楊帆靜

(集美大學(xué)誠(chéng)毅學(xué)院,福建 廈門 361021)

0 引言

智慧學(xué)習(xí)進(jìn)行的教學(xué)活動(dòng)都是結(jié)合學(xué)習(xí)者的知識(shí)結(jié)構(gòu)和學(xué)科培養(yǎng)目標(biāo)而展開的,能充分展示學(xué)習(xí)者的個(gè)性化特點(diǎn).數(shù)據(jù)挖掘是大數(shù)據(jù)在智慧學(xué)習(xí)系統(tǒng)的主要應(yīng)用領(lǐng)域.教育大數(shù)據(jù)能直觀體現(xiàn)學(xué)習(xí)者的學(xué)習(xí)現(xiàn)狀以及個(gè)體需求差異.通過(guò)大數(shù)據(jù)分析,可以診斷出學(xué)習(xí)者的知識(shí)能力水平,再結(jié)合學(xué)生的興趣愛好等因素,為學(xué)生定制個(gè)性化的學(xué)習(xí)內(nèi)容.

國(guó)內(nèi)外的眾多學(xué)者就大數(shù)據(jù)對(duì)智慧學(xué)習(xí)的積極作用發(fā)表了研究成果.魏順平[1]借助數(shù)據(jù)分析技術(shù),將教育軟件中儲(chǔ)存的海量數(shù)據(jù)轉(zhuǎn)化為知識(shí),為學(xué)生學(xué)習(xí)和老師教學(xué)提供有效的指導(dǎo).舍恩伯格[2]概括出,隨著大數(shù)據(jù)在教育界的深入應(yīng)用,根據(jù)學(xué)習(xí)者個(gè)體差異而定制學(xué)習(xí)方案將會(huì)成為教育界的主流,包括教學(xué)內(nèi)容、學(xué)習(xí)時(shí)間、授課方式.唐斯斯[3]指出,單一的傳統(tǒng)教學(xué)方式過(guò)于單一,老師過(guò)度依賴教學(xué)經(jīng)驗(yàn),大數(shù)據(jù)的應(yīng)用,可以幫助教育工作者以教育數(shù)據(jù)為基礎(chǔ)開展教學(xué)活動(dòng),促進(jìn)教育由集體化向個(gè)性化發(fā)展.

本文基于大數(shù)據(jù)框架,分析了智慧學(xué)習(xí)系統(tǒng)的生態(tài)機(jī)理,結(jié)合自適應(yīng)學(xué)習(xí)系統(tǒng)參考模型,提出了一種基于大數(shù)據(jù)的智慧學(xué)習(xí)系統(tǒng),能讓學(xué)習(xí)者的學(xué)習(xí)活動(dòng)更加智能化、個(gè)性化.

1 智慧學(xué)習(xí)系統(tǒng)模型

應(yīng)用于自適應(yīng)學(xué)習(xí)系統(tǒng)的AEHS(Adaptive Educational Hypermedia Systems)通用模型是Peter Brusilovsky提出的,本文中的智慧學(xué)習(xí)系統(tǒng)模型以此為基礎(chǔ).如圖1,AEHS由四個(gè)主要組件構(gòu)成,分別是自適應(yīng)引擎、領(lǐng)域模型、教育學(xué)模型、學(xué)習(xí)者模型[4].

