教育數(shù)據(jù)在課堂與在線教學(xué)中的應(yīng)用研究

宋正國 刁秀麗

摘 ?要： 人工智能與大數(shù)據(jù)技術(shù)的應(yīng)用，為教育教學(xué)注入了新的動力。文章以程序設(shè)計在線評測系統(tǒng)大數(shù)據(jù)為例，研究教育大數(shù)據(jù)在輔助課堂教學(xué)和在線教學(xué)中的應(yīng)用?；谠诰€測評系統(tǒng)，分析學(xué)生學(xué)習(xí)流程及數(shù)據(jù)體系，剖析了教育數(shù)據(jù)在學(xué)習(xí)路徑分析、相似度計算、個性化內(nèi)容推薦、群體模型構(gòu)建及學(xué)習(xí)成績預(yù)測等領(lǐng)域的應(yīng)用，為教育管理以及課堂教學(xué)與在線教學(xué)的深度融合提供決策支持。

關(guān)鍵詞： 教育大數(shù)據(jù); 在線測評系統(tǒng); 學(xué)習(xí)路徑; 個性化推薦

中圖分類號：G40-057 ? ? ? ? ?文獻(xiàn)標(biāo)識碼：A ? ? 文章編號：1006-8228（2021）08-93-05

Research on the application of educational data in classroom teaching and online teaching

Song Zhengguo， Diao Xiuli

（College of Computer Science and Engineering， Shandong University of Science and Technology， Qingdao， Shandong 266590， China）

Absrtact： The application of artificial intelligence and big data technology has injected new impetus into education and teaching. Taking the big data of programming online evaluation system as an example， this paper studies the application of educational big data in aiding the classroom teaching and online teaching. Based on the online evaluation system， the students' learning process and data system are analyzed， and the application of educational data in the fields of learning path analysis， similarity calculation， personalized content recommendation， group model construction and learning performance prediction are dissected， which can provides decision-making support for education management and the deep integration of classroom teaching and online teaching.

Key words： educational big data; online evaluation system; learning path; personalized recommendation

0 引言

人工智能和大數(shù)據(jù)成為當(dāng)前信息領(lǐng)域研究的熱點(diǎn)。教育領(lǐng)域?qū)Υ罅繑?shù)據(jù)的挖掘和運(yùn)用，并進(jìn)行學(xué)習(xí)分析，必將影響著課堂教與學(xué)的各個方面，帶來教學(xué)目的、教學(xué)內(nèi)容、教學(xué)方式和教學(xué)管理等方面的系統(tǒng)性變革。目前，教育領(lǐng)域中大數(shù)據(jù)主要是教育教學(xué)中產(chǎn)生的學(xué)習(xí)者行為數(shù)據(jù)，如課堂教學(xué)中的學(xué)習(xí)行為、面部表情、肢體動作、眼動等，以及在線學(xué)習(xí)中學(xué)生學(xué)習(xí)路徑、學(xué)習(xí)日志、學(xué)習(xí)成果數(shù)據(jù)及課程資源數(shù)據(jù)與學(xué)習(xí)管理數(shù)據(jù)等。通過教學(xué)管理系統(tǒng)的學(xué)生數(shù)據(jù)，研究學(xué)生的未來行為趨勢，如通過在線課程記錄，預(yù)測學(xué)習(xí)者能否完成在線課程[1];通過提取學(xué)習(xí)者在在線教育平臺上的數(shù)據(jù)，識別學(xué)習(xí)者行為，檢測有可能存在輟學(xué)風(fēng)險的學(xué)生，及時發(fā)現(xiàn)并進(jìn)行教育[2];通過提取學(xué)習(xí)者的個人信息，對學(xué)習(xí)者的成績進(jìn)行分析與成績預(yù)測等[3-6]，以改進(jìn)教學(xué)方式。

程序設(shè)計在線測評系統(tǒng)作為培養(yǎng)高校學(xué)生編程能力的輔助課堂教學(xué)的學(xué)習(xí)平臺，教學(xué)中廣泛使用。平臺上產(chǎn)生了大量學(xué)生編程練習(xí)與測試數(shù)據(jù)，通過對這些數(shù)據(jù)挖掘與分析，可以幫助教師了解學(xué)生編程能力培養(yǎng)的規(guī)律，進(jìn)而幫助其調(diào)整教學(xué)策略及方法。

