基于數(shù)據(jù)分析的初中生自適應(yīng)學(xué)習(xí)系統(tǒng)的設(shè)計(jì)與開發(fā)

袁霄 陳俊文 沈一峰

摘? 要：現(xiàn)有網(wǎng)絡(luò)學(xué)習(xí)系統(tǒng)提供千篇一律的學(xué)習(xí)資源，不能根據(jù)用戶特性動態(tài)地呈現(xiàn)個性化學(xué)習(xí)內(nèi)容，而構(gòu)建自適應(yīng)學(xué)習(xí)系統(tǒng)是滿足學(xué)生需求個性化與教學(xué)資源動態(tài)化的有效方案。文章以電子書包為載體，構(gòu)建初中生學(xué)習(xí)者模型和知識模型，設(shè)計(jì)并開發(fā)基于數(shù)據(jù)分析的初中生自適應(yīng)學(xué)習(xí)系統(tǒng)，發(fā)現(xiàn)學(xué)習(xí)規(guī)律，根據(jù)每一個學(xué)習(xí)者的需求和能力為其提供個性化學(xué)習(xí)服務(wù)。

關(guān)鍵詞：數(shù)據(jù)分析;學(xué)習(xí)者模型;知識模型;自適應(yīng)學(xué)習(xí)系統(tǒng);自適應(yīng)推薦

中圖分類號：TP391? ? ? ? ? 文獻(xiàn)標(biāo)志碼：B? ? ? ? ?文章編號：1673-8454（2019）10-0087-04

一、引言

當(dāng)下初中生學(xué)業(yè)負(fù)擔(dān)調(diào)查結(jié)果顯示，學(xué)習(xí)壓力大、課業(yè)負(fù)擔(dān)重已經(jīng)成為初中生普遍存在的問題。盡管我國的素質(zhì)教育制度提出減負(fù)提質(zhì)要求已久，但由于受到教育價值觀和家長、社會等多方面因素的制約，初中生學(xué)業(yè)負(fù)擔(dān)重的問題一直無法得到改善。

移動互聯(lián)、大數(shù)據(jù)、云計(jì)算、人工智能等新興技術(shù)的出現(xiàn)，將智慧教育提升到一個空前矚目的階段，也為解決學(xué)生過重的學(xué)業(yè)壓力問題提供了新的策略。信息技術(shù)在課堂教學(xué)中應(yīng)用的日益深入，促進(jìn)了傳統(tǒng)課堂教學(xué)形式的變革，對提升學(xué)習(xí)者的學(xué)習(xí)質(zhì)量與效率產(chǎn)生了積極影響。利用大數(shù)據(jù)技術(shù)采集和分析學(xué)習(xí)者學(xué)習(xí)所產(chǎn)生的數(shù)據(jù)，可對學(xué)習(xí)者在學(xué)習(xí)過程中的努力程度、學(xué)習(xí)態(tài)度、智力水平、領(lǐng)域能力、交互協(xié)作等多維度進(jìn)行測量[1]，通過深層次挖掘有價值數(shù)據(jù)信息，揭示其內(nèi)在的學(xué)習(xí)規(guī)律。將大數(shù)據(jù)技術(shù)引入到教育領(lǐng)域勢必帶來新一輪的教育變革，利用教育大數(shù)據(jù)分析技術(shù)，可對學(xué)生的學(xué)習(xí)效果做出及時準(zhǔn)確的反饋，提供個性化服務(wù)干預(yù)，有利于促進(jìn)教與學(xué)[2]。

本研究以電子書包為載體，嘗試開發(fā)基于數(shù)據(jù)分析的初中生自適應(yīng)學(xué)習(xí)系統(tǒng)，根據(jù)每一個學(xué)習(xí)者的需求和能力為其提供個性化學(xué)習(xí)服務(wù)，以期減輕初中生學(xué)業(yè)負(fù)擔(dān)。

