翟小可，李懷亮，崔春生

（1.北京理工大學(xué) 珠海學(xué)院管理與經(jīng)濟(jì)學(xué)院，廣東 珠海 519085；2.首都師范大學(xué) 信息工程學(xué)院，北京 100048；3.河南財(cái)經(jīng)政法大學(xué) 計(jì)算機(jī)與信息工程學(xué)院，河南 鄭州 450002）

隨著互聯(lián)網(wǎng)和教育信息化的發(fā)展，以學(xué)生為中心地位的e-learning系統(tǒng)無(wú)疑是未來(lái)教學(xué)模式的方向。目前的e-learning系統(tǒng)缺乏依據(jù)學(xué)生特征的個(gè)性化調(diào)整策略，學(xué)習(xí)風(fēng)格是學(xué)習(xí)情境中個(gè)體表現(xiàn)出來(lái)的比較穩(wěn)定的處理方式和學(xué)習(xí)策略傾向，反映了學(xué)生的個(gè)性類(lèi)型特征。因此，針對(duì)e-learning系統(tǒng)的這一缺陷，設(shè)計(jì)開(kāi)發(fā)一個(gè)能夠根據(jù)學(xué)生學(xué)習(xí)風(fēng)格進(jìn)行動(dòng)態(tài)調(diào)整的自適應(yīng)e-learning系統(tǒng)顯得很有必要。

1 Felder-Silverman學(xué)習(xí)風(fēng)格模型

學(xué)習(xí)風(fēng)格（learning style）是在學(xué)習(xí)情境中個(gè)體表現(xiàn)出來(lái)的比較穩(wěn)定的處理方式和學(xué)習(xí)策略傾向。簡(jiǎn)單地說(shuō)就是每個(gè)人的主要學(xué)習(xí)方式、學(xué)習(xí)傾向、學(xué)習(xí)策略。

心理學(xué)家Felder和Silverman將學(xué)習(xí)風(fēng)格分為4個(gè)維度，分別是感知，輸入，處理和理解。其中每個(gè)維度又分為兩種風(fēng)格，分別是感知型-直覺(jué)型（感知維度）、視覺(jué)型-言語(yǔ)型（輸入維度）、主動(dòng)性-反思型（處理維度），全局型-序列型（理解維度）。該模型一般稱(chēng)為Felder-Silverman學(xué)習(xí)風(fēng)格模型[1]，包括4個(gè)維度和8種學(xué)習(xí)風(fēng)格。前兩個(gè)維度表示學(xué)生如何在學(xué)習(xí)過(guò)程中接受知識(shí)和信息的風(fēng)格，后兩種維度表示學(xué)生在學(xué)習(xí)過(guò)程中喜歡如何加工知識(shí)和信息，這4個(gè)維度不是截然分開(kāi)的，每一個(gè)學(xué)生的學(xué)習(xí)風(fēng)格都是這4個(gè)維度的組合，我們只能認(rèn)為學(xué)生更傾向于那個(gè)學(xué)習(xí)風(fēng)格。

根據(jù)Felder-Silverman學(xué)習(xí)風(fēng)格模型理論，學(xué)生的學(xué)習(xí)風(fēng)格可以用一個(gè)四元組進(jìn)行形式化的表示[2]，LS表示學(xué)習(xí)風(fēng)格（learning style）的公式如下：

其中，（Ti，ei）（1≤i≤4）依次為 Felder-Silverman 學(xué)習(xí)風(fēng)格的4個(gè)維度的取值，這里Ti表示該Felder-Silverman學(xué)習(xí)風(fēng)格分類(lèi)的 4個(gè)類(lèi)型（Ti∈{“感知型-直覺(jué)型”，“視覺(jué)型-言語(yǔ)型”，“主動(dòng)性-反思型”，“全局型-序列型”}），ei為模糊取值（ei∈[0，1]），它代表學(xué)習(xí)風(fēng)格在 Ti維度的取值。