1 教育數(shù)據(jù)挖掘分析概述

1.1 評測系統(tǒng)特征介紹

程序設(shè)計在線評測系統(tǒng)是基于Web、供C語言、C++等多種編程語言類課程教學(xué)使用的在線學(xué)習(xí)平臺，其主要功能包括題庫管理、程序代碼在線提交和實(shí)時評判、在線考試、系統(tǒng)監(jiān)控和管理等。該系統(tǒng)主要為教師和學(xué)生兩類用戶服務(wù)，教師基于平臺開展諸如布置課程作業(yè)、安排上機(jī)實(shí)驗及階段性測試、編程競賽等教學(xué)活動。學(xué)生在教師的指導(dǎo)下基于平臺進(jìn)行自主學(xué)習(xí)，登錄系統(tǒng)查看教師發(fā)布的實(shí)驗、作業(yè)及測試等題目，在線提交編程類題目的代碼，系統(tǒng)自動評測學(xué)生提交的代碼，并向用戶顯示評測結(jié)果。

程序設(shè)計在線評測在我校得到了廣泛的應(yīng)用，涉及專業(yè)包括計算機(jī)科學(xué)與技術(shù)、軟件工程、物聯(lián)網(wǎng)技術(shù)等十幾個專業(yè)。如表1所示，每個學(xué)習(xí)者提交代碼后可以得到一個實(shí)時的結(jié)果內(nèi)容包括提交號、學(xué)習(xí)者登陸名、提交的題目號、提交結(jié)果、使用語言和提交時間等。截止目前為止，本系統(tǒng)的注冊人數(shù)已達(dá)12000余人，總提交次數(shù)突破230萬。數(shù)據(jù)庫中匯聚了各個專業(yè)、各個年級的學(xué)習(xí)者，不僅存儲了每位學(xué)習(xí)者的個人信息、登陸信息、提交信息，還存儲了作業(yè)信息、題目信息等。這些信息既包括學(xué)生的學(xué)習(xí)結(jié)果信息，也記錄了學(xué)習(xí)者詳細(xì)的學(xué)習(xí)過程信息。

1.2 評測系統(tǒng)數(shù)據(jù)體系

程序設(shè)計在線評測系統(tǒng)作為高校開展混合式學(xué)習(xí)的重要學(xué)習(xí)環(huán)境，產(chǎn)生了全方位、多維度的學(xué)習(xí)大數(shù)據(jù)，通過對這些海量數(shù)據(jù)的挖掘分析，把握學(xué)生在線編程學(xué)習(xí)的規(guī)律，為改進(jìn)教學(xué)提供數(shù)據(jù)支撐。在線評測系統(tǒng)中學(xué)生學(xué)習(xí)流程及數(shù)據(jù)體系如圖1所示。

上述數(shù)據(jù)體系表明，在線評測系統(tǒng)中學(xué)生學(xué)習(xí)全過程、常態(tài)化所產(chǎn)生的數(shù)據(jù)涵蓋課后作業(yè)、上機(jī)實(shí)驗和階段測試多個教學(xué)環(huán)節(jié)，形成了診斷性評價、形成性評價和總結(jié)性評價的全方位、多維度評測大數(shù)據(jù)。從整體上看，這些測評大數(shù)據(jù)描述了學(xué)生學(xué)習(xí)行為和學(xué)習(xí)過程狀況，描述了不同學(xué)習(xí)階段的結(jié)果情況，為分析和改進(jìn)教學(xué)過程提供了全面的數(shù)據(jù)基礎(chǔ)。基于程序設(shè)計在線評測系統(tǒng)中的教育大數(shù)據(jù)，利用教育數(shù)據(jù)挖掘和學(xué)習(xí)分析技術(shù)進(jìn)行建模、分析和處理，有助于教師和研究者深入理解學(xué)生學(xué)習(xí)數(shù)據(jù)，并基于數(shù)據(jù)分析做出數(shù)據(jù)驅(qū)動的決策，從而為開展學(xué)情分析、把握學(xué)生學(xué)習(xí)行為、優(yōu)化學(xué)習(xí)過程提供數(shù)據(jù)支持，真正實(shí)現(xiàn)基于數(shù)據(jù)的教育。

2 教育大數(shù)據(jù)應(yīng)用領(lǐng)域

程序設(shè)計在線評測系統(tǒng)數(shù)據(jù)挖掘分析的關(guān)鍵是獲取海量的學(xué)生學(xué)習(xí)行為變化態(tài)勢數(shù)據(jù)以及針對這些數(shù)據(jù)開展挖掘分析。學(xué)習(xí)過程是一個及其復(fù)雜的過程，學(xué)生學(xué)習(xí)水平是身心狀況、認(rèn)知基礎(chǔ)、學(xué)習(xí)方法、學(xué)習(xí)動機(jī)以及其他外部因素的綜合作用的結(jié)果[7]。

