楊娟+宋曉玲+喬興媚

【摘 要】

雖然學(xué)習(xí)風(fēng)格受到眾多關(guān)注，但關(guān)于它在自適應(yīng)超媒體學(xué)習(xí)（ALH）系統(tǒng)中的應(yīng)用效果依然受到質(zhì)疑。本研究構(gòu)建了一個可滿足學(xué)習(xí)者學(xué)習(xí)風(fēng)格偏好，并能充分反映學(xué)習(xí)者學(xué)習(xí)行為差異性的原型系統(tǒng)來采集學(xué)習(xí)者學(xué)習(xí)行為數(shù)據(jù)，同時使用學(xué)習(xí)風(fēng)格測量工具來采集被試學(xué)生的學(xué)習(xí)風(fēng)格偏好性數(shù)據(jù)。據(jù)此對學(xué)習(xí)風(fēng)格理論在ALH系統(tǒng)使用過程中所產(chǎn)生的開放性問題提出了假設(shè)，并進行了驗證。實驗表明，在ALH系統(tǒng)單純使用學(xué)習(xí)者學(xué)習(xí)風(fēng)格偏好是不能保證學(xué)習(xí)效果的，學(xué)習(xí)風(fēng)格偏向性應(yīng)剝離為“偏好”和“學(xué)習(xí)正關(guān)聯(lián)特性”兩個參數(shù)，并保證其學(xué)習(xí)效果正相關(guān)的學(xué)習(xí)風(fēng)格特性得到滿足；在ALH中構(gòu)建靜態(tài)學(xué)習(xí)風(fēng)格用戶模型也是不能保證其有效性的，因為實驗表明學(xué)習(xí)風(fēng)格用戶模型不僅受學(xué)習(xí)者本身經(jīng)驗約束，同時還受變化的學(xué)習(xí)內(nèi)容的影響。

【關(guān)鍵詞】 學(xué)習(xí)效果；自適應(yīng)超媒體學(xué)習(xí)系統(tǒng)；學(xué)習(xí)行為；學(xué)習(xí)偏好；學(xué)習(xí)正關(guān)聯(lián)特性；Silverman & Felder模型；

場依存/場獨立模型；VARK模型

【中圖分類號】 G442 【文獻標(biāo)識碼】 A 【文章編號】 1009-458x（2017）10-0047-08

一、 研究背景

在過去20年中，在線學(xué)習(xí)系統(tǒng)的設(shè)計與開發(fā)一直是學(xué)習(xí)技術(shù)研究領(lǐng)域的一個研究熱點。這些系統(tǒng)被稱為自適應(yīng)教育超媒體（Adaptive Educational Hypermedia， AEH）系統(tǒng)或是自適應(yīng)超媒體學(xué)習(xí)（Adaptive Learning Hypermedia， ALH）系統(tǒng)。為了覆蓋更多的智能學(xué)習(xí)系統(tǒng)表現(xiàn)形式，本研究將這些系統(tǒng)統(tǒng)稱為ALH系統(tǒng)。在這些系統(tǒng)中，為了給學(xué)習(xí)者提供更為準(zhǔn)確、有效的個性化服務(wù)，學(xué)習(xí)風(fēng)格（Learning Style， LS）被許多ALH系統(tǒng)集成在用戶模型中，試圖為學(xué)習(xí)者提供最適合個體需求的差異化學(xué)習(xí)過程。美國前中學(xué)校長聯(lián)合會主席Keef認為學(xué)習(xí)風(fēng)格是關(guān)于學(xué)習(xí)者如何學(xué)習(xí)的一個相對穩(wěn)定的指標(biāo)（Keefe， 1979），這一斷言使得ALH系統(tǒng)通過LS模型所提供的啟發(fā)式線索為學(xué)習(xí)者構(gòu)建差異化的學(xué)習(xí)策略成為可能。大量用于區(qū)分不同類型的典型學(xué)習(xí)行為傾向性的LS測量工具也隨之產(chǎn)生，例如常被用于AEH系統(tǒng)的Dunn & Dunn模型（Dunn， 1993）、Kolb模型（Kolb， 1984）、Silverman & Felder模型（Felder， 1988）、場依存/場獨立模型（Witkin， 1977）以及VARK模型（Fleming， 2001）。

