胡致杰

（廣東理工學(xué)院信息技術(shù)學(xué)院,廣東 肇慶 526100）

大數(shù)據(jù)可以說(shuō)是在物聯(lián)網(wǎng)與云計(jì)算之后，IT領(lǐng)域中的一項(xiàng)突出變革。該科技手段擁有數(shù)據(jù)量級(jí)大、涵蓋信息類型多、處理效率高等特點(diǎn)。在教育領(lǐng)域中，通過(guò)大數(shù)據(jù)，對(duì)學(xué)生的學(xué)習(xí)行為及過(guò)程實(shí)施準(zhǔn)確性的量化分析，同時(shí)還能優(yōu)化學(xué)習(xí)行為績(jī)效，全面制定學(xué)習(xí)方案與路徑，對(duì)實(shí)現(xiàn)個(gè)性化及自適應(yīng)的學(xué)習(xí)，予以有力的技術(shù)支撐。

1 大數(shù)據(jù)下個(gè)性化自適應(yīng)的學(xué)習(xí)需要

以“教”的視角來(lái)講，個(gè)性化自適應(yīng)學(xué)習(xí)需根據(jù)學(xué)生個(gè)體特點(diǎn)，予以差異性學(xué)習(xí)服務(wù)。在多元智能理論下，智能包含語(yǔ)言、節(jié)奏、自我認(rèn)知等，各項(xiàng)智能均反映出學(xué)生的潛力及天賦，體現(xiàn)其興趣偏好與理解水平，但每種潛能并非均衡成長(zhǎng)的，學(xué)生個(gè)體特點(diǎn)會(huì)在認(rèn)知的各個(gè)時(shí)期，以差異化的形式表現(xiàn)出來(lái)。理論上，教師應(yīng)利用全程監(jiān)控，盡可能挖掘出學(xué)習(xí)者在某些方面的潛能，并輔助其增強(qiáng)對(duì)自己的認(rèn)知與創(chuàng)新力。但在以往的教育模式中，教師不能隨時(shí)了解學(xué)生的狀態(tài)以及學(xué)習(xí)成果，使得其無(wú)法及時(shí)優(yōu)化教育方案。進(jìn)入大數(shù)據(jù)時(shí)代后，信息傳遞及取得的方法都隨之出現(xiàn)變化，諸多線上學(xué)習(xí)方式能較為完整地記錄學(xué)習(xí)者的知識(shí)基礎(chǔ)、學(xué)習(xí)過(guò)程、知識(shí)需要等，這給進(jìn)一步了解學(xué)生提供了可行的技術(shù)條件[1]。

以“學(xué)”的角度來(lái)看，個(gè)性化自適應(yīng)學(xué)習(xí)是基于大數(shù)據(jù)技術(shù)，實(shí)現(xiàn)自我調(diào)整、自主學(xué)習(xí)的形式。以構(gòu)建主義層面來(lái)說(shuō)，學(xué)習(xí)應(yīng)當(dāng)是學(xué)生自主、積極獲得未掌握的信息，繼而依托于既有認(rèn)知體系，內(nèi)化新內(nèi)容，實(shí)現(xiàn)優(yōu)化認(rèn)知結(jié)構(gòu)。而站在元認(rèn)知理論的視角，元認(rèn)知的知識(shí)與監(jiān)控能力，對(duì)學(xué)習(xí)有巨大影響，關(guān)系到學(xué)習(xí)行為的效率與學(xué)生創(chuàng)新力。通過(guò)教育大數(shù)據(jù)分析，能給各位學(xué)生提供與之高吻合度的資料、學(xué)習(xí)渠道，讓其形成學(xué)習(xí)元認(rèn)知以及自主學(xué)習(xí)的意識(shí)。

2 個(gè)性化自適應(yīng)學(xué)習(xí)系統(tǒng)模型的要素演化

2.1 學(xué)生需要

首先，學(xué)習(xí)行為中的自主意識(shí)逐漸深化。常規(guī)自適應(yīng)系統(tǒng)中，會(huì)為學(xué)習(xí)者提供固定統(tǒng)一的學(xué)習(xí)流程以及相應(yīng)的數(shù)字化資料，但未能注意到學(xué)習(xí)者的主觀想法，即自主性。而大數(shù)據(jù)環(huán)境下，立足于個(gè)性化特色的自適應(yīng)系統(tǒng)得以全面開放，使學(xué)生產(chǎn)生對(duì)學(xué)習(xí)行為的把控感及成就感，享有在自主管控范疇中，流程、資料的選擇權(quán)，達(dá)到個(gè)性化的學(xué)習(xí)效果。學(xué)生在比較輕松的狀態(tài)下完成學(xué)習(xí)，并符合其在吸收知識(shí)方面的需要，同時(shí)還比較強(qiáng)調(diào)學(xué)生的各項(xiàng)能力成長(zhǎng)。

