E—Learning背景下基于深度學(xué)習(xí)CNN算法的“導(dǎo)學(xué)激趣”ACT—R模式研究

摘 要：“ACT-R”是一種類似OAR架構(gòu)的網(wǎng)狀結(jié)構(gòu)認(rèn)知模式，又叫做推理思維的自適應(yīng)控制模型，它能在儲存知識時按照情境的“模塊”進(jìn)行組裝。模塊化方式能幫助學(xué)習(xí)者快速分析問題，增加知識的數(shù)量，評價核心問題，提升認(rèn)知深度，創(chuàng)新問題結(jié)構(gòu)，促進(jìn)知識遷移。在“導(dǎo)學(xué)激趣”ACT-R模式上運(yùn)用深度學(xué)習(xí)CNN算法，使教者苦教與受教者苦學(xué)的狀況得以改變。目前，深度學(xué)習(xí)算法運(yùn)用比較成功的是CNN卷積神經(jīng)網(wǎng)絡(luò)算法，在“導(dǎo)學(xué)激趣”ACT-R模式過程中引入CNN，能在激發(fā)學(xué)習(xí)者學(xué)習(xí)興趣的同時，增強(qiáng)學(xué)習(xí)的自信心，有助于促進(jìn)學(xué)習(xí)的深入，學(xué)習(xí)者的思維也能得到啟迪，潛能得到開發(fā)，有助于學(xué)習(xí)者發(fā)展自身的個性品質(zhì)。本項目基于E-Learning時代背景，從深度學(xué)習(xí)的角度出發(fā)，探索研究“導(dǎo)學(xué)激趣”ACT-R模式的基本思路，幫助學(xué)習(xí)者捕獲感知、行為和思想，組織生活語言情景產(chǎn)生智能行為，用以仿真并理解人的認(rèn)知。

關(guān)鍵詞：導(dǎo)學(xué)激趣；深度學(xué)習(xí)；E-Learning；ACT-R模式

中圖分類號：TP18 文獻(xiàn)標(biāo)識碼：A 文章編號：2096-4706（2018）09-0136-03

Abstract：“ACT-R”is a network structure cognitive model of SOAR architecture，also called an adaptive control model of reasoning thinking，which can be assembled according to the“module”of the situation in the storage of knowledge. Modularization can help learners to analyze problems quickly，increase the number of knowledge，evaluate the core issues，improve the depth of cognition，innovate the structure of the problem，and promote knowledge migration. In the“guided learning interesting”ACT-R mode，we use the deep learning CNN algorithm to change the state of hard teaching. At present，the CNN convolution neural network algorithm is successfully used in the depth learning algorithm. The introduction of CNN in the“guided learning interesting”ACT-R model can stimulate learners’ interest in learning，enhance their confidence in learning，and contribute to the deepening of learning. The learners’ thinking dimension can also be enlightened and potential development. It is helpful for the learners to develop their own personality traits. This project is based on the background of the E-Learning era. From the perspective of deep learning，this project explores the basic ideas of the“guided learning interesting”ACT-R model，helping the learners to capture perception，behavior and thought，and organize life language scenarios to generate intelligent behavior to simulate and understand people’s recognition.

Keywords：learning to stimulate interest；deep learning；E-Learning；ACT-R mode

0 引 言

多倫多大學(xué)機(jī)器學(xué)習(xí)領(lǐng)域?qū)＜襀inton教授在美國權(quán)威雜志發(fā)表了關(guān)于深度學(xué)習(xí)和深度網(wǎng)絡(luò)的概念等文章，從此全球開啟了深度學(xué)習(xí)算法研究的熱潮。目前，深度學(xué)習(xí)算法比較成功的應(yīng)用是卷積神經(jīng)網(wǎng)絡(luò)算法（CNN）在各科學(xué)研究領(lǐng)域的具體實(shí)踐。如Facebook的自動圖像標(biāo)注技術(shù)，汽車自動駕駛技術(shù)，阿爾法狗（AlphaGo）人工智能機(jī)器人等。CNN在圖像分類中取得了重大突破。Hinton還提出，E-Learning網(wǎng)絡(luò)電子數(shù)字化時代，要挖掘深度學(xué)習(xí)內(nèi)涵，對于目前知識層面仍停留在淺層階段的人們來說，深度學(xué)習(xí)能更好地揭示問題的癥結(jié)所在，有效促進(jìn)學(xué)習(xí)者學(xué)習(xí)能力的提高。

