基于個性化推薦的高校教學(xué)模式探索

陳強(qiáng) 賀丹 鄧美玲

關(guān)鍵詞：個性化推薦；知識圖譜；協(xié)同過濾；內(nèi)容過濾；Python

0 引言

隨著大數(shù)據(jù)時代的到來，Python語言具有簡單易學(xué)、可讀性高、應(yīng)用廣泛等優(yōu)點，被廣泛應(yīng)用于數(shù)據(jù)科學(xué)、人工智能、金融等領(lǐng)域。Python程序設(shè)計課程已成為高校許多專業(yè)的一門計算機(jī)通識課程，課程的教學(xué)目標(biāo)是培養(yǎng)學(xué)生的計算思維能力，通過案例和實踐體驗引入學(xué)習(xí)Python的動力，讓學(xué)生掌握運(yùn)用計算機(jī)進(jìn)行問題分析和問題求解能力，合理化專業(yè)知識體系的構(gòu)建，為今后結(jié)合專業(yè)需求融入最新技術(shù)及其應(yīng)用。但是，課題的開設(shè)存在學(xué)時少、內(nèi)容多、面向?qū)I(yè)群廣。因此，學(xué)生在學(xué)習(xí)Python可能會面臨一些挑戰(zhàn)，主要體現(xiàn)在以下幾個方面：（1） 缺乏計算機(jī)科學(xué)基礎(chǔ)知識，理解變量、數(shù)據(jù)類型、語句等概念相對困難。（2） 短期內(nèi)掌握所有Python語法結(jié)構(gòu)和面向?qū)ο缶幊碳夹g(shù)是不可能的。（3） Python提供了許多庫和框架，學(xué)生理解和使用這些庫和框架相對困難。（4） 無法深入理解Python在各個領(lǐng)域的應(yīng)用。 （5） 教學(xué)內(nèi)容和目標(biāo)無法滿足學(xué)生專業(yè)要求，使得學(xué)生缺少實際的實踐機(jī)會。

在實際教學(xué)過程中，由于學(xué)生數(shù)量多，個性差異大，教師不能因材施教。因此，為了解決這一問題，有必要在教學(xué)過程中對學(xué)生實施個性化教學(xué)。個性化推薦系統(tǒng)[1]能夠根據(jù)每個學(xué)生的興趣、偏好和歷史行為等信息提供個性化學(xué)習(xí)內(nèi)容。在高校教學(xué)中的應(yīng)用解決了實施個性化教學(xué)的難題，可以幫助教師更好地了解學(xué)生的學(xué)習(xí)需求和進(jìn)度，從而更好地開展個性化教學(xué)。

本文提出一種基于個性化推薦的Python程序設(shè)計通識課混合式教學(xué)模式，采用了基于個性化推薦、線上線下的混合式教學(xué)模式，融入了基于協(xié)同過濾、內(nèi)容過濾的個性化推薦，并利用知識圖譜劃分相關(guān)知識體系的專業(yè)興趣方向。

1 相關(guān)研究

個性化推薦系統(tǒng)已廣泛應(yīng)用于電子商務(wù)、社交媒體、教育等諸多領(lǐng)域。這些應(yīng)用基于協(xié)同過濾、內(nèi)容過濾、知識圖譜、深度學(xué)習(xí)等不同的算法和技術(shù)[1-2]。同時，個性化推薦系統(tǒng)在高校教學(xué)中的應(yīng)用也是一個值得關(guān)注的話題。這些應(yīng)用主要體現(xiàn)在推薦課程、學(xué)習(xí)資源、個性化評估等方面[3-4]。可以根據(jù)學(xué)生的興趣、學(xué)習(xí)經(jīng)歷、成績等信息為學(xué)生推薦課程?？梢愿鶕?jù)學(xué)生的學(xué)習(xí)需求和進(jìn)度，為學(xué)生推薦相關(guān)的教材、視頻、在線課程等學(xué)習(xí)資源。

個性化推薦知識圖譜[2]是指根據(jù)學(xué)生的興趣、偏好和需求自動生成適合學(xué)生的信息圖。個性化推薦知識圖譜的實現(xiàn)步驟[3]如圖1所示。

1） 數(shù)據(jù)收集：收集與學(xué)生興趣相關(guān)的文本、圖像、視頻等數(shù)據(jù)。

2） 特征提?。簭臄?shù)據(jù)中提取與學(xué)生興趣相關(guān)的特征，如實體、屬性、關(guān)系、事件等。

3） 模型訓(xùn)練：利用機(jī)器學(xué)習(xí)算法對模型進(jìn)行訓(xùn)練，根據(jù)學(xué)生特征和數(shù)據(jù)特征預(yù)測感興趣的知識點。

