基于機(jī)器學(xué)習(xí)的語(yǔ)義圖示超越碎片化學(xué)習(xí)

付小兵

摘 要：信息化時(shí)代的到來(lái)，泛在技術(shù)的普及使得信息的獲取更加便捷，特別是無(wú)線互聯(lián)網(wǎng)的普及應(yīng)用，潛移默化地改變了人們的生活方式與學(xué)習(xí)方式。碎片化的學(xué)習(xí)方式就是這種改變后不可逆轉(zhuǎn)的學(xué)習(xí)習(xí)慣。文章針對(duì)這其中的碎片化、多任務(wù)和淺層讀圖的現(xiàn)象，試圖提出一種基于機(jī)器學(xué)習(xí)的語(yǔ)義圖示來(lái)超越碎片化的學(xué)習(xí)方式。機(jī)器學(xué)習(xí)根據(jù)我們獲取到的碎片化信息，依據(jù)經(jīng)驗(yàn)、反饋、規(guī)則和推理機(jī)制等從而把各個(gè)碎片化的信息整合聯(lián)系起來(lái)向?qū)W習(xí)者推送可視化的語(yǔ)義圖示。

關(guān)鍵詞：機(jī)器學(xué)習(xí)；碎片化；深度學(xué)習(xí)；語(yǔ)義圖示

1 背景及問題提出

1.1 碎片化學(xué)習(xí)

當(dāng)學(xué)習(xí)者期冀在生活工作的間隙實(shí)現(xiàn)任意時(shí)間、任意地點(diǎn)的學(xué)習(xí)，借助移動(dòng)泛在技術(shù)所實(shí)現(xiàn)的碎片化學(xué)習(xí)也就成為頗具潛力的一種學(xué)習(xí)方式。但是隨之產(chǎn)生的碎片化、多任務(wù)和讀圖等特征所帶來(lái)的學(xué)習(xí)深度問題也浮出水面。學(xué)習(xí)就是對(duì)碎片化的知識(shí)、信息等“構(gòu)件”進(jìn)行加工的過(guò)程[1]。碎片化的信息獲取所構(gòu)成的學(xué)習(xí)，往往具有淺閱讀的特征導(dǎo)致由閱讀所引發(fā)的思考變得支離破碎，進(jìn)而讓知識(shí)與思想也呈現(xiàn)出碎片化的危機(jī)[2]。

1.2 語(yǔ)義圖示

語(yǔ)義圖示，作為承載知識(shí)信息的新一代圖示媒介，將抽象的知識(shí)信息通過(guò)帶有語(yǔ)義規(guī)則的圖形、圖像、動(dòng)畫等可視化元素予以表征，促進(jìn)知識(shí)從認(rèn)識(shí)到理解的過(guò)程[3]。語(yǔ)義圖示可以理解為一張關(guān)系網(wǎng)，確定一個(gè)中心目標(biāo)之后把與它關(guān)系密切的聯(lián)系起來(lái)。概念圖是語(yǔ)義圖示工具的一種，由節(jié)點(diǎn)、連線和連接詞構(gòu)成，其中節(jié)點(diǎn)代表概念，具體符號(hào)表現(xiàn)為幾何圖形或圖案；連線的兩端是節(jié)點(diǎn)，連線可以是單向的、雙向的或沒有方向的，連接各節(jié)點(diǎn)的連線意味著這些節(jié)點(diǎn)之間存在某種關(guān)系；連接詞即連線上的文字，對(duì)節(jié)點(diǎn)之間關(guān)系進(jìn)行文字描述[4]。有研究通過(guò)干預(yù)自然教學(xué)情境，將圖示工具和方法應(yīng)用于協(xié)作任務(wù)設(shè)計(jì)中，發(fā)現(xiàn)圖示方式與工具可以通過(guò)平衡工作記憶、聚焦思考，緩解學(xué)習(xí)者認(rèn)知負(fù)荷，促進(jìn)理解與認(rèn)知并輔助表達(dá)[5]。

1.3 機(jī)器學(xué)習(xí)

其實(shí)“深度學(xué)習(xí)”這個(gè)名詞最早就是機(jī)器學(xué)習(xí)領(lǐng)域使用的。在機(jī)器學(xué)習(xí)中，深度學(xué)習(xí)被定義為“一系列試圖使用多重非線性變換對(duì)數(shù)據(jù)進(jìn)行多層抽象的算法”。機(jī)器學(xué)習(xí)算法是一類從數(shù)據(jù)中自動(dòng)分析獲得規(guī)律，并利用規(guī)律對(duì)未知數(shù)據(jù)進(jìn)行預(yù)測(cè)的算法是對(duì)人的意識(shí)、思維和信息過(guò)程的模擬。而深度學(xué)習(xí)是機(jī)器學(xué)習(xí)中表征學(xué)習(xí)方法的一類。

