人工智能下基于自適應(yīng)的個性化學(xué)習模式探究與設(shè)計

摘要：個性化自適應(yīng)學(xué)習模式有利于在校大學(xué)生適應(yīng)社會發(fā)展需求。根據(jù)社會普查搜集的大量數(shù)據(jù)作為樣本，結(jié)合大數(shù)據(jù)分析技術(shù)，以學(xué)院實際開設(shè)的“機器人編程”課程為研究對象，設(shè)計開發(fā)了個性化自適應(yīng)學(xué)習系統(tǒng).旨在為廣大教師及學(xué)校管理者提供借鑒，真正實現(xiàn)個性化教學(xué)。

關(guān)鍵詞：人工智能;大數(shù)據(jù);自適應(yīng);個性化

中圖分類號：TP302.1

文獻標識碼：A

文章編號：1006-8228（2020）09-04-03

Design of adaptive personalized learning mode with artificial intelligence

Chen Hong

（Zhejiang Technical Institute of Economics， Hangzhou， Zhejiang 310018， China）

Abstract： The adaptive personalized learning mode is conducive to college students to adapt themselves to the needs of socialdevelopment. According to a large number of data collected by the social census as samples， combining with big data analysistechnology， and taking the course of "robot programming"， the actual course offered by the college， as the research object， anadaptive personalized learning system is designed and developed in this paper. It aims to provide reference for teachers and schooladministrators， and truly realize the personalized teaching.

Key words： artificial intelligence; big data; adaptive; personalization

0引言

近年來，我國越來越重視人工智能這一新興產(chǎn)業(yè)的發(fā)展，2017年7月20日，國務(wù)院正式發(fā)布《新一代人工智能發(fā)展規(guī)劃》，明確我國人工智能發(fā)展的三步走戰(zhàn)略和具體的六大任務(wù)，標志著人工智能領(lǐng)域的國家行動正式全面展開。由此，現(xiàn)實需求也對大學(xué)生這一特殊就業(yè)群體帶來了嚴峻的沖擊和考驗。社會將要求他們更加修煉內(nèi)功，提升自我，在牢固掌握專業(yè)知識技能的同時，注重自我學(xué)習、創(chuàng)新和適應(yīng)能力的培養(yǎng)和提升。隨著移動互聯(lián)、智慧教育的發(fā)展，適合個體特征的個性化自適應(yīng)學(xué)習系統(tǒng)[1]成為新興研究熱點，將成為以大數(shù)據(jù)為基礎(chǔ)的教育技術(shù)新模式。本文結(jié)合本校計算機專業(yè)教學(xué)實際，提出了一種自適應(yīng)個性化學(xué)習模式研究與設(shè)計。

1個性化自適應(yīng)學(xué)習系統(tǒng)設(shè)計

我們研發(fā)的“個性化自適應(yīng)學(xué)習系統(tǒng)”主要考慮以應(yīng)用為主線，根據(jù)學(xué)生學(xué)習不同層次水平、不同階段的學(xué)習能力反饋信息及時調(diào)整下階段的學(xué)習方案，真正做到因材施教。該系統(tǒng)主要實現(xiàn)以下幾方面的需求。

1.1利用數(shù)據(jù)挖掘算法實現(xiàn)學(xué)習風格模型構(gòu)建

受今年特殊疫情限制，使得網(wǎng)絡(luò)教學(xué)因不受時空限制而被廣泛關(guān)注。如何確定學(xué)習者的學(xué)習風格，進而根據(jù)風格來匹配自適應(yīng)的學(xué)習模式是首要考慮的問題。以傳統(tǒng)調(diào)查問卷方式獲取學(xué)習風格未必準確，本文嘗試采用一種基于學(xué)習者的動態(tài)學(xué)習行為數(shù)據(jù)，建立一個大數(shù)據(jù)采集模型（即學(xué)習者數(shù)據(jù)庫），用以存儲在學(xué)習系統(tǒng)中時間戳標記的學(xué)習行為數(shù)據(jù)[2]。通過對學(xué)習者行為和結(jié)果等數(shù)據(jù)的處理分析，發(fā)掘出其學(xué)習風格，依據(jù)該風格推薦對應(yīng)的資源和模式。