基于在線測評系統(tǒng)中學(xué)習(xí)過程數(shù)據(jù)和學(xué)習(xí)結(jié)果數(shù)據(jù)的收集、整理、挖掘與分析，其主要應(yīng)用領(lǐng)域和研究問題包括學(xué)生用戶建模、學(xué)習(xí)路徑分析、相似度計算的應(yīng)用問題、群體網(wǎng)絡(luò)構(gòu)建以及內(nèi)容推薦問題。從評價的角度看，基于學(xué)習(xí)分析技術(shù)還可以構(gòu)建學(xué)生評價模型、教師評價模型、課程評價模型等模型，進(jìn)而實(shí)現(xiàn)學(xué)生學(xué)業(yè)趨勢分析。程序設(shè)計在線評測系統(tǒng)數(shù)據(jù)挖掘分析整體框架如圖2所示。

⑴ 學(xué)生用戶建模

學(xué)生用戶模型是一種對真實(shí)學(xué)生特征的抽象表示，它代表學(xué)生用戶的知識狀態(tài)、認(rèn)知學(xué)習(xí)行為、學(xué)習(xí)動機(jī)與興趣、學(xué)習(xí)態(tài)度與情感等方面的一系列水平和特征[8]。

通過在線測評系統(tǒng)中學(xué)生答題正確率、做題花費(fèi)時間、請求幫助的數(shù)量和性質(zhì)，以及錯誤應(yīng)答的重復(fù)率等數(shù)據(jù)，并結(jié)合課程、學(xué)習(xí)單元和知識點(diǎn)的學(xué)習(xí)內(nèi)容組織方式等數(shù)據(jù)，通過數(shù)據(jù)挖掘和分析，構(gòu)建學(xué)生知識狀態(tài)模型，關(guān)注學(xué)生在學(xué)習(xí)過程中的知識狀態(tài)變化。

通過采集學(xué)生在測評系統(tǒng)中花費(fèi)的學(xué)習(xí)時間、題目測試與作業(yè)的學(xué)習(xí)情況，并結(jié)合學(xué)生在課堂或?qū)W校情境中學(xué)習(xí)行為變化情況、線上或線下考試成績等數(shù)據(jù)，探索學(xué)生學(xué)習(xí)行為與學(xué)習(xí)結(jié)果的相關(guān)關(guān)系，構(gòu)建學(xué)生學(xué)習(xí)行為模型。

采集學(xué)生在測評系統(tǒng)中花費(fèi)的學(xué)習(xí)時間、作業(yè)開始與提交的時間，代碼相似度等相關(guān)數(shù)據(jù)，以及線下學(xué)生基本信息，通過數(shù)據(jù)挖掘，分析學(xué)生學(xué)習(xí)特征，構(gòu)建學(xué)生的興趣模型。由于大多數(shù)情況下學(xué)生基于在線評測系統(tǒng)開展自主學(xué)習(xí)活動，在線評測系統(tǒng)中記錄著作業(yè)開始與提交的時間、學(xué)生做題的反饋等客觀和主觀數(shù)據(jù)，我們通過學(xué)生對題目的知識點(diǎn)和做題目的感受，以及題目的難度系數(shù)，動態(tài)地計算學(xué)生情感，建立學(xué)生情感模型。

⑵ 學(xué)生學(xué)習(xí)路徑分析

學(xué)習(xí)路徑是實(shí)現(xiàn)個性化學(xué)習(xí)、個性化信息服務(wù)和導(dǎo)航的主要技術(shù)之一。目前，關(guān)于學(xué)習(xí)路徑的研究包括學(xué)習(xí)資源序列和學(xué)習(xí)活動序列兩個方面。學(xué)習(xí)路徑推薦是對學(xué)習(xí)者學(xué)習(xí)的活動或?qū)W習(xí)資源順序進(jìn)行推薦的一種策略，主要包括基于特征屬性的推薦、基于學(xué)習(xí)模型的推薦和基于群體路徑的推薦等三種學(xué)習(xí)路徑推薦策略[9]。基于學(xué)生在線測評系統(tǒng)中積累的海量學(xué)習(xí)行為數(shù)據(jù)，使得研究者有機(jī)會更加精準(zhǔn)地認(rèn)識每一位學(xué)習(xí)者。通過對學(xué)習(xí)者相關(guān)數(shù)據(jù)的挖掘和分析，繪制其學(xué)習(xí)路徑圖，基于學(xué)習(xí)路徑既可以發(fā)現(xiàn)學(xué)生所做題目的順序，還可以將題目映射到知識點(diǎn)，從而發(fā)現(xiàn)知識點(diǎn)序列，再根據(jù)做題結(jié)果，進(jìn)而對學(xué)生能力評價，關(guān)注學(xué)習(xí)路徑對學(xué)生能力的影響。