雖然學(xué)習(xí)風(fēng)格受到眾多關(guān)注，但它依然存在許多未解決的問題，例如在其有效性、可靠性以及實用性方面都存在爭議（Dembo， 2007）。倫敦大學(xué)教育學(xué)院（Institute of Education， IOE）的Coffield教授在2004年發(fā)布了一份質(zhì)疑學(xué)習(xí)風(fēng)格在基礎(chǔ)教育領(lǐng)域特別是課堂教學(xué)領(lǐng)域有效性的報告（Cof?eld， 2004）。報告調(diào)查了71種學(xué)習(xí)風(fēng)格模型，指出在教學(xué)活動中使用學(xué)習(xí)風(fēng)格理論必須謹慎，因為在進行了深入嚴格的測試后許多LS度量工具都存在嚴重漏洞。類似的質(zhì)疑認為即使在ALH系統(tǒng)中使用學(xué)習(xí)風(fēng)格也同樣存在風(fēng)險（Brown， 2009；Dag， 2009），例如，Brown（Brown， 2009）指出將學(xué)習(xí)風(fēng)格作為用戶模型使用并不能夠保證學(xué)習(xí)者從其喜歡的方式中獲益。相反，如果學(xué)習(xí)者能在其不喜歡的學(xué)習(xí)方式中產(chǎn)生能克服其學(xué)習(xí)風(fēng)格潛在弱點的技能，就可以從中受益。

盡管面臨諸多爭議，學(xué)習(xí)風(fēng)格在提升用戶學(xué)習(xí)體驗方面確實效果顯著（Summerville， 1999）。Akbulut在其關(guān)于學(xué)習(xí)風(fēng)格用戶模型的研究中指出（Akbulut， 2012），雖然ALH系統(tǒng)整合學(xué)習(xí)者學(xué)習(xí)風(fēng)格在是否能促進學(xué)習(xí)效果方面依然存在爭論，但是遵從學(xué)習(xí)者學(xué)習(xí)風(fēng)格傾向性確實能提升學(xué)習(xí)者的學(xué)習(xí)體驗。除此之外，學(xué)習(xí)風(fēng)格的正面影響還體現(xiàn)在可豐富學(xué)習(xí)者在學(xué)習(xí)過程中各種與滿足感、積極態(tài)度以及正面情緒相關(guān)的認知經(jīng)驗上（Alshammari， 2015； Cabada， 2011； Dascalu， 2015； Essalmi， 2010； Filippidis， 2009； Garrido， 2013； Lin， 2013； Mampadi， 2011； Papanikolaou， 2003； Popescu， 2010； Sangineto， 2008； Schiaffino， 2008； Stash， 2006； E. Triantafillou， Pomportsis， A.， Demetriadis， S.， 2004）。例如，Liegle等人（Liegle， 2006）在其研究中就表明若為學(xué)習(xí)者提供滿足其學(xué)習(xí)風(fēng)格偏好在導(dǎo)航上的需求，則可以顯著提升其學(xué)習(xí)總量。而學(xué)習(xí)風(fēng)格的偏好性價值不僅僅體現(xiàn)在ALH系統(tǒng)中，同時也有證據(jù)顯示在普通教學(xué)活動中，如果教師在面對成人學(xué)習(xí)者時能合理利用學(xué)習(xí)風(fēng)格原理，則可以使其學(xué)習(xí)過程更舒適并提升其學(xué)習(xí)能力（Hawk， 2007）。

綜上所述，雖然智能學(xué)習(xí)系統(tǒng)中使用學(xué)習(xí)風(fēng)格具有諸多不確定性因素，但如何更有效地在ALH系統(tǒng)中使用學(xué)習(xí)風(fēng)格仍然是廣大研究者追求的目標(biāo)。通過上述分析可知，學(xué)習(xí)風(fēng)格在ALH系統(tǒng)中因為滿足了學(xué)習(xí)者學(xué)習(xí)行為喜好的穩(wěn)定特征，因此在改善用戶體驗方面具有顯著效果，然而與別的商務(wù)系統(tǒng)不同，提升用戶學(xué)習(xí)體驗只是學(xué)習(xí)系統(tǒng)一方面的價值，學(xué)習(xí)系統(tǒng)另一方面的價值則要體現(xiàn)在學(xué)習(xí)效果上。因此，開展學(xué)習(xí)風(fēng)格偏向性對學(xué)習(xí)效果正、負面影響的相關(guān)研究是非常有必要的。本研究通過采集學(xué)習(xí)者多種學(xué)習(xí)風(fēng)格偏向性數(shù)據(jù)、學(xué)習(xí)者在ALH系統(tǒng)中的學(xué)習(xí)行為數(shù)據(jù)以及學(xué)習(xí)者學(xué)習(xí)效果數(shù)據(jù)，在三者間建立關(guān)聯(lián)模型，以期實現(xiàn)分析多種學(xué)習(xí)風(fēng)格偏向性對學(xué)習(xí)行為造成的可能的影響，以及這些影響繼而對學(xué)習(xí)效果可能造成的正、負面后果。