圖1 AEHS主要組件

1.1 學(xué)習(xí)者模型

學(xué)習(xí)者模型反映了不同學(xué)習(xí)者的差異性,是智慧學(xué)習(xí)系統(tǒng)的核心內(nèi)容,直接決定了學(xué)習(xí)內(nèi)容是否合理.本文構(gòu)建的學(xué)習(xí)者模型包括以下幾方面內(nèi)容:個(gè)人信息、學(xué)習(xí)行為、行為偏好、課程體系、知識(shí)水平.其中,個(gè)人信息包括學(xué)習(xí)者的姓名、性別、年齡、學(xué)校、年級(jí)等;學(xué)習(xí)行為是記錄學(xué)習(xí)者的學(xué)習(xí)歷史,包括學(xué)習(xí)的課程編號(hào)、學(xué)習(xí)次數(shù)、學(xué)習(xí)時(shí)間、學(xué)習(xí)地點(diǎn)、使用設(shè)備、作業(yè)完成情況、測(cè)試結(jié)果等,可以用于挖掘?qū)W習(xí)者行為偏好,以便更好地了解學(xué)習(xí)者,從而更精準(zhǔn)地預(yù)測(cè)學(xué)習(xí)者的學(xué)習(xí)行為;行為偏好的作用在于通過(guò)分析學(xué)習(xí)者以往的學(xué)習(xí)行為,分析出其在學(xué)習(xí)行為上的偏好傾向,用于為其推薦帶有個(gè)人喜好的課程;課程體系包括學(xué)習(xí)者學(xué)習(xí)的課程以及知識(shí)點(diǎn),描述了學(xué)習(xí)者的知識(shí)結(jié)構(gòu);知識(shí)水平用以描述學(xué)習(xí)者對(duì)于學(xué)習(xí)內(nèi)容的掌握情況,可通過(guò)考試、習(xí)題、交流等形式分析得出.

1.2 領(lǐng)域模型

領(lǐng)域模型是領(lǐng)域概念集合,包括了領(lǐng)域概念及其相互之間的關(guān)系,通常一個(gè)特定的領(lǐng)域概念與不同概念聯(lián)系后表達(dá)了不同的語(yǔ)義.領(lǐng)域模型描述了領(lǐng)域知識(shí)結(jié)構(gòu),應(yīng)用于不同領(lǐng)域中的學(xué)習(xí)系統(tǒng)中有著不同的含義,權(quán)重也有所差別,發(fā)揮著不同的作用.領(lǐng)域模型的主要實(shí)現(xiàn)方式是通過(guò)定量或定性的方式估算學(xué)習(xí)者對(duì)某一概念的掌握程度并將其儲(chǔ)存.

1.3 自適應(yīng)引擎

自適應(yīng)引擎可以利用學(xué)習(xí)者模型分析出學(xué)習(xí)者的知識(shí)水平以及對(duì)知識(shí)的接受能力,再結(jié)合其他模型為學(xué)習(xí)者安排個(gè)性化的學(xué)習(xí)策略,同時(shí)對(duì)學(xué)習(xí)者的學(xué)習(xí)過(guò)程進(jìn)行監(jiān)測(cè)和調(diào)整.本文中自適應(yīng)引擎的實(shí)施方式具體為:1)自適應(yīng)引擎根據(jù)學(xué)習(xí)者模型(個(gè)人信息、學(xué)習(xí)行為、行為偏好、課程體系、知識(shí)水平、學(xué)習(xí)情緒)和學(xué)習(xí)目標(biāo),定制個(gè)性化學(xué)習(xí)方案;2)跟蹤學(xué)習(xí)者的學(xué)習(xí)過(guò)程,并將學(xué)習(xí)歷史記錄;3)學(xué)習(xí)結(jié)束后,對(duì)學(xué)習(xí)者的學(xué)習(xí)效果進(jìn)行評(píng)價(jià),檢驗(yàn)制定的學(xué)習(xí)方案是否合理；4)對(duì)于未能達(dá)到理想效果的學(xué)習(xí)者,需要進(jìn)行診斷和分析,修改學(xué)習(xí)策略直至達(dá)到學(xué)習(xí)目標(biāo).在大數(shù)據(jù)的應(yīng)用背景下,智慧學(xué)習(xí)系統(tǒng)的自適應(yīng)引擎需要不斷修正和優(yōu)化規(guī)則,不斷自我進(jìn)化.本文主要研究自適應(yīng)引擎的三項(xiàng)功能:知識(shí)結(jié)構(gòu)和水平檢測(cè)、學(xué)習(xí)路徑推薦與學(xué)習(xí)效果評(píng)價(jià).

1.3.1 知識(shí)結(jié)構(gòu)和水平檢測(cè)

學(xué)習(xí)者的知識(shí)結(jié)構(gòu)與課程體系、領(lǐng)域模型等緊密相關(guān),學(xué)習(xí)者的知識(shí)結(jié)構(gòu)與課程體系、領(lǐng)域模型等緊密相關(guān),學(xué)生的知識(shí)水平需要通過(guò)作業(yè)、測(cè)試等多維診斷方式才能得出較為準(zhǔn)確的結(jié)果,因而自適應(yīng)引擎需要與多個(gè)系統(tǒng)模型相連才能綜合檢測(cè)出學(xué)生的知識(shí)結(jié)構(gòu)和水平.同時(shí)，學(xué)生的知識(shí)結(jié)構(gòu)和水平是一個(gè)相對(duì)值,需要放在類似群體中與不同個(gè)體進(jìn)行對(duì)比.

