基于學(xué)習(xí)分析技術(shù)的個性化在線學(xué)習(xí)系統(tǒng)架構(gòu)設(shè)計研究

張松慧

1 研究背景

2010 年，美國教育部發(fā)布了“國家教育技術(shù)規(guī)劃2010”，該規(guī)劃倡導(dǎo)通過技術(shù)力量提供個性化學(xué)習(xí)環(huán)境，使持續(xù)學(xué)習(xí)和終身學(xué)習(xí)成為可能。2012年，我國發(fā)布了《教育信息化十年發(fā)展規(guī)劃（2011—2020 年）》，指出“為每位學(xué)習(xí)者提供個性化的、終身學(xué)習(xí)的信息化環(huán)境和服務(wù)”[1]。

智能在線學(xué)習(xí)系統(tǒng)為每個學(xué)生提供個性化的學(xué)習(xí)環(huán)境，推送符合學(xué)生認(rèn)知特點(diǎn)的學(xué)習(xí)資源對學(xué)生進(jìn)行因材施教，這是全體教育工作者追求的目標(biāo)。

2 學(xué)習(xí)分析技術(shù)概念

學(xué)習(xí)分析技術(shù)的研究對象是學(xué)習(xí)者、學(xué)習(xí)環(huán)境，研究基礎(chǔ)是海量數(shù)據(jù)。通過數(shù)據(jù)挖掘等數(shù)據(jù)分析技術(shù)，診斷和評估學(xué)習(xí)者的認(rèn)知水平、學(xué)習(xí)狀態(tài)，以提供符合其特點(diǎn)的學(xué)習(xí)資源、教學(xué)策略，提升學(xué)生的學(xué)習(xí)興趣和學(xué)習(xí)效果。

學(xué)習(xí)分析是“收集、測量和分析報告學(xué)習(xí)者及其學(xué)習(xí)過程數(shù)據(jù)，以了解優(yōu)化學(xué)習(xí)和學(xué)習(xí)環(huán)境”[2]。學(xué)習(xí)分析技術(shù)旨在利用大數(shù)據(jù)分析和人工智能等加深對學(xué)與教的理解，為學(xué)習(xí)者提供個性化的學(xué)習(xí)環(huán)境和教學(xué)策略。

3 國內(nèi)外研究現(xiàn)狀

近年來，隨著大數(shù)據(jù)分析、人工智能等技術(shù)的推廣應(yīng)用，一些在線學(xué)習(xí)平臺基于學(xué)習(xí)分析技術(shù)，實(shí)時分析學(xué)習(xí)者的認(rèn)知和學(xué)習(xí)特點(diǎn)，動態(tài)地為學(xué)習(xí)者推送學(xué)習(xí)資源，這種平臺被稱為“自適應(yīng)學(xué)習(xí)系統(tǒng)”。

自適應(yīng)學(xué)習(xí)系統(tǒng)在國外的一些學(xué)校已落地實(shí)施[3]。例如，美國的Knewton 平臺，通過完善每個知識點(diǎn)來構(gòu)建知識圖譜，可以根據(jù)每個學(xué)生的特點(diǎn)為其推送相應(yīng)的學(xué)習(xí)路徑、學(xué)習(xí)資源，目前已有數(shù)千萬的學(xué)生在使用。ALEKS 系統(tǒng)通過不斷向?qū)W生提問，持續(xù)診斷當(dāng)前學(xué)生的認(rèn)知水平，以便持續(xù)為其提供相適應(yīng)的學(xué)習(xí)資源。澳大利亞的SmartSparrow，除了可根據(jù)學(xué)生特點(diǎn)提供學(xué)習(xí)內(nèi)容，教師還可為他們的學(xué)生規(guī)劃更適合的學(xué)習(xí)路徑，上傳更適合的學(xué)習(xí)資源。

國內(nèi)對學(xué)習(xí)分析相關(guān)技術(shù)的研究較多。例如，研究國外的自適應(yīng)學(xué)習(xí)系統(tǒng)及其采用的關(guān)鍵技術(shù)，并進(jìn)行介紹與述評，較少利用學(xué)習(xí)分析技術(shù)去解決實(shí)際教學(xué)問題。