其次，學(xué)習(xí)行為逐漸群體化。大數(shù)據(jù)環(huán)境下，無(wú)論是線下學(xué)習(xí)或者利用系統(tǒng)開展學(xué)習(xí)，學(xué)生均不是單獨(dú)進(jìn)行，而是在不同的人際網(wǎng)絡(luò)下，比如校園、學(xué)習(xí)小組、網(wǎng)絡(luò)興趣群等。而群體的學(xué)習(xí)經(jīng)歷都是學(xué)習(xí)者可以借鑒與參考的對(duì)象，而且通過(guò)和他人交流，也能弱化學(xué)生使用系統(tǒng)進(jìn)行學(xué)習(xí)時(shí)，內(nèi)心的孤獨(dú)感[2]。

最后，逐漸加強(qiáng)對(duì)學(xué)習(xí)情感的關(guān)注度。自適應(yīng)系統(tǒng)在分析中，都會(huì)存在一個(gè)假設(shè)，即學(xué)生可以一直使用系統(tǒng)開展日常的學(xué)習(xí)活動(dòng)，同時(shí)，系統(tǒng)本身可以對(duì)學(xué)習(xí)者的行為實(shí)施準(zhǔn)確性分析。而實(shí)踐現(xiàn)象表示，用于網(wǎng)絡(luò)學(xué)習(xí)系統(tǒng)軟件，結(jié)業(yè)率并不高，學(xué)生會(huì)因?yàn)槟承┮蛩乜紤]不再使用軟件程序。曾有一個(gè)關(guān)于系統(tǒng)使用的實(shí)驗(yàn)，最終只有兩名學(xué)生學(xué)習(xí)完所有課程。而格雷澤等學(xué)者，針對(duì)在線學(xué)習(xí)時(shí)的情感狀態(tài)進(jìn)行研究，并歸納出對(duì)學(xué)習(xí)行為有較大影響的情感狀態(tài)，如厭煩、熱情、困惑等。個(gè)性化的自適應(yīng)系統(tǒng)，可利用數(shù)據(jù)分析的方式，感知學(xué)習(xí)者的情緒表現(xiàn)，支持情感交互，借助此種模式，能維系學(xué)習(xí)期間的注意力和參與感。

2.2 學(xué)習(xí)資源

一方面，學(xué)習(xí)資源應(yīng)設(shè)置成情境化的形式。因?yàn)槁鋵?shí)學(xué)習(xí)行為事件、地點(diǎn)、應(yīng)用終端的多元化，使得學(xué)習(xí)場(chǎng)景也具有多樣性的特征。因此，需要學(xué)習(xí)資源的處理設(shè)計(jì)方向，可以更加清晰，而且各項(xiàng)資源應(yīng)當(dāng)擁有相互獨(dú)立、實(shí)效性高、小數(shù)據(jù)容量等特征。另外，鑒于通過(guò)不同終端設(shè)備使用，所以要求學(xué)習(xí)資源擁有良好的適應(yīng)性。

另一方面，各學(xué)習(xí)資源之間應(yīng)當(dāng)在空間上形成關(guān)聯(lián)性?，F(xiàn)如今，學(xué)習(xí)資源的零散化愈發(fā)明顯，但并不表示沒有任何規(guī)律。資源內(nèi)容需基于某知識(shí)點(diǎn)，將具體知識(shí)點(diǎn)整理成一個(gè)數(shù)據(jù)包，其中包括掌握此知識(shí)點(diǎn)應(yīng)當(dāng)了解的全部資源，比如練習(xí)題、實(shí)踐活動(dòng)、微課等。而且絕大部分學(xué)科的知識(shí)點(diǎn)都有內(nèi)在聯(lián)系，不僅是學(xué)科本身的知識(shí)結(jié)構(gòu)聯(lián)系，還存在某些組織關(guān)系。根據(jù)前面討論，學(xué)習(xí)者在吸收某知識(shí)點(diǎn)中，具有不同程度的隨意性，隨時(shí)隨地可能進(jìn)行學(xué)習(xí)，同時(shí)不會(huì)根據(jù)整體的知識(shí)體系逐一學(xué)習(xí)。因此，自適應(yīng)系統(tǒng)應(yīng)當(dāng)建立多層次的知識(shí)點(diǎn)關(guān)聯(lián)體系，也就是基于知識(shí)結(jié)構(gòu)聯(lián)系或群體學(xué)習(xí)經(jīng)歷等各類關(guān)系，以提升學(xué)習(xí)資源推薦的適宜性[3]。

