摘要 通過(guò)對(duì)網(wǎng)絡(luò)學(xué)習(xí)中學(xué)習(xí)者在感覺(jué)通道、學(xué)習(xí)材料、學(xué)習(xí)環(huán)境和思維方式等方面偏好的分析，構(gòu)建網(wǎng)絡(luò)學(xué)習(xí)者學(xué)習(xí)風(fēng)格特征結(jié)構(gòu)模型。以此模型作為理論依據(jù)，提出對(duì)網(wǎng)絡(luò)學(xué)習(xí)者學(xué)習(xí)行為進(jìn)行采集、診斷和個(gè)性化引導(dǎo)的方法，并設(shè)計(jì)網(wǎng)絡(luò)學(xué)習(xí)行為個(gè)性化引導(dǎo)系統(tǒng)。

關(guān)鍵詞 網(wǎng)絡(luò)學(xué)習(xí)行為;學(xué)習(xí)風(fēng)格;個(gè)性化學(xué)習(xí)引導(dǎo)

中圖分類號(hào):G434 文獻(xiàn)標(biāo)識(shí)碼:B 文章編號(hào):1671-489X(2010)03-0079-03

Research on Personalized Guide of Network Learning Behavior//Li Dong， Han Yongguo

Abstract In this paper we analyzed learner preferences in network learning to sensory channel， learning materials， learning environment and mode of thinking， then built network learners learning style feature structural model. Taken the model as theory basis we proposed a kind of method to record individual learners network learning behaviors and to diagnose their behaviors and to provide personalized guide for them， finally designed network learning behaviors personalized guiding system.

Key words network learning behavior; learning style; personalized learning guide

Author’s address School of Computer Science and Technology， Southwest University of Science and Technology， Mianyang， Sichuan， China 621010

因材施教是傳統(tǒng)教育理論中的一條基本原則，它強(qiáng)調(diào)教師要從每個(gè)學(xué)生的實(shí)際情況和個(gè)別差異出發(fā)，有的放矢地進(jìn)行有差別的教學(xué)，使每個(gè)學(xué)生都能揚(yáng)長(zhǎng)避短，獲得最佳發(fā)展。這一原則放在當(dāng)前的網(wǎng)絡(luò)教育中仍具有重要現(xiàn)實(shí)意義。網(wǎng)絡(luò)教學(xué)的重要特點(diǎn)之一是教和學(xué)的雙方在時(shí)空上分離，學(xué)習(xí)的效果主要取決于學(xué)習(xí)者的自主性，即對(duì)個(gè)人學(xué)習(xí)行為的調(diào)控能力。王煥景等[1]的調(diào)查顯示，約有60%的學(xué)習(xí)者難以有效調(diào)控網(wǎng)絡(luò)學(xué)習(xí)過(guò)程，最想得到學(xué)習(xí)方法指導(dǎo)。因此，及時(shí)了解網(wǎng)絡(luò)學(xué)習(xí)者的學(xué)習(xí)行為并對(duì)其做出個(gè)性化的學(xué)習(xí)引導(dǎo)極具研究?jī)r(jià)值。

縱觀現(xiàn)有的網(wǎng)絡(luò)學(xué)習(xí)行為研究，主要集中于網(wǎng)絡(luò)學(xué)習(xí)行為監(jiān)控系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)，從學(xué)習(xí)者的學(xué)習(xí)風(fēng)格入手，診斷學(xué)習(xí)者的學(xué)習(xí)行為，對(duì)學(xué)習(xí)者學(xué)習(xí)行為實(shí)現(xiàn)個(gè)性化引導(dǎo)的研究尚不多見(jiàn)。本文將在這方面作些探索，通過(guò)對(duì)網(wǎng)絡(luò)學(xué)習(xí)者學(xué)習(xí)風(fēng)格分析，建構(gòu)網(wǎng)絡(luò)學(xué)習(xí)者學(xué)習(xí)風(fēng)格特征結(jié)構(gòu)模型，基于Bayesian網(wǎng)絡(luò)診斷學(xué)習(xí)者的學(xué)習(xí)行為，實(shí)現(xiàn)個(gè)性化學(xué)習(xí)引導(dǎo)。

1 網(wǎng)絡(luò)學(xué)習(xí)者學(xué)習(xí)風(fēng)格分析

學(xué)習(xí)風(fēng)格是學(xué)習(xí)者在學(xué)習(xí)過(guò)程中經(jīng)常表現(xiàn)出來(lái)的帶有個(gè)性特征的學(xué)習(xí)方式和認(rèn)知傾向，會(huì)直接影響學(xué)習(xí)的進(jìn)程與效果。陳麗等在比較了眾多學(xué)習(xí)風(fēng)格理論模型及相關(guān)測(cè)量量表的基礎(chǔ)上，從感覺(jué)通道偏好、學(xué)習(xí)方式偏好以及與學(xué)習(xí)相關(guān)的內(nèi)在人格特征3個(gè)角度，構(gòu)建中國(guó)遠(yuǎn)程學(xué)習(xí)者學(xué)習(xí)風(fēng)格特征結(jié)構(gòu)三維模型(表1)[2]。