舉例說(shuō)明，某一個(gè)學(xué)生Longer Lee的學(xué)習(xí)風(fēng)格為：LS（Longer Lee）=[（感知型-直覺(jué)型，0.8），（視覺(jué)型-言語(yǔ)型，0.2），（主動(dòng)性-反思型，0.6），（全局型-序列型，0.9）]則表示該學(xué)生在感知維度上偏向于直覺(jué)型，在輸入維度上偏向于視覺(jué)型，在處理維度上偏向于反思性，在理解維度上偏向于序列型。

2 學(xué)習(xí)風(fēng)格生成算法

雖然教育者早就注意到學(xué)生們?cè)趯W(xué)習(xí)風(fēng)格方面有很大差異，但苦于沒(méi)有很好的測(cè)試方法，由于不能預(yù)測(cè)和量化，也不能很好地應(yīng)用在教學(xué)策略的推理上。所羅門(mén) （Barbara A.Solomon）學(xué)習(xí)風(fēng)格量化表具有很強(qiáng)的操作性，可以進(jìn)行較好的學(xué)習(xí)風(fēng)格測(cè)試[3]。Solomon學(xué)習(xí)風(fēng)格量化表共有44個(gè)題目，而且每個(gè)題目的設(shè)計(jì)針對(duì)不同的學(xué)習(xí)風(fēng)格維度。學(xué)習(xí)風(fēng)格分為4個(gè)維度，每個(gè)維度11個(gè)問(wèn)題，每一個(gè)問(wèn)題有兩個(gè)答案供用戶選擇。

由于基于Solomon量化表的操作性強(qiáng)，我們結(jié)合本系統(tǒng)的需要提出了基于Solomon量化表的學(xué)習(xí)風(fēng)格生成算法，步驟如下：

1）將Solomon量化表的答案填入統(tǒng)計(jì)表，并按照學(xué)習(xí)風(fēng)格維度統(tǒng)計(jì)選項(xiàng)的總計(jì)個(gè)數(shù)α，如表1所示。

表1 一個(gè)基于Solomon量化表的學(xué)習(xí)風(fēng)格生成算法示例Tab.1 An example of learning style generation algorithm based on Solomon quantization table

2）按照“（較大數(shù)-較小數(shù)）+較大數(shù)的字母”的規(guī)則，生成4個(gè)維度上的分值。表示為：

其中 α 取值為 11、9、7、5、3、1，e 取值為 a，b。 因此為每一種量表 Ti的取值可能為 11a、9a、7a、5a、3a、a、11b、9b、7b、5b、3b、b中的一種。若得到字母“a”，表示屬于前者學(xué)習(xí)風(fēng)格，且“a”前的系數(shù)越大，表明程度越強(qiáng)烈；若得到字母“b”，表示屬于后者學(xué)習(xí)風(fēng)格，且“b”前的系數(shù)越大，同樣表明程度越強(qiáng)烈。例如：在活躍型/沉思型量表中得到“8a”，表明測(cè)試者屬于主動(dòng)型的學(xué)習(xí)風(fēng)格，且程度很強(qiáng)烈。在視覺(jué)型/言語(yǔ)型量表中得到“a”，表明測(cè)試者屬于視覺(jué)型的學(xué)習(xí)風(fēng)格，且程度非常弱；如果得到“3b”，則表明測(cè)試者屬于言語(yǔ)型的學(xué)習(xí)風(fēng)格，且程度較弱。

3）公式（1）表示學(xué)生的學(xué)習(xí)風(fēng)格，而取之ei為模糊取值（ei∈[0，1]）。 為便于分類(lèi)表示，根據(jù)步驟 1）得到的取值，定義公式（3）如下：