2.3 系統(tǒng)結(jié)構(gòu)

一是學(xué)習(xí)系統(tǒng)需具有生態(tài)性。以往的自適應(yīng)系統(tǒng)，一般還處于研究實(shí)驗(yàn)中，尚未形成深厚的用戶基礎(chǔ)，通常是本?；蚓唧w專業(yè)的用戶，還不符合大數(shù)據(jù)分析對(duì)于數(shù)據(jù)量級(jí)的要求。而個(gè)性化的自適應(yīng)系統(tǒng)，設(shè)計(jì)基礎(chǔ)環(huán)節(jié)便是形成系統(tǒng)結(jié)構(gòu)，確?？梢猿休d海量數(shù)據(jù)與不同的信息源。比如，“作業(yè)幫”累計(jì)激活用戶達(dá)到一億多，而且在義務(wù)教育階段的學(xué)習(xí)者，已經(jīng)切實(shí)解決學(xué)習(xí)請(qǐng)求的數(shù)量，達(dá)到百億次的級(jí)別。該種數(shù)據(jù)規(guī)模是常規(guī)實(shí)驗(yàn)類學(xué)習(xí)系統(tǒng)不能承載的。立足于大數(shù)據(jù)及云計(jì)算，支持系統(tǒng)間的交互性。根據(jù)現(xiàn)如今的網(wǎng)絡(luò)應(yīng)用狀態(tài)，系統(tǒng)輸出內(nèi)容能成為其他系統(tǒng)輸入，例如，在學(xué)生成績(jī)系統(tǒng)中包含的學(xué)習(xí)者以往測(cè)試信息，能借助數(shù)據(jù)連接，成功導(dǎo)入學(xué)習(xí)系統(tǒng)，借此實(shí)現(xiàn)對(duì)當(dāng)前用戶學(xué)習(xí)水平的客觀性評(píng)估。

二是數(shù)據(jù)收集更為精確。大數(shù)據(jù)中，云計(jì)算與物聯(lián)網(wǎng)、移動(dòng)網(wǎng)絡(luò)均給學(xué)習(xí)者創(chuàng)造良好的技術(shù)支撐，而學(xué)習(xí)者終端設(shè)備不同，可能是臺(tái)式電腦、筆記本、平板及手機(jī)等登錄系統(tǒng)學(xué)習(xí)。在此過(guò)程中，網(wǎng)頁(yè)日志、視頻、GPS數(shù)據(jù)、點(diǎn)擊記錄等都可以被收集保留，而且數(shù)據(jù)形式也打破原本結(jié)構(gòu)狀態(tài)，也有半結(jié)構(gòu)及非結(jié)構(gòu)類的信息。數(shù)據(jù)資料以多樣化形態(tài)呈現(xiàn)，并通過(guò)更為精確的路徑被獲取及儲(chǔ)存。

三是系統(tǒng)可實(shí)現(xiàn)自我升級(jí)。“適應(yīng)”是基于在個(gè)體和環(huán)境間形成關(guān)聯(lián)的動(dòng)態(tài)化過(guò)程；“適應(yīng)性”則表示個(gè)體和環(huán)境之間，在追求互相適應(yīng)期間展現(xiàn)出的適應(yīng)水平。支持構(gòu)建個(gè)性化的自適應(yīng)系統(tǒng)，是根據(jù)“有限”規(guī)則，但實(shí)施活動(dòng)行為的主體是人，存在極高的復(fù)雜性，而“有限”規(guī)則不能完全支撐“無(wú)限”復(fù)雜的活動(dòng)運(yùn)行。學(xué)習(xí)系統(tǒng)需擁有自我調(diào)節(jié)參數(shù)的性能，并且在數(shù)據(jù)計(jì)算與使用次數(shù)不斷增多中，能利用機(jī)器學(xué)習(xí)，實(shí)現(xiàn)自行優(yōu)化，逐步提高挖掘?qū)W習(xí)者特征與預(yù)測(cè)的準(zhǔn)確性[4]。

3 個(gè)性化自適應(yīng)學(xué)習(xí)系統(tǒng)的總體框架討論

3.1 總體框架

首先是應(yīng)用層。其負(fù)責(zé)的工作內(nèi)容有：各用戶操作的所有業(yè)務(wù)，如學(xué)習(xí)活動(dòng)、評(píng)價(jià)、路徑等。