1.2基于基本反應(yīng)理論實現(xiàn)認知水平模型構(gòu)建

認知水平模型構(gòu)建重點需要解決一個自適應(yīng)學(xué)習診斷問題。我們一般將認知目標分為知識、領(lǐng)會、應(yīng)用、分析、綜合、評價6個等級。通過學(xué)生做題過程（分數(shù)、試題難度級別、回答次數(shù)及做題耗時等）綜合考察認知能力;可以具體分幾個環(huán)節(jié)進行觀察，如學(xué)習開始測試，了解學(xué)生原有認知能力評估，給出個性化學(xué)習建議;學(xué)習過程中測試，可及時發(fā)現(xiàn)學(xué)習困難及薄弱環(huán)節(jié)，適當降低難度以鞏固知識，若測試水平較高則適當加大難度，以促使深入學(xué)習;在學(xué)習結(jié)束時測試，主要是對學(xué)習成效的成就性檢測，可通過小項目形式進行綜合分析測試，若達到學(xué)習目標則建議終止學(xué)習，反之，建議學(xué)生進行單元補習。

1.3個性化學(xué)習路徑優(yōu)化推薦

個性化學(xué)習路徑優(yōu)化主要涉及一個自主學(xué)習策略設(shè)計與選擇問題。本文針對自主學(xué)習過程中的主要環(huán)節(jié)，即：分析學(xué)習需求、生成個性化學(xué)習路徑、自建與共建學(xué)習資源、評價學(xué)習結(jié)果等方面提出了相應(yīng)的策略。主要采用兩種方法實現(xiàn)學(xué)習者需求解析：一是通過學(xué)習者在系統(tǒng)平臺上已有的數(shù)據(jù)，采用大數(shù)據(jù)分析技術(shù)進行智能解析，確定學(xué)習需求;二是根據(jù)學(xué)習者認知經(jīng)驗、偏好、認知階段效果評測生成學(xué)習路徑n”。同時，對平臺資源依據(jù)點擊率、下載率、利用率及學(xué)習者對資源的評價等機制及時進行資源的優(yōu)勝劣汰。

1.4利用數(shù)據(jù)挖掘技術(shù)實現(xiàn)相關(guān)偏好的學(xué)習信息推送

該系統(tǒng)信息推送部分主要通過機器學(xué)習的方法，對學(xué)生以往搜索與使用的信息進行統(tǒng)計與概率分析，識別和預(yù)測該學(xué)生一直關(guān)注的信息要點，分析出其對信息內(nèi)容的興趣/偏好，學(xué)習者的偏好特征值獲取方法主要分兩步：第一，從學(xué)習者的注冊信息或上傳等行為采集偏好特征靜態(tài)值，之后通過直接或間接匹配方法處理該原始數(shù)據(jù)，得到學(xué)習者的靜態(tài)特征偏好值[4];第二，挖掘?qū)W習者在學(xué)習時的行為，如搜索關(guān)鍵詞、瀏覽網(wǎng)頁類型及網(wǎng)頁點擊率等，提取學(xué)習者的動態(tài)偏好特征。進而，通過信息系統(tǒng)內(nèi)部數(shù)據(jù)庫主動及時推送具有針對性的有效信息，滿足其個性化需求。

