萬(wàn)浩　李林　鐘一　董昕　梁艷

近年來(lái)，隨著計(jì)算機(jī)技術(shù)的飛速發(fā)展，網(wǎng)絡(luò)學(xué)習(xí)平臺(tái)不斷涌現(xiàn)，但對(duì)學(xué)習(xí)者行為特征的關(guān)注較少。該文重點(diǎn)研究網(wǎng)絡(luò)學(xué)習(xí)平臺(tái)的智能化，即基于答題速度、答題正確率等因素跟蹤、記錄、分析學(xué)習(xí)者在學(xué)習(xí)期間的行為。平臺(tái)以在線答題學(xué)習(xí)為基礎(chǔ)功能，輔以錯(cuò)題收藏、人工幫助等功能，通過(guò)“PK練習(xí)”增強(qiáng)學(xué)習(xí)的趣味性，跟蹤并記錄用戶學(xué)習(xí)行為數(shù)據(jù)，及時(shí)反饋學(xué)習(xí)者學(xué)習(xí)效果數(shù)據(jù)，進(jìn)而預(yù)測(cè)并個(gè)性化的推薦下一階段的學(xué)習(xí)任務(wù)。用戶測(cè)試和研究結(jié)果表明，學(xué)習(xí)平臺(tái)的運(yùn)用對(duì)提高學(xué)習(xí)者學(xué)習(xí)效率具有良好的促進(jìn)作用。

小程序 ?智能學(xué)習(xí)平臺(tái) ?學(xué)習(xí)者行為分析 ?個(gè)性化推薦

中圖分類號(hào)：G43??文獻(xiàn)標(biāo)識(shí)碼：A???文章編號(hào)：1672-3791（2022）02（b）-0000-00

Design?of?Intelligent?Learning?Platform?Based?on?Learner?Behavior?Analysis

?In recent years， with the rapid development of computer technology， online learning platforms continue to emerge， but less attention to learner behavior characteristics. This paper focuses on the intellectualization of network learning platform， that is， tracking， recording and analyzing learners' behaviors during learning based on the speed and accuracy of answers. The platform takes online answer learning as the basic function， supplemented by the wrong question collection， manual help and other functions， enhances the fun of learning through "PK practice"， tracks and records the user learning behavior data， timely feedback the learning effect data， and then predicts and personalized recommendation of the next stage of learning tasks. The results of user test and research show that the application of learning platform has a good promotion effect on improving learners' learning efficiency.

Small program; Intelligent learning platform; Learner behavior analysis; Personalized recommendation

計(jì)算機(jī)技術(shù)的飛速發(fā)展讓高效率、高品質(zhì)的網(wǎng)絡(luò)學(xué)習(xí)成為可能，人們的學(xué)習(xí)觀念以及學(xué)習(xí)模式發(fā)生了改變，傳統(tǒng)的網(wǎng)絡(luò)學(xué)習(xí)模式已經(jīng)不能滿足學(xué)習(xí)者的需求。網(wǎng)絡(luò)學(xué)習(xí)者在線學(xué)習(xí)期間的行為活動(dòng)迫切需要被跟蹤、記錄和分析，并最終在反饋策略的指導(dǎo)下根據(jù)分析結(jié)果改變學(xué)習(xí)流程和學(xué)習(xí)方式。

學(xué)習(xí)行為的研究大多是對(duì)課堂學(xué)習(xí)行為的研究調(diào)查，以線上學(xué)習(xí)者行為數(shù)據(jù)為基礎(chǔ)的研究實(shí)例較少。以網(wǎng)絡(luò)學(xué)習(xí)數(shù)據(jù)訪問(wèn)量、學(xué)習(xí)者行為跟蹤數(shù)據(jù)為基礎(chǔ)進(jìn)行分析，能夠獲取最真實(shí)有效的行為數(shù)據(jù)，具有很高的實(shí)踐指導(dǎo)價(jià)值。研究表明，學(xué)習(xí)者的情感、學(xué)習(xí)行為、認(rèn)知能力與學(xué)習(xí)成績(jī)存在一定的關(guān)系，但文獻(xiàn)未對(duì)各種影響因素的相關(guān)性做出量化的深入研究。設(shè)計(jì)個(gè)性化的學(xué)習(xí)流程，提取有效的學(xué)習(xí)行為成為研究熱點(diǎn)。

實(shí)踐上，基于學(xué)習(xí)者行為分析的智能學(xué)習(xí)平臺(tái)的開發(fā)具有很好的現(xiàn)實(shí)意義。平臺(tái)不僅滿足了學(xué)習(xí)者個(gè)性化的學(xué)習(xí)需求，也以最優(yōu)的學(xué)習(xí)過(guò)程和模式激發(fā)了學(xué)習(xí)者的參與度，提高了學(xué)習(xí)效率。理論上，學(xué)習(xí)者行為數(shù)據(jù)的細(xì)粒度記錄和學(xué)習(xí)影響因素的分析對(duì)學(xué)習(xí)者行為分析理論的研究具有一定的參考價(jià)值。此外，學(xué)習(xí)行為跟蹤、預(yù)測(cè)和推薦算法的研究，對(duì)于構(gòu)建有效的自適應(yīng)學(xué)習(xí)過(guò)程模式有一定促進(jìn)作用。