其次是控制層。這是個(gè)性化自適應(yīng)系統(tǒng)的重點(diǎn)，應(yīng)借助自適應(yīng)引擎，全面聯(lián)系學(xué)習(xí)者的特征模型，給其推薦智能化及定制化的學(xué)習(xí)的服務(wù)。另外，為能使學(xué)生感受到個(gè)性化的學(xué)習(xí)，應(yīng)當(dāng)落實(shí)全方位學(xué)習(xí)評(píng)價(jià)?；诖耍侠砀倪M(jìn)引擎規(guī)則，保證引擎可以進(jìn)行智能優(yōu)化。

再次是數(shù)據(jù)層。該層次結(jié)構(gòu)在運(yùn)行中會(huì)依托于感知層，對(duì)數(shù)據(jù)資料進(jìn)行不間斷、精準(zhǔn)性的收集與匯總。還可產(chǎn)生完整的網(wǎng)絡(luò)日志與信息點(diǎn)擊流，網(wǎng)絡(luò)日志中涉及圖像、音頻及動(dòng)態(tài)數(shù)據(jù)等有關(guān)學(xué)習(xí)的內(nèi)容。另外，系統(tǒng)數(shù)據(jù)層運(yùn)行中，還會(huì)產(chǎn)生巨大的初始數(shù)據(jù)池，包括結(jié)構(gòu)化與半結(jié)構(gòu)類的數(shù)據(jù)池。

最后是感知層，也就是資源接收的一方。通常由筆記本、平板、傳感裝置等構(gòu)成。借助系統(tǒng)感知層，能輔助學(xué)習(xí)者感知及取得不同形式的學(xué)習(xí)資源。信息來(lái)源通常是學(xué)生信息系統(tǒng)、作業(yè)系統(tǒng)等[5]。詳見圖1。

圖1 個(gè)性化自適應(yīng)系統(tǒng)總體框架

3.2 模型流程

結(jié)合圖1的總體框架結(jié)構(gòu)模型，簡(jiǎn)單分析系統(tǒng)運(yùn)行過(guò)程。

在自適應(yīng)系統(tǒng)下，學(xué)生能按照個(gè)人學(xué)習(xí)需要確定具體的學(xué)習(xí)單元。正式開始學(xué)習(xí)時(shí)，系統(tǒng)能大致分析學(xué)生當(dāng)下的知識(shí)掌握狀況，如相關(guān)定義、過(guò)程類知識(shí)、高級(jí)思維等，學(xué)生需參與學(xué)前測(cè)試。

基于學(xué)生的學(xué)前測(cè)試結(jié)果，獲取學(xué)生每道題耗時(shí)、正確率等，并借助聚類方式完成學(xué)生的基礎(chǔ)建檔。個(gè)性化的自適應(yīng)引擎，則按照建檔情況與領(lǐng)域知識(shí)模型，給學(xué)生推薦“定制化”的學(xué)習(xí)資料。

學(xué)生在學(xué)習(xí)期間的所有操作行為，都會(huì)以數(shù)據(jù)的形式保存在系統(tǒng)數(shù)據(jù)庫(kù)內(nèi)，具體有：學(xué)習(xí)需要、學(xué)前測(cè)試、過(guò)程操作、單元測(cè)試等內(nèi)容。另外，數(shù)據(jù)庫(kù)中還會(huì)儲(chǔ)存學(xué)生個(gè)人的完整資料信息。

在學(xué)習(xí)行為結(jié)束后，系統(tǒng)會(huì)根據(jù)學(xué)習(xí)的內(nèi)容生成單元測(cè)試題目，并基于單元測(cè)試結(jié)果形成學(xué)習(xí)者的知識(shí)模型，系統(tǒng)能把此類信息全面反饋給學(xué)生，使其能對(duì)自己?jiǎn)卧獙W(xué)習(xí)的成效形成一定的了解。

在自適應(yīng)系統(tǒng)運(yùn)行中，能夠自動(dòng)采集學(xué)生數(shù)據(jù)庫(kù)內(nèi)的學(xué)習(xí)操作行為、測(cè)試信息。而后自適應(yīng)引擎會(huì)基于學(xué)生近期的學(xué)習(xí)行為信息，持續(xù)預(yù)測(cè)學(xué)習(xí)失敗的概率，將預(yù)測(cè)結(jié)果轉(zhuǎn)移到系統(tǒng)相應(yīng)的管理單元中，讓教師與管理者能有效對(duì)學(xué)習(xí)者予以必要指導(dǎo)及干預(yù)。