4 自適應(yīng)學(xué)習(xí)平臺的典型特征與實(shí)現(xiàn)難點(diǎn)

與普通在線學(xué)習(xí)平臺相比，自適應(yīng)學(xué)習(xí)平臺有兩個典型特征：1）通過學(xué)習(xí)分析技術(shù)，可以根據(jù)學(xué)生的學(xué)習(xí)和認(rèn)知不斷調(diào)整學(xué)習(xí)資源，提供個性化的學(xué)習(xí)路徑。例如：有的學(xué)習(xí)平臺，學(xué)生只有在達(dá)到當(dāng)前知識點(diǎn)的學(xué)習(xí)目標(biāo)后才為其推送后續(xù)知識點(diǎn)的學(xué)習(xí)資源，否則只能繼續(xù)學(xué)習(xí)未完成的內(nèi)容，并繼續(xù)推送相關(guān)資源以進(jìn)一步加強(qiáng)和深化學(xué)習(xí)。2）能夠判斷學(xué)生的學(xué)習(xí)風(fēng)格，并推送符合學(xué)習(xí)偏好的學(xué)習(xí)資源和資源形式。

實(shí)現(xiàn)自適應(yīng)學(xué)習(xí)平臺的難點(diǎn)主要表現(xiàn)在3 個方面，第一是知識庫的構(gòu)建，第二是學(xué)習(xí)者認(rèn)知水平的診斷，第三是個性化推送。目前，一些商務(wù)平臺大多采用協(xié)同過濾方法實(shí)現(xiàn)個性化推送，效果比較好。知識庫的構(gòu)建，知識庫中知識的表示以及知識關(guān)聯(lián)的方式與整個平臺的推理模式，運(yùn)營效率和知識呈現(xiàn)直接相關(guān)。不同的平臺將使用不同的知識庫構(gòu)建技術(shù)，目前主要有知識空間技術(shù)和知識圖譜技術(shù)。學(xué)生認(rèn)知水平的診斷則使用學(xué)習(xí)分析技術(shù)，通過分析學(xué)生與平臺之間互動的學(xué)習(xí)行為數(shù)據(jù)實(shí)現(xiàn)[4]。

5 基于學(xué)習(xí)分析的在線學(xué)習(xí)系統(tǒng)框架

基于學(xué)習(xí)分析構(gòu)建的智慧學(xué)習(xí)環(huán)境，按需推送資源，自動識別學(xué)習(xí)情境，關(guān)注用戶體驗(yàn)，多樣化評價學(xué)習(xí)績效以及干預(yù)學(xué)習(xí)活動是未來教育的發(fā)展趨勢。

該資源平臺系統(tǒng)架構(gòu)中的學(xué)習(xí)分析數(shù)據(jù)來自兩個方面：第一個是學(xué)習(xí)者在移動終端或在線學(xué)習(xí)平臺中，進(jìn)行各種學(xué)習(xí)活動所生成的數(shù)據(jù)；第二個是對課程數(shù)據(jù)、學(xué)習(xí)者個人檔案信息等匯總數(shù)據(jù)進(jìn)行語義化、關(guān)聯(lián)分析等得到的智能數(shù)據(jù)。采用學(xué)習(xí)分析技術(shù)對收集的數(shù)據(jù)進(jìn)行分析、推斷，推斷學(xué)生當(dāng)前的知識水平，并推送匹配其認(rèn)知的學(xué)習(xí)資源。這將為學(xué)習(xí)者提供有效的個性化學(xué)習(xí)支持服務(wù)，預(yù)測學(xué)習(xí)者的未來表現(xiàn)，及時發(fā)現(xiàn)潛在問題。

基于學(xué)習(xí)分析技術(shù)的學(xué)習(xí)系統(tǒng)框架設(shè)計如圖1所示。

圖1 基于學(xué)習(xí)分析技術(shù)的資源平臺系統(tǒng)架構(gòu)

在此架構(gòu)下，各個組件的功能如下所述：

5.1 知識庫

系統(tǒng)中知識庫的構(gòu)建采用的是知識圖譜技術(shù)。知識圖譜是一種較新的知識庫構(gòu)建技術(shù)，存儲和管理學(xué)習(xí)平臺中的知識，包括學(xué)習(xí)資源和關(guān)系知識、學(xué)科知識。

