大數(shù)據(jù)下自適應(yīng)學(xué)習(xí)系統(tǒng)中預(yù)測(cè)模型的構(gòu)建

田 華，何 翼，田 波

?

大數(shù)據(jù)下自適應(yīng)學(xué)習(xí)系統(tǒng)中預(yù)測(cè)模型的構(gòu)建

田 華1，何 翼2，田 波2

（1．銅仁學(xué)院 研究生院，貴州 銅仁 554300； 2．銅仁學(xué)院 大數(shù)據(jù)學(xué)院，貴州 銅仁 554300）

基于典型的自適應(yīng)學(xué)習(xí)系統(tǒng)模型，論述當(dāng)前學(xué)習(xí)分析模型的現(xiàn)狀，提出了以學(xué)習(xí)者數(shù)據(jù)為中心的三分析互聯(lián)1－3－3的預(yù)測(cè)模型結(jié)構(gòu)。對(duì)預(yù)測(cè)模型的原理特點(diǎn)及有效性進(jìn)行了分析，對(duì)相關(guān)的技術(shù)平臺(tái)的發(fā)展進(jìn)行了探討，對(duì)研究自適應(yīng)學(xué)習(xí)系統(tǒng)，特別是學(xué)習(xí)分析模型如何實(shí)現(xiàn)有效預(yù)測(cè)具有較強(qiáng)的參考意義。

自適應(yīng)學(xué)習(xí)系統(tǒng)； 預(yù)測(cè)模型； 數(shù)據(jù)挖掘； 學(xué)習(xí)分析

0．前言

自適應(yīng)學(xué)習(xí)系統(tǒng)(Adaptive Learning System)是一種基于現(xiàn)代教育技術(shù)的學(xué)習(xí)模式，其核心在于使用計(jì)算機(jī)技術(shù)和系統(tǒng)進(jìn)行自適應(yīng)評(píng)估，使得教育素材能夠自適應(yīng)于學(xué)生的反饋和表現(xiàn)。自適應(yīng)學(xué)習(xí)系統(tǒng)能夠?yàn)閷W(xué)習(xí)者提供更精準(zhǔn)的學(xué)習(xí)策略，更高效和個(gè)性的學(xué)習(xí)方法，而這正是未來教育行業(yè)的發(fā)展目標(biāo)。

自適應(yīng)學(xué)習(xí)系統(tǒng)運(yùn)行流程如圖1 所示。其流程分為四步：第一步，學(xué)習(xí)者生成學(xué)習(xí)行為數(shù)據(jù)，經(jīng)過內(nèi)容傳遞模塊，數(shù)據(jù)將被標(biāo)記上時(shí)間戳；第二步，數(shù)據(jù)按照預(yù)先定義的結(jié)構(gòu)存入學(xué)習(xí)者數(shù)據(jù)庫(kù)；第三步，預(yù)測(cè)模塊從學(xué)習(xí)者數(shù)據(jù)庫(kù)和學(xué)生信息系統(tǒng)中采集數(shù)據(jù)，根據(jù)不同的分析目的，調(diào)用不同的分析工具和模型對(duì)數(shù)據(jù)進(jìn)行分析；第四步，自適應(yīng)模塊根據(jù)預(yù)測(cè)模塊中數(shù)據(jù)挖掘和分析的結(jié)果，通過內(nèi)容傳遞模塊為學(xué)習(xí)者提供合適的學(xué)習(xí)指導(dǎo)和學(xué)習(xí)策略。

自適應(yīng)學(xué)習(xí)系統(tǒng)的核心在于預(yù)測(cè)模塊。預(yù)測(cè)模塊的功能是整合系統(tǒng)外部學(xué)習(xí)者信息系統(tǒng)中的數(shù)據(jù)和系統(tǒng)內(nèi)部學(xué)習(xí)者學(xué)習(xí)行為數(shù)據(jù)，通過數(shù)據(jù)挖掘和學(xué)習(xí)分析，對(duì)學(xué)習(xí)者未來的學(xué)習(xí)行為和結(jié)果進(jìn)行預(yù)測(cè)，為自適應(yīng)模塊提供調(diào)整的依據(jù)，將結(jié)論告知教師或管理者以方便其做出判斷，為下一步對(duì)學(xué)習(xí)內(nèi)容進(jìn)行調(diào)整或干預(yù)提供依據(jù)。它是整個(gè)自適應(yīng)學(xué)習(xí)系統(tǒng)的樞紐，對(duì)自適應(yīng)學(xué)習(xí)系統(tǒng)的核心功能起到支撐作用，預(yù)測(cè)模型的優(yōu)劣將直接影響整個(gè)系統(tǒng)的運(yùn)行和功能的實(shí)現(xiàn)。