4） 知識圖譜生成：根據(jù)模型預(yù)測結(jié)果，生成學(xué)生感興趣的知識圖譜。

5） 推薦優(yōu)化：根據(jù)學(xué)生學(xué)習(xí)反饋和數(shù)據(jù)更新，不斷迭代優(yōu)化推薦算法和知識圖譜內(nèi)容，提高推薦準(zhǔn)確度和滿意度。

推薦系統(tǒng)中知識圖譜可以通過數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)和自然語言處理等技術(shù)從海量用戶和商品數(shù)據(jù)中提取并進(jìn)行建模，幫助個性化推薦系統(tǒng)更好地了解用戶的需求，做出精準(zhǔn)的推薦，為用戶提供個性化的學(xué)習(xí)和體驗。例如，在教育領(lǐng)域，個性化推薦知識圖譜可以幫助學(xué)生更好地理解知識點和課程內(nèi)容。

2 基于個性化推薦的混合教學(xué)模式

2.1 知識圖譜構(gòu)建課程知識體系

知識圖譜用于表達(dá)實體、概念及其之間的語義關(guān)系[2]。本文通過Python課程的知識圖譜進(jìn)行知識體系構(gòu)建、學(xué)習(xí)畫像生成再到自適應(yīng)學(xué)習(xí)推薦，根據(jù)學(xué)習(xí)者在學(xué)習(xí)活動中出現(xiàn)的問題動態(tài)調(diào)整學(xué)習(xí)路徑。Python程序設(shè)計通識課程的知識體系分為4個模塊部分，如圖2所示。

1） Python 基礎(chǔ)知識：主要包括Python 的語法、變量、數(shù)據(jù)類型等。

2） Python 進(jìn)階知識：包括高級特性、面向?qū)ο缶幊?、GUI編程等，是Python深入學(xué)習(xí)的知識。

3） Python 實踐操作：Python 有許多工具和框架可以幫助提高開發(fā)效率和改善代碼質(zhì)量，常見的工具有PyCharm、Anaconda等。

4） Python 應(yīng)用方向：包括網(wǎng)絡(luò)爬蟲和數(shù)據(jù)抓取、人工智能和機(jī)器學(xué)習(xí)、數(shù)據(jù)分析和科學(xué)計算等。

通過知識圖譜構(gòu)建的Python 程序設(shè)計通識課程的課程知識體系，學(xué)生能夠清晰地了解并掌握該門課程所需學(xué)習(xí)的各方面知識。

2.2 協(xié)同過濾的個性化推薦

協(xié)同過濾是一種通過用戶和項目之間的交互數(shù)據(jù)推薦可能感興趣的項目的推薦算法[4]。本文通過協(xié)同過濾算法對歷史課程知識點學(xué)習(xí)情況，根據(jù)每個學(xué)生的測試結(jié)果，利用協(xié)同過濾算法，預(yù)測學(xué)生沒有掌握的知識點，推薦相應(yīng)的課程學(xué)習(xí)相應(yīng)的方式。

1） 收集學(xué)生線上測試數(shù)據(jù)。通過收集學(xué)生對課程不同知識點的答題情況，根據(jù)學(xué)生的自測結(jié)果將學(xué)生做錯的題目對應(yīng)的知識點檢索出來，生成對應(yīng)的0-1矩陣。

2） 找到相似的學(xué)生，將目標(biāo)學(xué)生可能沒有掌握的知識點檢索出來。利用基于最近鄰居的協(xié)同過濾推薦算法，根據(jù)用戶之間存在的相互依賴關(guān)系，檢索出學(xué)生可能沒有掌握的知識點，并依據(jù)預(yù)先設(shè)定好的知識點相似度進(jìn)行篩選。

3） 最后將推薦的知識點集合推薦給目標(biāo)學(xué)生。對知識點內(nèi)容進(jìn)行整理，通過梳理課程知識點之間的框架關(guān)系，分別錄入題庫并做好標(biāo)記。然后將這些知識點內(nèi)容作為作業(yè)任務(wù)布置推薦給該學(xué)生。

通過協(xié)同過濾算法推薦的課程學(xué)習(xí)資源能夠?qū)W(xué)生的學(xué)習(xí)起到引導(dǎo)作用，有助于提高學(xué)習(xí)效率和學(xué)習(xí)成績。

2.3 內(nèi)容過濾的個性化推薦

基于內(nèi)容的過濾方法基于項目的描述和用戶偏好的配置文件[5]。本文使用內(nèi)容過濾算法根據(jù)學(xué)生用戶的偏好進(jìn)行推薦感興趣的知識點。內(nèi)容過濾的學(xué)習(xí)內(nèi)容模型如圖3所示。模型基本思想從學(xué)習(xí)內(nèi)容的難易度、交互性、其他3個方面過濾，從用戶的角度進(jìn)行思考，得出一個反饋的過程，方便學(xué)生用戶學(xué)習(xí)。

