學習者畫像建構及應用研究

莫 尉

(湖南理工學院,湖南 岳陽 414006)

0 引言

中共中央、國務院印發(fā)的《中國教育現(xiàn)代化2035》中明確指出,加快信息化時代教育變革,實現(xiàn)規(guī)?；逃c個性化培養(yǎng)的有機結(jié)合[1].隨著云計算、大數(shù)據(jù)和人工智能等新一代信息技術快速發(fā)展,無處不在的數(shù)據(jù)構成了“互聯(lián)網(wǎng)+”的分子,數(shù)據(jù)采集技術的快速升級和數(shù)據(jù)的指數(shù)式增長也讓教育邁入了“數(shù)據(jù)驅(qū)動”的時代[2].恰當?shù)厥褂煤屯诰蚰壳敖逃畔⑾到y(tǒng)中存儲的大量不同格式和不同粒度級別的學習者數(shù)據(jù),成為實現(xiàn)規(guī)?；逃c個性化培養(yǎng)有機結(jié)合的關鍵點.

為回應這一教育需求,研究者們將商業(yè)領域的用戶畫像概念引入教育情境中,在分析相關學習數(shù)據(jù)的基礎上,通過建立多維度的畫像標簽展示體系,全面、細致、精準地識別學習者的學習狀態(tài)和潛在需求.既能為個性化學習提供依據(jù)也有助于規(guī)?；逃拈_展,大數(shù)據(jù)背景下借助用戶畫像開展人才培養(yǎng)模式的變革將是未來教育的研究方向.然而,當前在教育領域中用戶畫像研究還存在許多亟待解決的問題,如缺乏教育理論對整個畫像流程的指導和調(diào)控;在構建用戶畫像維度時,忽視對學生能力或素養(yǎng)等深度學生畫像的關注;無法滿足不同利益相關者的多樣化需求等.基于此,本研究將聚焦如何通過各類學習者數(shù)據(jù)構建學習者畫像,研究其實現(xiàn)流程和標簽體系架構,以及學習者畫像驅(qū)動和服務精準教學的途徑,以期為教育的智能化和個性化帶來一些啟發(fā).

1 學習者畫像內(nèi)涵與特征

1.1 學習者畫像的含義

學習者畫像是用戶畫像在教育領域的應用.用戶畫像的概念在上世紀90年代末由交互設計師Alan Cooper 提出.他認為用戶畫像是基于大量真實數(shù)據(jù)構建出來的虛擬用戶模型[3],其實質(zhì)是在對用戶數(shù)據(jù)挖掘提煉的基礎上,通過生成數(shù)字化標簽集的形式,盡可能全面細致地抽取用戶的信息全貌,以便能夠表征和預測用戶行為,從而幫助企業(yè)解決如何將數(shù)據(jù)轉(zhuǎn)化為價值的問題.目前,用戶畫像在商業(yè)、醫(yī)療、管理、情報等眾多領域和行業(yè)中已有廣泛的應用,用以提升用戶體驗,實現(xiàn)精準化服務,提供管理決策參考[4]等.

作為研究人的學習行為的學科,教育領域同樣能夠借助用戶畫像技術實現(xiàn)新時代的需求.教育是一個復雜的育人系統(tǒng),不僅涵蓋的主客體變量眾多,而且對教育決策的容錯性較小.因此數(shù)據(jù)驅(qū)動的教育革新不僅要求實時客觀地表征學習者特征,還需要準確發(fā)現(xiàn)學習者的需求偏好,并且能夠?qū)虒W行為變化進行動態(tài)預測.當前,研究者從不同角度對學習者畫像的涵義和實現(xiàn)途徑進行了闡釋.例如,肖君等從學習者基本特征、在線學習行為和學習路徑三個維度構建了學習者畫像,并證明了畫像對預測高風險學習者的有效性[5].余明華等聚焦參與研究性學習的學生,通過建構畫像從能力屬性、行為屬性和興趣屬性三個角度來識別不同類型的學習者,提出了面向?qū)W生的個人畫像和面向教師的群體畫像[6].顧小清等提出結(jié)合線上線下數(shù)據(jù)建構學習者畫像的理論和思路[7].在綜合現(xiàn)有研究基礎上,本文認為,學習者畫像是指通過多途徑多方法收集與學習者學習過程緊密相關的數(shù)據(jù),利用分析挖掘技術構建的可通過詞云圖、儀表盤等形式進行可視化呈現(xiàn)的虛擬學習者模型.該模型是學習者個體標簽體系的集合,能夠描述學習者的特征、需求、偏好和行為,為更精準的學習支持服務和后續(xù)的學習分析提供數(shù)據(jù)支撐,提升學習者的學習體驗.