二、 基礎(chǔ)數(shù)據(jù)采集

在早期的AEH系統(tǒng)中，學(xué)習(xí)風(fēng)格通常被作為用戶模型的基石（Papanikolaou， 2003； Stash， 2004； Stern， 2000； E. Triantafillou， Pomportsis， A.， Georgiadou， E.， 2002），但是在最近的研究中，學(xué)習(xí)風(fēng)格則多作為用戶模型的一個組成部分而存在（Alshammari， 2015； Essalmi， 2010； Kardan， 2008； Lau， 2010； Limongelli， 2009； Lin， 2013； Mampadi， 2011； Sangineto， 2008）。有文獻（Akbulut， 2012）統(tǒng)計了2000年至2010年十年間全球高影響因子期刊和會議上發(fā)表的70篇使用了學(xué)習(xí)風(fēng)格的智能學(xué)習(xí)系統(tǒng)的相關(guān)文獻，其中有81.4%的智能系統(tǒng)用戶模型都集成了學(xué)習(xí)者的學(xué)習(xí)風(fēng)格自適應(yīng)模型，而所使用的學(xué)習(xí)風(fēng)格種類則多達百種。然而，正如Dag（Dag， 2009）的統(tǒng)計數(shù)據(jù)所顯示，大部分ALH系統(tǒng)僅僅為用戶建模了其在不同學(xué)習(xí)風(fēng)格維度上的喜好偏向性，而忽略了這些喜好偏向性與學(xué)習(xí)效果間可能存在的負關(guān)聯(lián)。endprint

本研究構(gòu)建了一個滿足學(xué)習(xí)者學(xué)習(xí)風(fēng)格偏好，同時充分反映學(xué)習(xí)者學(xué)習(xí)行為差異性的原型系統(tǒng)，用于采集學(xué)習(xí)者學(xué)習(xí)行為數(shù)據(jù)。原型學(xué)習(xí)系統(tǒng)具有以下特征：①提供自學(xué)習(xí)環(huán)境；②學(xué)習(xí)資源以主題為單位，資源結(jié)構(gòu)呈星型；③對學(xué)習(xí)資源按照知識分類理論進行劃分；④學(xué)習(xí)資源之間具有可替代性，以滿足具有不同學(xué)習(xí)風(fēng)格偏向性的學(xué)習(xí)者對學(xué)習(xí)資源的需求。

（一）用于采集數(shù)據(jù)的學(xué)習(xí)原型系統(tǒng)的資源設(shè)計

以“Java介紹及平臺部署”這一主題為例，該主題的學(xué)習(xí)資源按照資源的類型分為整體知識結(jié)構(gòu)圖示、理論基礎(chǔ)知識、Java實例、實驗練習(xí)（Yang， 2014），在實例中增加了除文字描述以外的視頻材料。具體資源的類型和對資源類型的描述，如表1所示。

采集學(xué)習(xí)者學(xué)習(xí)行為數(shù)據(jù)的原型學(xué)習(xí)系統(tǒng)界面則如圖1所示。

測試對象為2014級計算機專業(yè)學(xué)生，其中有效被試58人，這些學(xué)習(xí)者具有相似學(xué)習(xí)背景，在此之前都沒有接觸過Java，但是均通過了學(xué)習(xí)Java課程的前測。由于學(xué)習(xí)者此前并未有過任何在線學(xué)習(xí)經(jīng)驗，因此實驗只包含了“Java語言”課程的開始兩個學(xué)習(xí)主題，分別是“Java介紹及平臺部署”以及“Java的基本語法”。每個主題實驗時間為上午8點到下午4點，學(xué)習(xí)者到部署了系統(tǒng)的機房進行自主學(xué)習(xí)，可自行安排自己的學(xué)習(xí)進度，但要求當(dāng)天提交該主題相關(guān)實驗和評測答案。要求不攜帶其余學(xué)習(xí)資料，僅根據(jù)系統(tǒng)提供的學(xué)習(xí)資源學(xué)習(xí)。參與實驗自愿，但實驗將作為正式開設(shè)的Java課程的最終成績構(gòu)成之一，若未參與或完成實驗，該部分得分為0。在學(xué)習(xí)過程中，系統(tǒng)會記錄學(xué)習(xí)者的具體學(xué)習(xí)行為，包括其所選擇的知識點頁面、每個頁面的頻率、在該頁面停留的時間以及學(xué)習(xí)順序等相關(guān)信息。

（二）學(xué)習(xí)風(fēng)格數(shù)據(jù)采集

為提高研究結(jié)論的有效性，本研究采用了三個最廣泛使用的學(xué)習(xí)風(fēng)格模型：Felder-Silverman模型、VARK模型以及場依存/場獨立（FD/FI）模型，對用戶的學(xué)習(xí)風(fēng)格傾向性進行多維測量。Felder-Silverman模型（F-S）和VARK模型均采用其標(biāo)準(zhǔn)化的學(xué)習(xí)風(fēng)格問卷①，F(xiàn)D/FI模型則使用對應(yīng)的鑲嵌圖形測試GEFT。同時，為了使測量值具有可比較性，本研究對數(shù)據(jù)均進行了范式化處理。