⑶ 相似度計算的應(yīng)用問題

基于在線測評系統(tǒng)的數(shù)據(jù)可以進(jìn)行學(xué)生相似度、學(xué)習(xí)路徑相似度、題目相似度以及作業(yè)代碼相似度等方面的計算，從而有利于群體分組、精準(zhǔn)推薦和個性化學(xué)習(xí)支持服務(wù)。

計算學(xué)生相似度，根據(jù)學(xué)生的注冊數(shù)據(jù)以及學(xué)生在測評系統(tǒng)中的日志數(shù)據(jù)，提取能代表學(xué)生模型的特征屬性，既包括學(xué)生的靜態(tài)特征屬性，也包括學(xué)生的動態(tài)屬性，通過相關(guān)特征屬性的相似度計算，來判定學(xué)生的相似情況，從而基于相似學(xué)生進(jìn)行好友推薦、分組、推薦資源。判斷學(xué)生的相似性使用文本相似度計算方法，包括文本的語法相似度判斷、語義相似度判斷或者語法語義相結(jié)合的相似度判斷。

依據(jù)在線測評系統(tǒng)中學(xué)生的做題路徑數(shù)據(jù)以及登陸提交作業(yè)等數(shù)據(jù)，計算學(xué)生的學(xué)習(xí)路徑相似度。關(guān)于學(xué)習(xí)路徑相似度計算可以借鑒計算機(jī)領(lǐng)域的流程結(jié)構(gòu)相似度計算方法，目前采用最多的方法就是基于各種形式的編輯距離來進(jìn)行計算，其中主要包括圖的編輯距離、樹的編輯距離和字符串的編輯距離等。通過學(xué)習(xí)學(xué)習(xí)路徑的相似度計算，可以獲得相似的學(xué)習(xí)路徑，從而進(jìn)行學(xué)生能力評價，相似路徑的好友推薦、分組，以及資源推薦。

⑷ 內(nèi)容推薦

推薦系統(tǒng)一直以來都是人們關(guān)注熱點(diǎn)問題，其主要目的是為了解決網(wǎng)絡(luò)上的信息過載問題，幫助用戶從大量的信息中自動獲取特定需求或符合用戶興趣偏好的資源和信息。目前存在的、公認(rèn)的幾種典型的推薦策略有：基于知識的推薦、基于內(nèi)容的推薦、協(xié)同過濾推薦、基于網(wǎng)絡(luò)結(jié)構(gòu)的推薦等。基于在線測評系統(tǒng)實(shí)驗數(shù)據(jù)的研究，應(yīng)關(guān)注內(nèi)容推薦問題，從推薦算法、推薦中考慮的因素和算法應(yīng)用等方面進(jìn)行研究?；谠诰€測評系統(tǒng)的內(nèi)容推薦主要包括以下幾種推薦內(nèi)容：測試題目推薦;依據(jù)學(xué)習(xí)路徑推薦和基于個體和群組的好友推薦。

⑸ 群體網(wǎng)絡(luò)構(gòu)建

網(wǎng)絡(luò)中，相互聯(lián)系的群體，受各類社會因素的影響，常常表現(xiàn)出相同或相似的興趣愛好及行為規(guī)范。同時，伴隨著社會化網(wǎng)絡(luò)的廣泛應(yīng)用和在線社交網(wǎng)絡(luò)的盛行，網(wǎng)絡(luò)系統(tǒng)用戶之間的活動行為表現(xiàn)得越來越社區(qū)化和網(wǎng)絡(luò)化，結(jié)合學(xué)生的交互行為數(shù)據(jù)的挖掘與分析，研究學(xué)生的社交關(guān)系，構(gòu)建基于學(xué)生群體數(shù)據(jù)的具有相同或相似偏好的群體網(wǎng)絡(luò)模型，探索學(xué)生虛擬社區(qū)的發(fā)現(xiàn)及動態(tài)演化規(guī)律，有利于學(xué)習(xí)資源和學(xué)習(xí)服務(wù)的精準(zhǔn)推薦，從而達(dá)到個性化服務(wù)的目的。