自適應(yīng)系統(tǒng)會(huì)自動(dòng)采集學(xué)生數(shù)據(jù)庫(kù)內(nèi)有關(guān)學(xué)習(xí)經(jīng)驗(yàn)等方面的信息，同樣借助關(guān)聯(lián)規(guī)則，提煉出單元學(xué)習(xí)的次序和最終成績(jī)的關(guān)聯(lián)性?；诖?，系統(tǒng)學(xué)習(xí)引擎按照當(dāng)下的學(xué)習(xí)內(nèi)容，給學(xué)生推送個(gè)性化的學(xué)習(xí)信息。除此之外，系統(tǒng)結(jié)合學(xué)生已有的學(xué)習(xí)經(jīng)驗(yàn)，逐步完善優(yōu)化領(lǐng)域知識(shí)模型。

把各項(xiàng)知識(shí)點(diǎn)通過(guò)“有向圖”的形式構(gòu)成“知識(shí)地圖”，把知識(shí)點(diǎn)分成前驅(qū)與后繼兩個(gè)部分，用于顯示知識(shí)點(diǎn)的聯(lián)系。個(gè)性化自適應(yīng)系統(tǒng)基于領(lǐng)域知識(shí)模型并結(jié)合學(xué)生的學(xué)習(xí)經(jīng)驗(yàn)，加以優(yōu)化調(diào)整。學(xué)習(xí)引擎按照知識(shí)模型，不僅能給學(xué)生提供最優(yōu)的學(xué)習(xí)路徑，還能基于學(xué)生目前的學(xué)習(xí)路徑與相應(yīng)閾值，衡量學(xué)生目前有無(wú)偏離設(shè)定的路徑。

自適應(yīng)系統(tǒng)在運(yùn)行期間會(huì)不間斷采集學(xué)生數(shù)據(jù)庫(kù)內(nèi)的互動(dòng)交流信息，確定其社交網(wǎng)絡(luò)。學(xué)習(xí)引擎借助協(xié)同過(guò)濾的手段，分析各位學(xué)生之間在學(xué)習(xí)喜好方面的相似度，實(shí)現(xiàn)準(zhǔn)確性的偏好預(yù)測(cè)，以此篩選出學(xué)生容易被吸引的知識(shí)內(nèi)容與活動(dòng)，為其推送“定制化”的學(xué)習(xí)資源。

個(gè)性化自適應(yīng)系統(tǒng)工作中，學(xué)生的學(xué)習(xí)信息會(huì)得到循環(huán)應(yīng)用，而且支持不間斷更新。根據(jù)圖2所示，系統(tǒng)各個(gè)模塊中的信息會(huì)在數(shù)據(jù)不間斷地更新中持續(xù)調(diào)整。學(xué)生在參與學(xué)習(xí)中，形成的數(shù)據(jù)信息會(huì)保留在個(gè)人數(shù)據(jù)庫(kù)內(nèi)。系統(tǒng)會(huì)基于學(xué)生數(shù)據(jù)庫(kù)內(nèi)的信息，建立領(lǐng)域知識(shí)模型及學(xué)生模型等，自適應(yīng)引擎則基于模型及學(xué)生當(dāng)前的操作行為情況，實(shí)施預(yù)測(cè)及推送，確定最優(yōu)的學(xué)習(xí)路徑以及個(gè)性化的學(xué)習(xí)資料。學(xué)生在學(xué)習(xí)新知識(shí)期間，會(huì)形成新的行為信息，同時(shí)保存在數(shù)據(jù)庫(kù)內(nèi)，自適應(yīng)系統(tǒng)基于產(chǎn)生新信息，持續(xù)調(diào)整各項(xiàng)支撐模型。聯(lián)系學(xué)生目前學(xué)習(xí)行為信息，對(duì)其今后的學(xué)習(xí)需要加以預(yù)測(cè)，并改變資源推薦的方案，把動(dòng)態(tài)化的信息反饋給學(xué)生。

圖2 數(shù)據(jù)循環(huán)應(yīng)用

4 個(gè)性化自適應(yīng)系統(tǒng)支撐模型的實(shí)現(xiàn)討論

4.1 領(lǐng)域知識(shí)模型

領(lǐng)域知識(shí)模型為自適應(yīng)系統(tǒng)的核心關(guān)鍵，包含教學(xué)目標(biāo)、學(xué)科結(jié)構(gòu)、習(xí)題、學(xué)習(xí)資料等，如圖3所示。在設(shè)計(jì)模型中，應(yīng)先確定其中包含的每項(xiàng)要素之間內(nèi)在聯(lián)系，比如優(yōu)先次序，同時(shí)還應(yīng)明確基本屬性與語(yǔ)義標(biāo)準(zhǔn)。此支撐模型的特征如下：

圖3 領(lǐng)域知識(shí)模型的一般結(jié)構(gòu)

