袁霄 陳俊文 沈一峰

摘? 要：現(xiàn)有網(wǎng)絡(luò)學(xué)習(xí)系統(tǒng)提供千篇一律的學(xué)習(xí)資源，不能根據(jù)用戶(hù)特性動(dòng)態(tài)地呈現(xiàn)個(gè)性化學(xué)習(xí)內(nèi)容，而構(gòu)建自適應(yīng)學(xué)習(xí)系統(tǒng)是滿(mǎn)足學(xué)生需求個(gè)性化與教學(xué)資源動(dòng)態(tài)化的有效方案。文章以電子書(shū)包為載體，構(gòu)建初中生學(xué)習(xí)者模型和知識(shí)模型，設(shè)計(jì)并開(kāi)發(fā)基于數(shù)據(jù)分析的初中生自適應(yīng)學(xué)習(xí)系統(tǒng)，發(fā)現(xiàn)學(xué)習(xí)規(guī)律，根據(jù)每一個(gè)學(xué)習(xí)者的需求和能力為其提供個(gè)性化學(xué)習(xí)服務(wù)。

關(guān)鍵詞：數(shù)據(jù)分析;學(xué)習(xí)者模型;知識(shí)模型;自適應(yīng)學(xué)習(xí)系統(tǒng);自適應(yīng)推薦

中圖分類(lèi)號(hào)：TP391? ? ? ? ? 文獻(xiàn)標(biāo)志碼：B? ? ? ? ?文章編號(hào)：1673-8454（2019）10-0087-04

一、引言

當(dāng)下初中生學(xué)業(yè)負(fù)擔(dān)調(diào)查結(jié)果顯示，學(xué)習(xí)壓力大、課業(yè)負(fù)擔(dān)重已經(jīng)成為初中生普遍存在的問(wèn)題。盡管我國(guó)的素質(zhì)教育制度提出減負(fù)提質(zhì)要求已久，但由于受到教育價(jià)值觀(guān)和家長(zhǎng)、社會(huì)等多方面因素的制約，初中生學(xué)業(yè)負(fù)擔(dān)重的問(wèn)題一直無(wú)法得到改善。

移動(dòng)互聯(lián)、大數(shù)據(jù)、云計(jì)算、人工智能等新興技術(shù)的出現(xiàn)，將智慧教育提升到一個(gè)空前矚目的階段，也為解決學(xué)生過(guò)重的學(xué)業(yè)壓力問(wèn)題提供了新的策略。信息技術(shù)在課堂教學(xué)中應(yīng)用的日益深入，促進(jìn)了傳統(tǒng)課堂教學(xué)形式的變革，對(duì)提升學(xué)習(xí)者的學(xué)習(xí)質(zhì)量與效率產(chǎn)生了積極影響。利用大數(shù)據(jù)技術(shù)采集和分析學(xué)習(xí)者學(xué)習(xí)所產(chǎn)生的數(shù)據(jù)，可對(duì)學(xué)習(xí)者在學(xué)習(xí)過(guò)程中的努力程度、學(xué)習(xí)態(tài)度、智力水平、領(lǐng)域能力、交互協(xié)作等多維度進(jìn)行測(cè)量[1]，通過(guò)深層次挖掘有價(jià)值數(shù)據(jù)信息，揭示其內(nèi)在的學(xué)習(xí)規(guī)律。將大數(shù)據(jù)技術(shù)引入到教育領(lǐng)域勢(shì)必帶來(lái)新一輪的教育變革，利用教育大數(shù)據(jù)分析技術(shù)，可對(duì)學(xué)生的學(xué)習(xí)效果做出及時(shí)準(zhǔn)確的反饋，提供個(gè)性化服務(wù)干預(yù)，有利于促進(jìn)教與學(xué)[2]。

本研究以電子書(shū)包為載體，嘗試開(kāi)發(fā)基于數(shù)據(jù)分析的初中生自適應(yīng)學(xué)習(xí)系統(tǒng)，根據(jù)每一個(gè)學(xué)習(xí)者的需求和能力為其提供個(gè)性化學(xué)習(xí)服務(wù)，以期減輕初中生學(xué)業(yè)負(fù)擔(dān)。

