大學(xué)生學(xué)習(xí)風(fēng)格調(diào)查與分析
——基于Felder-Silverman 及Kolb 量表

李婷婷，周麗萍，黎 明

（1.湖北師范大學(xué) 教育信息與技術(shù)學(xué)院，湖北 黃石 435000；2.湖北省黃石市第二高級(jí)中學(xué)，湖北 黃石 435001）

一、引言

1954 年美國(guó)學(xué)者Herbert·Thelen 首次提出“學(xué)習(xí)風(fēng)格”這一概念以來(lái)，其作為影響學(xué)生學(xué)習(xí)的一種個(gè)性化要素，受到教育者的廣泛關(guān)注。但是不同學(xué)者對(duì)其概念的認(rèn)識(shí)卻不盡統(tǒng)一。有些學(xué)者認(rèn)為學(xué)習(xí)風(fēng)格是某種學(xué)習(xí)方式或?qū)W習(xí)策略；有些學(xué)者則認(rèn)為學(xué)習(xí)風(fēng)格是某種穩(wěn)定的行為表現(xiàn)方式；也有些學(xué)者認(rèn)為學(xué)習(xí)風(fēng)格應(yīng)是某種信息加工方式。關(guān)于學(xué)習(xí)風(fēng)格的研究，在內(nèi)容方面，早期學(xué)習(xí)風(fēng)格偏向于理論研究，重點(diǎn)研究什么是學(xué)習(xí)風(fēng)格、影響學(xué)習(xí)風(fēng)格差異的主要因素是什么，以及怎么恰當(dāng)測(cè)量運(yùn)用學(xué)生學(xué)習(xí)風(fēng)格。例如，有些學(xué)者傾向于研究構(gòu)成及影響學(xué)習(xí)風(fēng)格的要素，[1-2]不同學(xué)習(xí)者學(xué)習(xí)風(fēng)格的基本特征有無(wú)差異等，如高中生、大學(xué)生、網(wǎng)絡(luò)學(xué)習(xí)者的學(xué)習(xí)風(fēng)格是否有某種明顯的特征；[3-5]有些學(xué)者則側(cè)重基于某種已有的學(xué)習(xí)風(fēng)格進(jìn)行調(diào)查或是通過(guò)挖掘?qū)W習(xí)數(shù)據(jù)等來(lái)構(gòu)建某種學(xué)習(xí)風(fēng)格，如常見的基于Kolb、基于Felder-Silverman學(xué)習(xí)風(fēng)格等線下模型基礎(chǔ)上再結(jié)合線上大數(shù)據(jù)，運(yùn)用J48、貝葉斯、邏輯回歸等算法等相互對(duì)比構(gòu)造出學(xué)生學(xué)習(xí)風(fēng)格；[6-8]研究較多的則為不同學(xué)習(xí)風(fēng)格學(xué)習(xí)者與教學(xué)策略、教學(xué)內(nèi)容設(shè)計(jì)等的關(guān)系，即針對(duì)不同學(xué)習(xí)風(fēng)格學(xué)習(xí)者為其設(shè)計(jì)個(gè)性化的高效的教學(xué)策略，以提高其學(xué)習(xí)效率，[9-10]還有不同學(xué)習(xí)風(fēng)格的學(xué)習(xí)者與其學(xué)習(xí)績(jī)效、學(xué)習(xí)過(guò)程等的影響。[11]此外，自2010 年起，學(xué)習(xí)風(fēng)格研究中，在線學(xué)習(xí)，如在線學(xué)習(xí)中學(xué)習(xí)風(fēng)格對(duì)學(xué)生的交互影響、學(xué)習(xí)過(guò)程、學(xué)習(xí)行為、學(xué)習(xí)效率等的影響；[12-14]自適應(yīng)學(xué)習(xí)，如自適應(yīng)系統(tǒng)中學(xué)習(xí)風(fēng)格模型的構(gòu)建，學(xué)習(xí)風(fēng)格研究的方向、研究趨勢(shì)等；[15]遠(yuǎn)程學(xué)習(xí)，如遠(yuǎn)程學(xué)習(xí)中學(xué)習(xí)風(fēng)格測(cè)量方法，遠(yuǎn)程學(xué)習(xí)中學(xué)習(xí)者學(xué)習(xí)風(fēng)格特點(diǎn)類型等字眼逐漸增多，即學(xué)習(xí)風(fēng)格逐漸轉(zhuǎn)向?qū)嵶C研究。[16-18]綜上所述，學(xué)習(xí)風(fēng)格呈現(xiàn)了從理論到實(shí)踐過(guò)渡的趨勢(shì)，經(jīng)歷了因素選擇即構(gòu)成學(xué)習(xí)風(fēng)格的要素、模型表示即構(gòu)造出某種學(xué)習(xí)風(fēng)格測(cè)量表示方法階段，如Kolb 學(xué)習(xí)風(fēng)格量表、模型修正是基于已有的學(xué)習(xí)風(fēng)格不斷加深研究，運(yùn)用算法等數(shù)據(jù)挖掘手段使其更加完善這樣一個(gè)研究重點(diǎn)變化的過(guò)程。學(xué)習(xí)風(fēng)格中的信息加工是指對(duì)信息、知識(shí)的理解方式，分為積極實(shí)踐與反思觀察兩類。積極實(shí)踐類思維學(xué)習(xí)者在學(xué)習(xí)過(guò)程中喜歡做中學(xué)，在實(shí)際生活中解決問(wèn)題，傾向于用具體的方法來(lái)解決問(wèn)題，反思觀察類思維學(xué)習(xí)者顧名思義喜歡認(rèn)真思考、細(xì)心觀察、多角度理解知識(shí)內(nèi)容。這是結(jié)合Felder-Silverman 量表部分維度及Kolb量表對(duì)大三數(shù)學(xué)專業(yè)及文學(xué)專業(yè)學(xué)生學(xué)習(xí)風(fēng)格展開的研究。首先，選取Felder-Silverman 及Kolb 量表所共有的信息加工維度對(duì)其數(shù)學(xué)及歷史專業(yè)學(xué)生進(jìn)行對(duì)比研究。然后，在Kolb 量表中對(duì)這兩類學(xué)生從不同角度重在信息加工維度進(jìn)行對(duì)比分析，比較兩專業(yè)學(xué)生學(xué)習(xí)風(fēng)格是否有明顯差異。以期在后續(xù)自適應(yīng)系統(tǒng)研究里，在學(xué)生模型中針對(duì)不同學(xué)習(xí)風(fēng)格學(xué)生推薦合適的學(xué)習(xí)資源。