5.2 學(xué)習(xí)狀態(tài)數(shù)據(jù)庫

學(xué)習(xí)狀態(tài)數(shù)據(jù)庫中存儲了學(xué)習(xí)者開展各種學(xué)習(xí)活動的過程性數(shù)據(jù)，例如記錄了：1）學(xué)習(xí)者訪問的學(xué)習(xí)資源及類型；2）某種資源的訪問次數(shù)；3）學(xué)習(xí)的時長；4）學(xué)習(xí)的路徑信息；5）參與討論的內(nèi)容和次數(shù)；6）完成的單元測試和綜合測試等。

5.3 診斷預(yù)測模型

診斷預(yù)測模型匯總來自：1）學(xué)生信息系統(tǒng)的統(tǒng)計數(shù)據(jù)；2）學(xué)習(xí)狀態(tài)數(shù)據(jù)庫的學(xué)生學(xué)習(xí)行為動態(tài)數(shù)據(jù)，跟蹤學(xué)習(xí)進(jìn)度，診斷分析其學(xué)習(xí)特點(diǎn)、學(xué)習(xí)偏好。建立基于回歸分析的診斷預(yù)測模型，每個知識點(diǎn)對學(xué)生進(jìn)行測試，獲得學(xué)生對知識點(diǎn)掌握程度的準(zhǔn)確判斷。

5.4 自適應(yīng)引擎

自適應(yīng)引擎基于診斷模型的輸出結(jié)果，推薦或調(diào)整學(xué)習(xí)資源。根據(jù)診斷出的學(xué)習(xí)者的認(rèn)知水平、各知識點(diǎn)掌握程度、學(xué)習(xí)特點(diǎn)、學(xué)習(xí)偏好等推薦與之相適應(yīng)的學(xué)習(xí)資源、學(xué)習(xí)路徑。

5.5 干預(yù)引擎

干預(yù)引擎用于讓教師或管理員對學(xué)習(xí)過程進(jìn)行人為干預(yù)、調(diào)整，以便更好地為學(xué)習(xí)者提供個性的學(xué)習(xí)環(huán)境。

5.6 信息面板

診斷模型的診斷結(jié)果轉(zhuǎn)化為學(xué)習(xí)支持服務(wù)的相關(guān)信息后在信息面板顯示，以便學(xué)習(xí)者、教師或管理人員查看。

可以使用各種信息可視化技術(shù)顯示學(xué)習(xí)數(shù)據(jù)的分析結(jié)果。例如：餅圖可顯示學(xué)生日學(xué)習(xí)行為數(shù)據(jù)的類型分布，以診斷學(xué)生喜歡的學(xué)習(xí)活動的類型；折線圖可用于顯示學(xué)生回答的課程問題和問題的正確率，以便觀察學(xué)生對學(xué)習(xí)知識點(diǎn)的掌握程度；直方圖可用于指示學(xué)生在一天中每天參與的學(xué)習(xí)活動次數(shù)，可用來分析學(xué)生的學(xué)習(xí)參與度、學(xué)習(xí)習(xí)慣；雷達(dá)圖來指示學(xué)習(xí)質(zhì)量的分布，如注意力，好奇心，記憶力，思維力和抗壓力。

6 結(jié)束語

學(xué)習(xí)分析技術(shù)的核心是學(xué)生細(xì)致入微的個人數(shù)據(jù)、學(xué)習(xí)行為數(shù)據(jù)的創(chuàng)建，對大量學(xué)習(xí)行為數(shù)據(jù)的深入分析，與學(xué)生認(rèn)知、學(xué)習(xí)特點(diǎn)相適應(yīng)的學(xué)習(xí)資源推送。該在線學(xué)習(xí)系統(tǒng)，記錄并分析學(xué)習(xí)過程數(shù)據(jù)，使過程數(shù)據(jù)成為學(xué)習(xí)診斷預(yù)測和學(xué)習(xí)路徑優(yōu)化的重要依據(jù)。