1.2 學習者畫像的特征

(1)數(shù)據(jù)來源的教育價值性

相較于一般用戶畫像的來源數(shù)據(jù),學習者畫像數(shù)據(jù)強調(diào)“教育情境性”和“價值密度”.為此,研究者們通過社會調(diào)查、網(wǎng)絡數(shù)據(jù)采集和感知技術采集三種主要方法,來獲取學習者全過程多模態(tài)的數(shù)據(jù).社會調(diào)查以訪談、觀察、問卷調(diào)查方法為代表,支持抓取學習者的心理特征、高階能力與素養(yǎng)表征數(shù)據(jù).如采用學習風格、學習動機量表收集學習者類型數(shù)據(jù).網(wǎng)絡數(shù)據(jù)采集支持抓取描摹學習者學習行為軌跡的網(wǎng)絡數(shù)據(jù).如利用網(wǎng)絡爬蟲工具獲取學習者主動提供的個人基本信息、評論評分等顯性數(shù)據(jù).利用日志挖掘技術、平臺數(shù)據(jù)庫采集技術獲取學習者的學習資源訪問順序、學習時長等學習行為日志記錄.感知技術借助智能終端或可穿戴設備支持抓取學習過程中產(chǎn)生的圖文聲像、視覺觸覺等交互式數(shù)據(jù).如借助腦電實驗對學習者的腦電波圖形進行分析,獲得學習者關注度與興趣畫像[8].

(2)建模過程的方法融合性

區(qū)別于以往的學習者分析方法,學習者畫像的建模過程中融合了定量與定性兩類方法.定量化的方法是對學習者數(shù)據(jù)進行精細的統(tǒng)計分析與計算,從而精準發(fā)掘?qū)W習需求.定性化的方法則能夠?qū)逃龍鼍?、學習者心智等進行分析,從而對用戶的性質(zhì)和特征做出抽象與概括,用于為生成的標簽賦予語義化意義.同時,由于教育中學習者個體與社會性的現(xiàn)實關照,因此學習者畫像的建模過程還應表現(xiàn)出融合個人畫像和群體畫像的層次性.首先,基于個人的畫像是以識別單個學習者的特征為基礎,深入全面地了解個體學習需求,在此基礎上,結(jié)合相關技術實現(xiàn)個體評價、個性化資源推薦和用戶行為預測等功能.其次,學習者群體畫像是實現(xiàn)對學習者的分群操作,并依據(jù)實際教育情境挖掘出群體共同行為特征規(guī)律,向教師、教育管理部門等提供決策支持.

(3)畫像模型的維度多元性

學習者畫像本質(zhì)上是一組特征標簽集合,畫像標簽庫的形成由學習者畫像模型決定.為了達成學習者特征分析、學習者群體識別、學習者評價等方面的目標,可以結(jié)合多元化場景從學習者一般特征、知識能力結(jié)構、內(nèi)隱心理、外顯學習行為以及學習交互五大維度對學習者進行全面的刻畫.具體而言,①學習者一般特征包括學習者的基本信息、教育經(jīng)歷、通訊信息等個人信息,能夠唯一地表征某位學習者,初步描摹學習者個人輪廓;②學習者知識能力維度反映學習者的學科知識掌握程度、能力水平、技能熟練度等,通常基于學習者的測評數(shù)據(jù)進行建模;③內(nèi)隱心理維度表示學習者的心理狀態(tài),包括學習風格、興趣愛好、情感情緒及其變化趨勢等;④學習行為維度是學習者在學習過程中產(chǎn)生的行為表征,如信息檢索、信息加工、信息發(fā)布等;⑤學習交互維度涵蓋學習者與同伴、教師以及資源進行交互的情況.