二、學(xué)習(xí)風(fēng)格

1.基本理論

盡管自美國(guó)學(xué)者首次提出“學(xué)習(xí)風(fēng)格”以來(lái)，不同的學(xué)者對(duì)其概念的認(rèn)識(shí)不盡統(tǒng)一，但都認(rèn)為學(xué)習(xí)風(fēng)格具有獨(dú)特性、穩(wěn)定性兼有個(gè)性兩種功能。[19]即學(xué)習(xí)風(fēng)格在個(gè)體中一定程度上是穩(wěn)定的，通過(guò)一定方法是可以測(cè)量而知的，且在一段時(shí)間內(nèi)不會(huì)改變，但同時(shí)又是具有個(gè)性的，即不同學(xué)習(xí)者的學(xué)習(xí)風(fēng)格是有差異的。此文章就是基于學(xué)習(xí)風(fēng)格的這一特性而展開研究。學(xué)習(xí)風(fēng)格的準(zhǔn)確測(cè)試方法一直是學(xué)者致力研究的。目前為止，測(cè)試學(xué)習(xí)風(fēng)格一般有線上線下兩種方法，線上是通過(guò)收集學(xué)習(xí)者在某一學(xué)習(xí)平臺(tái)某一時(shí)間段的學(xué)習(xí)數(shù)據(jù)。通過(guò)某種特定的大數(shù)據(jù)處理方法而得到，線下則是運(yùn)用某些已被認(rèn)可的學(xué)習(xí)風(fēng)格測(cè)試量表而得，目前，較為認(rèn)可的學(xué)習(xí)風(fēng)格測(cè)量量表模型有Felder-Silverman 學(xué)習(xí)風(fēng)格模型及Kolb學(xué)習(xí)風(fēng)格模型等。