學(xué)習(xí)者在三個學(xué)習(xí)風(fēng)格模型上的分布如表2所示。表2中關(guān)于學(xué)習(xí)風(fēng)格維度的英文縮寫分別代表：ACT-REF：主動-反射；SEN-INT：感知-直覺；VIS-VER：視覺-文字；SEQ-GLO：順序-全局。從測量結(jié)果可知，測試的58名被試中，在視覺型/文本型維度上，屬于文本型的只有7%，其余均屬于視覺型；在場依存/場獨立維度上，屬于場依存型的只有一人，其余均是中立或場獨立。因此在后面的分析中，將去掉這兩個維度。對于VARK學(xué)習(xí)風(fēng)格模型，因為其在單維上具有和Felder-Silverman模型重復(fù)的特征，因此在VARK學(xué)習(xí)風(fēng)格模型的分析上，將著重分析單維偏向性學(xué)習(xí)者和多維偏向性學(xué)習(xí)者的差異性。表2中“S”代表學(xué)生人數(shù)，“%”代表某一學(xué)習(xí)風(fēng)格偏好下學(xué)習(xí)者占總?cè)藬?shù)的比例。

三、實驗及數(shù)據(jù)分析

在本節(jié)實驗中，學(xué)習(xí)頻次是指每個學(xué)生點擊某個學(xué)習(xí)資源的次數(shù)，而學(xué)習(xí)時間指打開某個學(xué)習(xí)資源并停留的時間，為了去除噪音數(shù)據(jù)，停留時間小于10秒的點擊并未統(tǒng)計在內(nèi)。

（一）不同學(xué)習(xí)風(fēng)格偏向性對不同類型學(xué)習(xí)資源需求的差異性

以知識點學(xué)習(xí)的頻次和學(xué)習(xí)時間作為學(xué)習(xí)行為的兩個關(guān)鍵指標(biāo)，分別統(tǒng)計具有不同學(xué)習(xí)風(fēng)格傾向性學(xué)習(xí)者在不同類型學(xué)習(xí)資源上的平均學(xué)習(xí)頻次及平均學(xué)習(xí)時間，即假設(shè)I類型資源有|I|個，具有某種學(xué)習(xí)風(fēng)格偏向性學(xué)習(xí)者M人，學(xué)習(xí)者訪問I類型資源的訪問頻次和訪問時間為和，該類型資源訪問頻次及平均訪問時間計算如下：

平均學(xué)習(xí)頻次（）= ………（1）

平均訪問時長（）= ………（2）

接下來使用T檢驗分析不同學(xué)習(xí)風(fēng)格傾向性學(xué)習(xí)者在學(xué)習(xí)頻次和學(xué)習(xí)時間上的差異性，時間以秒為單位。

如表3所示，在當(dāng)前學(xué)習(xí)主題下，學(xué)習(xí)者的學(xué)習(xí)行為差異性體現(xiàn)在感知-直覺維度以及順序-全局維度上。其中差異性最顯著的是感知-直覺型學(xué)習(xí)者在圖示資源的訪問頻次上，感知型學(xué)習(xí)者在知識導(dǎo)圖資源上較直覺型學(xué)習(xí)者具有更頻繁的訪問傾向。全局型學(xué)習(xí)者較順序型學(xué)習(xí)者對知識導(dǎo)圖資源的訪問時間顯然更長。根據(jù)F-S學(xué)習(xí)風(fēng)格模型理論描述（Felder， et al， 1988），全局型學(xué)習(xí)者在有全局知識導(dǎo)圖資源的幫助下，能夠具有更好的學(xué)習(xí)效果，而知識導(dǎo)圖對感知-直覺型學(xué)習(xí)者的影響并未有具體闡述。

另一具有顯著差異的學(xué)習(xí)行為是感知-直覺型學(xué)習(xí)者的理論知識平均學(xué)習(xí)頻次。這一顯著差異在F-S學(xué)習(xí)風(fēng)格理論中并未有明確相關(guān)論述。但是從指標(biāo)“平均學(xué)習(xí)頻次”可看出，本實驗中的感知型學(xué)習(xí)者比直覺型學(xué)習(xí)者更喜歡訪問理論型頁面，反而在能體現(xiàn)其LS偏好的實例類資源上并無明顯差異（有文獻（Falder， at al， 1988）指出感知型學(xué)習(xí)者更喜歡使用與實際問題相結(jié)合的資源輔助其理解理論知識）。

