurement Issues & Practice， 19（3）： 34-44.

Gierl， M. J.， Zheng， Y.， & Cui， Y. （2008）. Using the Attribute Hierarchy Method to Identify and Interpret Cognitive Skills that Produce Group Differences. Journal of Educational Measurement， 45（1）： 65-89.

Kim， A. Y. （2015）. Exploring Ways to Provide Diagnostic Feedback with an ESL Placement Test： Cognitive Diagnostic Assessment of L2 Reading Ability. Language Testing， 32（2）： 227-258.

Lamb， R.， Cavagnetto， A.， & Akmal， T. （2016）. Examination of the Nonlinear Dynamic Systems Associated with Science Student Cognition While Engaging in Science Information Processing. International Journal of Science and Mathematics Education， 14（1）： 187-205.

Roberts， M. R.， & Gierl， M. J. （2010）. Developing Score Reports for Cognitive Diagnostic Assessments. Educational Measurement Issues & Practice， 29（3）： 25-38.

Safadi， R. （2017）. Knowledge-Integration Processes and Learning Outcomes Associated with a Self-Diagnosis Activity： the Case of 5th-Graders Studying Simple Fractions. International Journal of Science and Mathematics Education， （pp.1-20）.

收稿日期：2017-11-09

定稿日期：2018-01-25

作者簡介：黃宏濤，博士，副教授，碩士生導(dǎo)師;李世珍，碩士研究生;宋婷鴿，碩士研究生;蘇明驁，碩士研究生。河南師范大學(xué)教育學(xué)院（453007）。

李世玉，碩士研究生，綿陽職業(yè)技術(shù)學(xué)院（621000）。

責(zé)任編輯 韓世梅