2 技術支持的學習者畫像實現(xiàn)流程

目前,數(shù)據(jù)的多樣性、異質(zhì)性以及龐大的數(shù)據(jù)規(guī)模給學習用戶畫像構建帶來了極大挑戰(zhàn)[9].學習者畫像流程架構是學習用戶畫像研究的重要基礎內(nèi)容,能對整個建構過程進行全局性規(guī)劃,對畫像分析、實踐和應用全過程起指導作用.基于對相關理論和文獻的分析,提出學習用戶畫像邏輯實現(xiàn)框架,包括畫像目標確定、數(shù)據(jù)采集與清洗、學習者畫像模型建構、學習者標簽提取、畫像輸出與評價五個環(huán)節(jié),如圖1所示.

圖1 學習用戶畫像實現(xiàn)流程框架

2.1 畫像目標確定

目標確定在以往的學習用戶畫像研究中,很少被明確地提起.然而學習用戶畫像日漸豐富的應用場景、體量驚人的數(shù)據(jù)類型和眼花繚亂的分析技術,使得保證畫像建構意義、明確畫像構建目標變得十分必要.這將有助于劃分畫像構成要素和模型構建,從而確定畫像的數(shù)據(jù)選擇和結(jié)果呈現(xiàn).目標確定環(huán)節(jié)以學習情境分析和利益相關者需求分析為基礎,可從信息識別、特征挖掘、發(fā)展預測三大類別逐步細化,分別為學習者、教師、管理人員提供精準化支持服務.

2.2 數(shù)據(jù)采集與清洗

數(shù)據(jù)是學習分析和畫像構建的基礎.為了保證學習者畫像構建的質(zhì)量,開發(fā)人員可依據(jù)目標確定階段的需求分析,指導學習數(shù)據(jù)的具體采集,包括對數(shù)據(jù)來源的可及性分析和數(shù)據(jù)采集方式的可行性選擇.融合社會調(diào)查(訪談、觀察、問卷調(diào)查)、網(wǎng)絡數(shù)據(jù)采集(網(wǎng)絡爬蟲、平臺數(shù)據(jù)庫)、感知技術(可穿戴設備、智能終端采集)等多種方法,既注重線上數(shù)據(jù)與線下數(shù)據(jù)的結(jié)合,也兼顧外顯行為和心理生理特征數(shù)據(jù)的結(jié)合.采集來的數(shù)據(jù)需要經(jīng)過清洗才能用于分析與建模.數(shù)據(jù)清洗過程涉及到無關數(shù)據(jù)的刪除、缺失值和偏差值的填補校正、數(shù)據(jù)格式的轉(zhuǎn)換處理等.

2.3 學習者畫像模型建構

學習者畫像模型的建構是全流程中至關重要的一步.根據(jù)數(shù)據(jù)、信息、知識和智慧(DIKW)金字塔層次體系,學習者畫像模型中保存的即為信息或知識,它們已經(jīng)對學習者實現(xiàn)了量化表征.因此,學習者畫像模型建構過程實質(zhì)上是采用定量分析的方法對數(shù)據(jù)進行分析提煉,從而填充模型各維度內(nèi)容.模型建構的分析方法決定了最終學習者畫像的準確度,模型生成結(jié)果的顆粒大小決定了最終學習者畫像的精細度.模型建構過程應充分分析數(shù)據(jù)特征,以建構目標為導向,精心融合統(tǒng)計分析、機器學習、基于理論的自定義規(guī)則等多種分析方法.

2.4 學習者標簽提取

這一步驟的核心工作是將學習者模型轉(zhuǎn)換為語義化的標簽,即對學習者的某一特征進行評價分類,如根據(jù)學習時長判斷某一學習者是“持之以恒者”還是“臨時抱佛腳者”.其過程是在定量分析的基礎上結(jié)合定性分析,可以應用人工分析提取、監(jiān)督學習的方法實現(xiàn).作為學習者畫像區(qū)別于其他用戶分析的重要特點,提取出的學習者畫像標簽需要具備語義化和短文本兩項特征.語義化便于畫像的各相關利益者理解其含義,短文本以供后續(xù)應用時作進一步加工處理.

