袁飛虎 吳其亮

大數(shù)據(jù)時代的到來，潛移默化地對社會各個領域產(chǎn)生影響，而社會的發(fā)展又對教育提出了新的要求。本文首先介紹了系統(tǒng)的基本功能，隨后對個性化學習路線推薦模型中涉及的算法進行了梳理，在此基礎上進行智慧學習系統(tǒng)的初步構建。

1引言

教育部于2018年4月發(fā)布的《教育信息化2.0行動計劃》，明確了教育信息化是我國教育事業(yè)改革和發(fā)展的戰(zhàn)略選擇，標志著智慧學習已成為教育界的改革熱點和政策導向。經(jīng)過研究發(fā)現(xiàn)部分學習平臺對收集的教育數(shù)據(jù)僅通過簡單的統(tǒng)計分析手段進行處理，且在實際應用教育數(shù)據(jù)時存在數(shù)據(jù)來源單一、數(shù)據(jù)挖掘?qū)哟螠\顯和應用面過窄等問題。

2智能學習系統(tǒng)

2.1系統(tǒng)功能設計

智慧學習系統(tǒng)包括如下功能：

①基本學情。提供學生用戶以學號注冊或登錄、基本信息設置以及對第一次使用的學生用戶進行學習風格測試。

②課程反饋。通過教室中智能傳感器對學生的行為進行識別，綜合分析每位同學上課的主動提問、應答及學習熱情。

③師生互動。教師通過智能學習系統(tǒng)平臺上創(chuàng)建的班級的專業(yè)課群，可以上傳課程的教學資料，以及提問、簽到、小組討論以及發(fā)放隨堂測驗等操作。

④教學反饋。系統(tǒng)對于課堂上老師提問的回答、學生的接受程度判斷、小組討論情況等進行甄別，經(jīng)過可視化處理形成教學反饋圖表。

⑤學業(yè)分析。根據(jù)學生的基本學情，系統(tǒng)跟蹤學生的學習行為，包括學生瀏覽的內(nèi)容、學習視頻的點擊率、搜索欄關鍵字和收藏的內(nèi)容等。將這些信息傳送到個性化學習路徑推薦模型，進行數(shù)據(jù)分析，更新學生模型。

⑥學習規(guī)劃。將一段時間的練習情況和課堂反饋進行分析，將結(jié)果再次反饋到推薦模型，通過粒子群算法對學習路徑推薦模型不斷優(yōu)化，以鞏固學生的學習成果，并對后續(xù)學習提供數(shù)據(jù)支撐。

2.2個性化學習路徑推薦模型

根據(jù)美國教育部發(fā)表的《通過教育數(shù)據(jù)挖掘和學習分析促進教學》報告，基于教育數(shù)據(jù)挖掘和學習分析在教學領域的應用進行建模和分析是可行的。2010年8月，Siemens提出學習分析的過程模型，認為學習分析可以通過運用智能數(shù)據(jù)、學習者數(shù)據(jù)和分析模型來發(fā)現(xiàn)隱藏的信息與社會聯(lián)系，并對學習做出預測和建議。基于Siemens的學習分析模型，首先收集學生的基本信息，再根據(jù)學習風格測試，采用K均值聚類方法對學生行為進行聚類。接著建立學生“畫像”對學生進行分類，對于每類的學生采用關聯(lián)規(guī)則算法對學生記錄在學習系統(tǒng)中的數(shù)據(jù)處理，根據(jù)不同學生的特點，制定相應的規(guī)則，并創(chuàng)立學生個人的學習模型。

基于趙呈領等人在《適應性學習路徑推薦算法及應用研究》中將學習路徑推薦算法的研究，本系統(tǒng)采用粒子群算法進行學習路線的優(yōu)化。為了實現(xiàn)個性化推薦服務，利用協(xié)同過濾推薦算法推薦個性化學習資源，系統(tǒng)對學生進行分類，再以此為基礎對每一類的學生進行關聯(lián)規(guī)則算法，規(guī)劃其學習路徑。對于不同類別的學生分別進行關聯(lián)規(guī)則算法，得到隱藏的、頻繁出現(xiàn)的學習路徑，形成規(guī)則庫，提高了數(shù)據(jù)挖掘的效率。在整個學習周期中，對不斷累積的學習數(shù)據(jù)進行數(shù)據(jù)集分類，按照80：20比例“喂養(yǎng)”機器模型，隨著學生進一步學習，學習路徑推薦模型也在不斷優(yōu)化。

3結(jié)束語

文章在前人的研究中總結(jié)提出基于大數(shù)據(jù)的智慧學習系統(tǒng)，有助于激發(fā)學生學習興趣，智能化推薦個性化學習資源和學習路線，輔助教師可合理調(diào)整教學計劃。但后期系統(tǒng)需要進行更多的實證研究，以保證推薦模型的準確性和完整性。