二、學(xué)習(xí)者模型、知識(shí)模型構(gòu)建

1.學(xué)習(xí)者模型構(gòu)建

學(xué)習(xí)者模型是對(duì)學(xué)習(xí)者狀態(tài)特征信息的抽象描述，涉及學(xué)習(xí)者的基本信息以及學(xué)習(xí)過(guò)程中呈現(xiàn)的興趣偏好、認(rèn)知能力、學(xué)習(xí)態(tài)度等狀態(tài)量。如何準(zhǔn)確描述和量化學(xué)習(xí)者模型，直接影響自適應(yīng)學(xué)習(xí)系統(tǒng)資源推薦質(zhì)量及自適應(yīng)學(xué)習(xí)是否能實(shí)現(xiàn)[3]。本研究結(jié)合中學(xué)生核心素養(yǎng)，采用動(dòng)態(tài)反饋數(shù)據(jù)和歷史行為數(shù)據(jù)相結(jié)合的數(shù)據(jù)表示方式，預(yù)測(cè)學(xué)習(xí)風(fēng)格，發(fā)現(xiàn)學(xué)習(xí)規(guī)律，為學(xué)習(xí)者提供個(gè)性化的學(xué)習(xí)服務(wù)。本研究提出的學(xué)習(xí)者模型數(shù)據(jù)維度包括基本信息、興趣偏好、認(rèn)知能力、信息素養(yǎng)、學(xué)習(xí)態(tài)度和學(xué)習(xí)歷史，該模型根據(jù)動(dòng)態(tài)試題難度算法和認(rèn)知能力更新算法不斷對(duì)學(xué)習(xí)者個(gè)體肖像進(jìn)行動(dòng)態(tài)更新，如圖1所示。通過(guò)采集字段，可以對(duì)學(xué)習(xí)者模型的6個(gè)維度進(jìn)行重新定義?；拘畔▽W(xué)生個(gè)人和所在班級(jí)、學(xué)校的情況，興趣偏好指學(xué)生在學(xué)習(xí)過(guò)程中對(duì)不同類(lèi)型資源的使用偏好，信息素養(yǎng)指學(xué)生利用電子書(shū)包等信息工具與資源的能力，認(rèn)知能力通過(guò)學(xué)生做題情況進(jìn)行評(píng)價(jià)，學(xué)習(xí)態(tài)度從學(xué)生課前、課后學(xué)生預(yù)復(fù)習(xí)情況進(jìn)行評(píng)估，學(xué)習(xí)歷史包括學(xué)生所有的在線(xiàn)學(xué)習(xí)軌跡。

將該模型應(yīng)用于自適應(yīng)學(xué)習(xí)系統(tǒng)的開(kāi)發(fā)，實(shí)現(xiàn)基于學(xué)習(xí)者認(rèn)知能力、學(xué)習(xí)態(tài)度等進(jìn)行個(gè)性化推薦的功能，難點(diǎn)在于確定學(xué)生認(rèn)知水平和試題難度。試題難度分為絕對(duì)難度和加權(quán)難度兩類(lèi)，絕對(duì)難度由題目的正確率決定，不同的題目之間通過(guò)布置的作業(yè)形成了一個(gè)網(wǎng)狀結(jié)構(gòu)，利用PageRank等分布算法，從絕對(duì)難度構(gòu)成的矩陣V0可以推算出題目的加權(quán)難度Vn。

2.知識(shí)模型構(gòu)建

知識(shí)模型是關(guān)于領(lǐng)域知識(shí)的元認(rèn)知模型，是自適應(yīng)學(xué)習(xí)系統(tǒng)研究和應(yīng)用的依據(jù)，本研究將知識(shí)屬性作為知識(shí)模型的核心要素。結(jié)合學(xué)習(xí)者的學(xué)習(xí)目標(biāo)，構(gòu)建網(wǎng)狀結(jié)構(gòu)的知識(shí)樹(shù)，以樹(shù)狀進(jìn)行關(guān)聯(lián)，可以計(jì)算不同知識(shí)點(diǎn)之間的親密程度，知識(shí)樹(shù)最末端的知識(shí)點(diǎn)會(huì)鏈接不同難度的題目資源，其具體框架如圖2所示。以各學(xué)科知識(shí)樹(shù)為基礎(chǔ)，以知識(shí)點(diǎn)為節(jié)點(diǎn)鏈接題目資源，并形成“知識(shí)點(diǎn)-習(xí)題”多層次的管理機(jī)制，如圖3所示。其中，題庫(kù)的知識(shí)點(diǎn)標(biāo)簽化是整個(gè)知識(shí)模型構(gòu)建的重點(diǎn)和難點(diǎn)，自適應(yīng)學(xué)習(xí)支持系統(tǒng)在題庫(kù)標(biāo)簽化的過(guò)程中，采用大數(shù)據(jù)和人工智能相結(jié)合的方法，自動(dòng)輸出題目的知識(shí)點(diǎn)標(biāo)簽，具體步驟如圖4所示。對(duì)采集的題目進(jìn)行數(shù)據(jù)預(yù)處理和人工標(biāo)簽后，采用機(jī)器學(xué)習(xí)方法，根據(jù)題目文本信息對(duì)題目進(jìn)行自動(dòng)化的標(biāo)注。