1 研究意義

ACT-R是目前新教育時代背景下的創(chuàng)新型學(xué)習(xí)模式。它是一種自主探究型學(xué)習(xí)方式，它不僅能幫助學(xué)習(xí)者充分利用學(xué)習(xí)資源，還能充分調(diào)動學(xué)習(xí)者的學(xué)習(xí)積極性和學(xué)習(xí)主動性。

“導(dǎo)學(xué)激趣”ACT-R模式首先站在認(rèn)知結(jié)構(gòu)基礎(chǔ)上激發(fā)學(xué)習(xí)熱情。深度學(xué)習(xí)算法CNN的應(yīng)用可以幫助學(xué)習(xí)者提升淺層知識點(diǎn)的學(xué)習(xí)，促進(jìn)學(xué)習(xí)能力的提高。學(xué)習(xí)者在生動形象的現(xiàn)實(shí)場景中學(xué)習(xí)，不僅可以激發(fā)學(xué)習(xí)熱情，引起內(nèi)心共鳴，還有助于理解學(xué)習(xí)內(nèi)容。良好的、輕松的學(xué)習(xí)氛圍能促進(jìn)學(xué)習(xí)者的心智發(fā)展。傳統(tǒng)學(xué)習(xí)講究的是死記硬背，填鴨式學(xué)習(xí)。若在傳統(tǒng)學(xué)習(xí)過程中采用“導(dǎo)學(xué)激趣”ACT-R模式，使學(xué)習(xí)的過程由被動化為主動、由壓抑化為積極，實(shí)現(xiàn)提高學(xué)習(xí)效率的目的。本項目研究的“導(dǎo)學(xué)激趣”ACT-R模式基于深度學(xué)習(xí)算法CNN，創(chuàng)設(shè)科學(xué)的學(xué)習(xí)情境，目標(biāo)明確，理論與實(shí)踐相結(jié)合，重視學(xué)習(xí)者的主體地位，能夠提高學(xué)習(xí)者的學(xué)習(xí)效果。

2 國內(nèi)外研究現(xiàn)狀

美國“教育技術(shù)白皮書”聲稱E-Learning是一種能對因特網(wǎng)進(jìn)行教育，并提供相對應(yīng)服務(wù)的過程。網(wǎng)絡(luò)促成了學(xué)習(xí)者終身學(xué)習(xí)的可能性。E-Learning重新詮釋了教學(xué)者的作用，重新定義了教與學(xué)之間的關(guān)系，為改變教育的本質(zhì)提供了可能。

瑞典學(xué)者M(jìn)arton和Saljo在研究如何采取措施來閱讀學(xué)術(shù)論文時，首次提出淺層學(xué)習(xí)和深度學(xué)習(xí)的概念。之后，John Biggs、Ramsden、Entwistle分別闡述了淺層學(xué)習(xí)和深度學(xué)習(xí)的相關(guān)理論，并總結(jié)了相關(guān)的特征。Van B.Weigel在研究遠(yuǎn)程教育時也對深度學(xué)習(xí)進(jìn)行了闡述。