本文采用項(xiàng)目反應(yīng)理論IRT(Item Response Theory)為基礎(chǔ)架構(gòu)進(jìn)行知識(shí)結(jié)構(gòu)和水平檢測(cè).項(xiàng)目反應(yīng)理論認(rèn)為學(xué)習(xí)者對(duì)知識(shí)點(diǎn)的理解程度、接受知識(shí)的能力、思考方式都會(huì)影響他的答題反應(yīng),因而可以在個(gè)性化測(cè)試過(guò)程中,評(píng)價(jià)學(xué)習(xí)者的反應(yīng)情況診斷出學(xué)習(xí)者的知識(shí)結(jié)構(gòu)和學(xué)習(xí)能力,并且可以不斷調(diào)整題目的難度反復(fù)進(jìn)行測(cè)試,已達(dá)到逐步貼近實(shí)際水平,從而得到準(zhǔn)確結(jié)果.這樣的方式可以有效避免題目與學(xué)習(xí)者實(shí)際情況不匹配的問(wèn)題,不僅準(zhǔn)確率得到大幅提升,而且能有效縮短測(cè)試時(shí)間,因而得以廣泛使用[5].

1.3.2 學(xué)習(xí)路徑推薦

智慧學(xué)習(xí)系統(tǒng)的核心功能之一就是針對(duì)學(xué)習(xí)者的個(gè)性化特征為其推薦最佳學(xué)習(xí)路徑,這也是衡量智慧學(xué)習(xí)系統(tǒng)功能的重要指標(biāo).其中,學(xué)習(xí)者的特征是算法的輸入,以學(xué)習(xí)者知識(shí)結(jié)構(gòu)和水平、行為偏好為輸入,學(xué)習(xí)路徑是算法的輸出,本文采用了蟻群算法,因?yàn)橄伻核惴ㄖ械膯l(fā)信息和信息素參數(shù)非常適合綜合參數(shù)的建模.

蟻群算法是一種群體智能算法,通過(guò)模擬蟻群覓食的過(guò)程來(lái)求解最佳路徑.具體過(guò)程為:螞蟻邊找尋食物邊留下“信息素”，信息素會(huì)被其他螞蟻?zhàn)R別,走過(guò)的螞蟻越多則此路徑上信息素越多,最佳路徑由此形成.可以將螞蟻覓食的過(guò)程應(yīng)用于學(xué)習(xí)路徑推薦,兩者的搜索過(guò)程具有極大相似性,可以將學(xué)習(xí)者視為螞蟻,學(xué)習(xí)目標(biāo)則可以看作食物,學(xué)習(xí)者對(duì)知識(shí)點(diǎn)的評(píng)分就是信息素,推薦路徑可以看覓食的最佳路徑[6].

1.3.3 學(xué)習(xí)效果評(píng)價(jià)

當(dāng)學(xué)習(xí)完成之后,需要對(duì)其學(xué)習(xí)效果進(jìn)行評(píng)價(jià),確定系統(tǒng)向其推薦的學(xué)習(xí)資源是否合理,從而不斷優(yōu)化系統(tǒng)模型.大數(shù)據(jù)的應(yīng)用使得評(píng)價(jià)依據(jù)從主要依靠主觀經(jīng)驗(yàn)判斷逐步過(guò)渡到依靠客觀數(shù)據(jù).本文評(píng)價(jià)學(xué)習(xí)效果的方法主要分定性和定量?jī)蓚€(gè)角度,定量就是從數(shù)據(jù)的角度客觀評(píng)價(jià)學(xué)習(xí)效果,通過(guò)分析統(tǒng)計(jì)數(shù)據(jù),計(jì)算出可以表示學(xué)習(xí)者知識(shí)能力提高的綜合指標(biāo);定性就是學(xué)習(xí)者的主觀評(píng)價(jià),學(xué)習(xí)者學(xué)習(xí)完后進(jìn)行星級(jí)評(píng)分.最終的學(xué)習(xí)效果評(píng)價(jià)就是二者的權(quán)值之和.