三、自適應(yīng)推薦

自適應(yīng)推薦是自適應(yīng)學(xué)習(xí)系統(tǒng)的核心功能，其基礎(chǔ)是形成基于學(xué)習(xí)者個(gè)體的動(dòng)態(tài)化的知識(shí)圖譜，以顯示學(xué)習(xí)者與不同知識(shí)點(diǎn)之間的關(guān)聯(lián)性。知識(shí)圖譜的本質(zhì)是將不同種類(lèi)的信息鏈接得到關(guān)系網(wǎng)絡(luò)，將復(fù)雜的學(xué)習(xí)者和知識(shí)點(diǎn)以多對(duì)多的關(guān)系通過(guò)數(shù)據(jù)挖掘、信息處理、知識(shí)計(jì)量和圖形繪制顯示出來(lái)[4]，來(lái)顯示學(xué)習(xí)者個(gè)體的知識(shí)動(dòng)態(tài)發(fā)展規(guī)律。

本研究使用Neo4J表示知識(shí)點(diǎn)的關(guān)聯(lián)關(guān)系和掌握程度，形成學(xué)習(xí)者學(xué)習(xí)能力模型，如圖5所示：圓點(diǎn)表示每個(gè)學(xué)生，矩形框表示知識(shí)點(diǎn)，每條連線(xiàn)上的grasp為學(xué)生對(duì)某個(gè)知識(shí)點(diǎn)的掌握度?；趯W(xué)習(xí)者學(xué)習(xí)能力模型，構(gòu)建動(dòng)態(tài)化可實(shí)時(shí)更新的知識(shí)圖譜，以表現(xiàn)學(xué)習(xí)者個(gè)體不同級(jí)別的知識(shí)點(diǎn)的掌握程度，基于學(xué)習(xí)者個(gè)體的知識(shí)圖譜，有利于學(xué)習(xí)者進(jìn)行查漏補(bǔ)缺。

基于知識(shí)圖譜，本研究采用了兩種自適應(yīng)推薦方法進(jìn)行個(gè)性化學(xué)習(xí)內(nèi)容的推薦：

推薦1：基于學(xué)習(xí)者個(gè)體知識(shí)薄弱點(diǎn)的自適應(yīng)推薦

該方法分析學(xué)習(xí)者的學(xué)習(xí)行為，通過(guò)對(duì)題目關(guān)鍵詞的抓取，了解學(xué)習(xí)者知識(shí)點(diǎn)掌握情況（包括學(xué)習(xí)具體知識(shí)點(diǎn)及對(duì)應(yīng)題目難度），更新學(xué)習(xí)者知識(shí)圖譜，并根據(jù)多目標(biāo)下的排序匹配算法推薦個(gè)性化的學(xué)習(xí)內(nèi)容，如圖6所示。

其具體推薦步驟如下：

（1）提取學(xué)生的相關(guān)薄弱知識(shí)點(diǎn)，按知識(shí)點(diǎn)掌握程度由低到高進(jìn)行排序。例如有三個(gè)弱知識(shí)點(diǎn)a、b、c，aster_score（a）

（2）從題庫(kù)中提取相關(guān)的知識(shí)點(diǎn)的題目，按如下算法進(jìn)行選擇：①先從題庫(kù)中選擇包含a、b、c三個(gè)知識(shí)點(diǎn)的題目，放入待選列表;②再?gòu)念}庫(kù)中選擇a、b、c兩個(gè)相關(guān)知識(shí)點(diǎn)的題目，放入待選列表;③最后從題庫(kù)中選擇只包含一個(gè)知識(shí)的題目，放入待選列表。