平臺(tái)綜合多維數(shù)據(jù)分析用戶特征，對(duì)學(xué)習(xí)者最近的學(xué)習(xí)行為做出智能反饋。一方面，綜合用戶的做題時(shí)間和做題時(shí)間段、做題正確率、知識(shí)點(diǎn)得分率、題型正確率，進(jìn)行多維分析，形成多種數(shù)據(jù)分析圖表，并根據(jù)數(shù)據(jù)向用戶推薦更適合練習(xí)的題單。另一方面，通過(guò)跟蹤學(xué)習(xí)者學(xué)習(xí)行為數(shù)據(jù)，利用一系列算法（如多維分析、預(yù)測(cè)、聚類等）為用戶反饋學(xué)習(xí)成果，并對(duì)用戶下一階段的學(xué)習(xí)任務(wù)做智能推薦。借此，平臺(tái)可以靈活地為用戶擬定個(gè)性化學(xué)習(xí)過(guò)程，提高學(xué)習(xí)者的學(xué)習(xí)效率。

在用戶功能設(shè)計(jì)上，用戶還可以通過(guò)與其他用戶進(jìn)行在線PK的方式來(lái)檢測(cè)自己對(duì)相關(guān)知識(shí)的掌握情況。通過(guò)具有趣味性的游戲來(lái)加深自身對(duì)知識(shí)點(diǎn)的掌握，提高學(xué)習(xí)者的學(xué)習(xí)興趣。在數(shù)據(jù)結(jié)構(gòu)構(gòu)建上，平臺(tái)采用有向圖數(shù)據(jù)結(jié)構(gòu)對(duì)具有聯(lián)系的題目進(jìn)行拓?fù)溥B接，有向圖的數(shù)據(jù)結(jié)構(gòu)具備杰出的易維護(hù)性、可擴(kuò)展性，便于后期維護(hù)。

該平臺(tái)采用Spring Boot和Spring Cloud兩種主流的微服務(wù)、分布式架構(gòu)搭建，Web界面以Vue.js框架為基礎(chǔ)，數(shù)據(jù)層采用Mybatis框架。平臺(tái)提供開始做題、PK練習(xí)、智能分析、排行榜、歷史記錄和人工幫助等服務(wù)。小程序主頁(yè)如圖1所示。

用戶可以按照自身的需求選擇相應(yīng)的測(cè)試科目，通過(guò)作答整套題目測(cè)試自己的綜合能力。做題時(shí)，通過(guò)使用答題卡檢查并回看答題結(jié)果;提交試卷后，答題卡將顯示總體答題情況，點(diǎn)擊單題，會(huì)出現(xiàn)對(duì)應(yīng)題目的答案和解析過(guò)程。

為增加用戶學(xué)習(xí)趣味性，特設(shè)計(jì)“PK練習(xí)”功能。此功能幫助用戶在與其他用戶實(shí)時(shí)PK的過(guò)程中檢驗(yàn)自己知識(shí)的熟練度。讓用戶在玩游戲的過(guò)程中利用競(jìng)爭(zhēng)精神學(xué)習(xí)知識(shí)、鞏固知識(shí)。平臺(tái)基于用戶對(duì)戰(zhàn)的綜合成績(jī)、做題速度、答題正確率、答題數(shù)量等信息進(jìn)行排序，形成“排行榜”，以此來(lái)激發(fā)用戶學(xué)習(xí)的主動(dòng)性和積極性。

“智能分析”功能即對(duì)用戶作答行為進(jìn)行數(shù)據(jù)綜合統(tǒng)計(jì)與分析。用戶可查看套題得分信息，不同類型題目的熟練程度、得分百分比等，及時(shí)掌握自己的學(xué)習(xí)效果和不足之處。

平臺(tái)使用機(jī)器人模型庫(kù)實(shí)現(xiàn)智能機(jī)器人問(wèn)答服務(wù)，運(yùn)用Elasticsearch全文檢索技術(shù)、WebMagic爬蟲和定時(shí)任務(wù)技術(shù)，完成基本知識(shí)信息的全文檢索、實(shí)時(shí)數(shù)據(jù)獲取和更新。另外，平臺(tái)會(huì)對(duì)用戶問(wèn)題及提問(wèn)習(xí)慣進(jìn)行分析和記錄，實(shí)現(xiàn)模型庫(kù)自訓(xùn)，以提供更好的服務(wù)。

平臺(tái)綜合運(yùn)用學(xué)習(xí)行為數(shù)據(jù)分析算法、學(xué)習(xí)預(yù)測(cè)算法和智能推薦算法，實(shí)現(xiàn)對(duì)學(xué)習(xí)者行為數(shù)據(jù)的跟蹤、搜集、分析和加工，以更好地反饋學(xué)習(xí)效果并推薦題單。