著名學(xué)者R.Keith Sawyer認(rèn)為，深度學(xué)習(xí)是一門跨學(xué)科，通過多種研究來認(rèn)知的過程，涉及很多領(lǐng)域。深度學(xué)習(xí)得到了學(xué)術(shù)界和工業(yè)界的廣泛關(guān)注。主要用來研究教與學(xué)，它關(guān)注的是真實(shí)情況下學(xué)習(xí)者的學(xué)習(xí)情況。這些真實(shí)情況有學(xué)校的正式學(xué)習(xí)，也有實(shí)驗室外的非正式學(xué)習(xí)，與傳統(tǒng)認(rèn)知學(xué)科不同，無需嚴(yán)格控制各種變量以及在實(shí)驗室得出結(jié)論才能使用，其主要目的是幫助學(xué)習(xí)者提高學(xué)習(xí)的效率以及學(xué)習(xí)的深度。Henry Markan南非科研團(tuán)隊試圖通過深度學(xué)習(xí)模擬人腦完成各種實(shí)驗。李彥宏在2013年的百度年會上宣布要成立深度學(xué)習(xí)百度研究院。麻省理工大學(xué)在2013年將深度學(xué)習(xí)列為年度第一個十大突破性技術(shù)。2013年10月，臉書Facebook正在試圖通過啟用稱作深度學(xué)習(xí)的人工智能技術(shù)幫助理解它的用戶和相關(guān)數(shù)據(jù)。谷歌研究的“初弈號–AlphaGo”機(jī)器人在2016年圍棋對弈賽上，成功戰(zhàn)敗了世界圍棋冠軍李世石。

浙江大學(xué)肖剛教授提出在E-Learning環(huán)境下探索深度學(xué)習(xí)顯得尤為重要。中國要想在世界科技之林立于不倒之地，應(yīng)該加強(qiáng)國家科技的創(chuàng)新性建設(shè)。當(dāng)年，數(shù)以億記的網(wǎng)民隊伍急劇增長，學(xué)習(xí)者如何在紛雜的網(wǎng)絡(luò)環(huán)境下學(xué)得有用信息，深層學(xué)習(xí)能保障網(wǎng)絡(luò)學(xué)習(xí)的有效性。除此之外，深度學(xué)習(xí)對網(wǎng)絡(luò)學(xué)習(xí)還具有沖擊力，更能彰顯網(wǎng)絡(luò)學(xué)習(xí)的優(yōu)勢，為網(wǎng)絡(luò)學(xué)習(xí)提供了可持續(xù)性。

陜西師范大學(xué)焦建利教授指出深度學(xué)習(xí)不同于其他學(xué)習(xí)，我們之前接收的教育是淺層學(xué)習(xí)，知識只是停留在表面上，學(xué)習(xí)者了解熟記即可，而深度學(xué)習(xí)是一種基于掌握理解應(yīng)用的學(xué)習(xí)。學(xué)習(xí)者在學(xué)習(xí)知識時應(yīng)帶著批判性精神來進(jìn)行學(xué)習(xí)，在原有的認(rèn)知結(jié)構(gòu)中建立新的情景，納入新思想和新知識，從而幫助學(xué)習(xí)者決策問題和解決問題。深度學(xué)習(xí)改變了原有的認(rèn)知結(jié)構(gòu)，變革“實(shí)驗范式”和“哲學(xué)范式”的固有套路，更加關(guān)注人的價值的成長，提升知識深度。

綜上所述，基于學(xué)習(xí)者主觀能動性的建構(gòu)主義學(xué)習(xí)論為深度學(xué)習(xí)可持續(xù)發(fā)展奠定了可靠的理論基礎(chǔ)。深度學(xué)習(xí)的主要理論基礎(chǔ)包括分布式認(rèn)知理論、建構(gòu)主義學(xué)習(xí)理論、連通主義學(xué)習(xí)理論、元認(rèn)知理論、情境認(rèn)知理論等。這些理論的特征和概念為深度學(xué)習(xí)提供了強(qiáng)有力的解釋。

3 研究內(nèi)容

“導(dǎo)學(xué)激趣”ACT-R模式能利用計算機(jī)技術(shù)訓(xùn)練學(xué)習(xí)環(huán)境的認(rèn)知代理過程。通過實(shí)踐，學(xué)習(xí)者不光識記、掌握、應(yīng)用淺層知識，還提高了學(xué)習(xí)興趣，增強(qiáng)了學(xué)習(xí)自我探究性，上升到了深度學(xué)習(xí)的層次。學(xué)習(xí)者最大限度地發(fā)揮主觀能動性，獨(dú)立思考、學(xué)以致用，學(xué)習(xí)效果也顯著的提升。項目組重建知識體系，對知識內(nèi)容進(jìn)行挖掘，變淺層學(xué)習(xí)為深度學(xué)習(xí)，對知識進(jìn)行重組。以深度學(xué)習(xí)CNN算法為主線的知識體系和學(xué)習(xí)內(nèi)容重組，構(gòu)建“導(dǎo)學(xué)激趣”ACT-R模式。