（3）在待選列表中對(duì)題目的相關(guān)難度進(jìn)行判斷，選擇該題目首次做題正確率作為判斷依據(jù)。

（4）對(duì)學(xué)生在對(duì)知識(shí)點(diǎn)的掌握程度和題目難度進(jìn)行ELO的概率計(jì)算。

（5）如果做題正確概率大于0.5，則表示學(xué)生有較大的可能作對(duì)該題目，可以進(jìn)行相關(guān)推薦。

（6）按正確概率的高低選擇，可以對(duì)題目的整體難度進(jìn)行控制。

推薦2：基于學(xué)習(xí)者同伴的協(xié)同推薦

如圖7所示，該方法結(jié)合學(xué)習(xí)者的學(xué)習(xí)行為，對(duì)學(xué)習(xí)者的個(gè)體特征進(jìn)行分析，挑選具有高相似度的學(xué)習(xí)同伴，基于學(xué)習(xí)同伴的錯(cuò)題集進(jìn)行協(xié)同推薦。

具體推薦步驟如下：

（1）根據(jù)被推薦學(xué)生的做題情況，每個(gè)學(xué)生對(duì)所有題目進(jìn)行向量編碼，其中-1表示題目做錯(cuò)，1表示題目作對(duì)，0表示沒(méi)有做過(guò)該題目。

（2）根據(jù)學(xué)生的做題情況的向量，找出最相似的K個(gè)學(xué)生，向量的相似度可以使用的余弦?jiàn)A角進(jìn)行。

（3）從選擇的K個(gè)學(xué)生的做題向量中，找出被推薦學(xué)生沒(méi)有做過(guò)（標(biāo)記為0）。但是其他學(xué)生做錯(cuò)的題目（標(biāo)記為-1），有一個(gè)學(xué)生推薦則次數(shù)加1。

（4）把題目按K個(gè)學(xué)生的推薦總次數(shù)排序推送給被推薦學(xué)生。

四、自適應(yīng)學(xué)習(xí)系統(tǒng)的開(kāi)發(fā)與構(gòu)建

1.自適應(yīng)學(xué)習(xí)系統(tǒng)技術(shù)框架

本研究設(shè)計(jì)開(kāi)發(fā)的自適應(yīng)學(xué)習(xí)系統(tǒng)以平板為載體，服務(wù)端采用微服務(wù)架構(gòu)，客戶(hù)端采用MVP模式和組件式架構(gòu)，支持離線(xiàn)和實(shí)時(shí)模式的大數(shù)據(jù)分析，學(xué)習(xí)系統(tǒng)以分布式集群部署，分為基礎(chǔ)設(shè)施平臺(tái)建設(shè)、平臺(tái)服務(wù)建設(shè)、接入層建設(shè)、服務(wù)層建設(shè)、應(yīng)用層建設(shè)和管理后臺(tái)建設(shè)，功能獨(dú)立又具有關(guān)聯(lián)性，具有強(qiáng)可靠性。具體技術(shù)框架如圖8所示。

基礎(chǔ)設(shè)施平臺(tái)建設(shè)（IAAS）：建設(shè)云端虛擬化計(jì)算和存儲(chǔ)基礎(chǔ)平臺(tái)。

平臺(tái)服務(wù)建設(shè)（PAAS）：包括高可用的關(guān)系數(shù)據(jù)庫(kù)系統(tǒng)（RDS）、分布式NoSQL數(shù)據(jù)庫(kù)系統(tǒng)、高性能高可用高可擴(kuò)展的分布式緩存系統(tǒng)、文件存儲(chǔ)系統(tǒng)、分布式消息系統(tǒng)、內(nèi)容分發(fā)網(wǎng)絡(luò)（CDN）、分布式數(shù)據(jù)索引及檢索系統(tǒng)、日志系統(tǒng)、服務(wù)發(fā)現(xiàn)機(jī)配置系統(tǒng)、系統(tǒng)監(jiān)控等平臺(tái)化服務(wù)的建設(shè)。

接入層建設(shè)：包括API網(wǎng)關(guān)、開(kāi)放數(shù)據(jù)接入、實(shí)時(shí)連接接入和門(mén)戶(hù)網(wǎng)站等的建設(shè)。