⑹ 成績預(yù)測

基于在線測評系統(tǒng)數(shù)據(jù)以及學(xué)生用戶模型，構(gòu)建成績預(yù)測與預(yù)警模型，從而對學(xué)生的學(xué)生成績進(jìn)行預(yù)測和學(xué)習(xí)行為進(jìn)行預(yù)警，以及進(jìn)行預(yù)測成績不佳的原因分析。

3 總結(jié)及展望

教育數(shù)據(jù)挖掘和學(xué)習(xí)分析通過對教育大數(shù)據(jù)的獲取、存儲、管理和分析，構(gòu)建學(xué)習(xí)者學(xué)習(xí)行為相關(guān)模型，分析學(xué)習(xí)者已有學(xué)習(xí)行為，促進(jìn)課堂教學(xué)與在線教學(xué)的深度融合，并對學(xué)習(xí)者的未來學(xué)習(xí)趨勢進(jìn)行科學(xué)預(yù)測。

⑴ 利用人工智能與大數(shù)據(jù)對學(xué)習(xí)資源精準(zhǔn)推送

大數(shù)據(jù)時代數(shù)字化的學(xué)習(xí)資源將呈現(xiàn)爆炸式的增長，面對海量的學(xué)習(xí)資源，學(xué)習(xí)者如何選擇，或者如何向?qū)W習(xí)者推送合適的學(xué)習(xí)資源將成為未來面臨的主要問題。依據(jù)學(xué)習(xí)者的興趣、偏好、知識水平和能力水平等靜態(tài)特征，結(jié)合學(xué)生學(xué)習(xí)的過程性信息、忽視人際網(wǎng)絡(luò)信息和學(xué)習(xí)路徑的動態(tài)變化等學(xué)習(xí)過程情境信息，為學(xué)習(xí)者推薦精準(zhǔn)的個性化的學(xué)習(xí)資源。

⑵ 構(gòu)建自適應(yīng)學(xué)習(xí)支持服務(wù)系統(tǒng)

適應(yīng)性學(xué)習(xí)是遠(yuǎn)程教育發(fā)展質(zhì)的飛躍，飛躍的直接原因是以計算機(jī)、遠(yuǎn)程通信及認(rèn)知科學(xué)相結(jié)合的“知識媒體”綜合運(yùn)用。適應(yīng)性學(xué)習(xí)是根據(jù)學(xué)習(xí)者的個性化特征選擇相適應(yīng)的學(xué)習(xí)內(nèi)容和學(xué)習(xí)方法。研究滿足不同認(rèn)知水平、認(rèn)知風(fēng)格的學(xué)習(xí)者提供個性化的學(xué)習(xí)資源、學(xué)習(xí)路徑以及學(xué)習(xí)伙伴，建立在信息檢索和信息過濾技術(shù)基礎(chǔ)上的個性化自適應(yīng)學(xué)習(xí)支持服務(wù)系統(tǒng)。

⑶ 人工智能與教育的深度融合

當(dāng)前，無論是課堂教學(xué)還是在線學(xué)習(xí)都產(chǎn)生大量的學(xué)生學(xué)習(xí)數(shù)據(jù)，教師可以利用學(xué)習(xí)數(shù)據(jù)有效地跟蹤學(xué)生的學(xué)習(xí)進(jìn)度，利用相關(guān)的學(xué)習(xí)數(shù)據(jù)來優(yōu)化學(xué)習(xí)效果;通過學(xué)習(xí)數(shù)據(jù)分析發(fā)現(xiàn)學(xué)生的學(xué)習(xí)規(guī)律，促進(jìn)課堂教學(xué)管理;基于學(xué)生學(xué)習(xí)大數(shù)據(jù)，研究人工智能和大數(shù)據(jù)技術(shù)與高等教育教學(xué)的深度融合機(jī)理，改革現(xiàn)有的高等教育模式和教學(xué)方法，促進(jìn)教師教學(xué)模式的多樣化、學(xué)生學(xué)習(xí)的個性化、教學(xué)決策的精準(zhǔn)化以及教學(xué)管理的科學(xué)化。