（1）首先，學(xué)習(xí)者應(yīng)該充分掌握學(xué)習(xí)知識點(diǎn)，提煉主要內(nèi)容，在掌握應(yīng)用難點(diǎn)的基礎(chǔ)上結(jié)合深度學(xué)習(xí)算法CNN，對知識的體系和內(nèi)容進(jìn)行重組。宏觀上來看，是以深度學(xué)習(xí)作為主線來貫穿重組后的知識體系；微觀上來看，實(shí)際上是在淺層學(xué)習(xí)基礎(chǔ)上融入其他學(xué)科內(nèi)涵，如ACT-R架構(gòu)。這些知識點(diǎn)的概念和方法以及應(yīng)用符合新時代對人才的要求，符合可持續(xù)發(fā)展的目標(biāo)知識體系和方案。

（2）其次，準(zhǔn)確把握深度學(xué)習(xí)CNN算法的知識要點(diǎn)，及時更新所學(xué)內(nèi)容，對知識點(diǎn)進(jìn)行優(yōu)化修正，組織學(xué)習(xí)者構(gòu)建基于意義的個人學(xué)習(xí)空間，然后在此基礎(chǔ)上，做出內(nèi)容組織的決定方案。個人學(xué)習(xí)空間的建立是一個計劃、學(xué)習(xí)、反饋的循環(huán)過程。每個人都有既定的學(xué)習(xí)目標(biāo)和學(xué)習(xí)偏好，會對自己的學(xué)習(xí)進(jìn)行學(xué)習(xí)投入和目標(biāo)監(jiān)控。學(xué)習(xí)空間的建立與完善需要學(xué)習(xí)者自我選擇學(xué)習(xí)資源和學(xué)習(xí)社群，同伴或者導(dǎo)師的推薦及介紹也起了相當(dāng)大的作用。學(xué)習(xí)者選擇資源和社群進(jìn)行學(xué)習(xí)，從不同的學(xué)習(xí)活動中獲得技能與體驗，評估內(nèi)容、評估自己。

（3）最后，動態(tài)調(diào)整知識體系、不斷修正知識獲取過程，為促進(jìn)“導(dǎo)學(xué)激趣”ACT-R模式建立而制定科學(xué)體系。在“導(dǎo)學(xué)激趣”ACT-R模式中運(yùn)用深度學(xué)習(xí)CNN算法的有這些應(yīng)用，如處理圖像分層，標(biāo)注圖像、生成主題圖像、生成內(nèi)容圖像，標(biāo)注物體。如處理視頻，CNN能將視頻的預(yù)測和標(biāo)準(zhǔn)進(jìn)行細(xì)化。如自然語言方面，CNN能生成對話，生成文本，翻譯機(jī)器。如控制人工智能機(jī)器人方面，深度學(xué)習(xí)算法還能分析更多參數(shù)。

4 研究目標(biāo)

近幾年，深度學(xué)習(xí)是一個備受關(guān)注的研究領(lǐng)域，在機(jī)器學(xué)習(xí)中起著重要的作用。如果說淺層學(xué)習(xí)是機(jī)器學(xué)習(xí)的一次浪潮，那么深度學(xué)習(xí)作為機(jī)器學(xué)習(xí)的一個新領(lǐng)域，將掀起機(jī)器學(xué)習(xí)的又一次浪潮。深度學(xué)習(xí)通過建立、模擬人腦的分層結(jié)構(gòu)，實(shí)現(xiàn)對外部輸入的數(shù)據(jù)進(jìn)行從低級到高級的特征提取，從而能夠解釋外部數(shù)據(jù)。