1.4 教育中的深層學(xué)習(xí)

與計(jì)算機(jī)領(lǐng)域的深度學(xué)習(xí)不同，教育領(lǐng)域的深層學(xué)習(xí)是一種學(xué)習(xí)方式，特指學(xué)習(xí)者進(jìn)行有意義的學(xué)習(xí)。深層學(xué)習(xí)是學(xué)習(xí)者在記憶的基礎(chǔ)上對(duì)知識(shí)進(jìn)行理解、歸納、掌握、運(yùn)用，并結(jié)合原有認(rèn)知結(jié)構(gòu)，建立新舊知識(shí)間的相互聯(lián)系，通過(guò)分析，作出決策和解決問題的學(xué)習(xí)方式。淺層學(xué)習(xí)通常是指只停留于信息的接收層面上，沒有做到對(duì)信息的加工處理，并且無(wú)法做到長(zhǎng)時(shí)記憶。而深層學(xué)習(xí)關(guān)注于對(duì)新知識(shí)的有意義吸收，將它們與已有知識(shí)建立關(guān)聯(lián)，引起對(duì)概念的理解和長(zhǎng)期保留，以便于應(yīng)用到解決在新環(huán)境中所遇到的問題[6]。

2 利用機(jī)器學(xué)習(xí)構(gòu)建語(yǔ)義圖示

在碎片化學(xué)習(xí)的時(shí)代，學(xué)習(xí)者必須突破淺層學(xué)習(xí)的局限，以實(shí)現(xiàn)深度學(xué)習(xí)。碎片化學(xué)習(xí)中信息的片段化拾取往往是零碎的甚至閑散的，這樣的信息獲取往往缺乏對(duì)內(nèi)容的深入思考，不能建立信息的廣泛聯(lián)系，學(xué)習(xí)僅僅停留在淺層面，不易進(jìn)行學(xué)習(xí)的推理。如果學(xué)習(xí)只能停留在這種無(wú)組織、孤立的知識(shí)片段層面，也就難以超越碎片化導(dǎo)致的淺層學(xué)習(xí)局限。超越碎片化實(shí)現(xiàn)深層學(xué)習(xí)，是探索解決碎片化問題的要義。

語(yǔ)義圖示正是提供學(xué)習(xí)者進(jìn)行知識(shí)梳理，建立知識(shí)對(duì)象和屬性、知識(shí)關(guān)系及過(guò)程的知識(shí)模型。語(yǔ)義圖示的這一功能提供了邁向深度學(xué)習(xí)的第一步。語(yǔ)義圖示強(qiáng)調(diào)將抽象的知識(shí)進(jìn)行可視化表征，在可視化界面，學(xué)習(xí)者看到的不是大段文字，而是攜帶語(yǔ)義的圖形、圖像。學(xué)習(xí)者可以更容易地把握知識(shí)的邏輯關(guān)系，建立碎片信息間的聯(lián)系。語(yǔ)義圖示對(duì)信息的可視化加工，大大增加了閱讀的效率，能夠適應(yīng)當(dāng)代人的生活節(jié)奏與閱讀取向。

機(jī)器算法中知識(shí)庫(kù)的作用是存放著搜集來(lái)的知識(shí)，通過(guò)系統(tǒng)地表達(dá)或模塊化，使得計(jì)算機(jī)能夠推論和解決問題。知識(shí)庫(kù)中的知識(shí)通常包含兩種。一是知識(shí)本身，即物質(zhì)及概念的實(shí)體分析、彼此關(guān)系；另一種是人類專家特有的經(jīng)驗(yàn)法則、判斷與直覺[7]。

學(xué)習(xí)者接觸到的各種不同的信息是零碎、分散、缺乏邏輯性和連貫性，其中的一些信息很快便被遺忘。利用語(yǔ)義圖示模型可以解決這些平常我們不留意去發(fā)掘他們之間的聯(lián)系性的信息整合起來(lái)適時(shí)地推送給學(xué)習(xí)者，并能接受學(xué)習(xí)者的反饋。如圖1所示。