1.4 教育學(xué)模型

教育學(xué)模型用于定義學(xué)習(xí)者模型訪問(wèn)領(lǐng)域模型各部分信息的規(guī)則,這些規(guī)則以教育學(xué)為基礎(chǔ),依據(jù)領(lǐng)域知識(shí)設(shè)計(jì),具有很強(qiáng)的專業(yè)性.

1.5 接口模塊

接口模塊用于實(shí)現(xiàn)學(xué)習(xí)者與智慧學(xué)習(xí)系統(tǒng)的交互,同時(shí)存儲(chǔ)于接口模塊的數(shù)據(jù)也可以預(yù)測(cè)學(xué)習(xí)者的個(gè)性化特點(diǎn),從而更新并驗(yàn)證學(xué)習(xí)者模型.

2 大數(shù)據(jù)系統(tǒng)架構(gòu)

在大數(shù)據(jù)的應(yīng)用背景下,智慧學(xué)習(xí)系統(tǒng)的實(shí)現(xiàn)機(jī)制有了新的發(fā)展,本文提出的基于大數(shù)據(jù)的智慧學(xué)習(xí)系統(tǒng)架構(gòu),可以分為數(shù)據(jù)層、信息層、控制層、應(yīng)用層[7],如圖2.

圖2 大數(shù)據(jù)系統(tǒng)架構(gòu)

2.1 數(shù)據(jù)層

數(shù)據(jù)層存儲(chǔ)的是結(jié)構(gòu)化、半結(jié)構(gòu)的原始數(shù)據(jù),數(shù)據(jù)獲取方式是通過(guò)接口模塊,原始數(shù)據(jù)的來(lái)源可以是歷史數(shù)據(jù)、聲音、圖像、影像、點(diǎn)擊流等.

2.2 信息層

信息層中存儲(chǔ)的是有意義的數(shù)據(jù)集合.利用ETL等技術(shù)將數(shù)據(jù)層中存儲(chǔ)的原始數(shù)據(jù)進(jìn)行清洗、轉(zhuǎn)換和整合,提煉為有效信息并存儲(chǔ)到學(xué)習(xí)者信息庫(kù)、學(xué)習(xí)者行為庫(kù)、領(lǐng)域模型庫(kù)、學(xué)習(xí)資源庫(kù)、學(xué)習(xí)工具庫(kù)、導(dǎo)學(xué)策略庫(kù)等數(shù)據(jù)庫(kù)中.同時(shí),數(shù)據(jù)采集和提煉的過(guò)程是持續(xù)進(jìn)行的,增量信息不斷形成,不斷更新各個(gè)數(shù)據(jù)庫(kù)的內(nèi)容.

2.3 控制層

控制層是智慧學(xué)習(xí)系統(tǒng)的核心應(yīng)用,自適應(yīng)引擎根據(jù)學(xué)習(xí)者特征模型和領(lǐng)域模型可以實(shí)現(xiàn)學(xué)習(xí)者個(gè)性化學(xué)習(xí),學(xué)習(xí)過(guò)程中,不斷對(duì)學(xué)習(xí)效果進(jìn)行評(píng)價(jià),從而實(shí)現(xiàn)引擎規(guī)則的不斷完善,達(dá)到引擎自我進(jìn)化的目標(biāo).

2.4 應(yīng)用層

應(yīng)用層用于為使用者提供服務(wù)業(yè)務(wù),使用者可以是學(xué)習(xí)者、教師、領(lǐng)域?qū)＜?、工具開發(fā)者,為其提供學(xué)習(xí)資源、學(xué)習(xí)工具、學(xué)習(xí)路徑、學(xué)習(xí)策略等.

3 系統(tǒng)實(shí)現(xiàn)與案例分析

本文選擇初中數(shù)學(xué)作為實(shí)現(xiàn)對(duì)象來(lái)檢驗(yàn)智慧學(xué)習(xí)系統(tǒng)架構(gòu)的合理性.初中數(shù)學(xué)智慧學(xué)習(xí)系統(tǒng)可以為學(xué)生提供多種方式的課后自主學(xué)習(xí),邏輯框架如圖3,主要包括課后自主學(xué)習(xí)和輔助課堂學(xué)習(xí).