2.量表測(cè)量方法

Felder-Silverman 學(xué)習(xí)風(fēng)格模型中，從知識(shí)的加工、感知、輸入、理解四個(gè)方面將學(xué)習(xí)風(fēng)格分成了四組。在知識(shí)的加工中分為活躍型與沉思型，感知中分為感悟型與直覺(jué)型，輸入中分為視覺(jué)型與言語(yǔ)型，知識(shí)的理解中則分為序列型與綜合型。Kolb 學(xué)習(xí)風(fēng)格模型在學(xué)習(xí)四階段中形成了具體經(jīng)驗(yàn)、反思觀察、抽象概括和積極實(shí)踐四種適應(yīng)性學(xué)習(xí)模型。其中具體經(jīng)驗(yàn)和抽象概括是一個(gè)人偏好的感知維度的兩個(gè)極端，反思觀察與積極實(shí)踐則是信息加工維度的兩個(gè)極端。這樣，在感知維度與信息加工維度可以組合形成發(fā)散型思維、聚合型思維、吸收型思維和適應(yīng)型思維四種學(xué)習(xí)方式，如圖1所示。對(duì)四種典型的學(xué)習(xí)風(fēng)格描述如下：[20]①發(fā)散型思維，學(xué)習(xí)者通常用具體的思維方式感知信息，并對(duì)這些信息進(jìn)行反思式的加工，這類學(xué)習(xí)者需要獨(dú)自從事學(xué)習(xí)活動(dòng)。②聚合型思維，學(xué)習(xí)者常用抽象思維方式感知信息，并對(duì)這些信息進(jìn)行反思式的加工；在學(xué)習(xí)活動(dòng)中，他們需要根據(jù)相近的、程序化的步驟進(jìn)行思考。③吸收型思維，學(xué)習(xí)者常用抽象的思維方式感知信息，并對(duì)這些信息進(jìn)行積極的加工；在學(xué)習(xí)活動(dòng)中，他們需要投入實(shí)際問(wèn)題的解決過(guò)程。④適應(yīng)型思維，學(xué)習(xí)者通常應(yīng)用具體的思維方式感知信息，并對(duì)這些信息進(jìn)行積極的加工；他們?cè)趯W(xué)習(xí)活動(dòng)中需要冒險(xiǎn)，進(jìn)行變革實(shí)驗(yàn)，而且具有靈活性。

圖1 學(xué)習(xí)方式

Felder-Silverman 量表中，a、b 選項(xiàng)前系數(shù)為1、3，則為平衡型學(xué)習(xí)風(fēng)格，其余5a、7a、9a、11a 為積極型學(xué)習(xí)風(fēng)格，5b、7b、9b、11b 則為沉思型學(xué)習(xí)風(fēng)格。Kolb 量表中，感知維度具體的經(jīng)驗(yàn)命名為0，抽象的概括命名為1，對(duì)量表12 道題同一選項(xiàng)合計(jì)相加后，取數(shù)值大的這一維度對(duì)應(yīng)0 或1 即可。同理，在信息處理維度積極實(shí)踐命名為0，反思觀察命名為1。（此處在信息加工維度命名0 的需是主動(dòng)的實(shí)驗(yàn)而不能是省思的觀察，應(yīng)與感知維度命名為同一方向，便于之后研究）最后可組合形成00、01、10、11 這四種類型，分別對(duì)應(yīng)適應(yīng)型、發(fā)散型、聚合型、吸收型四種思維模式。顯然第一位以0 開頭是感知維度的具體經(jīng)驗(yàn)思維，以1 開頭則是抽象概括思維；第二位為0 是信息處理維度積極實(shí)踐思維，第二位為1 則是反思觀察思維。

三、研究設(shè)計(jì)與分析

1.研究設(shè)計(jì)

本文采用由Kolb 學(xué)習(xí)風(fēng)格測(cè)量量表及所羅門學(xué)習(xí)風(fēng)格量表部分維度整合而成的新量表。數(shù)據(jù)處理采用Spss 工具及Python 中T-sne 算法等，對(duì)湖北師范大學(xué)數(shù)學(xué)專業(yè)109 人、歷史專業(yè)83 人共192 人，進(jìn)行學(xué)習(xí)風(fēng)格測(cè)試，旨在研究不同學(xué)科學(xué)生的學(xué)習(xí)風(fēng)格的穩(wěn)定性與個(gè)性，即理科類偏向某一學(xué)習(xí)風(fēng)格，文科類偏向另一學(xué)習(xí)風(fēng)格，且兩者學(xué)習(xí)風(fēng)格在一定程度上是不同的。