內(nèi)容過濾的個性化推薦根據(jù)用戶登錄時間、當(dāng)前的學(xué)習(xí)內(nèi)容、已經(jīng)學(xué)習(xí)內(nèi)容、學(xué)習(xí)主題等歷史數(shù)據(jù)不斷更新學(xué)生用戶的相關(guān)偏好、學(xué)習(xí)習(xí)慣等，從而獲得準(zhǔn)確的用戶信息，從而推薦相應(yīng)的課程學(xué)習(xí)資源給學(xué)生用戶。

2.4 線上線下混合式

利用現(xiàn)有線上豐富的教學(xué)資源，將個性化推薦教學(xué)與混合教學(xué)模式相結(jié)合，以因材施教為導(dǎo)向，旨在達(dá)到用戶學(xué)習(xí)效果最大化?；旌辖虒W(xué)方式是基于現(xiàn)有豐富的多媒體網(wǎng)絡(luò)設(shè)備而產(chǎn)生的一種線上線下相結(jié)合的教學(xué)模式。

Python程序設(shè)計通識課程課內(nèi)共有32學(xué)時，其中理論24學(xué)時，實驗8學(xué)時。課內(nèi)學(xué)時安排在線下完成，理論學(xué)時著重介紹基礎(chǔ)知識和經(jīng)典案例，實驗學(xué)時則用于指導(dǎo)學(xué)生進(jìn)行實際操作。此外，還有部分內(nèi)容通過課外線上完成，例如利用課堂派、雨課堂、學(xué)習(xí)通等平臺。Python程序設(shè)計是一門實踐性很強(qiáng)的課程，理論知識豐富，但多數(shù)需要通過上機(jī)實驗來深化理解和應(yīng)用。通過分析現(xiàn)有課程實驗課教學(xué)實踐，可以將該課程的實驗內(nèi)容分為兩大主體部分：一是Py?thon IDE工具的基本操作實驗，二是通過專業(yè)經(jīng)典案例進(jìn)行操作與實現(xiàn)。針對不同專業(yè)，設(shè)計了不同的實驗案例，設(shè)置了不同形式的實驗內(nèi)容，以提供多樣化的選擇。不同專業(yè)Python程序設(shè)計通識課的經(jīng)典案例詳見表1。

3 教學(xué)考核及個性化評估

個性化考核評估[6]是一種根據(jù)個體獨(dú)特特征和能力來評估和衡量個體的方法。它關(guān)注個人的素質(zhì)、技能和潛力，而不僅僅是他們在團(tuán)隊或組織中的表現(xiàn)。在教育領(lǐng)域，采用個性化的方法對學(xué)生的學(xué)習(xí)進(jìn)度、能力和興趣進(jìn)行評估，為每個學(xué)生提供量身定制的教育和支持，以滿足他們的學(xué)習(xí)需求和發(fā)展?jié)摿?。通過使用不同的評估方法和工具，如調(diào)查問卷、互動提問、能力測試、學(xué)業(yè)表現(xiàn)評估、行為觀察等，教育者可以更好地了解學(xué)生，并根據(jù)其特點和需求進(jìn)行相應(yīng)的教學(xué)和指導(dǎo)。對于本課程的考核，我們結(jié)合過程性評價與結(jié)果性評價兩個方面，從多角度獲取評估數(shù)據(jù)進(jìn)行個性化評估。過程性評價包括考勤與課堂表現(xiàn)、作業(yè)和測驗、學(xué)習(xí)日志、實驗與報告等；結(jié)果性評價主要包括大作業(yè)（項目或論文報告）。采用個性化評估有助于我們關(guān)注學(xué)生個體的潛力和發(fā)展方向，鼓勵學(xué)生在學(xué)習(xí)過程中發(fā)揮主動性和自主性，根據(jù)自己的興趣和需求選擇學(xué)習(xí)內(nèi)容和方法，進(jìn)而提升學(xué)習(xí)動機(jī)和效果。

4 結(jié)束語

在高校教學(xué)中實施個性化教學(xué)，有助于教師更好地了解學(xué)生的學(xué)習(xí)需求和進(jìn)度，從而實現(xiàn)因材施教。本文提出了一種基于個性化推薦的Python程序設(shè)計通識課混合教學(xué)模式。該模式能夠依據(jù)學(xué)生的興趣、需求和能力，推薦符合其個性化需求的課程、學(xué)習(xí)資源和學(xué)習(xí)路徑，對學(xué)生的學(xué)習(xí)起到積極的引導(dǎo)作用，有助于提高學(xué)習(xí)效率和學(xué)習(xí)成績。