張松慧

1 研究背景

2010 年，美國(guó)教育部發(fā)布了“國(guó)家教育技術(shù)規(guī)劃2010”，該規(guī)劃倡導(dǎo)通過(guò)技術(shù)力量提供個(gè)性化學(xué)習(xí)環(huán)境，使持續(xù)學(xué)習(xí)和終身學(xué)習(xí)成為可能。2012年，我國(guó)發(fā)布了《教育信息化十年發(fā)展規(guī)劃（2011—2020 年）》，指出“為每位學(xué)習(xí)者提供個(gè)性化的、終身學(xué)習(xí)的信息化環(huán)境和服務(wù)”[1]。

智能在線學(xué)習(xí)系統(tǒng)為每個(gè)學(xué)生提供個(gè)性化的學(xué)習(xí)環(huán)境，推送符合學(xué)生認(rèn)知特點(diǎn)的學(xué)習(xí)資源對(duì)學(xué)生進(jìn)行因材施教，這是全體教育工作者追求的目標(biāo)。

2 學(xué)習(xí)分析技術(shù)概念

學(xué)習(xí)分析技術(shù)的研究對(duì)象是學(xué)習(xí)者、學(xué)習(xí)環(huán)境，研究基礎(chǔ)是海量數(shù)據(jù)。通過(guò)數(shù)據(jù)挖掘等數(shù)據(jù)分析技術(shù)，診斷和評(píng)估學(xué)習(xí)者的認(rèn)知水平、學(xué)習(xí)狀態(tài)，以提供符合其特點(diǎn)的學(xué)習(xí)資源、教學(xué)策略，提升學(xué)生的學(xué)習(xí)興趣和學(xué)習(xí)效果。

學(xué)習(xí)分析是“收集、測(cè)量和分析報(bào)告學(xué)習(xí)者及其學(xué)習(xí)過(guò)程數(shù)據(jù)，以了解優(yōu)化學(xué)習(xí)和學(xué)習(xí)環(huán)境”[2]。學(xué)習(xí)分析技術(shù)旨在利用大數(shù)據(jù)分析和人工智能等加深對(duì)學(xué)與教的理解，為學(xué)習(xí)者提供個(gè)性化的學(xué)習(xí)環(huán)境和教學(xué)策略。

3 國(guó)內(nèi)外研究現(xiàn)狀

近年來(lái)，隨著大數(shù)據(jù)分析、人工智能等技術(shù)的推廣應(yīng)用，一些在線學(xué)習(xí)平臺(tái)基于學(xué)習(xí)分析技術(shù)，實(shí)時(shí)分析學(xué)習(xí)者的認(rèn)知和學(xué)習(xí)特點(diǎn)，動(dòng)態(tài)地為學(xué)習(xí)者推送學(xué)習(xí)資源，這種平臺(tái)被稱為“自適應(yīng)學(xué)習(xí)系統(tǒng)”。

自適應(yīng)學(xué)習(xí)系統(tǒng)在國(guó)外的一些學(xué)校已落地實(shí)施[3]。例如，美國(guó)的Knewton 平臺(tái)，通過(guò)完善每個(gè)知識(shí)點(diǎn)來(lái)構(gòu)建知識(shí)圖譜，可以根據(jù)每個(gè)學(xué)生的特點(diǎn)為其推送相應(yīng)的學(xué)習(xí)路徑、學(xué)習(xí)資源，目前已有數(shù)千萬(wàn)的學(xué)生在使用。ALEKS 系統(tǒng)通過(guò)不斷向?qū)W生提問(wèn)，持續(xù)診斷當(dāng)前學(xué)生的認(rèn)知水平，以便持續(xù)為其提供相適應(yīng)的學(xué)習(xí)資源。澳大利亞的SmartSparrow，除了可根據(jù)學(xué)生特點(diǎn)提供學(xué)習(xí)內(nèi)容，教師還可為他們的學(xué)生規(guī)劃更適合的學(xué)習(xí)路徑，上傳更適合的學(xué)習(xí)資源。

國(guó)內(nèi)對(duì)學(xué)習(xí)分析相關(guān)技術(shù)的研究較多。例如，研究國(guó)外的自適應(yīng)學(xué)習(xí)系統(tǒng)及其采用的關(guān)鍵技術(shù)，并進(jìn)行介紹與述評(píng)，較少利用學(xué)習(xí)分析技術(shù)去解決實(shí)際教學(xué)問(wèn)題。

4 自適應(yīng)學(xué)習(xí)平臺(tái)的典型特征與實(shí)現(xiàn)難點(diǎn)