上述實驗結(jié)論預(yù)示著如果要在用戶模型中更準(zhǔn)確地使用學(xué)習(xí)風(fēng)格理論，除了分析學(xué)習(xí)風(fēng)格對用戶行為的可能影響外，還必須縱向分析學(xué)習(xí)者個體的學(xué)習(xí)行為經(jīng)驗數(shù)據(jù)以及橫向分析群體性學(xué)習(xí)者學(xué)習(xí)行為數(shù)據(jù)，因為在單一時刻采集的學(xué)習(xí)行為可能會產(chǎn)生與學(xué)習(xí)風(fēng)格理論不一致的情況。這時僅僅依靠橫向?qū)W習(xí)者行為數(shù)據(jù)并不能構(gòu)建準(zhǔn)確的學(xué)習(xí)風(fēng)格用戶模型，還需要進一步考慮更復(fù)雜的學(xué)習(xí)行為與學(xué)習(xí)風(fēng)格偏向性的關(guān)聯(lián)因素。

（二）不同學(xué)習(xí)風(fēng)格偏向性對學(xué)習(xí)效果的正負影響

為進一步分析學(xué)習(xí)風(fēng)格偏好對學(xué)習(xí)者的影響，挑選出具有同一學(xué)習(xí)風(fēng)格偏向性的成績高于和低于平均成績20%的學(xué)習(xí)者，比較同一學(xué)習(xí)風(fēng)格偏好所驅(qū)使的學(xué)習(xí)行為是否對學(xué)習(xí)效果存在顯著性差異，即如果學(xué)習(xí)者具有相似的某一偏好，這一偏好是會對他起積極促進作用還是起消極抑制作用。圖2是在不同學(xué)習(xí)風(fēng)格維度上高于平均成績20%（學(xué)習(xí)效果好）和低于平均成績20%（學(xué)習(xí)效果差）的學(xué)習(xí)者人數(shù)比例以及學(xué)習(xí)成績的分布。endprint

表4反映了相同學(xué)習(xí)風(fēng)格偏好下學(xué)習(xí)者表現(xiàn)出來的與學(xué)習(xí)效果相關(guān)聯(lián)的學(xué)習(xí)行為差異性。在同一學(xué)習(xí)風(fēng)格偏好下，學(xué)習(xí)者學(xué)習(xí)效果好的（成績高于平均成績20%）行為數(shù)據(jù)列在屬性“好”下，學(xué)習(xí)效果差的（成績低于平均成績20%）行為數(shù)據(jù)列在屬性“差”下，學(xué)習(xí)行為指標(biāo)“F”表示對該類學(xué)習(xí)資源的平均訪問頻次，“T”表示對該類學(xué)習(xí)資源的平均訪問時間，“p”代表對兩組行為數(shù)據(jù)的T檢驗p值。

從表4可看出，即使具有相同學(xué)習(xí)風(fēng)格偏好的學(xué)習(xí)者，影響其學(xué)習(xí)效果的學(xué)習(xí)行為仍然具有較大差異性。例如對于感知類學(xué)習(xí)者，上一節(jié)的結(jié)論反映出感知類學(xué)習(xí)者在理論知識的訪問頻次上更具有偏向性，而在實例訪問上則并未體現(xiàn)出應(yīng)有的差異。然而在本節(jié)中聯(lián)系學(xué)習(xí)效果的分析可看出，即使感知類學(xué)習(xí)者更喜歡訪問理論知識并在這種資源類型上花費了大量時間，但是如果沒有滿足其LS特性，即使用與實際問題緊密結(jié)合的實例類學(xué)習(xí)資源，那么學(xué)習(xí)者的學(xué)習(xí)效果依然無法得到有效的保證。這個結(jié)論進一步證明了僅僅滿足學(xué)習(xí)者的偏好并不能保證其學(xué)習(xí)效果的論斷。如果要達到有效保證其學(xué)習(xí)效果的目的，應(yīng)保證與學(xué)習(xí)者學(xué)習(xí)效果正相關(guān)的學(xué)習(xí)風(fēng)格特性得到滿足，而當(dāng)偏好與正效果特性發(fā)生矛盾時，應(yīng)舍棄偏好，保留正效果特性。例如在本例中，當(dāng)學(xué)習(xí)時間有限時，對于感知類學(xué)習(xí)者應(yīng)限定其理論知識的訪問時間和頻次，而保證其有充足的時間學(xué)習(xí)實例類資源。

從表4可得到的第二個結(jié)論是關(guān)于影響具有多維VARK學(xué)習(xí)風(fēng)格偏向性學(xué)習(xí)者的學(xué)習(xí)效果的學(xué)習(xí)行為差異。從表4可看出，若學(xué)習(xí)者具有VARK學(xué)習(xí)風(fēng)格的多種維度偏向性，那么影響其學(xué)習(xí)效果的學(xué)習(xí)行為與感知型學(xué)習(xí)者類似，即若無法滿足其實例學(xué)習(xí)的需求，即使再傾向于理論知識的學(xué)習(xí)也無法達到理想的學(xué)習(xí)效果。