其一，學(xué)習(xí)資源對(duì)象的實(shí)際風(fēng)格狀態(tài)。假設(shè)學(xué)習(xí)資源對(duì)象在各個(gè)學(xué)習(xí)風(fēng)格層面上均有存在值，此時(shí)其風(fēng)格能用下述公式表示：

其二，領(lǐng)域知識(shí)本身的難度級(jí)別，其同樣要教師確定，分成“容易”“一般”與“困難”三種，具體用下述公式代表：

4.2 學(xué)習(xí)者的模型

學(xué)習(xí)者支撐模式是針對(duì)學(xué)生表現(xiàn)出的特征數(shù)據(jù)，進(jìn)行抽象性的表述，實(shí)際反映在其進(jìn)行學(xué)習(xí)行為期間的學(xué)科知識(shí)情況、目標(biāo)與認(rèn)知偏好、風(fēng)格等。而形成學(xué)生特征的信息包括個(gè)體自主反饋（顯性）和系統(tǒng)交互期間形成的歷史操作信息（隱性）。其中，自主反饋內(nèi)容是來(lái)自于用戶注冊(cè)系統(tǒng)操作中填寫的信息資料。該類信息的不足主要是用戶的自我認(rèn)知準(zhǔn)確性對(duì)特征分析有一定的影響；優(yōu)勢(shì)為能在用戶使用系統(tǒng)前，大體上判斷學(xué)生的風(fēng)格。而隱性信息是根據(jù)學(xué)生自身開展的一系列學(xué)習(xí)操作，提煉出其興趣偏好。該類信息的使用優(yōu)勢(shì)是不會(huì)被學(xué)生用戶干擾，能隨時(shí)掌握學(xué)生的興趣調(diào)整，而不足便是顯性數(shù)據(jù)的優(yōu)勢(shì)。為提升對(duì)學(xué)習(xí)者特征判斷的準(zhǔn)確性，需把二者結(jié)合運(yùn)用，其中信息內(nèi)容有：用戶基本資料、認(rèn)知能力、學(xué)習(xí)經(jīng)歷等。此支撐模型的基本特征為：

一是學(xué)生基本信息。此類內(nèi)容在學(xué)習(xí)全過(guò)程都不會(huì)發(fā)生調(diào)整。二是學(xué)習(xí)風(fēng)格?；陲L(fēng)格量表，能得到四元組表達(dá)式，其與領(lǐng)域知識(shí)模型的學(xué)習(xí)資源對(duì)象風(fēng)格表述方式類似，此處不進(jìn)行詳細(xì)參數(shù)說(shuō)明。三是學(xué)生認(rèn)知能力。其能用表示，描述對(duì)于領(lǐng)域知識(shí)，學(xué)生的掌握情況。其中的Mi是指學(xué)生對(duì)知識(shí)單元“i”的掌握情況。在各知識(shí)單元中，學(xué)生認(rèn)知情況，能用下述公式表示：

式中，kN是指知識(shí)點(diǎn)；A代表知識(shí)點(diǎn)能否適應(yīng)學(xué)生；V是指知識(shí)點(diǎn)當(dāng)前有無(wú)被訪問(wèn)；T代表知識(shí)點(diǎn)有無(wú)被測(cè)試；AL是指知識(shí)點(diǎn)的掌握情況。其中A、V和T均取“0”或“1”，系統(tǒng)默認(rèn)值是“0”；AL的取值“1”“2”和“3”，分別表示不同的掌握情況，而對(duì)此的量化評(píng)價(jià)是通過(guò)學(xué)生用戶的任務(wù)完成狀態(tài)決定。

四是學(xué)習(xí)歷史經(jīng)歷。包含學(xué)生用戶近期訪問(wèn)資料的操作。五是學(xué)習(xí)偏好。這是通過(guò)學(xué)習(xí)者自主提供的信息，如留言、評(píng)價(jià)數(shù)據(jù)、輸入關(guān)鍵詞等，把各項(xiàng)偏好數(shù)據(jù)，實(shí)施分詞處理，篩選出關(guān)鍵名詞，由向量空間模型描述。鑒于學(xué)生用戶提供數(shù)據(jù)的行為屬于連續(xù)操作，所以在篩選關(guān)鍵名詞中，會(huì)設(shè)定為“最近訪問(wèn)”[6]。