2.5 畫像輸出與評價

將學習者畫像直觀明了地呈現(xiàn)給各相關利益者,即為學習用戶畫像的輸出.該環(huán)節(jié)可以使用標簽云/詞云、各類圖形圖表等數(shù)據(jù)可視化技術實現(xiàn).直至畫像輸出,單輪學習用戶畫像構建流程便結(jié)束了.而完整的學習用戶畫像是一個不斷迭代完善的過程,還需要結(jié)合應用情境對畫像進行評價和修正.評價指標需根據(jù)不同的建構目標,從準確率、區(qū)分度和時效性三方面進行制定.評價的方式可以采用問卷調(diào)查、回訪畫像對象、與使用畫像前應用效果進行對比分析等.

3 基于社會學習理論與活動理論的學習者畫像標簽體系

學習者畫像以構建出一組能表征學習者特征的語義化標簽體系為目標.鑒于已有研究在構建學習者標簽體系時,常以原始數(shù)據(jù)類別為依據(jù),忽視數(shù)據(jù)類別間的動態(tài)關聯(lián),造成標簽體系不系統(tǒng)、理論解釋性不強的現(xiàn)狀,為科學合理地表征學習者,本文基于社會學習理論“三元交互”模型的觀點,從個人特征、行為表現(xiàn)、環(huán)境因素三個方面建構學習者畫像三個一級維度.一級維度間通過動態(tài)交互作用,互相影響、互為依賴,為各類教育應用場景提供立體化服務.在此基礎上,為了確保標簽體系對學習活動分析解釋的全面性與語義性,在活動理論的指導下,進一步細化了標簽二級維度.最終建構了如圖2所示的完整學習者畫像標簽體系.

圖2 學習者畫像標簽體系

標簽體系中,學習者個人特征維度主要指學習者認知和其他個人內(nèi)部因素,包含個人基本信息、知識掌握情況、能力水平、心理動機指標等,特別地設置了個人認同的規(guī)則標簽,表示個人具備的價值觀、道德規(guī)范、文化慣例等.環(huán)境因素維度是指除學習者自身以外,學習客體、共同體及學習工具的有效整合,包括學習目標、學習任務、真實情境的人或物、學習平臺、內(nèi)容資源以及網(wǎng)絡系統(tǒng)和服務等.學習者行為表現(xiàn)維度主要指學習者個體在與學習環(huán)境的交互過程中產(chǎn)生的外顯學習行為,既與學習活動有關,又與學習者的社會化特征相關,可以分為學習者與資源進行的活動和學習者與學習共同體進行的交互.在各維度下,標簽以自上而下逐漸細化的樹狀層級結(jié)構呈現(xiàn),最下端的“葉節(jié)點”為具體描述的語義化標簽實例.

依據(jù)標簽的內(nèi)容特征,最終生成的學習者標簽劃分為事實性標簽、特征性標簽和預測性標簽.事實性標簽用于描述既定事實,如“城市/農(nóng)村生源”“本科學歷”等.特征性標簽是對用戶數(shù)據(jù)進行了提煉抽取,用以揭示其潛在特征和規(guī)律,如“善于推理和決策的問題解決者”“移動學習偏好者”.預測性標簽具有概率預測和價值預測功能,如“高風險學習者”.在現(xiàn)有學習用戶畫像研究中,上述各類型標簽的提取,可以通過人工提取和技術抽取兩類方法來完成.人工提取是在相關理論的支持下,結(jié)合研究者的知識經(jīng)驗,描繪或者抽象用戶屬性差異,從而抽取用戶特征.這類方法適用于提取各種類別的用戶標簽,具有較強的語義表達能力和邏輯推理能力,標簽體系的維度多樣且條理清晰.但這類方法要求標簽提取者具有專家級別的領域知識,并且由于人工參與不可避免地存在一定的主觀傾向,同時對于不同領域需要分別建構相應提取規(guī)則,因此較為耗時耗力.技術抽取是利用信息技術手段自動地抽取出描述用戶特征的各類標簽.這類方法有助于大數(shù)據(jù)場景下新模式新特征的發(fā)掘,具備技術類工具的跨領域適應性,節(jié)省時間和人工成本,同時避免了人工參與的主觀傾向性.

4 學習者畫像應用情境分析

根據(jù)社會學習理論的觀點,學習者、環(huán)境和學習行為交互作用以產(chǎn)生人的后繼行為,即這三個成分中的任何一個都不能獨立于其他兩個而單獨作為理解學習過程的決定因素.因此系統(tǒng)整合個人、行為、環(huán)境標簽,分別生成事實類標簽、特征類標簽和預測類標簽,可為如下多種教育應用場景提供服務.