2.研究結(jié)果

此次研究量表共回收192 份，其中無(wú)效問(wèn)卷24份，有效問(wèn)卷168 份，有效率為88%，文科類62 份，理科類106 份。首先，對(duì)此量表進(jìn)行信度分析，信度分析包括文科類、理科類及文理合并類，且在每一類中又包括總的信度分析及兩個(gè)維度分別的信度分析，如表1 所示，總維度、感知維度、信息加工維度的文科、理科及文理科合并的信度均在0.8 左右，顯示信度較好，但文科類信度相對(duì)比較低，查閱相關(guān)知識(shí)猜想，是由于文科類學(xué)生相對(duì)較少。此量表回收數(shù)據(jù)分兩步討論：一為從所羅門及Kolb 量表的信息加工維度比較理科與文科生，且比較這兩個(gè)量表此維度結(jié)果的差異性；二為從Kolb 量表四種思維方式重在信息加工維度分別討論理科生與文科生，對(duì)比研究。

表1 信度分析

先從兩個(gè)量表信息加工維度分析，在所羅門量表中，文科類共62 份，其中積極型學(xué)習(xí)風(fēng)格6 人，平衡型學(xué)習(xí)風(fēng)格56 人，無(wú)沉思型學(xué)習(xí)風(fēng)格學(xué)生，同樣，理科類中積極型學(xué)習(xí)風(fēng)格18 人，平衡型學(xué)習(xí)風(fēng)格88 人，也無(wú)沉思型學(xué)習(xí)風(fēng)格。由此可知，在所羅門量表中測(cè)得的學(xué)習(xí)風(fēng)格較為極端，兩者都無(wú)沉思型學(xué)習(xí)風(fēng)格學(xué)生，且均是平衡型學(xué)習(xí)風(fēng)格學(xué)生較多，下面再?gòu)腒olb 量表中進(jìn)行比較。

在Kolb 量表中，按上文描述量表統(tǒng)計(jì)方法，理科類的最終統(tǒng)計(jì)結(jié)果如表2 所示，文科類的統(tǒng)計(jì)結(jié)果如表3所示。先簡(jiǎn)單分析，理科類學(xué)生明顯傾向發(fā)散型思維，占49%，在學(xué)習(xí)風(fēng)格這一抽象詞中，已是很高的概率。而文科類學(xué)生則除聚合型思維外分布比較均勻，分別占29%、32%、26%。此外，從信息加工維度分析，同樣按上述描述方法，文科類兩者之比如表3 所示積極型與沉思型之間的比為1∶1.38，而理科類為1∶2.70。明顯在信息加工維度理科生更傾向于反思觀察。我們將Kolb 量表與所羅門量表的同一信息加工維度進(jìn)行比較，如表4、表5 所示，所羅門中文理科活躍、平衡、沉思比值分別為1∶10.11∶0 與1∶4.88∶0，而Kolb 中活躍與沉思文理科比值為1∶1.38 與1∶2.70?？梢园l(fā)現(xiàn)兩者之間存在較大差異，在所羅門學(xué)習(xí)風(fēng)格中兩類學(xué)生中均無(wú)沉思型學(xué)習(xí)者，平衡型學(xué)習(xí)風(fēng)格占多數(shù)，且文科類和理科類學(xué)生之間并無(wú)差異，而在Kolb 學(xué)習(xí)風(fēng)格中兩類學(xué)生均為活躍型與沉思型各占一定比例，且兩者均偏向于沉思型，在此基礎(chǔ)上理科類明顯更加偏向于沉思型，沉思型學(xué)生所占比例較多。由此可知，兩個(gè)量表在測(cè)量時(shí)存在較大差異。在所羅門量表中除活躍型與沉思型外還有兩者中的平衡型，[21][22]而在Kolb 量表中僅有沉思型與活躍型兩者相對(duì)的學(xué)習(xí)風(fēng)格，在此量表中測(cè)得的學(xué)習(xí)風(fēng)格更加具有區(qū)分性。且在Spss 中測(cè)得兩量表學(xué)習(xí)風(fēng)格無(wú)任何相關(guān)性。因此我們?nèi)粘W(xué)習(xí)中，在選擇量表測(cè)學(xué)習(xí)風(fēng)格時(shí)應(yīng)根據(jù)自己的要求合理斟酌。值得注意的是兩類學(xué)習(xí)者中聚合型思維均占少數(shù)，通過(guò)閱讀文獻(xiàn)猜想，優(yōu)秀人才往往分布在聚合型思維中，但是優(yōu)秀人才總是占少數(shù)，因此兩類學(xué)習(xí)者中均是聚合型思維者較少，此項(xiàng)僅是猜想，有待后續(xù)研究。