如圖2所示，獲得X1，X2，X3…Xn碎片信息。知識(shí)庫(kù)依據(jù)數(shù)據(jù)訓(xùn)練而生成的預(yù)測(cè)模型進(jìn)行推理聚類，計(jì)算出知識(shí)目標(biāo)變量，也就是最后的分類結(jié)果。碎片信息根據(jù)自身的特征確定權(quán)重Q，代表對(duì)最后輸出結(jié)果的影響程度。機(jī)器學(xué)習(xí)根據(jù)經(jīng)驗(yàn)、規(guī)則和反饋來(lái)為不同的信息賦權(quán)重。輸出結(jié)果中M和W分別代表不同的類別，同類別降序排列越靠前的越重要。這里機(jī)器學(xué)習(xí)根據(jù)不同的規(guī)則來(lái)處理碎片信息，同一個(gè)碎片信息經(jīng)過(guò)處理以后可能出現(xiàn)在不同類別中。

碎片化信息在機(jī)器學(xué)習(xí)處理下成為知識(shí)庫(kù)中的知識(shí)?，F(xiàn)在問題是學(xué)習(xí)者獲取的碎片化信息往往難以構(gòu)成一個(gè)比較合理的語(yǔ)義關(guān)系圖。例如學(xué)習(xí)者接觸到“flower”時(shí)候，但是很長(zhǎng)一段時(shí)間內(nèi)也一直沒有出現(xiàn)關(guān)系密切的“l(fā)eaf”，機(jī)器學(xué)習(xí)的規(guī)則應(yīng)能發(fā)現(xiàn)此問題并自動(dòng)增補(bǔ)關(guān)系密切的知識(shí)變量。

模型記錄各類別的碎片信息出現(xiàn)的頻率、時(shí)間甚至地點(diǎn)等，然后根據(jù)這些經(jīng)驗(yàn)分析哪個(gè)時(shí)間段，哪個(gè)地點(diǎn)適合推送什么類別的語(yǔ)義圖示。機(jī)器學(xué)習(xí)通過(guò)先向?qū)W習(xí)者推送未聚類的知識(shí)變量使學(xué)習(xí)者根據(jù)知識(shí)特征進(jìn)行手動(dòng)聚類，并將結(jié)果與機(jī)器學(xué)習(xí)的聚類結(jié)果進(jìn)行匹配，就能發(fā)現(xiàn)學(xué)習(xí)者可能遺漏或者不確定的知識(shí)點(diǎn)，這些反饋信息就代表學(xué)習(xí)者還需努力進(jìn)步的方向。學(xué)習(xí)者可以根據(jù)自身要求將某些知識(shí)變量設(shè)置不同的重要等級(jí)。

3 結(jié)語(yǔ)

學(xué)習(xí)新的知識(shí)有兩種方式：一種是機(jī)械學(xué)習(xí)，學(xué)習(xí)者孤立地學(xué)習(xí)各個(gè)知識(shí)變量；另外一種是有意義的學(xué)習(xí)，學(xué)習(xí)者能將各個(gè)知識(shí)點(diǎn)聯(lián)系起來(lái)并編制一張知識(shí)網(wǎng)絡(luò)。機(jī)械學(xué)習(xí)無(wú)法使得知識(shí)被長(zhǎng)時(shí)記憶，所以只有意義學(xué)習(xí)可以應(yīng)用在解決新問題的情境中，促進(jìn)以后的相關(guān)學(xué)習(xí)。本文所提到的基于機(jī)器學(xué)習(xí)的語(yǔ)義圖示就是旨在促進(jìn)有意義的學(xué)習(xí)。

[參考文獻(xiàn)]

[1]GAGNE E D，YEKOVICH C W，YEKOVICH F R.The cognitive psychology of school learning[M].New York：HarperCollins College Publishers，1993.

[2]李曉源.論網(wǎng)絡(luò)環(huán)境中的“碎片化”閱讀[J].情報(bào)資料工作，2011（6）：84-87.

[3]顧小清，權(quán)國(guó)龍.以語(yǔ)義圖示實(shí)現(xiàn)可視化知識(shí)表征與建模的研究綜述[J].電化教育研究，2014（5）：45-52.

[4]鐘志賢，陳春生.作為學(xué)習(xí)工具的概念地圖[J].中國(guó)電化教育，2004（1）：23-27.

[5]顧小清，權(quán)國(guó)龍，王華克，等.圖示工具在協(xié)作學(xué)習(xí)中的應(yīng)用[J].開放教育研究，2014（6）：64-71.

[6]LIAO S H.Expert system methodologies and applications—a decade review from 1995 to 2004[J].Expert Systems With Applications，2005（1）：93-103.

[7]希建華，趙國(guó)慶.“概念圖”解讀：背景，理論，實(shí)踐及發(fā)展—訪教育心理學(xué)國(guó)際著名專家約瑟夫·D·諾瓦卡教授[J].開放教育研究，2006（1）：4-8.