1.5學(xué)習效果質(zhì)量評價體系構(gòu)建

通過對在校學(xué)生開放式問卷調(diào)查綜合分析，我們將以下幾個要素作為新型學(xué)習模式效果評價的導(dǎo)向指標：首先讓學(xué)生成為評價的主體，教師的教學(xué)內(nèi)容和方法只有得到學(xué)生的認可才算是有成效的教學(xué);其次，評價是以學(xué)習效果為導(dǎo)向[5]。此評價體系一方面對教師的教學(xué)能起到一定的激勵作用;另一方面能更好地促使學(xué)生自主思考，起到較好的督促作用。課堂學(xué)習效果的影響因素包含課程設(shè)置、教學(xué)設(shè)施、教師個人因素和學(xué)生學(xué)習特征幾大一級指標。繼而細分培養(yǎng)方案、課程大綱、課程類型及負擔，硬件設(shè)施、班級規(guī)模;教師的教學(xué)態(tài)度、教學(xué)能力、課堂管理能力;學(xué)生的學(xué)習態(tài)度、學(xué)習興趣及學(xué)習方法等諸多二級指標。據(jù)此來進行相關(guān)評定。

2個性化自適應(yīng)學(xué)習模式特色

2.1開放性學(xué)習

首先，選擇“機器人編程”課程為研究雛形，比較容易實現(xiàn)學(xué)習主體開放性自我認知這一先決條件。進入到“機器人編程”班級的基本是有這方面興趣愛好的學(xué)生，因此較好地完成了所謂開放性自我認知的體現(xiàn)，對后期學(xué)生求知欲的激發(fā)、學(xué)習積極性的調(diào)動奠定了良好的基礎(chǔ)。

在實施過程中，教師可以把握住大的教學(xué)目標和方向不變，適時開放一些個人學(xué)習的信息，如學(xué)生個人學(xué)習知識圖譜、各自的興趣偏好、學(xué)習進展及績效等項目，目的是幫助學(xué)習者更好地規(guī)劃或監(jiān)督自己的學(xué)習，以促進學(xué)習反思，同時也使其看到自己與同伴之間的效果差異，促進學(xué)習者之間的良性競爭，從而激發(fā)和維持學(xué)習動力，提高學(xué)習效果。

2.2自主性學(xué)習

雖然控制了整個學(xué)習過程教學(xué)目標和考核方向不變，但是同一學(xué)生不同學(xué)習階段也有不同的需求，另外學(xué)習能力和策略等因素也會導(dǎo)致每個學(xué)生的學(xué)習過程不同。解決的途徑之一就是自主學(xué)習，也稱自我調(diào)節(jié)學(xué)習。個性化自適應(yīng)學(xué)習模式為自主學(xué)習提供了良好的機會，有利于促進學(xué)習者對知識的主動構(gòu)建。

自主學(xué)習的關(guān)鍵是學(xué)習策略設(shè)計與選擇，學(xué)習者根據(jù)自身認知特點和基礎(chǔ)確定學(xué)習目標，采用適合的學(xué)習方法策略、工具、資源，制定合適的學(xué)習計劃。在此過程中，教師必須解決一個動態(tài)實時資源庫的構(gòu)建問題，根據(jù)相應(yīng)的認知目標（知識、領(lǐng)會、應(yīng)用、分析、綜合等）[6]等級構(gòu)建合理的知識庫，設(shè)計不同綜合性水平能力測試案例，并根據(jù)學(xué)生執(zhí)行情況及時調(diào)整/補充。

2.3教師授課和學(xué)生活動相結(jié)合

授課采用團隊分組形式，每組有1名對該知識領(lǐng)域相對較專業(yè)的學(xué)生為團隊領(lǐng)袖，在消化老師授課內(nèi)容基礎(chǔ)上，梳理知識點并與相似知識結(jié)構(gòu)水平層面的同學(xué)進行互助，激勵團隊其他成員。

課程最終評價將從以下幾部分體現(xiàn)：一是借助上述個性化自適應(yīng)學(xué)習系統(tǒng)對學(xué)生動態(tài)學(xué)習過程、學(xué)習終測成績記錄;二是學(xué)期中學(xué)生模仿類或創(chuàng)新類作品設(shè)計與制作（包括實物圖像、具體完成動作說明等）;三是學(xué)生參加校內(nèi)或校外相關(guān)設(shè)計競賽所取得的成果;所以該課程開設(shè)的另一目的旨在嘗試一種新的教學(xué)方式/方法探索，最終實現(xiàn)從某種層面提升學(xué)生自主、個性學(xué)習能力。