圖3 智慧學(xué)習(xí)系統(tǒng)邏輯框架

自主導(dǎo)學(xué)是課后自主學(xué)習(xí)的方式,主要方式為:系統(tǒng)將教師挑選的合適的學(xué)習(xí)資源,結(jié)合學(xué)習(xí)者模型和推薦規(guī)則,推送給學(xué)習(xí)者,學(xué)習(xí)者根據(jù)自己的實(shí)際情況,從推薦的資源庫(kù)中選擇合適的學(xué)習(xí)路徑.自主學(xué)習(xí)完成之后,學(xué)習(xí)者需要進(jìn)行自我檢測(cè),學(xué)習(xí)者根據(jù)自己的實(shí)際情況選擇測(cè)試題的難度等級(jí)后,系統(tǒng)會(huì)根據(jù)推送規(guī)則形成對(duì)應(yīng)難度的試題.學(xué)習(xí)者答題結(jié)束后,系統(tǒng)會(huì)自動(dòng)批閱學(xué)習(xí)者的試題并對(duì)答題情況進(jìn)行分析,診斷出學(xué)習(xí)者在學(xué)習(xí)中的薄弱環(huán)節(jié),從而為其推送更加合適的導(dǎo)學(xué)資源.同時(shí)將此次導(dǎo)學(xué)的過(guò)程和結(jié)果數(shù)據(jù)保存,更新系統(tǒng)模型,在后續(xù)的學(xué)習(xí)過(guò)程中為學(xué)習(xí)者提供更加有效地服務(wù).

課前預(yù)習(xí)和課后復(fù)習(xí)都是輔助課堂學(xué)習(xí),課前預(yù)習(xí)是課堂教學(xué)的熱身,課后復(fù)習(xí)是課堂教學(xué)的檢驗(yàn),兩者都和課堂學(xué)習(xí)內(nèi)容緊密聯(lián)系,所以本文將其設(shè)計(jì)為由教師導(dǎo)學(xué).課前預(yù)習(xí)的過(guò)程為:教師根據(jù)課堂學(xué)習(xí)內(nèi)容,將需要的課前預(yù)習(xí)資源推薦給學(xué)習(xí)者,學(xué)習(xí)者根據(jù)自身的情況選擇預(yù)習(xí)路徑并自主預(yù)習(xí).學(xué)習(xí)者預(yù)習(xí)后,由老師選擇相應(yīng)的試題對(duì)學(xué)習(xí)者的預(yù)習(xí)情況進(jìn)行檢查.課后復(fù)習(xí)的過(guò)程為:教師根據(jù)課堂學(xué)習(xí)內(nèi)容,將需要的課后資源推薦給學(xué)習(xí)者.學(xué)習(xí)者復(fù)習(xí)后,由老師選擇相應(yīng)的作業(yè)對(duì)學(xué)習(xí)者的復(fù)習(xí)情況進(jìn)行檢查.

在課后自主學(xué)習(xí)和輔助課堂學(xué)習(xí)過(guò)程中,系統(tǒng)都可以獲取學(xué)習(xí)者的反饋數(shù)據(jù),從而不斷優(yōu)化系統(tǒng),對(duì)學(xué)生進(jìn)行個(gè)性化、有針對(duì)性的指導(dǎo).

4 結(jié)論

隨著大數(shù)據(jù)、云計(jì)算的不斷發(fā)展,數(shù)字化校園也得以推進(jìn).學(xué)習(xí)者的學(xué)習(xí)過(guò)程得以保存形成海量的教育大數(shù)據(jù),為教育優(yōu)化提供了重要依據(jù).本文將學(xué)習(xí)系統(tǒng)模型和大數(shù)據(jù)框架相結(jié)合,設(shè)計(jì)出基于大數(shù)據(jù)的智慧學(xué)習(xí)系統(tǒng).本文分析了如何在初中數(shù)學(xué)系統(tǒng)中應(yīng)用次架構(gòu),在后續(xù)的研究中,將對(duì)各個(gè)學(xué)科領(lǐng)域的學(xué)習(xí)系統(tǒng)的差異性進(jìn)行研究,開發(fā)出自適應(yīng)程度更大的智慧學(xué)習(xí)系統(tǒng)模型.