圖1 基于大數(shù)據(jù)的自適應(yīng)學(xué)習(xí)系統(tǒng)

目前預(yù)測(cè)模型是以學(xué)習(xí)結(jié)果預(yù)測(cè)為基礎(chǔ)，其原理是將預(yù)測(cè)目標(biāo)作為因變量，預(yù)測(cè)指標(biāo)作為自變量，通過分析來探索兩者之間的關(guān)系。學(xué)習(xí)結(jié)果預(yù)測(cè)是通過數(shù)據(jù)分析探索自變量和因變量之間的關(guān)系，確定不同測(cè)量指標(biāo)對(duì)預(yù)測(cè)目標(biāo)的權(quán)重。生成的模型包括基于特定理論設(shè)計(jì)并驗(yàn)證的結(jié)構(gòu)方程模型、基于多元回歸分析生成的學(xué)習(xí)預(yù)測(cè)參數(shù)、決策樹分類模型以及數(shù)學(xué)公式的假設(shè)與驗(yàn)證[2]。在學(xué)習(xí)結(jié)果預(yù)測(cè)目標(biāo)方面，主要是對(duì)學(xué)習(xí)成績(jī)與等級(jí)、學(xué)習(xí)成敗進(jìn)行預(yù)測(cè)。在預(yù)測(cè)變量上，以個(gè)人背景信息、過程性測(cè)評(píng)結(jié)果、學(xué)習(xí)參與狀況、學(xué)習(xí)情緒等方面為主要測(cè)量指標(biāo)[3][4]。其優(yōu)點(diǎn)在于數(shù)據(jù)分析相對(duì)簡(jiǎn)潔，預(yù)測(cè)原理與方法相對(duì)成熟，易于得到預(yù)測(cè)結(jié)果。但也存在不足：一是數(shù)據(jù)來源相對(duì)單一，即學(xué)習(xí)情境不豐富，同時(shí)學(xué)習(xí)行為數(shù)據(jù)多為外部行為數(shù)據(jù)，學(xué)習(xí)者內(nèi)在行為數(shù)據(jù)較少，割裂了內(nèi)在行為與外在行為的關(guān)系；二是采用成熟的預(yù)測(cè)原理與方法多以時(shí)序?yàn)榛A(chǔ)，以多元回歸分析和結(jié)構(gòu)方程模型分析為主的線性分析，但實(shí)際學(xué)習(xí)過程及行為與結(jié)果之間不是單純的線性關(guān)系，導(dǎo)致預(yù)測(cè)結(jié)果未必可靠；三是對(duì)學(xué)習(xí)者的個(gè)性化學(xué)習(xí)指導(dǎo)力度不夠，缺乏激勵(lì)機(jī)制。

針對(duì)現(xiàn)有模型的不足，特別是針對(duì)割裂了內(nèi)在行為與外在行為的關(guān)系，個(gè)性化激勵(lì)不足的缺陷，文中提出了一種以學(xué)習(xí)者數(shù)據(jù)為中心的三分析互聯(lián)預(yù)測(cè)模型，在現(xiàn)有模型的基礎(chǔ)上，增加學(xué)習(xí)者內(nèi)在行為的分析，結(jié)合學(xué)習(xí)者個(gè)性特征對(duì)學(xué)習(xí)目標(biāo)進(jìn)行預(yù)測(cè)，能更好的增強(qiáng)學(xué)習(xí)危機(jī)預(yù)警，強(qiáng)調(diào)有效干預(yù)，更好地為學(xué)習(xí)者自適應(yīng)學(xué)習(xí)服務(wù)。該模型概括為1－3－3模型，即一個(gè)學(xué)習(xí)者數(shù)據(jù)挖掘中心，三個(gè)分析（外在行為分析、內(nèi)在行為分析、個(gè)性特征分析），三個(gè)結(jié)果（學(xué)習(xí)目標(biāo)預(yù)測(cè)、自適應(yīng)處理測(cè)算、風(fēng)險(xiǎn)危機(jī)預(yù)警測(cè)算）。