3結(jié)束語

自適應(yīng)個性化學(xué)習模式研究，其諸多環(huán)節(jié)都離不開大數(shù)據(jù)技術(shù)的應(yīng)用，比如大數(shù)據(jù)分析用以預(yù)測及個性化干預(yù)，實現(xiàn)數(shù)據(jù)支持的學(xué)習和成績效果評價。借助大數(shù)據(jù)分析學(xué)習者各種特征，了解每個學(xué)生學(xué)習進度和質(zhì)量，準確診斷學(xué)生的學(xué)習需求，預(yù)測學(xué)生的下一個行為，以助于教師及時調(diào)整教學(xué)策略，提供有針對性的個性化學(xué)習資源和進度安排，以及最佳的學(xué)習方法和建議。同時，對學(xué)生的學(xué)習結(jié)果進行大數(shù)據(jù)分析，及時掌握學(xué)生知識點掌握情況，以便識別教學(xué)設(shè)計中存在的問題并及時改善。

個性化自適應(yīng)學(xué)習是高等教育信息技術(shù)長期發(fā)展趨勢，在內(nèi)容和方法上都有很大研究空間，比如智能感知實時捕獲學(xué)習過程節(jié)點數(shù)據(jù)以分析學(xué)生的認知水平，深度數(shù)據(jù)挖掘以更好實現(xiàn)個性化預(yù)測，利用大數(shù)據(jù)分析實現(xiàn)對學(xué)生的智能化評價等。希望通過對這一全新教學(xué)模式的探索與實踐，適應(yīng)社會發(fā)展需求，優(yōu)化當下教學(xué)質(zhì)量，培養(yǎng)一批真正能適應(yīng)社會不同發(fā)展需求變化，具有較高綜合素質(zhì)的新一代大學(xué)生。參考文獻（References）：

[1]郭朝暉，王楠，劉建設(shè)，國內(nèi)外自適應(yīng)學(xué)習平臺的現(xiàn)狀分析研究[J].電化教育研究，2016.4：55-61

[2]徐鵬，王以寧，劉艷華等，大數(shù)據(jù)視角分析學(xué)習變革——美國《通過教育數(shù)據(jù)挖掘和學(xué)習分析位進教與學(xué)》報告解讀及啟示[J].遠程教育雜志，2013.6：11-16

[3]趙學(xué)孔，岑磊.面向用戶需求的自適應(yīng)學(xué)習系統(tǒng)個性化學(xué)習路徑推薦研究[J].中國教育信化，2016.21：28-31

[4]李春生，張永東，劉澎，張可佳.自適應(yīng)學(xué)習系統(tǒng)中“KCP學(xué)習者模型”研究[J].計算機技術(shù)與發(fā)展，2018.5：73-76

[5]經(jīng)素.基于學(xué)習效果導(dǎo)向的高校課堂質(zhì)量評價體系構(gòu)建[J].中國電力教育，2013.31：43-44

[6]張舸，周東岱，葛情情，自適應(yīng)學(xué)習系統(tǒng)中學(xué)習者特征模型及建模方法評述[J].現(xiàn)代教育技術(shù)，2012.5：77-81

收稿日期：2020-04-17

基金項目：本文系2018年浙江省教育科學(xué)規(guī)劃研究課題“人工智能下基于自適應(yīng)的個性化學(xué)習模式探究與設(shè)計”（2018SCG296）

作者簡介：陳紅（1980-01），女，浙江諸暨人，杭州電子科技大學(xué)研究生，研究方向：計算機應(yīng)用，軟件工程。（浙江杭州310018）