4.3 自適應(yīng)引擎

個(gè)性化的自適應(yīng)引擎，是基于學(xué)習(xí)者的支撐模型，評(píng)估學(xué)生用戶的知識(shí)儲(chǔ)備和認(rèn)知能力，實(shí)時(shí)提供與學(xué)生高吻合度的知識(shí)內(nèi)容資源及呈現(xiàn)形式，同時(shí)不間斷對(duì)學(xué)習(xí)過(guò)程實(shí)施監(jiān)測(cè)及管理，基于此，維護(hù)及更新學(xué)習(xí)者模型。其運(yùn)行機(jī)理為：按照學(xué)習(xí)者模型及目標(biāo)，確定服務(wù)策略。并會(huì)一直監(jiān)控學(xué)習(xí)情況，保留學(xué)習(xí)過(guò)程的歷史資料。在完成學(xué)習(xí)后，及時(shí)評(píng)價(jià)學(xué)生用戶，以此判斷服務(wù)策略的有效性。而上文提到對(duì)學(xué)習(xí)行為的外在干預(yù)具體為：教師影響，其基于實(shí)際的教育進(jìn)度、課程安排、個(gè)人經(jīng)驗(yàn)、對(duì)學(xué)習(xí)者情況的了解，對(duì)系統(tǒng)服務(wù)策略實(shí)施強(qiáng)制性干擾，變成引擎規(guī)則；群體類干預(yù)，學(xué)生用戶所處群體環(huán)境，在學(xué)習(xí)進(jìn)行中，對(duì)其學(xué)習(xí)策略的制定，產(chǎn)生指導(dǎo)性的價(jià)值，一般會(huì)運(yùn)用協(xié)同過(guò)濾算法。而在自適應(yīng)引擎中，情感診斷、路徑與資源推薦，屬于其中的核心內(nèi)容。

首先，情感診斷。學(xué)習(xí)情感通常是借助表情及文字傳達(dá)出來(lái)，系統(tǒng)對(duì)學(xué)生用戶在學(xué)習(xí)實(shí)踐中的表情、和他人交流中的文字內(nèi)容，捕捉到學(xué)生的情感信號(hào)。其中的表情信號(hào)來(lái)自面部與身體姿態(tài)，通過(guò)識(shí)別計(jì)算，確定情感狀態(tài)。具體是基于對(duì)面部的識(shí)別，提取表情特征，借助相應(yīng)的分析字典，計(jì)算出當(dāng)下的情緒傾向。在文字內(nèi)容上的識(shí)別，需運(yùn)用網(wǎng)絡(luò)爬蟲與文字截取，得到學(xué)生用戶的交流文字，篩選出敏感內(nèi)容，基于情感字典，確定當(dāng)前的情緒傾向。

其次，內(nèi)容呈現(xiàn)。個(gè)性化的學(xué)習(xí)內(nèi)容，具體反映在兩個(gè)呈現(xiàn)維度：首次學(xué)習(xí)內(nèi)容，基于學(xué)前測(cè)試狀況，完成聚類建檔，給各個(gè)類別的學(xué)生予以基礎(chǔ)的個(gè)性化內(nèi)容；在對(duì)學(xué)生某個(gè)單元完成相應(yīng)測(cè)試后，基于作答狀況，優(yōu)化學(xué)習(xí)者模型，倘若測(cè)試合格，可安排進(jìn)入下一單元，若沒有合格，會(huì)根據(jù)答題過(guò)程與結(jié)果等各項(xiàng)資料，改變學(xué)習(xí)內(nèi)容。其中，聚類是將具有相似性的對(duì)象，分成多個(gè)“簇”。借助對(duì)學(xué)前測(cè)試結(jié)果的采集，實(shí)現(xiàn)聚類建檔。該算法的關(guān)鍵在于在聚類的Y個(gè)對(duì)象里，挑選N個(gè)對(duì)象，視為聚類中心，而后計(jì)算其他對(duì)象與之的間距，由此配置給具有相似性的聚類。下一步則重新確定聚類中心，不斷循環(huán)進(jìn)行該過(guò)程，直至沒有對(duì)象可以影響聚類結(jié)果。本系統(tǒng)對(duì)于學(xué)前測(cè)試，采取二次聚類。