1)網(wǎng)絡(luò)學(xué)習(xí)中，學(xué)習(xí)者主要通過(guò)視覺(jué)和聽(tīng)覺(jué)感知信息，動(dòng)覺(jué)幾乎不參與，因此，可將學(xué)習(xí)者的感覺(jué)通道偏好分為視覺(jué)型和聽(tīng)覺(jué)型。2)表1中的學(xué)習(xí)方式偏好在網(wǎng)絡(luò)學(xué)習(xí)中的表現(xiàn)主要是學(xué)習(xí)者對(duì)學(xué)習(xí)材料的偏好，可將該劃分角度稱作學(xué)習(xí)材料偏好，分為具象型和抽象型。3)模型中對(duì)與學(xué)習(xí)相關(guān)的心理特征的分類基本上反映了學(xué)習(xí)者對(duì)學(xué)習(xí)環(huán)境和思維方式的偏好。將該維度一分為二，其中學(xué)習(xí)環(huán)境偏好指的是學(xué)習(xí)者受環(huán)境信息的影響程度，分為場(chǎng)依存性和場(chǎng)獨(dú)立性;思維方式指的是人們認(rèn)識(shí)外界事物時(shí)所采取的策略，分為線型和發(fā)散型。表2是根據(jù)以上分析建構(gòu)的網(wǎng)絡(luò)學(xué)習(xí)者學(xué)習(xí)風(fēng)格特征結(jié)構(gòu)模型，可作為測(cè)量和鑒別網(wǎng)絡(luò)學(xué)習(xí)者學(xué)習(xí)風(fēng)格特征的理論基礎(chǔ)。

2 網(wǎng)絡(luò)學(xué)習(xí)行為個(gè)性化引導(dǎo)系統(tǒng)設(shè)計(jì)

一般來(lái)說(shuō)，網(wǎng)絡(luò)學(xué)習(xí)行為主要有瀏覽網(wǎng)頁(yè)、信息檢索、在線測(cè)試、主題討論等。每一種行為都由一組屬性組成，例如瀏覽網(wǎng)頁(yè)這一行為的屬性就包括頁(yè)面主題、時(shí)間(進(jìn)入頁(yè)面、離開(kāi)頁(yè)面)等。這些屬性是可測(cè)的，能夠反映學(xué)習(xí)者的行為特征。因此，可以通過(guò)對(duì)網(wǎng)絡(luò)學(xué)習(xí)者學(xué)習(xí)行為的采集和診斷來(lái)實(shí)現(xiàn)對(duì)其學(xué)習(xí)行為的個(gè)性化引導(dǎo)。

2.1 系統(tǒng)流程個(gè)性化的學(xué)習(xí)引導(dǎo)是在對(duì)學(xué)習(xí)者的基本信息和學(xué)習(xí)行為充分了解的基礎(chǔ)上實(shí)現(xiàn)的。為此，設(shè)計(jì)電子檔案袋，用于存儲(chǔ)學(xué)習(xí)者的基本信息和行為記錄。設(shè)計(jì)的網(wǎng)絡(luò)學(xué)習(xí)行為個(gè)性化引導(dǎo)系統(tǒng)的流程如圖1所示:1)學(xué)習(xí)者通過(guò)網(wǎng)絡(luò)學(xué)習(xí)平臺(tái)對(duì)由若干學(xué)習(xí)主題組成的某學(xué)科課程進(jìn)行學(xué)習(xí);2)行為引導(dǎo)系統(tǒng)記錄下學(xué)習(xí)者的學(xué)習(xí)行為;3)將行為記錄提交到電子檔案袋;4)行為引導(dǎo)系統(tǒng)在學(xué)習(xí)者完成一個(gè)主題的學(xué)習(xí)或間隔一定的時(shí)間段后對(duì)學(xué)習(xí)者的學(xué)習(xí)績(jī)效做出評(píng)價(jià)并診斷學(xué)習(xí)者的學(xué)習(xí)風(fēng)格;5)行為引導(dǎo)系統(tǒng)根據(jù)學(xué)習(xí)者的學(xué)習(xí)績(jī)效和學(xué)習(xí)風(fēng)格，向?qū)W習(xí)者推送下一時(shí)間段的學(xué)習(xí)建議;6)學(xué)習(xí)者根據(jù)行為引導(dǎo)系統(tǒng)的推送內(nèi)容進(jìn)入下一環(huán)節(jié)或主題的學(xué)習(xí)。