與普通在線學(xué)習(xí)平臺(tái)相比，自適應(yīng)學(xué)習(xí)平臺(tái)有兩個(gè)典型特征：1）通過(guò)學(xué)習(xí)分析技術(shù)，可以根據(jù)學(xué)生的學(xué)習(xí)和認(rèn)知不斷調(diào)整學(xué)習(xí)資源，提供個(gè)性化的學(xué)習(xí)路徑。例如：有的學(xué)習(xí)平臺(tái)，學(xué)生只有在達(dá)到當(dāng)前知識(shí)點(diǎn)的學(xué)習(xí)目標(biāo)后才為其推送后續(xù)知識(shí)點(diǎn)的學(xué)習(xí)資源，否則只能繼續(xù)學(xué)習(xí)未完成的內(nèi)容，并繼續(xù)推送相關(guān)資源以進(jìn)一步加強(qiáng)和深化學(xué)習(xí)。2）能夠判斷學(xué)生的學(xué)習(xí)風(fēng)格，并推送符合學(xué)習(xí)偏好的學(xué)習(xí)資源和資源形式。

實(shí)現(xiàn)自適應(yīng)學(xué)習(xí)平臺(tái)的難點(diǎn)主要表現(xiàn)在3 個(gè)方面，第一是知識(shí)庫(kù)的構(gòu)建，第二是學(xué)習(xí)者認(rèn)知水平的診斷，第三是個(gè)性化推送。目前，一些商務(wù)平臺(tái)大多采用協(xié)同過(guò)濾方法實(shí)現(xiàn)個(gè)性化推送，效果比較好。知識(shí)庫(kù)的構(gòu)建，知識(shí)庫(kù)中知識(shí)的表示以及知識(shí)關(guān)聯(lián)的方式與整個(gè)平臺(tái)的推理模式，運(yùn)營(yíng)效率和知識(shí)呈現(xiàn)直接相關(guān)。不同的平臺(tái)將使用不同的知識(shí)庫(kù)構(gòu)建技術(shù)，目前主要有知識(shí)空間技術(shù)和知識(shí)圖譜技術(shù)。學(xué)生認(rèn)知水平的診斷則使用學(xué)習(xí)分析技術(shù)，通過(guò)分析學(xué)生與平臺(tái)之間互動(dòng)的學(xué)習(xí)行為數(shù)據(jù)實(shí)現(xiàn)[4]。

5 基于學(xué)習(xí)分析的在線學(xué)習(xí)系統(tǒng)框架

基于學(xué)習(xí)分析構(gòu)建的智慧學(xué)習(xí)環(huán)境，按需推送資源，自動(dòng)識(shí)別學(xué)習(xí)情境，關(guān)注用戶體驗(yàn)，多樣化評(píng)價(jià)學(xué)習(xí)績(jī)效以及干預(yù)學(xué)習(xí)活動(dòng)是未來(lái)教育的發(fā)展趨勢(shì)。

該資源平臺(tái)系統(tǒng)架構(gòu)中的學(xué)習(xí)分析數(shù)據(jù)來(lái)自兩個(gè)方面：第一個(gè)是學(xué)習(xí)者在移動(dòng)終端或在線學(xué)習(xí)平臺(tái)中，進(jìn)行各種學(xué)習(xí)活動(dòng)所生成的數(shù)據(jù)；第二個(gè)是對(duì)課程數(shù)據(jù)、學(xué)習(xí)者個(gè)人檔案信息等匯總數(shù)據(jù)進(jìn)行語(yǔ)義化、關(guān)聯(lián)分析等得到的智能數(shù)據(jù)。采用學(xué)習(xí)分析技術(shù)對(duì)收集的數(shù)據(jù)進(jìn)行分析、推斷，推斷學(xué)生當(dāng)前的知識(shí)水平，并推送匹配其認(rèn)知的學(xué)習(xí)資源。這將為學(xué)習(xí)者提供有效的個(gè)性化學(xué)習(xí)支持服務(wù)，預(yù)測(cè)學(xué)習(xí)者的未來(lái)表現(xiàn)，及時(shí)發(fā)現(xiàn)潛在問(wèn)題。

基于學(xué)習(xí)分析技術(shù)的學(xué)習(xí)系統(tǒng)框架設(shè)計(jì)如圖1所示。

圖1 基于學(xué)習(xí)分析技術(shù)的資源平臺(tái)系統(tǒng)架構(gòu)

在此架構(gòu)下，各個(gè)組件的功能如下所述：

5.1 知識(shí)庫(kù)