于是，將ei量化到區(qū)間[0，1]內(nèi)。為了計(jì)算和推理的方便，我們簡(jiǎn)單處理，將趨向?qū)W習(xí)風(fēng)格較弱的視為0.3，趨向該學(xué)習(xí)風(fēng)格一般視為0.6，趨向該學(xué)習(xí)風(fēng)格較強(qiáng)者視為0.9。使其按照0.3的步長(zhǎng)遞增。表1是一個(gè)基于該算法的一個(gè)部分實(shí)例， 那么該學(xué)生的學(xué)習(xí)風(fēng)格可以表示為：LS=[（T1，0.6），（T2，0.3），（T3，0.6），（T4，0.9）]。

3 系統(tǒng)設(shè)計(jì)

根據(jù)Felder-Silverman的學(xué)習(xí)風(fēng)格分類(lèi)，不同的學(xué)習(xí)風(fēng)格對(duì)應(yīng)著不同的學(xué)習(xí)特征傾向和教學(xué)策略，個(gè)性的差異在一定程度上影響著學(xué)生學(xué)習(xí)的效果和效率。這意味著在e-learning教學(xué)的環(huán)境下根據(jù)學(xué)習(xí)風(fēng)格制定一定的網(wǎng)絡(luò)教學(xué)策略，系統(tǒng)促進(jìn)學(xué)生按照自己的個(gè)性特點(diǎn)去學(xué)習(xí)，從而提高學(xué)習(xí)效率。Felder-Silverman分類(lèi)中8種學(xué)習(xí)風(fēng)格的學(xué)習(xí)趨向和偏好特征如表2所示[4]。

表2 Felder-Silverman學(xué)習(xí)風(fēng)格趨向和偏好特征表Tab.2 Felder-Silverman learning style trend and preference characteristic table

針對(duì)8種學(xué)習(xí)風(fēng)格的不同學(xué)習(xí)偏好特征，系統(tǒng)依據(jù)學(xué)生學(xué)習(xí)風(fēng)格自動(dòng)調(diào)整界面教學(xué)內(nèi)容呈現(xiàn)和知識(shí)結(jié)構(gòu)導(dǎo)航，基于學(xué)習(xí)風(fēng)格的e-learning學(xué)習(xí)流程如圖1所示。

圖1 基于學(xué)習(xí)風(fēng)格的e-learning學(xué)習(xí)流程Fig.1 Learning process of e-learning based on learning style

4 系統(tǒng)主要功能實(shí)現(xiàn)

基于Felder-Silverman學(xué)習(xí)風(fēng)格模型的自適應(yīng)性elearning系統(tǒng)采用.NET分層架構(gòu)，開(kāi)發(fā)平臺(tái)為Visual Studio 2008，開(kāi)發(fā)語(yǔ)言為C#、ASP.NET，數(shù)據(jù)庫(kù)采用SQL SERVER 2005，學(xué)習(xí)課程內(nèi)容選用《人工智能》[5-6]。

4.1 登錄模塊

系統(tǒng)包括3個(gè)角色：管理員，教師和學(xué)習(xí)者。管理員主要功能是對(duì)系統(tǒng)權(quán)限管理，數(shù)據(jù)管理，消息管理等；教師主要功能是課程管理，試題管理，成績(jī)管理等；學(xué)生主要功能是個(gè)人信息管理，在線學(xué)習(xí)，在線交流等，如圖2所示。

圖2 自適應(yīng)e-learning系統(tǒng)登錄界面圖Fig.2 Login interface of the adaptive e-learning system

4.2 學(xué)習(xí)風(fēng)格生成模塊

作為系統(tǒng)的首次使用者，系統(tǒng)需要分析學(xué)生的學(xué)習(xí)風(fēng)格進(jìn)一步來(lái)設(shè)定個(gè)性化的教學(xué)風(fēng)格，學(xué)習(xí)風(fēng)格獲取采用的Solomon的學(xué)習(xí)風(fēng)格量化表和本文給出的Solomon量化表的學(xué)習(xí)風(fēng)格生成算法。學(xué)生在認(rèn)真作答問(wèn)卷提交之后，就可以得到該學(xué)生的四維學(xué)習(xí)風(fēng)格，如圖3所示。系統(tǒng)根據(jù)學(xué)習(xí)風(fēng)格的各自特點(diǎn)，設(shè)計(jì)符合學(xué)習(xí)風(fēng)格特點(diǎn)的個(gè)性化的內(nèi)容呈現(xiàn)機(jī)制。