2.2 網(wǎng)絡(luò)學(xué)習(xí)行為采集目前，常見(jiàn)的網(wǎng)絡(luò)行為采集技術(shù)有Web日志挖掘和網(wǎng)絡(luò)嗅探捕獲。鑒于Web日志挖掘方便、易于操作的特點(diǎn)，選用Web日志挖掘技術(shù)對(duì)學(xué)習(xí)者的網(wǎng)絡(luò)學(xué)習(xí)行為進(jìn)行采集。

首先，確定要記錄的網(wǎng)絡(luò)學(xué)習(xí)行為內(nèi)容，即定義網(wǎng)絡(luò)學(xué)習(xí)行為的數(shù)據(jù)模型。以下是網(wǎng)絡(luò)學(xué)習(xí)行為數(shù)據(jù)模型中的部分關(guān)系模式，其中首字段是關(guān)系的碼:

瀏覽網(wǎng)頁(yè)(行為編號(hào)，網(wǎng)址，網(wǎng)頁(yè)標(biāo)題，進(jìn)入頁(yè)面時(shí)間、離開(kāi)頁(yè)面時(shí)間)

信息檢索(行為編號(hào)，關(guān)鍵詞，搜索引擎，搜索結(jié)果，用時(shí))

主題討論(行為編號(hào)，討論主題，讀帖數(shù)、發(fā)帖數(shù)，進(jìn)入頁(yè)面時(shí)間、離開(kāi)頁(yè)面時(shí)間)

在線測(cè)試(試題編號(hào)，成績(jī)，用時(shí))

完成學(xué)習(xí)行為數(shù)據(jù)模型建構(gòu)之后，即可開(kāi)發(fā)電子檔案袋。學(xué)習(xí)者在網(wǎng)絡(luò)學(xué)習(xí)平臺(tái)上進(jìn)行的各項(xiàng)操作將被行為引導(dǎo)系統(tǒng)及時(shí)采集并記錄到電子檔案袋中。

2.3 網(wǎng)絡(luò)學(xué)習(xí)行為診斷與個(gè)性化學(xué)習(xí)引導(dǎo)目前，常見(jiàn)的網(wǎng)絡(luò)行為診斷技術(shù)有Bayesian網(wǎng)絡(luò)、聚類分析和支持向量機(jī)。其中，Bayesian網(wǎng)絡(luò)是研究不確定性問(wèn)題的重要工具，經(jīng)過(guò)30多年的發(fā)展，在理論及應(yīng)用上都取得豐碩的成果，有很多成功的案例可供參考[3-4]。因此，決定使用Bayesian網(wǎng)絡(luò)對(duì)學(xué)習(xí)者的網(wǎng)絡(luò)學(xué)習(xí)行為進(jìn)行診斷。

Bayesian網(wǎng)絡(luò)使用有向無(wú)環(huán)圖表示概率分布情況，其中結(jié)點(diǎn)代表關(guān)心的變量，結(jié)點(diǎn)間的有向弧代表變量間的概率依賴關(guān)系，變量間的依賴強(qiáng)度由結(jié)點(diǎn)與其父結(jié)點(diǎn)之間的條件概率來(lái)表示[4]。用隨機(jī)變量代表學(xué)習(xí)者學(xué)習(xí)風(fēng)格的各個(gè)觀測(cè)角度，每個(gè)角度都有可觀測(cè)到的學(xué)習(xí)行為與之關(guān)聯(lián)。例如，學(xué)習(xí)者閱讀圖形圖片或文字的次數(shù)較多，表明他(她)屬于視覺(jué)型的，聽(tīng)音頻講解的次數(shù)頻繁則視為聽(tīng)覺(jué)型的;閱讀具象材料的時(shí)間較長(zhǎng)，表明他(她)屬于具象型的，對(duì)概念、規(guī)則學(xué)習(xí)的時(shí)間較多則視為抽象型的;參加主題討論讀帖、發(fā)帖較多，表明他(她)屬于場(chǎng)依存型的，反之視為場(chǎng)獨(dú)立型的;按照學(xué)習(xí)材料的排列順序?qū)W習(xí)，可將其視為線型的，若在學(xué)習(xí)材料中有選擇的學(xué)習(xí)則視為發(fā)散型的。這樣建構(gòu)起來(lái)的Bayesian網(wǎng)絡(luò)反映了學(xué)習(xí)風(fēng)格與學(xué)習(xí)行為之間的關(guān)聯(lián)性(圖2)。接下來(lái)系統(tǒng)根據(jù)采集到的行為記錄和各結(jié)點(diǎn)的概率參數(shù)進(jìn)行推理，診斷學(xué)習(xí)者的學(xué)習(xí)風(fēng)格，為個(gè)性化學(xué)習(xí)引導(dǎo)提供數(shù)據(jù)支持。