1．三分析互聯(lián)1－3－3預(yù)測(cè)模型

1．1．模型結(jié)構(gòu)

學(xué)習(xí)者數(shù)據(jù)挖掘中心以自適應(yīng)學(xué)習(xí)系統(tǒng)中的學(xué)生信息系統(tǒng)和學(xué)習(xí)者數(shù)據(jù)庫(kù)為基礎(chǔ)，利用數(shù)據(jù)挖掘原理和算法實(shí)施教育數(shù)據(jù)挖掘，構(gòu)建學(xué)習(xí)者學(xué)習(xí)模型。三分析通過學(xué)習(xí)分析模型完成外在行為分析、內(nèi)在行為分析和個(gè)性特征分析。結(jié)果是通過學(xué)習(xí)分析綜合得出學(xué)習(xí)目標(biāo)預(yù)測(cè)結(jié)果、調(diào)整的途徑、學(xué)習(xí)危機(jī)和風(fēng)險(xiǎn)是什么，其結(jié)構(gòu)如圖2所示。

圖2 三分析互聯(lián)1－3－3的預(yù)測(cè)模型結(jié)構(gòu)

1．2．預(yù)測(cè)原理

三分析互聯(lián)1－3－3的預(yù)測(cè)模型基于教育數(shù)據(jù)挖掘原理，教育數(shù)據(jù)挖掘（EDM）研究涉及計(jì)算機(jī)領(lǐng)域?qū)＜摇⒔逃龑＜?、心理學(xué)家、統(tǒng)計(jì)學(xué)專家等。由于以數(shù)據(jù)挖掘?yàn)楹诵?，相關(guān)算法和理論在計(jì)算機(jī)界研究廣泛而深入。近年來，EDM 已成為一個(gè)獨(dú)立的研究領(lǐng)域，其目的是分析教育系統(tǒng)中產(chǎn)生的獨(dú)特類型的數(shù)據(jù)來解決教育問題。EDM涉及算法的開發(fā)、研究及應(yīng)用，利用算法構(gòu)建并集成出教育數(shù)據(jù)模型，并通過模型分析出海量數(shù)據(jù)背后隱藏的意義。目前，有眾多成熟的計(jì)算機(jī)領(lǐng)域和統(tǒng)計(jì)領(lǐng)域設(shè)計(jì)的數(shù)據(jù)挖掘算法，有許多優(yōu)秀的開源工具供教育學(xué)家和心理學(xué)家使用，如R語(yǔ)言、RapidMiner、KNIME、JHepWork等等，數(shù)據(jù)的統(tǒng)計(jì)與可視化，文本挖掘、WEB挖掘相對(duì)成熟可靠，同時(shí)新的研究和工具對(duì)人的情感個(gè)性特征已能進(jìn)行歸類表述，故通過學(xué)習(xí)者數(shù)據(jù)挖掘中心形成學(xué)習(xí)者模型是可行的。