系統(tǒng)中知識(shí)庫(kù)的構(gòu)建采用的是知識(shí)圖譜技術(shù)。知識(shí)圖譜是一種較新的知識(shí)庫(kù)構(gòu)建技術(shù)，存儲(chǔ)和管理學(xué)習(xí)平臺(tái)中的知識(shí)，包括學(xué)習(xí)資源和關(guān)系知識(shí)、學(xué)科知識(shí)。

5.2 學(xué)習(xí)狀態(tài)數(shù)據(jù)庫(kù)

學(xué)習(xí)狀態(tài)數(shù)據(jù)庫(kù)中存儲(chǔ)了學(xué)習(xí)者開展各種學(xué)習(xí)活動(dòng)的過(guò)程性數(shù)據(jù)，例如記錄了：1）學(xué)習(xí)者訪問(wèn)的學(xué)習(xí)資源及類型；2）某種資源的訪問(wèn)次數(shù)；3）學(xué)習(xí)的時(shí)長(zhǎng)；4）學(xué)習(xí)的路徑信息；5）參與討論的內(nèi)容和次數(shù)；6）完成的單元測(cè)試和綜合測(cè)試等。

5.3 診斷預(yù)測(cè)模型

診斷預(yù)測(cè)模型匯總來(lái)自：1）學(xué)生信息系統(tǒng)的統(tǒng)計(jì)數(shù)據(jù)；2）學(xué)習(xí)狀態(tài)數(shù)據(jù)庫(kù)的學(xué)生學(xué)習(xí)行為動(dòng)態(tài)數(shù)據(jù)，跟蹤學(xué)習(xí)進(jìn)度，診斷分析其學(xué)習(xí)特點(diǎn)、學(xué)習(xí)偏好。建立基于回歸分析的診斷預(yù)測(cè)模型，每個(gè)知識(shí)點(diǎn)對(duì)學(xué)生進(jìn)行測(cè)試，獲得學(xué)生對(duì)知識(shí)點(diǎn)掌握程度的準(zhǔn)確判斷。

5.4 自適應(yīng)引擎

自適應(yīng)引擎基于診斷模型的輸出結(jié)果，推薦或調(diào)整學(xué)習(xí)資源。根據(jù)診斷出的學(xué)習(xí)者的認(rèn)知水平、各知識(shí)點(diǎn)掌握程度、學(xué)習(xí)特點(diǎn)、學(xué)習(xí)偏好等推薦與之相適應(yīng)的學(xué)習(xí)資源、學(xué)習(xí)路徑。

5.5 干預(yù)引擎

干預(yù)引擎用于讓教師或管理員對(duì)學(xué)習(xí)過(guò)程進(jìn)行人為干預(yù)、調(diào)整，以便更好地為學(xué)習(xí)者提供個(gè)性的學(xué)習(xí)環(huán)境。

5.6 信息面板

診斷模型的診斷結(jié)果轉(zhuǎn)化為學(xué)習(xí)支持服務(wù)的相關(guān)信息后在信息面板顯示，以便學(xué)習(xí)者、教師或管理人員查看。

可以使用各種信息可視化技術(shù)顯示學(xué)習(xí)數(shù)據(jù)的分析結(jié)果。例如：餅圖可顯示學(xué)生日學(xué)習(xí)行為數(shù)據(jù)的類型分布，以診斷學(xué)生喜歡的學(xué)習(xí)活動(dòng)的類型；折線圖可用于顯示學(xué)生回答的課程問(wèn)題和問(wèn)題的正確率，以便觀察學(xué)生對(duì)學(xué)習(xí)知識(shí)點(diǎn)的掌握程度；直方圖可用于指示學(xué)生在一天中每天參與的學(xué)習(xí)活動(dòng)次數(shù)，可用來(lái)分析學(xué)生的學(xué)習(xí)參與度、學(xué)習(xí)習(xí)慣；雷達(dá)圖來(lái)指示學(xué)習(xí)質(zhì)量的分布，如注意力，好奇心，記憶力，思維力和抗壓力。

6 結(jié)束語(yǔ)

學(xué)習(xí)分析技術(shù)的核心是學(xué)生細(xì)致入微的個(gè)人數(shù)據(jù)、學(xué)習(xí)行為數(shù)據(jù)的創(chuàng)建，對(duì)大量學(xué)習(xí)行為數(shù)據(jù)的深入分析，與學(xué)生認(rèn)知、學(xué)習(xí)特點(diǎn)相適應(yīng)的學(xué)習(xí)資源推送。該在線學(xué)習(xí)系統(tǒng)，記錄并分析學(xué)習(xí)過(guò)程數(shù)據(jù)，使過(guò)程數(shù)據(jù)成為學(xué)習(xí)診斷預(yù)測(cè)和學(xué)習(xí)路徑優(yōu)化的重要依據(jù)。