在本實驗中，因為學(xué)習(xí)內(nèi)容部分與動作技能類知識相關(guān)，因此可得到第三個結(jié)論，即不同性質(zhì)的學(xué)習(xí)內(nèi)容會暴露出學(xué)習(xí)者在不同學(xué)習(xí)風(fēng)格偏向性上的偏好以及影響學(xué)習(xí)效果的特質(zhì)。在本例中，總的說來，學(xué)習(xí)者只要認真學(xué)習(xí)了實例，即使在理論以及圖示資源的學(xué)習(xí)上并未花費太多時間，也能掌握本部分知識。因此，在構(gòu)建學(xué)習(xí)者學(xué)習(xí)風(fēng)格用戶模型時，應(yīng)有動態(tài)自適應(yīng)策略，構(gòu)建的參數(shù)不應(yīng)該是靜態(tài)不變的，例如在學(xué)習(xí)“圖論”課程時，考慮學(xué)習(xí)者的“視覺-文字”維度上的學(xué)習(xí)風(fēng)格偏向性就沒有任何意義。 這一結(jié)論也證明了我們的前述觀點，即脫離學(xué)習(xí)內(nèi)容的潛在影響單純?yōu)閷W(xué)習(xí)者構(gòu)建滿足其學(xué)習(xí)風(fēng)格偏向性的學(xué)習(xí)策略難以達到保證學(xué)習(xí)效果的目標(biāo)。

（三）學(xué)習(xí)風(fēng)格偏向性對學(xué)習(xí)路徑的影響

下面從整體學(xué)習(xí)行為的相似度上對學(xué)習(xí)行為和學(xué)習(xí)風(fēng)格之間的相關(guān)性做進一步的分析。構(gòu)建每個學(xué)習(xí)者整體學(xué)習(xí)行為的向量，構(gòu)建學(xué)習(xí)者學(xué)習(xí)路徑向量Sj=，學(xué)習(xí)路徑向量中fi代表學(xué)習(xí)者j訪問資源i的頻次，ti表示訪問資源i的總時長。為比較學(xué)習(xí)路徑向量的相似度，本研究使用isomap非線性減維算法，通過引入測地距離使原本用直線歐幾里得距離得到的數(shù)據(jù)點之間的距離變成地理上的空間距離，能準(zhǔn)確表示多維空間中不同向量的聚類效果。

圖3分別顯示了學(xué)習(xí)者在不同學(xué)習(xí)風(fēng)格偏向性分類下的整體學(xué)習(xí)路徑聚類效果，其中雪花深色小點代表主動型、感知型、順序型以及單維VARK型學(xué)習(xí)者學(xué)習(xí)路徑向量，淺色雪花大點代表反射型、直覺型、全局型以及多維VARK型學(xué)習(xí)者學(xué)習(xí)路徑向量。從圖3可看出，除部分直覺型學(xué)習(xí)者以及單維VARK型學(xué)習(xí)者在整體學(xué)習(xí)路徑上具有不太明顯的聚類效果（虛線圈內(nèi)的點）以外，其他具有相同學(xué)習(xí)風(fēng)格偏向性的學(xué)習(xí)者均沒有產(chǎn)生相似的整體學(xué)習(xí)行為特征。這一結(jié)論意味著，在以學(xué)習(xí)風(fēng)格偏向性為基礎(chǔ)為學(xué)習(xí)者構(gòu)建相應(yīng)行為策略時，如果只利用靜態(tài)規(guī)則可能為具有相同學(xué)習(xí)風(fēng)格偏向性的學(xué)習(xí)者提供相似的建議，而這些建議很大程度上可能會背離學(xué)習(xí)者的實際需求。

四、總結(jié)

本研究構(gòu)建了一個用于采集學(xué)習(xí)者學(xué)習(xí)行為數(shù)據(jù)的原型系統(tǒng)，這個系統(tǒng)可滿足學(xué)習(xí)者學(xué)習(xí)風(fēng)格偏好，并能充分反映學(xué)習(xí)者學(xué)習(xí)行為差異性。通過對所采集的學(xué)習(xí)者行為數(shù)據(jù)、學(xué)習(xí)效果數(shù)據(jù)以及學(xué)習(xí)者學(xué)習(xí)風(fēng)格偏向性數(shù)據(jù)進行關(guān)聯(lián)性分析，提出了關(guān)于如何更有效地在ALH系統(tǒng)中使用學(xué)習(xí)風(fēng)格理論的相關(guān)假說，并對其進行驗證。實驗結(jié)果表明，若要更準(zhǔn)確地在ALH系統(tǒng)中使用學(xué)習(xí)風(fēng)格用戶模型，就必須滿足以下要求：