再次，路徑推薦。在個(gè)性化的自適應(yīng)系統(tǒng)中，路徑推薦涉及兩個(gè)層面，即知識(shí)點(diǎn)的學(xué)習(xí)路徑與資源的輸出路徑。基于系統(tǒng)知識(shí)模型，對(duì)各知識(shí)點(diǎn)學(xué)習(xí)的次序，并非完全根據(jù)完整的知識(shí)框架關(guān)系確定，或是根據(jù)學(xué)生所處群體中的普遍學(xué)習(xí)路徑，或是學(xué)生用戶個(gè)人傾向自主確定具體要學(xué)習(xí)的內(nèi)容，該過(guò)程存在諸多形式及數(shù)量的資源作為支撐，同時(shí)，每位學(xué)習(xí)者對(duì)具體知識(shí)點(diǎn)對(duì)應(yīng)資源的梳理過(guò)程也有差異。因此，應(yīng)借助自適應(yīng)引擎，基于學(xué)生用戶特征模型，給其推送定制化的服務(wù)路徑。蟻群算法是20世紀(jì)90年代初被提出的群體智能算法，是對(duì)蟻群覓食行為進(jìn)行模擬，螞蟻覓食期間，經(jīng)過(guò)的地方會(huì)留下“信息素”，后來(lái)的螞蟻能基于對(duì)信息素的辨別，走向信息素最多的道路，由此得出最佳的覓食方向。國(guó)內(nèi)部分學(xué)者認(rèn)為路徑推薦的系統(tǒng)和蟻群覓食類似，把學(xué)生用戶視為螞蟻，相應(yīng)的學(xué)習(xí)目標(biāo)當(dāng)成尋找的食物；而學(xué)生用戶對(duì)獲取知識(shí)點(diǎn)的評(píng)價(jià)，等同于信息素；推薦路徑則為最佳覓食路徑。本文所述系統(tǒng)，根據(jù)領(lǐng)域知識(shí)模型，確定一項(xiàng)多種群選擇路徑的算法。學(xué)生用戶在各自群體范疇中，也就是現(xiàn)實(shí)中的學(xué)習(xí)小組、校園群體等，或是以某學(xué)習(xí)興趣為基礎(chǔ)，組成的線上群體。而站在學(xué)生用戶的角度，在各群體成員，留給其的“信息素”及數(shù)量都會(huì)有差異，這會(huì)使各群體成員的評(píng)價(jià)結(jié)果攜帶的權(quán)值有區(qū)別，由此能得出最貼合學(xué)生個(gè)性化特征的路徑。

最后，學(xué)習(xí)資源推薦。協(xié)同過(guò)濾算法屬于目前使用效果較優(yōu)的推薦算法，運(yùn)行基本思路為：借助對(duì)各位使用者之間的類似偏好，進(jìn)行資源推薦。該算法和其他算法相比較，能夠支持推薦無(wú)法有效分析出內(nèi)容的資源，比如資源質(zhì)量等。同時(shí)，個(gè)性化水平偏高，可以管理常規(guī)機(jī)器系統(tǒng)不能自動(dòng)判斷分析出的信息，因?yàn)榉窒砥渌脩粼u(píng)價(jià)及經(jīng)驗(yàn)，所以共享水平較高。但該算法也有不足，例如，用戶信任、冷啟動(dòng)等。本文所述學(xué)習(xí)系統(tǒng)，根據(jù)協(xié)同過(guò)濾方式，確立加權(quán)的協(xié)同過(guò)濾算法。生成“項(xiàng)目-用戶”的評(píng)分矩陣，利用權(quán)值啟動(dòng)法，以克服該類算法的稀疏矩陣及冷啟動(dòng)不足，聯(lián)系學(xué)生用戶的學(xué)習(xí)風(fēng)格、知識(shí)框架、興趣傾向等指標(biāo)，同時(shí)也要注意教師干預(yù)，把各項(xiàng)條件轉(zhuǎn)變成權(quán)值，完成矩陣的原始填充。在系統(tǒng)運(yùn)行期間，根據(jù)學(xué)生用戶的操作變化，實(shí)時(shí)更改評(píng)分矩陣，借此能處理用戶信任的缺陷。另外，因?yàn)樾枰诖髷?shù)據(jù)平臺(tái)中運(yùn)行，還應(yīng)注重不同算法并行的情況。

5 結(jié)語(yǔ)

在如今的“教與學(xué)”過(guò)程中，融入大量信息化的元素，把動(dòng)態(tài)化的行為過(guò)程以數(shù)字化的形式保存下來(lái)，由此形成的數(shù)據(jù)資源，能給教學(xué)安排與過(guò)程調(diào)整、效果優(yōu)化提供客觀性的決策依據(jù)。上文立足于大數(shù)據(jù)的總體背景，以及現(xiàn)代人才培養(yǎng)對(duì)個(gè)性化學(xué)習(xí)的要求，探討建立新型自適應(yīng)學(xué)習(xí)系統(tǒng)的根本方向，得到領(lǐng)域知識(shí)、學(xué)習(xí)者與自適應(yīng)引擎三個(gè)系統(tǒng)支撐模型，根據(jù)學(xué)生用戶的系統(tǒng)使用表現(xiàn)與其他干預(yù)因素，判斷其個(gè)性化的學(xué)習(xí)需要，以此向其推薦適宜的學(xué)習(xí)路徑及資源，實(shí)時(shí)提供正面激勵(lì)，維系其學(xué)習(xí)興致。