三分析的基礎(chǔ)是學(xué)習(xí)分析模型，國(guó)內(nèi)外眾多研究者依據(jù)各自實(shí)踐應(yīng)用中的目標(biāo)提出不同的學(xué)習(xí)分析模型，比如Brown的五要素模型，Wolfgang Greller的五要素模型和G. Siemens的學(xué)習(xí)分析過程模型。 Brown的五要素包括數(shù)據(jù)收集(Data Collection)、分析(Analysis)、學(xué)習(xí)(Student Learning)、受益方(Audience)和干預(yù)(Interventions)五大要素[5]。Wolfgang Greller等人從分析目標(biāo)、數(shù)據(jù)類型、分析方法、約束條件以及利益相關(guān)者等角度構(gòu)建了學(xué)習(xí)分析五要素模型[6]。G. Siemens從探究學(xué)習(xí)分析如何重構(gòu)教學(xué)、學(xué)習(xí)、管理過程角度，構(gòu)建了包含收集、分析、預(yù)測(cè)和適應(yīng)性調(diào)整四個(gè)階段學(xué)習(xí)分析過程模型[7]。Tanya Elias從技術(shù)資源視角出發(fā)，提出了以計(jì)算機(jī)、人力、理論和組織為核心的學(xué)習(xí)分析模型[8]。國(guó)內(nèi)學(xué)者李艷燕等在綜合國(guó)外現(xiàn)有學(xué)習(xí)分析模型基礎(chǔ)上系統(tǒng)性地提出學(xué)習(xí)分析概念模型，認(rèn)為學(xué)習(xí)分析主要由五大要素構(gòu)成，即學(xué)習(xí)過程、學(xué)習(xí)環(huán)境、教育環(huán)境、受眾以及五個(gè)環(huán)節(jié)（數(shù)據(jù)采集、數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)分析、數(shù)據(jù)表示與應(yīng)用服務(wù)）[9]。結(jié)合國(guó)內(nèi)實(shí)際，學(xué)習(xí)分析模型實(shí)際建構(gòu)時(shí)主要參考李艷燕的學(xué)習(xí)分析概念模型。同時(shí)，參考Wolfgang Greller的五要素模型中約束條件，即內(nèi)部約束和外部約束的思想，擴(kuò)充了內(nèi)部約束的概念，即不僅僅考慮學(xué)習(xí)者學(xué)習(xí)能力和接受度，還考慮學(xué)習(xí)者情緒、心理相關(guān)的正面或負(fù)面因素。此外，根據(jù)Tanya Elias從技術(shù)資源視角出發(fā)的觀點(diǎn)，強(qiáng)調(diào)學(xué)習(xí)分析是一個(gè)循環(huán)過程，利用學(xué)習(xí)分析結(jié)果來優(yōu)化學(xué)習(xí)過程，并將優(yōu)化、應(yīng)用后的分析結(jié)果再次分享、反饋，如此循環(huán)往復(fù)，以達(dá)到利用學(xué)習(xí)分析對(duì)整個(gè)學(xué)習(xí)過程中的資源利用，達(dá)到持續(xù)改善教育、教學(xué)效果的目的。

2．三分析互聯(lián)1－3－3預(yù)測(cè)模型的特點(diǎn)及有效性

2．1．模型結(jié)構(gòu)

以學(xué)習(xí)者數(shù)據(jù)為中心的三分析互聯(lián)1－3－3預(yù)測(cè)模型結(jié)合目前最新的研究成果，從數(shù)據(jù)挖掘流程起重視學(xué)習(xí)者內(nèi)部因素的影響，結(jié)合傳統(tǒng)的外部因素影響力，深入考慮學(xué)習(xí)者的個(gè)性特征，對(duì)學(xué)習(xí)者的學(xué)習(xí)目標(biāo)進(jìn)行預(yù)測(cè)，分析自適應(yīng)處理的途徑，對(duì)學(xué)習(xí)危機(jī)風(fēng)險(xiǎn)進(jìn)行預(yù)警干預(yù)，同時(shí)將三個(gè)分析結(jié)果傳送至學(xué)習(xí)者、教師、管理者，讓三者從內(nèi)、外、個(gè)性選擇三個(gè)方面進(jìn)行優(yōu)化，達(dá)到自適應(yīng)學(xué)習(xí)的目標(biāo)。

2．2．模型有效性分析

傳統(tǒng)的要素模型較抽象，缺乏具體明確的自適應(yīng)途徑和操作流程。其學(xué)習(xí)分析過程模型，往往過于追求細(xì)節(jié)，缺乏宏觀的思考和整體優(yōu)化。