4.1 學習者個體:基于個人標簽,對照環(huán)境和行為標簽,促進學習者自身認知與發(fā)展

學習者既是畫像的核心對象,也是畫像的首要服務用戶.語義明確的數(shù)字化標簽構成了學習者個人的專業(yè)發(fā)展報告,可視化呈現(xiàn)了學習者的績效表現(xiàn),能夠促進其元認知能力和自我監(jiān)控能力的發(fā)展.具體應用包括,首先,借助事實類標簽進行學習結(jié)果自查和澄清優(yōu)缺點所在;其次,應用特征類標簽開展自我診斷,反思學習過程,分析原因;最后,依據(jù)預測類標簽制定學習發(fā)展規(guī)劃.

4.2 針對資源供應方:基于環(huán)境標簽,關聯(lián)個人和行為標簽,實現(xiàn)自適應式精準推薦

智能推薦引擎是個性化教育培養(yǎng)領域的關注焦點,基于學習者畫像構建智能推薦系統(tǒng),能夠自適應地為學習者提供個性化的資源推薦服務.學習者畫像中的行為標簽和個人標簽可以精準客觀地描述出學習者的既往資源選擇偏好、知識儲備狀態(tài)、能力缺陷情況等個體特征,在此基礎上與環(huán)境標簽中的資源類標簽進行對比,可為資源供應方的服務優(yōu)化提供參考方向.具體應用包括兩個方面,其一,支持已有教學資源的精準推薦;其二,輔助面向需求的學習資源精準設計.

4.3 針對學習共同體:基于行為標簽,搭載個人和環(huán)境標簽,支持共同體個性化配對

現(xiàn)代教學理論不斷呼吁個體學習應向共同體學習進行轉(zhuǎn)換,以獲得更好的學習績效.但在實際教育中,評價機制的不完善和固定班級制的限制,成為學習共同體形成和發(fā)展的壁壘.學習者用戶畫像將能夠支持這一應用場景的有效轉(zhuǎn)變.具體的實現(xiàn)思路為:畫像中的行為標簽突出描述了學習者的社會屬性,進一步搭載個人標簽中描述認同規(guī)則的標簽與環(huán)境標簽中描述學習客體的標簽(如學習目標、學習任務等)進行匹配.最終,為學習者輸出以共同愿景、價值和情感為基礎,以真實任務為核心,師生、生生之間持續(xù)深層合作和互動,共同成長、共同進步的共同體組合[10].

4.4 針對教育管理者:整合三類標簽,構造群體畫像,驅(qū)動教育管理者循證決策

刻畫學習者群體特征,是學習者畫像應用中一類重要內(nèi)容.對于決策者而言,由一定樣本量的學習者畫像整合而成的學習者群體發(fā)展報告,可以分別為教師、學?；騾^(qū)域教育管理者呈現(xiàn)教育教學活動實施的總體情況.一方面,在日益呼喚學生評價改革的背景下,學習者畫像可以更加客觀全面地對學習者進行基于過程的伴隨式評價.另一方面,學習者畫像支持對特殊學生群體的發(fā)現(xiàn).對具有特殊才能的學生可以因材施教,實現(xiàn)教育資源再分配;對高風險學生可以抽取其發(fā)展軌跡,及時進行針對性干預.

5 結(jié)語

本文針對當前我國學習者畫像研究中缺乏教育理論指導,忽視不同數(shù)據(jù)間動態(tài)關聯(lián)價值等問題,從可行性和具體實施方法方面,探討了學習者畫像的建構流程,并提出基于社會學習理論和活動理論的學習者畫像標簽體系,闡釋了相關應用場景,可為科學勾勒學習者畫像提供參考.后續(xù)研究將對學習者畫像在教育教學中的應用實踐進行實證檢驗,并重點關注學習者高階能力素養(yǎng)的描畫,使學習用戶畫像更深刻立體.同時,還需要加強學習者畫像實現(xiàn)技術中的數(shù)據(jù)標準統(tǒng)一、數(shù)據(jù)開放共享和數(shù)據(jù)隱私保護等內(nèi)容的研究.