二、學(xué)習(xí)者模型、知識模型構(gòu)建

1.學(xué)習(xí)者模型構(gòu)建

學(xué)習(xí)者模型是對學(xué)習(xí)者狀態(tài)特征信息的抽象描述，涉及學(xué)習(xí)者的基本信息以及學(xué)習(xí)過程中呈現(xiàn)的興趣偏好、認(rèn)知能力、學(xué)習(xí)態(tài)度等狀態(tài)量。如何準(zhǔn)確描述和量化學(xué)習(xí)者模型，直接影響自適應(yīng)學(xué)習(xí)系統(tǒng)資源推薦質(zhì)量及自適應(yīng)學(xué)習(xí)是否能實(shí)現(xiàn)[3]。本研究結(jié)合中學(xué)生核心素養(yǎng)，采用動態(tài)反饋數(shù)據(jù)和歷史行為數(shù)據(jù)相結(jié)合的數(shù)據(jù)表示方式，預(yù)測學(xué)習(xí)風(fēng)格，發(fā)現(xiàn)學(xué)習(xí)規(guī)律，為學(xué)習(xí)者提供個性化的學(xué)習(xí)服務(wù)。本研究提出的學(xué)習(xí)者模型數(shù)據(jù)維度包括基本信息、興趣偏好、認(rèn)知能力、信息素養(yǎng)、學(xué)習(xí)態(tài)度和學(xué)習(xí)歷史，該模型根據(jù)動態(tài)試題難度算法和認(rèn)知能力更新算法不斷對學(xué)習(xí)者個體肖像進(jìn)行動態(tài)更新，如圖1所示。通過采集字段，可以對學(xué)習(xí)者模型的6個維度進(jìn)行重新定義?；拘畔▽W(xué)生個人和所在班級、學(xué)校的情況，興趣偏好指學(xué)生在學(xué)習(xí)過程中對不同類型資源的使用偏好，信息素養(yǎng)指學(xué)生利用電子書包等信息工具與資源的能力，認(rèn)知能力通過學(xué)生做題情況進(jìn)行評價，學(xué)習(xí)態(tài)度從學(xué)生課前、課后學(xué)生預(yù)復(fù)習(xí)情況進(jìn)行評估，學(xué)習(xí)歷史包括學(xué)生所有的在線學(xué)習(xí)軌跡。

將該模型應(yīng)用于自適應(yīng)學(xué)習(xí)系統(tǒng)的開發(fā)，實(shí)現(xiàn)基于學(xué)習(xí)者認(rèn)知能力、學(xué)習(xí)態(tài)度等進(jìn)行個性化推薦的功能，難點(diǎn)在于確定學(xué)生認(rèn)知水平和試題難度。試題難度分為絕對難度和加權(quán)難度兩類，絕對難度由題目的正確率決定，不同的題目之間通過布置的作業(yè)形成了一個網(wǎng)狀結(jié)構(gòu)，利用PageRank等分布算法，從絕對難度構(gòu)成的矩陣V0可以推算出題目的加權(quán)難度Vn。

2.知識模型構(gòu)建

知識模型是關(guān)于領(lǐng)域知識的元認(rèn)知模型，是自適應(yīng)學(xué)習(xí)系統(tǒng)研究和應(yīng)用的依據(jù)，本研究將知識屬性作為知識模型的核心要素。結(jié)合學(xué)習(xí)者的學(xué)習(xí)目標(biāo)，構(gòu)建網(wǎng)狀結(jié)構(gòu)的知識樹，以樹狀進(jìn)行關(guān)聯(lián)，可以計(jì)算不同知識點(diǎn)之間的親密程度，知識樹最末端的知識點(diǎn)會鏈接不同難度的題目資源，其具體框架如圖2所示。以各學(xué)科知識樹為基礎(chǔ)，以知識點(diǎn)為節(jié)點(diǎn)鏈接題目資源，并形成“知識點(diǎn)-習(xí)題”多層次的管理機(jī)制，如圖3所示。其中，題庫的知識點(diǎn)標(biāo)簽化是整個知識模型構(gòu)建的重點(diǎn)和難點(diǎn)，自適應(yīng)學(xué)習(xí)支持系統(tǒng)在題庫標(biāo)簽化的過程中，采用大數(shù)據(jù)和人工智能相結(jié)合的方法，自動輸出題目的知識點(diǎn)標(biāo)簽，具體步驟如圖4所示。對采集的題目進(jìn)行數(shù)據(jù)預(yù)處理和人工標(biāo)簽后，采用機(jī)器學(xué)習(xí)方法，根據(jù)題目文本信息對題目進(jìn)行自動化的標(biāo)注。

三、自適應(yīng)推薦

自適應(yīng)推薦是自適應(yīng)學(xué)習(xí)系統(tǒng)的核心功能，其基礎(chǔ)是形成基于學(xué)習(xí)者個體的動態(tài)化的知識圖譜，以顯示學(xué)習(xí)者與不同知識點(diǎn)之間的關(guān)聯(lián)性。知識圖譜的本質(zhì)是將不同種類的信息鏈接得到關(guān)系網(wǎng)絡(luò)，將復(fù)雜的學(xué)習(xí)者和知識點(diǎn)以多對多的關(guān)系通過數(shù)據(jù)挖掘、信息處理、知識計(jì)量和圖形繪制顯示出來[4]，來顯示學(xué)習(xí)者個體的知識動態(tài)發(fā)展規(guī)律。