針對(duì)上述問題，1－3－3預(yù)測(cè)模型以學(xué)習(xí)者數(shù)據(jù)為中心，重點(diǎn)關(guān)注學(xué)習(xí)過程中的行為、情感、個(gè)性，兼顧宏觀要素的控制，可以完成自適應(yīng)學(xué)習(xí)系統(tǒng)的核心預(yù)測(cè)功能?，F(xiàn)實(shí)中，以學(xué)習(xí)過程為核心對(duì)行為和個(gè)性進(jìn)行分析預(yù)測(cè)的學(xué)習(xí)系統(tǒng)有成功的案例，如加拿大安大略的Desire2Learn公司是一家領(lǐng)先的企業(yè)教學(xué)平臺(tái)提供商，它提供全能在線教育，為受教育者帶去統(tǒng)一、均衡的教育平臺(tái)，該平臺(tái)的學(xué)習(xí)分析系統(tǒng)通過收集和分析每個(gè)學(xué)生與學(xué)習(xí)相關(guān)的教育數(shù)據(jù)，診斷學(xué)生學(xué)習(xí)情況，及時(shí)發(fā)現(xiàn)學(xué)生知識(shí)，以便做出教學(xué)調(diào)整與規(guī)劃，該平臺(tái)不僅為教師提供查看班級(jí)表現(xiàn)的整體報(bào)表，也能聯(lián)機(jī)實(shí)時(shí)分析教學(xué)報(bào)表，獲取學(xué)生或課程的詳細(xì)信息，以檢視學(xué)生的能力、參與度和評(píng)估分?jǐn)?shù)[10]，做到以學(xué)習(xí)過程為核心，這說明該模型是能夠取得實(shí)效的。成功的案例還有美國(guó)Knewton自適應(yīng)學(xué)習(xí)平臺(tái)，該平臺(tái)以學(xué)習(xí)過程為主，通過數(shù)據(jù)收集、推斷及建議三部曲來提供個(gè)性化的教學(xué)，并在推斷環(huán)節(jié)加入了心理測(cè)試引擎。總之，1－3－3預(yù)測(cè)模型的最大優(yōu)點(diǎn)是以學(xué)習(xí)過程主，讓學(xué)習(xí)者的學(xué)習(xí)行為數(shù)據(jù)作決策，并將心理情感和個(gè)性納入目標(biāo)分析，系統(tǒng)可以根據(jù)分析自動(dòng)適應(yīng)學(xué)習(xí)過程。同時(shí)，學(xué)習(xí)者、教師、管理者可以從外部對(duì)學(xué)習(xí)的目標(biāo)和內(nèi)容進(jìn)行調(diào)整，同時(shí)可以對(duì)學(xué)習(xí)者的情緒、心理進(jìn)行干預(yù)，從宏觀和微觀雙向保障學(xué)習(xí)者高效的個(gè)性化學(xué)習(xí)。

3．三分析互聯(lián)1－3－3預(yù)測(cè)模型的不足

一是模型對(duì)學(xué)習(xí)者心理情感和個(gè)性的數(shù)據(jù)收集分析有待成熟。預(yù)測(cè)模型需按當(dāng)前技術(shù)水平對(duì)情緒性格納入學(xué)習(xí)分析，可能會(huì)導(dǎo)致內(nèi)在行為分析出現(xiàn)缺陷或不平衡。二是模型由于將教師和管理者作為調(diào)節(jié)干預(yù)的要素納入，會(huì)導(dǎo)致干預(yù)過度的問題，導(dǎo)致與系統(tǒng)自適應(yīng)途徑不匹配或沖突的問題。對(duì)這些問題，有待于進(jìn)一步進(jìn)行研究。

4．結(jié)語(yǔ)

我們已經(jīng)進(jìn)入了一個(gè)“數(shù)據(jù)驅(qū)動(dòng)學(xué)校，分析變革教育”的大數(shù)據(jù)時(shí)代，大數(shù)據(jù)必將改變傳統(tǒng)教育的面貌，“數(shù)據(jù)驅(qū)動(dòng)決策”已經(jīng)成為教育流行語(yǔ)。文中在分析現(xiàn)有自適應(yīng)學(xué)習(xí)系統(tǒng)的工作流程的基礎(chǔ)上，提出并討論了一種以學(xué)習(xí)者數(shù)據(jù)為中心的三分析互聯(lián)預(yù)測(cè)模型結(jié)構(gòu)。通過對(duì)學(xué)習(xí)者內(nèi)在行為的分析，結(jié)合學(xué)習(xí)者個(gè)性特征對(duì)學(xué)習(xí)目標(biāo)進(jìn)行預(yù)測(cè)，能更好地增強(qiáng)學(xué)習(xí)危機(jī)預(yù)警，提高自適應(yīng)學(xué)習(xí)系統(tǒng)的有效性。