4.3 自適應(yīng)學(xué)習(xí)風(fēng)格的學(xué)習(xí)界面

系統(tǒng)根據(jù)學(xué)習(xí)風(fēng)格記錄中學(xué)習(xí)風(fēng)格類(lèi)型，選擇符合學(xué)習(xí)風(fēng)格的學(xué)習(xí)導(dǎo)航和學(xué)習(xí)媒體內(nèi)容呈現(xiàn)，系統(tǒng)具有適應(yīng)學(xué)生學(xué)習(xí)風(fēng)格的特點(diǎn)，這便于激發(fā)學(xué)習(xí)興趣和學(xué)習(xí)熱情。如圖4所示，對(duì)于趨向于感知型，視覺(jué)型，思考性，全局型學(xué)習(xí)風(fēng)格特點(diǎn)的學(xué)生的學(xué)習(xí)中心主界面顯示，采用了知識(shí)點(diǎn)結(jié)構(gòu)導(dǎo)航，F(xiàn)lash動(dòng)畫(huà)和圖片的媒體表現(xiàn)。

圖3 學(xué)生的學(xué)習(xí)風(fēng)格生成界面圖Fig.3 Interface of the learning style generation

圖4 符合學(xué)習(xí)風(fēng)格的學(xué)習(xí)內(nèi)容呈現(xiàn)界面圖Fig.4 Interface of present study conternt to meet learning style

5 結(jié)束語(yǔ)

符合學(xué)生個(gè)性化特征的自適應(yīng)[7]e-learning系統(tǒng)能夠自動(dòng)調(diào)整網(wǎng)絡(luò)教學(xué)策略，并且能充分利用e-learning系統(tǒng)的豐富教學(xué)媒體和友好交互模式，極大保證網(wǎng)絡(luò)教學(xué)質(zhì)量。本文開(kāi)發(fā)的基于Felder-Silverman學(xué)習(xí)風(fēng)格的自適應(yīng)性e-learning系統(tǒng)能夠?qū)W生的學(xué)習(xí)風(fēng)格自動(dòng)調(diào)整界面的內(nèi)容呈現(xiàn)方式和知識(shí)結(jié)構(gòu)導(dǎo)航，符合個(gè)性化的e-learning趨勢(shì)，系統(tǒng)發(fā)布后運(yùn)行穩(wěn)定，學(xué)生反饋良好。

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

[2]Alfonseca E，Rosa M.Carro， Martin E， et al.The impact of learning styles on student grouping for collaborative learning:a case study[J].User Modelling and User-Adapted Interaction，2006（9）:377-401.

[3]Solomon.Index of Learning Styles Questionnaire[EB/OL].[2011-03-20].http://www.engr.ncsu.edu/learningstyles/ilsweb.html.

[4]張建平，陳仕品，張家華.網(wǎng)絡(luò)學(xué)習(xí)及其適應(yīng)性學(xué)習(xí)支持系統(tǒng)研究[M].北京：科學(xué)出版社，2010.

[5]王萬(wàn)森.人工智能原理及其應(yīng)用[M].北京：電子工業(yè)出版社，2006.

[6]Franzoni A.L.，Assar， S.Student learning styles adaptation method based on teaching strategies and electronic media[J].Educational Technology and Society， 2009，12（4）：15-29.

[7]周巧俏，湯云巖，海曉濤.基于改進(jìn)自適應(yīng)遺傳算法的分布式電源的選址和定容[J].陜西電力，2010，38（6）：40-44.ZHOU Qiao-qiao，TANG Yun-yan，HAI Xiao-tao.Location and sizing of distributed generation based on improved selfadaptive genetic algorithm[J].Shaanxi Electric Power，2010，38（6）：40-44.