表2 Kolb 量表理科類數(shù)據(jù)統(tǒng)計(jì)

表3 Kolb 量表文科類數(shù)據(jù)統(tǒng)計(jì)

表4 Kolb 及所羅門量表信息加工維度文科類統(tǒng)計(jì)

表5 Kolb 及所羅門量表信息加工維度理科類統(tǒng)計(jì)

此外在Kolb 學(xué)習(xí)風(fēng)格量表中，由十字坐標(biāo)形式形成四種學(xué)習(xí)風(fēng)格，每一個(gè)學(xué)習(xí)者在此十字坐標(biāo)的信息與加工維度都占有某一位置，不僅僅是單獨(dú)的某一學(xué)習(xí)風(fēng)格，在同一學(xué)習(xí)風(fēng)格中由于數(shù)據(jù)的不同仍有差異，如圖2 所示，盡管三角形與圓所代表的學(xué)習(xí)風(fēng)格均為由反思觀察與抽象概括組成的吸收型學(xué)習(xí)風(fēng)格，但是這兩個(gè)學(xué)習(xí)風(fēng)格在反思觀察與抽象概括中所占的比重卻不同。因此以下依據(jù)此在Kolb 量表學(xué)習(xí)風(fēng)格這一角度對(duì)文理科學(xué)習(xí)風(fēng)格進(jìn)行分析，在Kolb 量表中對(duì)文理科各學(xué)習(xí)風(fēng)格統(tǒng)計(jì)散點(diǎn)圖描述如下：下列四圖橫軸以感知維度的具體、抽象為分類，縱軸則以數(shù)字表示信息加工維度的沉思、積極兩類。最終每一專業(yè)可由兩圖描述，一圖為具體-沉思/積極，一圖為抽象-沉思/積極。觀察下面四圖可知，從文科、理科專業(yè)對(duì)比角度，即圖3、圖5 與圖4、圖6 對(duì)比，文科類在信息加工維度沉思與積極分布較為混亂，界限分布不明顯，沉思與積極類在高低分值均有分布；反之理科類分布界限較為明顯，沉思類分布在分值較高處，積極類則分布在分值較低處。由此可知，文科生在學(xué)習(xí)風(fēng)格中信息加工維度沉思與積極無(wú)明顯偏向，而理科生則明顯偏向于沉思類。同時(shí)，以信息加工維度的積極、沉思為橫軸分類，感知維度的具體抽象為縱軸做散點(diǎn)圖（文中未顯示），表明文科類和理科類在感知維度的具體抽象并無(wú)明顯差別。

圖2 同一學(xué)習(xí)風(fēng)格差異對(duì)比

圖3 文科類具體-沉思/積極

圖4 文科類抽象-沉思/積極

圖5 理科類具體-沉思/積極

圖6 理科類抽象-沉思/積極

以下運(yùn)用Spss 中最優(yōu)尺度法對(duì)數(shù)據(jù)進(jìn)行降維，對(duì)文理科學(xué)生進(jìn)行對(duì)比分析，降維效果圖如表6 及圖7 所示。由表6 模型的可信度檢驗(yàn)為91.4%，所以分析結(jié)果可信。在降維圖7 中，數(shù)字1 表示文科類，數(shù)字2 表示理科類，則由圖可知，沉思抽象兩種學(xué)習(xí)風(fēng)格分布較近，文科類專業(yè)學(xué)生傾向于主動(dòng)型學(xué)習(xí)風(fēng)格，理科類專業(yè)學(xué)生較歷史專業(yè)學(xué)生更加傾向抽象與沉思型學(xué)習(xí)風(fēng)格。

此外，下面運(yùn)用更為精準(zhǔn)的T-sne 算法對(duì)數(shù)據(jù)進(jìn)行分析。T-sne t-分布式隨機(jī)鄰域嵌入是一種用于挖掘高維數(shù)據(jù)的非線性降維算法。它將多維數(shù)據(jù)映射到適合于人類觀察的一個(gè)、兩個(gè)或多個(gè)維度。T-sne 算法的主要步驟公式如公式（1）與公式（2）所示，公式（1）中數(shù)據(jù)點(diǎn)xi與數(shù)據(jù)點(diǎn)xj的相似性是條件概率Pj|i——如果鄰域被選擇與在以為xi中心的正態(tài)分布的概率密度成比例，xi將選擇xj作為其鄰域的概率。其中σi是以數(shù)據(jù)點(diǎn)xi為中心的正態(tài)分布的方差。公式（2）便是對(duì)應(yīng)低維數(shù)據(jù)點(diǎn)yi和yj的高維對(duì)應(yīng)點(diǎn)xi和xj。