本研究使用Neo4J表示知識點(diǎn)的關(guān)聯(lián)關(guān)系和掌握程度，形成學(xué)習(xí)者學(xué)習(xí)能力模型，如圖5所示：圓點(diǎn)表示每個學(xué)生，矩形框表示知識點(diǎn)，每條連線上的grasp為學(xué)生對某個知識點(diǎn)的掌握度。基于學(xué)習(xí)者學(xué)習(xí)能力模型，構(gòu)建動態(tài)化可實(shí)時更新的知識圖譜，以表現(xiàn)學(xué)習(xí)者個體不同級別的知識點(diǎn)的掌握程度，基于學(xué)習(xí)者個體的知識圖譜，有利于學(xué)習(xí)者進(jìn)行查漏補(bǔ)缺。

基于知識圖譜，本研究采用了兩種自適應(yīng)推薦方法進(jìn)行個性化學(xué)習(xí)內(nèi)容的推薦：

推薦1：基于學(xué)習(xí)者個體知識薄弱點(diǎn)的自適應(yīng)推薦

該方法分析學(xué)習(xí)者的學(xué)習(xí)行為，通過對題目關(guān)鍵詞的抓取，了解學(xué)習(xí)者知識點(diǎn)掌握情況（包括學(xué)習(xí)具體知識點(diǎn)及對應(yīng)題目難度），更新學(xué)習(xí)者知識圖譜，并根據(jù)多目標(biāo)下的排序匹配算法推薦個性化的學(xué)習(xí)內(nèi)容，如圖6所示。

其具體推薦步驟如下：

（1）提取學(xué)生的相關(guān)薄弱知識點(diǎn)，按知識點(diǎn)掌握程度由低到高進(jìn)行排序。例如有三個弱知識點(diǎn)a、b、c，aster_score（a）

（2）從題庫中提取相關(guān)的知識點(diǎn)的題目，按如下算法進(jìn)行選擇：①先從題庫中選擇包含a、b、c三個知識點(diǎn)的題目，放入待選列表;②再從題庫中選擇a、b、c兩個相關(guān)知識點(diǎn)的題目，放入待選列表;③最后從題庫中選擇只包含一個知識的題目，放入待選列表。

（3）在待選列表中對題目的相關(guān)難度進(jìn)行判斷，選擇該題目首次做題正確率作為判斷依據(jù)。

（4）對學(xué)生在對知識點(diǎn)的掌握程度和題目難度進(jìn)行ELO的概率計(jì)算。

（5）如果做題正確概率大于0.5，則表示學(xué)生有較大的可能作對該題目，可以進(jìn)行相關(guān)推薦。

（6）按正確概率的高低選擇，可以對題目的整體難度進(jìn)行控制。

推薦2：基于學(xué)習(xí)者同伴的協(xié)同推薦

如圖7所示，該方法結(jié)合學(xué)習(xí)者的學(xué)習(xí)行為，對學(xué)習(xí)者的個體特征進(jìn)行分析，挑選具有高相似度的學(xué)習(xí)同伴，基于學(xué)習(xí)同伴的錯題集進(jìn)行協(xié)同推薦。

具體推薦步驟如下：

（1）根據(jù)被推薦學(xué)生的做題情況，每個學(xué)生對所有題目進(jìn)行向量編碼，其中-1表示題目做錯，1表示題目作對，0表示沒有做過該題目。

（2）根據(jù)學(xué)生的做題情況的向量，找出最相似的K個學(xué)生，向量的相似度可以使用的余弦夾角進(jìn)行。

（3）從選擇的K個學(xué)生的做題向量中，找出被推薦學(xué)生沒有做過（標(biāo)記為0）。但是其他學(xué)生做錯的題目（標(biāo)記為-1），有一個學(xué)生推薦則次數(shù)加1。

（4）把題目按K個學(xué)生的推薦總次數(shù)排序推送給被推薦學(xué)生。

四、自適應(yīng)學(xué)習(xí)系統(tǒng)的開發(fā)與構(gòu)建

1.自適應(yīng)學(xué)習(xí)系統(tǒng)技術(shù)框架

本研究設(shè)計(jì)開發(fā)的自適應(yīng)學(xué)習(xí)系統(tǒng)以平板為載體，服務(wù)端采用微服務(wù)架構(gòu)，客戶端采用MVP模式和組件式架構(gòu)，支持離線和實(shí)時模式的大數(shù)據(jù)分析，學(xué)習(xí)系統(tǒng)以分布式集群部署，分為基礎(chǔ)設(shè)施平臺建設(shè)、平臺服務(wù)建設(shè)、接入層建設(shè)、服務(wù)層建設(shè)、應(yīng)用層建設(shè)和管理后臺建設(shè)，功能獨(dú)立又具有關(guān)聯(lián)性，具有強(qiáng)可靠性。具體技術(shù)框架如圖8所示。