自適應(yīng)學(xué)習(xí)系統(tǒng)的應(yīng)用將會(huì)成為一種趨勢(shì)，如何從要素角度進(jìn)行外在調(diào)控，將學(xué)習(xí)者的情緒心理分析作為內(nèi)在因素，教師與管理者如何從正面進(jìn)行干預(yù)調(diào)動(dòng)，是下一步研究工作的重點(diǎn)。

[1] 徐鵬，王以寧， 劉艷華，張海．大數(shù)據(jù)視角分析學(xué)習(xí)變革——美國(guó)《通過教育數(shù)據(jù)挖掘和學(xué)習(xí)分析促進(jìn)教與學(xué)》報(bào)告解讀及啟示[J]．遠(yuǎn)程教育雜志，2013，（6）：11-17．

[2] Ramaswami M, Bhaskaran R. A CHAID based performanceprediction model in educational data mining[J]. International Journalof Computer Science Issues, 2010, 7(1):10-17.

[3] AlShammari I, Aldhafiri M, Al-Shammari Z. A meta-analysis ofeducational data mining on improvements in learning outcomes[J].College Student Journal, 2013, 47(2): 326-333.

[4] Nkhoma M, Sriratanaviriyakul N, Pham Cong H, et al. Examining themediating role of learning engagement, learning process and learningexperience on the learning outcomes through localized real casestudies[J]. Education Training, 2014, 56(4): 287-302.

[5] Brown M. Learning analytics: The coming third wave[DB/OL].https://library.educause.edu/resources/2011/4/learning-analyticsthe-coming-third-wave, 2017-12-05.

[6] Greller, Wolfgang Drachsler, Hendrik. Translating Learning intoNumbers: A Generic Framework for Learning Analytics[J]. Journal ofEducational Technology & Society, 2012, 15(3): 42-57.

[7] Siemens G. What is learning analytics[DB/OL]. http://www.elearnspace.org/blog/2010/08/25/what-are-learning-analytics/,2017-12-05.

[8] Elias T. Learning analytics: Definitions, processes and potential[DB/OL]. http://www.learninganalytics.net/Learning AnalyticsDefinitionsProcessesPotential. pdf, 2017-12-05.

[9] 李艷燕，馬韶茜，黃榮懷．學(xué)習(xí)分析技術(shù):服務(wù)學(xué)習(xí)過程設(shè)計(jì)和優(yōu)化[J]．開放教育研究，2012，18（5）：18-24.．

[10] 王懷波，李冀紅，楊現(xiàn)．目標(biāo)導(dǎo)向的學(xué)習(xí)分析模型構(gòu)建[J]．中國(guó)電化教育，2018（5）：96-102．

Research on the Construction of Forecasting Model in Adaptive Learning System under Big Data

TIAN Hua1, HE Yi2, TIAN Bo2

( 1. Graduate School, Tongren University, Tongren 554300, Guizhou, China; 2. School of Big Data, Tongren University, Tongren554300, Guizhou, China)

Based on the model of the typical adaptive learning system, this paper discusses the current status of the learning analysis model, and puts forward the prediction model structure of three analysis interconnected 1 - 3 - 3, which is centered on the learner's data. The principle and effectiveness of the prediction model are analyzed, and the development of the related technical platform is demonstrated. It has great reference significance for studying the adaptive learning system, especially the learning analysis model and the effective prediction.

adaptive learning system, prediction model, data mining, learning analysis

TP391

A

1673-9639 (2018) 09-0050-04

2018-05-17

貴州省教育廳創(chuàng)新群體重大研究項(xiàng)目（黔教合KY 字[2016]051）；貴州省科技廳科技合作項(xiàng)目（黔科合LH 字 [2015]7251）。

田華（1971-），男，貴州銅仁人，碩士，教授、研究方向：數(shù)據(jù)挖掘，E-mail: 1357134462@qq.com.

（責(zé)任編輯毛志）（責(zé)任校對(duì)謝勇）