（1）理論聯(lián)系實(shí)際，迫使傳統(tǒng)學(xué)習(xí)方法迎接新的挑戰(zhàn)?；贓-Learning背景為學(xué)習(xí)者學(xué)習(xí)的知識創(chuàng)設(shè)感興趣的情境。理論是總方針，堅持以理論作指導(dǎo)，一切研究活動的前提都是在理論的框架下進(jìn)行的。每個人都應(yīng)該關(guān)注深度學(xué)習(xí)的教育及其推廣，應(yīng)該注重理論與實(shí)際相結(jié)合，因此必須對學(xué)習(xí)隊伍進(jìn)行規(guī)劃和培養(yǎng)。

（2）以學(xué)習(xí)者群體為主體，重組現(xiàn)有學(xué)習(xí)內(nèi)容知識體系?；谏疃葘W(xué)習(xí)算法CNN，精設(shè)利于學(xué)習(xí)者的探疑情境，利用現(xiàn)代化“導(dǎo)學(xué)激趣”ACT-R模式渲染學(xué)習(xí)氣氛。深度學(xué)習(xí)不同于傳統(tǒng)的學(xué)習(xí)，不像傳統(tǒng)學(xué)習(xí)一樣能起到立竿見影的效果，它只能慢慢滲透。因此，這種重組機(jī)制對于浮躁的學(xué)習(xí)來說，等待知識的效果和時間是不容許的。因此，深度學(xué)習(xí)的實(shí)踐過程很不容易。我們應(yīng)該本著以學(xué)習(xí)知識為主體的原則，充分調(diào)動自我積極性，讓自己的主觀能動性得以發(fā)揮，真正做接納知識的主人。

（3）堅持科學(xué)性原則，重新在所學(xué)知識中植入深度學(xué)習(xí)CNN算法。學(xué)習(xí)者要找準(zhǔn)激發(fā)學(xué)習(xí)興趣的方法，善于“營”勢，強(qiáng)于利導(dǎo)?？梢赃x取部分容易的知識點(diǎn)作為“導(dǎo)學(xué)激趣”ACT-R模式試點(diǎn)，運(yùn)用深度學(xué)習(xí)CNN算法思想規(guī)劃和建設(shè)部分知識資源庫，堅持科學(xué)性原則，實(shí)施深度學(xué)習(xí)的學(xué)習(xí)方法，成熟后再向其他知識點(diǎn)遷移。這個過程必須不斷進(jìn)行優(yōu)化和調(diào)整，既要理論科學(xué)，又要方法科學(xué)。

5 結(jié) 論

目前來看，深度學(xué)習(xí)可以說是學(xué)習(xí)科學(xué)知識的最終目標(biāo)，也是E-Learning時代需要破解的重大難題。學(xué)習(xí)者在學(xué)習(xí)理論時引入深度學(xué)習(xí)概念，同理，在實(shí)踐環(huán)節(jié)也應(yīng)該全面應(yīng)用深度學(xué)習(xí)。理論上仔細(xì)尋求學(xué)習(xí)者所學(xué)知識的關(guān)鍵點(diǎn)，充分挖掘其隱含的興趣所在，適當(dāng)添加深層次知識，逐步達(dá)到訓(xùn)練學(xué)習(xí)者運(yùn)用深度學(xué)習(xí)算法創(chuàng)新思維的能力。因此，在E-Learning背景下，研究將深度學(xué)習(xí)CNN算法運(yùn)用于“導(dǎo)學(xué)激趣”ACT-R模式顯得非常必要。

參考文獻(xiàn)：

[1] 王天欣，張征.基于ACT-R模型的互聯(lián)網(wǎng)交互模式庫設(shè)計 [J].計算機(jī)與數(shù)字工程，2014，42（6）：1095-1099+1103.

[2] 鄧渝.E-learning背景下在線學(xué)習(xí)模式在高校教學(xué)中的應(yīng)用研究 [J].教育教學(xué)論壇，2018（20）：78-79.

作者簡介：黃玲（1984.10-），女，湖南岳陽人，講師，碩士。研究方向：計算機(jī)技術(shù)、圖像處理。