基礎(chǔ)設(shè)施平臺建設(shè)（IAAS）：建設(shè)云端虛擬化計(jì)算和存儲基礎(chǔ)平臺。

平臺服務(wù)建設(shè)（PAAS）：包括高可用的關(guān)系數(shù)據(jù)庫系統(tǒng)（RDS）、分布式NoSQL數(shù)據(jù)庫系統(tǒng)、高性能高可用高可擴(kuò)展的分布式緩存系統(tǒng)、文件存儲系統(tǒng)、分布式消息系統(tǒng)、內(nèi)容分發(fā)網(wǎng)絡(luò)（CDN）、分布式數(shù)據(jù)索引及檢索系統(tǒng)、日志系統(tǒng)、服務(wù)發(fā)現(xiàn)機(jī)配置系統(tǒng)、系統(tǒng)監(jiān)控等平臺化服務(wù)的建設(shè)。

接入層建設(shè)：包括API網(wǎng)關(guān)、開放數(shù)據(jù)接入、實(shí)時連接接入和門戶網(wǎng)站等的建設(shè)。

服務(wù)層建設(shè)：包括用戶、設(shè)備、應(yīng)用、題庫、微課、資源文件、消息等一系列基礎(chǔ)服務(wù)的構(gòu)建。

應(yīng)用層建設(shè)：針對課前、課堂、課后、課外等一系列應(yīng)用的構(gòu)建。

管理后臺建設(shè)：包括運(yùn)營后臺系統(tǒng)、學(xué)校前臺管理系統(tǒng)、運(yùn)維平臺的構(gòu)建。

2.自適應(yīng)學(xué)習(xí)系統(tǒng)流程

自適應(yīng)學(xué)習(xí)系統(tǒng)借助AI進(jìn)行題目知識點(diǎn)標(biāo)簽化，同時采集學(xué)習(xí)者日常的學(xué)習(xí)日志，以形成動態(tài)化知識圖譜，用于學(xué)習(xí)者個性化的推薦和學(xué)情監(jiān)測下教師個性化教學(xué)補(bǔ)充，流程如圖9所示。

五、自適應(yīng)學(xué)習(xí)系統(tǒng)的實(shí)證研究與成效

為驗(yàn)證自適應(yīng)學(xué)習(xí)系統(tǒng)實(shí)際使用效果，本研究分別選取了杭州綠城育華中學(xué)、麗水東渡中學(xué)等14所中學(xué)開展為期兩年的實(shí)證研究。教學(xué)實(shí)踐表明，與對照班相比，實(shí)驗(yàn)班成績較以往有較大提升，學(xué)優(yōu)生與學(xué)困生的成績也都有所提高。此外，本研究研發(fā)的初中生自適應(yīng)學(xué)習(xí)系統(tǒng)輔助教師完善了課堂教學(xué)，形成了一系列優(yōu)秀教學(xué)案例，推動初中教師在數(shù)學(xué)、英語、科學(xué)等學(xué)科的課堂教學(xué)改革，落實(shí)勇于探究、理性思維、勤于反思等核心素養(yǎng)。

本研究借助初中生學(xué)習(xí)者模型、知識模型及教育大數(shù)據(jù)分析技術(shù)等開發(fā)了可以較為精準(zhǔn)地測量學(xué)習(xí)者真實(shí)學(xué)習(xí)水平及個性化推薦學(xué)習(xí)資源的自適應(yīng)學(xué)習(xí)系統(tǒng)，打破了“一個尺寸適合所有人”的同質(zhì)性[3]。該系統(tǒng)目前已在全國數(shù)百所學(xué)校投入使用，8萬余名學(xué)生在自適應(yīng)學(xué)習(xí)系統(tǒng)的輔助下進(jìn)行個性化學(xué)習(xí)。通過實(shí)證研究，自適應(yīng)學(xué)習(xí)系統(tǒng)能夠有效提高課堂教學(xué)的效率和質(zhì)量。

參考文獻(xiàn)：

[1]李敏，陳小莉.大數(shù)據(jù)環(huán)境下的自適應(yīng)在線學(xué)習(xí)平臺學(xué)習(xí)分析模型設(shè)計(jì)——以重慶廣播電視大學(xué)為例[J].科技資訊，2018，16（6）：169-170+172.

[2]張欣泉.大數(shù)據(jù)在高等教育領(lǐng)域中的應(yīng)用研究[J].山東科技大學(xué)學(xué)報（社會科學(xué)版），2016，18（6）：103-109.

[3]袁路妍.自適應(yīng)學(xué)習(xí)系統(tǒng)個性化知識推薦技術(shù)研究[J].中國教育信息化，2018（24）：94-96.

[4]胡凱，胡茳茳.國家理科基地教育教學(xué)問題研究二十年回眸——基于知識圖譜的科學(xué)計(jì)量學(xué)分析[J].高等理科教育，2014（02）：26-31.（編輯：魯利瑞）