表6 可信度檢驗(yàn)

圖7 降二維結(jié)果

在上述步驟中，運(yùn)用T-sne 算法將4 維Kolb 學(xué)習(xí)風(fēng)格數(shù)據(jù)降維為一維，再通過(guò)聚類對(duì)此一維數(shù)據(jù)進(jìn)行研究分析，聚類為兩類，以1 和2 命名，以此來(lái)對(duì)比理科生與文科生的學(xué)習(xí)風(fēng)格差別。最終聚類結(jié)果如表7 所示，文科類的類別比值為1∶0.94，理科類為1∶1.36。由表7 可知，數(shù)據(jù)結(jié)果與上述研究一致，文科類學(xué)習(xí)風(fēng)格數(shù)據(jù)分類結(jié)果不明顯，而理科類則明顯傾向于其中一類。

表7 降一維聚類結(jié)果

四、分析與討論

以上研究顯示文科生與理科生的學(xué)習(xí)風(fēng)格的確是不同的，且所羅門學(xué)習(xí)風(fēng)格量表與Kolb 學(xué)習(xí)風(fēng)格量表存在差異，我們?cè)谶x擇的時(shí)候要合理斟酌，根據(jù)自己的要求具體選擇。此外，Kolb 量表中僅在信息加工維度，兩類學(xué)生有明顯差別，理科生較文科生更加傾向于反思觀察，文科生則傾向于主動(dòng)學(xué)習(xí)。自適應(yīng)學(xué)習(xí)系統(tǒng)由學(xué)生模型、內(nèi)容模型及自適應(yīng)引擎組成。內(nèi)容模型中的知識(shí)點(diǎn)等學(xué)習(xí)資源由自適應(yīng)引擎中的相關(guān)算法相關(guān)機(jī)制根據(jù)不同的學(xué)生模型推薦給特定的學(xué)生，由此來(lái)實(shí)現(xiàn)學(xué)習(xí)資源的個(gè)性化推薦、學(xué)習(xí)的自適應(yīng)。該文就是基于自適應(yīng)學(xué)習(xí)系統(tǒng)中學(xué)生模型中的學(xué)習(xí)風(fēng)格進(jìn)行研究的。在學(xué)生模型中，包含有學(xué)生的基本信息，如姓名、學(xué)校、班級(jí)等；學(xué)生的偏好信息，如偏好的學(xué)習(xí)地點(diǎn)、學(xué)習(xí)工具、學(xué)習(xí)資源類型、學(xué)習(xí)工具等；學(xué)生的知識(shí)結(jié)構(gòu)，即學(xué)生已經(jīng)掌握的知識(shí)；學(xué)生的認(rèn)知能力，其中便包含有學(xué)生的學(xué)習(xí)風(fēng)格，這部分可通過(guò)測(cè)試、問(wèn)卷等獲得；以及學(xué)生的登錄歷史情感偏好等等。該研究中通過(guò)對(duì)師范生文理科學(xué)習(xí)風(fēng)格進(jìn)行研究，得出師范生文理科學(xué)習(xí)風(fēng)格的差異?？蓪⑵溥\(yùn)用到自適應(yīng)學(xué)習(xí)系統(tǒng)中，根據(jù)學(xué)生模型中不同的學(xué)生風(fēng)格信息推送不同的資源。例如，理科生多推送一些適合獨(dú)自探索、學(xué)習(xí)的資源，文科生則推送一些適合主動(dòng)動(dòng)手，與實(shí)際環(huán)境相切合的資源等等。此外，以上研究?jī)H僅是自適應(yīng)學(xué)習(xí)中學(xué)習(xí)者模型中的學(xué)習(xí)風(fēng)格的初步研究，對(duì)數(shù)據(jù)做了簡(jiǎn)單的處理，樣本也僅僅是對(duì)學(xué)校部分學(xué)生的研究。后續(xù)研究將會(huì)更加深入，學(xué)生模型研究將更加具體，學(xué)習(xí)風(fēng)格分類更加詳細(xì)。