⑷ 基于多模態(tài)數(shù)據(jù)的學(xué)習(xí)行為感知與預(yù)測

目前很多高校已建成集智能化教學(xué)、管理、服務(wù)于一體的智慧校園，高校教學(xué)環(huán)境逐漸走向智能化、智慧化，為更好地實(shí)施混合式學(xué)習(xí)、泛在學(xué)習(xí)等新型教學(xué)模式創(chuàng)造了便利條件。在智慧教育環(huán)境下，每個學(xué)生的行為數(shù)據(jù)和學(xué)習(xí)效果數(shù)據(jù)等多模態(tài)數(shù)據(jù)被完整地記錄保存下來，由于學(xué)生個性的不同，學(xué)習(xí)的參與度、學(xué)習(xí)表現(xiàn)也不盡相同，導(dǎo)致學(xué)生的評價數(shù)據(jù)往往是立體多維的，為此借助大數(shù)據(jù)和人工智能技術(shù)自動感知和跟蹤學(xué)生的學(xué)習(xí)行為，以大數(shù)據(jù)和人工智能技術(shù)為支撐，研究個體和群體學(xué)生行為分析挖掘方法，通過對學(xué)生行為精準(zhǔn)刻畫，幫助教師及時了解學(xué)生學(xué)習(xí)行為態(tài)勢走向和演化，監(jiān)測學(xué)生表現(xiàn)，從而實(shí)現(xiàn)個性化學(xué)習(xí)支持服務(wù)，以便幫助學(xué)習(xí)者提高學(xué)習(xí)效率、增強(qiáng)學(xué)習(xí)體驗、優(yōu)化學(xué)習(xí)效果，幫助教師進(jìn)行精準(zhǔn)教學(xué)支持與決策。

參考文獻(xiàn)（References）：

[1] Lara J A， Lizcano D， Pazos J， et al. A system for knowledge discovery in e-learning environments within the European Higher Education rea-Application to student data from Open University of Madrid， UDIMA[J]. Computers & Education，2014.72（1）：23-36

[2] Cocea M， Weibelzahl S. Can Log Files Analysis Estimate

Learners` Level of Motivation[C]：Lernen-Wissensentdeckung-Adaptivit?t， Hildesheim， October-2006， Joint Workshop Event of Several Interest Groups of the German Society for Informatics. DBLP，2011：32-35

[3] Natek S， Zwilling M. Student data mining solution-knowledge management system related to higher education institutions[J].Expert Systems with Applications，2014.41（14）：6400-6407

[4] 陳子健，朱曉亮.基于教育數(shù)據(jù)挖掘的在線學(xué)習(xí)者學(xué)業(yè)成績預(yù)測建模研究[J].中國電化教育，2017.12：75-81

[5] 蔣卓軒，張巖，李曉明.基于MOOC數(shù)據(jù)的學(xué)習(xí)行為分析與預(yù)測[J].計算機(jī)研究與發(fā)展，2015.52（3）：614-628

[6] García E， Romero C， Ventura S， et al. A collaborative

educational association rule mining tool[J]. Internet & Higher Education，2011.14（2）：77-88

[7] 張燕南.大數(shù)據(jù)的教育領(lǐng)域應(yīng)用之研究[D].華東師范大學(xué)，2016.

[8] Chrysafiadi，K. & Virvou， M.. Student modeling

approaches： a literature reviewfor the last decade. Expert Systems with Applications，2013.40（11）：4715-4729

[9] 趙呈領(lǐng)，陳智慧，黃志芳.適應(yīng)性學(xué)習(xí)路徑推薦算法及應(yīng)用研究[J].中國電化教育，2015.8：85-91

[10] 林木輝.學(xué)習(xí)者個性化特征表示及相似度計算[J].中國遠(yuǎn)程教育，2014.2：32-35

[11] 余勝泉.適應(yīng)性學(xué)習(xí)——遠(yuǎn)程教育發(fā)展的趨勢[J].開放教育研究，2000.3：12-15

[12] 徐鵬飛，鄭勤華，陳耀華，陳麗.教育數(shù)據(jù)挖掘中的學(xué)習(xí)者建模研究[J].中國遠(yuǎn)程教育，2018.6：5-11，79

收稿日期：2021-03-15

*基金項目：山東省教育科學(xué)“十三五”規(guī)劃專項課題“人工智能深度推進(jìn)教育管理和課堂教學(xué)改革研究”階段性成果（2020ZBYB008）

作者簡介：宋正國（1977-），男，濟(jì)寧人，碩士，副教授，主要研究方向：個性化推薦、人工智能與教育。

通訊作者：刁秀麗（1978-），男，碩士，副教授，主要研究方向：智慧教育、個性化信息服務(wù)。