服務(wù)層建設(shè)：包括用戶(hù)、設(shè)備、應(yīng)用、題庫(kù)、微課、資源文件、消息等一系列基礎(chǔ)服務(wù)的構(gòu)建。

應(yīng)用層建設(shè)：針對(duì)課前、課堂、課后、課外等一系列應(yīng)用的構(gòu)建。

管理后臺(tái)建設(shè)：包括運(yùn)營(yíng)后臺(tái)系統(tǒng)、學(xué)校前臺(tái)管理系統(tǒng)、運(yùn)維平臺(tái)的構(gòu)建。

2.自適應(yīng)學(xué)習(xí)系統(tǒng)流程

自適應(yīng)學(xué)習(xí)系統(tǒng)借助AI進(jìn)行題目知識(shí)點(diǎn)標(biāo)簽化，同時(shí)采集學(xué)習(xí)者日常的學(xué)習(xí)日志，以形成動(dòng)態(tài)化知識(shí)圖譜，用于學(xué)習(xí)者個(gè)性化的推薦和學(xué)情監(jiān)測(cè)下教師個(gè)性化教學(xué)補(bǔ)充，流程如圖9所示。

五、自適應(yīng)學(xué)習(xí)系統(tǒng)的實(shí)證研究與成效

為驗(yàn)證自適應(yīng)學(xué)習(xí)系統(tǒng)實(shí)際使用效果，本研究分別選取了杭州綠城育華中學(xué)、麗水東渡中學(xué)等14所中學(xué)開(kāi)展為期兩年的實(shí)證研究。教學(xué)實(shí)踐表明，與對(duì)照班相比，實(shí)驗(yàn)班成績(jī)較以往有較大提升，學(xué)優(yōu)生與學(xué)困生的成績(jī)也都有所提高。此外，本研究研發(fā)的初中生自適應(yīng)學(xué)習(xí)系統(tǒng)輔助教師完善了課堂教學(xué)，形成了一系列優(yōu)秀教學(xué)案例，推動(dòng)初中教師在數(shù)學(xué)、英語(yǔ)、科學(xué)等學(xué)科的課堂教學(xué)改革，落實(shí)勇于探究、理性思維、勤于反思等核心素養(yǎng)。

本研究借助初中生學(xué)習(xí)者模型、知識(shí)模型及教育大數(shù)據(jù)分析技術(shù)等開(kāi)發(fā)了可以較為精準(zhǔn)地測(cè)量學(xué)習(xí)者真實(shí)學(xué)習(xí)水平及個(gè)性化推薦學(xué)習(xí)資源的自適應(yīng)學(xué)習(xí)系統(tǒng)，打破了“一個(gè)尺寸適合所有人”的同質(zhì)性[3]。該系統(tǒng)目前已在全國(guó)數(shù)百所學(xué)校投入使用，8萬(wàn)余名學(xué)生在自適應(yīng)學(xué)習(xí)系統(tǒng)的輔助下進(jìn)行個(gè)性化學(xué)習(xí)。通過(guò)實(shí)證研究，自適應(yīng)學(xué)習(xí)系統(tǒng)能夠有效提高課堂教學(xué)的效率和質(zhì)量。

參考文獻(xiàn)：

[1]李敏，陳小莉.大數(shù)據(jù)環(huán)境下的自適應(yīng)在線(xiàn)學(xué)習(xí)平臺(tái)學(xué)習(xí)分析模型設(shè)計(jì)——以重慶廣播電視大學(xué)為例[J].科技資訊，2018，16（6）：169-170+172.

[2]張欣泉.大數(shù)據(jù)在高等教育領(lǐng)域中的應(yīng)用研究[J].山東科技大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2016，18（6）：103-109.

[3]袁路妍.自適應(yīng)學(xué)習(xí)系統(tǒng)個(gè)性化知識(shí)推薦技術(shù)研究[J].中國(guó)教育信息化，2018（24）：94-96.

[4]胡凱，胡茳茳.國(guó)家理科基地教育教學(xué)問(wèn)題研究二十年回眸——基于知識(shí)圖譜的科學(xué)計(jì)量學(xué)分析[J].高等理科教育，2014（02）：26-31.（編輯：魯利瑞）