·使用學(xué)習(xí)風(fēng)格，不能僅僅滿足學(xué)習(xí)者的偏好，因為這并不能保證其學(xué)習(xí)效果。應(yīng)將學(xué)習(xí)者學(xué)習(xí)風(fēng)格剝離為“偏好”和“學(xué)習(xí)正關(guān)聯(lián)特性”兩個參數(shù)，在采集用戶縱向數(shù)據(jù)時，應(yīng)保證與學(xué)習(xí)者學(xué)習(xí)效果正相關(guān)的學(xué)習(xí)風(fēng)格特性得到滿足，而當(dāng)偏好與正效果特性發(fā)生矛盾時，應(yīng)舍棄偏好，保留正效果特性。

·學(xué)習(xí)風(fēng)格用戶模型應(yīng)該是動態(tài)構(gòu)建的，因為學(xué)習(xí)者學(xué)習(xí)風(fēng)格的正效果相關(guān)特性通常同時受橫向的群體性學(xué)習(xí)行為數(shù)據(jù)、縱向的個人經(jīng)驗數(shù)據(jù)以及學(xué)習(xí)內(nèi)容潛在影響三者的約束，會實時發(fā)生遷移和改變。因此，不僅通過靜態(tài)規(guī)則建立學(xué)習(xí)風(fēng)格模型很難達到高效的目的，而且僅僅使用橫向群體性數(shù)據(jù)進行機器學(xué)習(xí)也很難達到理想的分類和預(yù)測效果。

最后，本研究在進行實驗數(shù)據(jù)搜集時，因為很難對學(xué)習(xí)者在場依存/場獨立以及視覺/文本認知維度上進行有效區(qū)分，所以實驗并未涉及這兩個維度的特性，接下來本研究將進行更加細致的學(xué)習(xí)路徑研究以及通過采集更多樣本來補充本文中未涉及的其他的學(xué)習(xí)風(fēng)格模型（維度）的學(xué)習(xí)行為、學(xué)習(xí)效果以及學(xué)習(xí)風(fēng)格偏好之間的關(guān)聯(lián)性研究。

[參考文獻]

Akbulut， Y.， Cardak， C. S. （2012）. Adaptive educational hypermedia accommodating learning styles： A content analysis of publications from 2000 to 2011. Computers & Education， 58， 835-842.

Alshammari， M.， Anane， R.， Hendley， R. （2015）. An E-Learning Investigation into Learning Style Adaptivity. Paper presented at the 48th Hawaii International Conference on System Science， U. S. A.

Brown， E. J.， Brailsford， T. J.， Fisher， T.， Moore， A. （2009）. Evaluating learning style personalization in adaptive systems： Quantitative methods and approaches. IEEE Transactions on Learning Technologies， 2（1）， 10-22.

Cabada， R. Z.， Estrada， M. L. B.， Garcia， C. A. R. （2011）. EDUCA： a web 2.0 authoring tool for developing adaptive and intelligent tutoring systems using a Kohonen network.Expert Systems with Applications，38（8）， 9522- 9529.

Cof?eld， F.， Moseley， D.， Hall， E.， Ecclestone， K. （2004）. Learning styles and pedagogy in post-16 learning： A systematic and critical review. Retrieved June 27， from https：//nwresearch.wikispaces.com/file/view/Coffield%20learning%20styles.pdf/246502619/Coffield%20lear ning%20styles.pdf

Dag， F.， Gecer， A. （2009）. Relations between online learning and learning styles. Procedia-Social and Behavioral Sciences， 1（1）， 862-871.

Dascalu， M. I.， Bodea， C. N.， Moldoveanu， A.， Mohora， A. （2015）. A Recommender Agent based on Learning Styles for better Virtual Collaborative Learning Experiences. Computers in Human Behavior， 45， 243-253.

Dembo， M. H.， Howard， K. （2007）. Advice about the Use of Learning Styles： A Major Myth in Education. Journal of College Reading and Learning， 37（2）， 101-109.

Dunn， R.， Dunn， K. （1993）. Teaching Secondary Students Through Their Individual Learning Styles Practical Approaches For Grades 7-12. Boston， USA： Ailyn and Bacon.

Essalmi， F.， Jemni Ben Ayed， L.， Jemni， M.， Kinshuk， Graf， S. （2010）. A fully personalization strategy of e-learning scenrios. Computers in Human Behavior， 26（4）， 581-591.

Felder， R. M.， Silverman， L. K. （1988）. Learning and teaching styles in engineering education. Engineering Education， 78（7）， 674-681.