個(gè)性化學(xué)習(xí)引導(dǎo)就是根據(jù)學(xué)習(xí)者的初始能力和學(xué)習(xí)風(fēng)格，向其提供優(yōu)化的學(xué)習(xí)路徑或?qū)W習(xí)策略，學(xué)習(xí)者將在滿足個(gè)人體驗(yàn)的過(guò)程中完成學(xué)習(xí)。要實(shí)現(xiàn)這一目標(biāo)，行為引導(dǎo)系統(tǒng)將對(duì)以學(xué)習(xí)主題為最小單元的學(xué)科課程進(jìn)行跟蹤，記錄學(xué)習(xí)者的進(jìn)度和行為。以下是對(duì)網(wǎng)絡(luò)學(xué)習(xí)者學(xué)習(xí)行為進(jìn)行個(gè)性化引導(dǎo)的過(guò)程。

S1:行為引導(dǎo)系統(tǒng)將課程劃分成一系列學(xué)習(xí)主題。

S2:學(xué)習(xí)者選擇進(jìn)入某一主題的學(xué)習(xí)、討論或測(cè)試，行為引導(dǎo)系統(tǒng)記錄學(xué)習(xí)者的學(xué)習(xí)行為，存儲(chǔ)到電子檔案袋中。

S3:學(xué)習(xí)者完成某一主題的學(xué)習(xí)后，行為引導(dǎo)系統(tǒng)從電子檔案袋中提取學(xué)習(xí)者的行為記錄和基本信息，診斷學(xué)習(xí)者的學(xué)習(xí)風(fēng)格，做出學(xué)習(xí)績(jī)效評(píng)價(jià)。

S4:行為引導(dǎo)系統(tǒng)根據(jù)診斷結(jié)果，向?qū)W習(xí)者推送下一環(huán)節(jié)的學(xué)習(xí)主題和學(xué)習(xí)策略。

3 結(jié)束語(yǔ)

當(dāng)前教育正在步入信息化時(shí)代，學(xué)習(xí)資源越來(lái)越豐富，學(xué)習(xí)機(jī)會(huì)越來(lái)越容易獲取，為開(kāi)展個(gè)性化學(xué)習(xí)提供了廣闊的前景。對(duì)網(wǎng)絡(luò)學(xué)習(xí)者學(xué)習(xí)風(fēng)格的研究是對(duì)學(xué)習(xí)者學(xué)習(xí)行為實(shí)現(xiàn)個(gè)性化引導(dǎo)的關(guān)鍵。本文建構(gòu)網(wǎng)絡(luò)學(xué)習(xí)者學(xué)習(xí)風(fēng)格特征結(jié)構(gòu)模型，并在此基礎(chǔ)上設(shè)計(jì)網(wǎng)絡(luò)學(xué)習(xí)行為引導(dǎo)系統(tǒng)，闡述利用Web日志采集學(xué)習(xí)者學(xué)習(xí)行為和利用Bayesian網(wǎng)絡(luò)診斷學(xué)習(xí)者學(xué)習(xí)風(fēng)格的方法，給出對(duì)網(wǎng)絡(luò)學(xué)習(xí)者學(xué)習(xí)行為進(jìn)行個(gè)性化引導(dǎo)的過(guò)程。后續(xù)工作中，將對(duì)網(wǎng)絡(luò)學(xué)習(xí)行為數(shù)據(jù)模型和應(yīng)用系統(tǒng)進(jìn)行深入研究。

參考文獻(xiàn)

[1]王煥景，張海燕.對(duì)網(wǎng)絡(luò)學(xué)習(xí)者自主學(xué)習(xí)能力現(xiàn)狀的調(diào)查與思考[J].現(xiàn)代教育技術(shù)，2005，15(1):33-36

[2]朱祖林，安哲鋒，陳麗.中國(guó)遠(yuǎn)程學(xué)習(xí)者學(xué)習(xí)風(fēng)格理論模型與驗(yàn)證[J].心理科學(xué)，2008，31(6):1 521-1 523

[3]Kuo-An Hwang，Chia-Hao Yang.Learner attending auto-monitor in distance learning using image recognitionand Bayesian Networks[J].Expert Systems with Applications，2009，36:11 461-11 469

[4]Schiaffino S，Garcia P，Amandi A.eTeacher: Providing personalized assistance to e-learning students[J]. Computers and Education，2008，51:1 744-1 754