Filippidis， S. K.， Tsoukalas， I. A. （2009）. On the use of adaptive instructional images based on the sequential-global dimension of the Felder-Silverman learning style theory. Interactive Learning Environments， 17（2）， 135-150.

Fleming， N. D. （2001）. Teaching and learning styles： VARK Strategies. New Zealand： Fleming， N. D.

Garrido， A.， Onaindia， E. （2013）. Assembling Learning Objects for Personalized Learning： An AI Planning Perspective. Intelligent Systems， IEEE， 28（2）， 64-73.

Hawk， T. F.， Shah， A. J. （2007）. Using Learning Style Instruments to Enhance Student Learning. Decision Sciences Journal of Innovative Education， 5（1）， 1-19.

Kardan， A.， Taghipour， N. （2008）. Decision support models for personalized course composition with a focus on learning styles. Paper presented at the Fifth International Conference on Information Technology： New Generations.endprint

Keefe， J. W. （1979）. Learning style： An overview. Reston， VA： National Association of Secondary School Principals.

Kolb， D. A. （1984）. Experimental learning. Englewood Cliffs， NJ： Prentice-Hall.

Lau， S. B. Y.， Lee， C. S. （2010）. Contextualising e-learning services and content for computing course in higher education based on learning style and competency level. International Journal of Learning Technology， 5（3）， 211-242.

Liegle.， J. O.， Janicki， T. N. （2006）. The Effect of Learning Styles on the Navigation Needs of Web-based Learners. Computers in Human Behavior， 22， 885-898.

Limongelli， C.， Sciarrone， F.， Temperini， M.， Vaste， G. （2009）. Adaptive learning with the LS-plan system： a field evaluation. IEEE Tran. Learning Technologies， 2（3）， 203-215.

Lin， C. F.， Yeh， Y.， Hung， Y. H.， Chang， R. I. . （2013）. Data mining for providing a personalized learning path in creativity： An application of decision trees. Computers & Education， 68， 199-210.

Mampadi， F.， Chen， S. Y.， Ghinea， G.， Chen， M. P. （2011）. Design of Adaptive Hypermedia Learning Systems： A cognitive Style approach. Computers & Education， 56， 1003-1011.

Papanikolaou， K. A.， Grigoriadou， M.， Kornilakis， H.， Magoulas， G.D. （2003）. Personalizing the Interaction in a Web-Based Educational Hypermedia System： The Case of INSPIRE. User Modeling and User Adapted Interaction， 13（3）， 213-267.

Popescu， E. （2010）. Adaptation provisioning with respect to learning styles in a web-based educational system： an experimental study. Journal of Computer Assisted Learning， 26（4）， 243-257.

Sangineto， E.， Capuano， N.， Gaeta， M. Micarelli， A. （2008）. Adaptive course generation through learning styles representation. Universal Acess in the Information Society， 7（1）， 1-23.

Schiaffino， S.， Garcia， P.， Amandi， A. （2008）. eTeacher： providing personalized assistance to e-learning students. Computers & Education， 51（4）， 1744-1754.

Stash， N.， Cristea， A.， Bra， P. D. （2004）. Authoring of Learning Styles in Adaptive Hypermedia： Problems and Solutions. Paper presented at the 13th international World Wide Web conference （www'04）， New York.

Stash， N.， Cristea， A.， Bra， P. D. （2006）. Adaptation to Learning Styles in E-Learning： Aapproach Evaluation. Paper presented at the World Conference on E-Learning in Corporate， Government， Healthcare， and Higher Education （ELEARN'06）， Hawaii.

Stern， M. K.， Woolf， B. P. （2000）. Adaptive content in an online lecture system. Lecture Notes in Computer Science， 1892， 227-238

Summerville， J. （1999）. Role of Awareness of Cognitive Style in Hypermedia. International Journal of Educational Technology， 1， 431-444.

Triantafillou， E.， Pomportsis， A.， Demetriadis， S. （2004）. The Value of Adaptivity based on cognitive style： An empirical study. British Journal of Educational Technology， 35（1）， 95-106.

Triantafillou， E.， Pomportsis， A.， Georgiadou， E. （2002）. Aes-Cs： Adaptive educational system based on cognitive styles. Paper presented at the Second International Conference on Adaptive Hypermedia and Adaptive Web-based Systems （AH'02）.

Witkin， H. A.， Moore， C A.， Goodenough， D. R， Cox， P. W （1977）. Field-dependent and field independent cognitive style and their educational implications. Review of Educational research， 47， 1-64.

Yang， J.， Huang， Z. X.， Gao， Y. X.， Liu， H. T. （2014）. Dynamic Learning Style Prediction Method Based on a Pattern Recognition Technique. IEEE Transactions on Learning Technologies， 7（2）， 165-177.endprint