3.1 學(xué)習(xí)行為數(shù)據(jù)分析算法

利用多維分解的思想將用戶的學(xué)習(xí)行為拆分為點(diǎn)擊各個(gè)選項(xiàng)次數(shù)、每道題所花費(fèi)的時(shí)間、題型正確率等數(shù)據(jù)。每個(gè)用戶看成一個(gè)樣本點(diǎn)，數(shù)據(jù)類似的用戶聚集成為一個(gè)樣本集。根據(jù)聚類算法得出樣本集的聚類中心，作為此樣本集的最終參考值。樣本集的個(gè)數(shù)與類似率的關(guān)系，如圖2所示，橫軸X代表樣本集中樣本點(diǎn)的數(shù)目，縱軸代表類似率，類似率=真實(shí)值/理論值。

在這種算法下，不僅將用戶各個(gè)角度的學(xué)習(xí)操作數(shù)據(jù)記錄在平臺(tái)上，而且在進(jìn)行數(shù)據(jù)聚類分析時(shí)，可以將個(gè)人數(shù)據(jù)的耦合性降到最低，使最終的數(shù)據(jù)更接近于理想值。

3.2 預(yù)測(cè)算法

采用線性回歸預(yù)測(cè)學(xué)習(xí)成果，將分析后的學(xué)習(xí)行為數(shù)據(jù)包作為軸，學(xué)習(xí)成果數(shù)據(jù)包作為y軸，通過(guò)繪制（，）的散點(diǎn)圖的方式，分析和之間的線性關(guān)系，尋找一條穿過(guò)這些散點(diǎn)的直線，讓所有的點(diǎn)離直線的距離最短。學(xué)習(xí)者在平臺(tái)上的行為和其取得的成績(jī)之間的關(guān)系，如圖3所示。

利用最小二乘法解得到其參數(shù)。其中，代表第個(gè)數(shù)據(jù)點(diǎn)的預(yù)測(cè)值，對(duì)應(yīng)直線的縱軸值。變量代表對(duì)應(yīng)數(shù)據(jù)點(diǎn)的真實(shí)值。最小二乘法通過(guò)求偏導(dǎo)數(shù)的方法讓誤差平方和取得最小值時(shí)所對(duì)應(yīng)回歸模型的參數(shù)，由此得到我們需要的線性回歸模型。利用最小二乘法跟蹤真實(shí)值和預(yù)測(cè)值的差距，以便系統(tǒng)做出相應(yīng)的調(diào)整。

在這種預(yù)測(cè)算法下，系統(tǒng)可以提前預(yù)測(cè)用戶的學(xué)習(xí)成果，便于系統(tǒng)更早做出反饋?lái)憫?yīng)，提高用戶的學(xué)習(xí)效率。

3.3 智能推薦算法

智能推薦算法是將一系列具有聯(lián)系的題目構(gòu)建有向圖拓?fù)浣Y(jié)構(gòu)的過(guò)程。有向圖中每個(gè)節(jié)點(diǎn)（即每道題）均有三個(gè)元素，分別是知識(shí)點(diǎn)的內(nèi)容、出度、入度，利用出度和入度將題目進(jìn)行銜接。最終，形成一張圖，而這張圖呈現(xiàn)在用戶面前即為一套組卷。最終，將混亂的知識(shí)點(diǎn)糅合成持續(xù)的強(qiáng)相干知識(shí)點(diǎn)。

利用這種算法向用戶個(gè)性化地推薦題目，題單內(nèi)題目是具有緊密關(guān)聯(lián)關(guān)系的知識(shí)點(diǎn)。這樣更有助于用戶對(duì)相關(guān)知識(shí)點(diǎn)的鞏固。

4 結(jié)語(yǔ)

該智能學(xué)習(xí)平臺(tái)提供智能組卷、單題推薦、PK練習(xí)、錯(cuò)題本和收藏本、學(xué)習(xí)行為分析及人工幫助等功能。經(jīng)部分用戶的體驗(yàn)和測(cè)試，軟件基本功能使用正常。研究發(fā)現(xiàn)，對(duì)學(xué)習(xí)者行為的分析可以逐步分解為對(duì)多維數(shù)據(jù)的獨(dú)立分析和交叉分析的綜合體。而題目的相關(guān)性則可以通過(guò)特殊的數(shù)據(jù)結(jié)構(gòu)相互關(guān)聯(lián)形成圖，最后憑借對(duì)學(xué)習(xí)者行為分析的結(jié)果與題目形成的圖來(lái)智能推送題目，實(shí)現(xiàn)個(gè)性化學(xué)習(xí)推薦。另外，學(xué)習(xí)者行為分析的結(jié)果還是PK練習(xí)匹配適當(dāng)對(duì)手、增加學(xué)習(xí)興趣的基礎(chǔ)。

[1]?張燕. 網(wǎng)絡(luò)學(xué)習(xí)行為分析與個(gè)性化學(xué)習(xí)平臺(tái)模型構(gòu)建[D].西安：西安電子科技大學(xué)，2015.

[2]?譚召，魯雁，武斌.在線學(xué)習(xí)平臺(tái)設(shè)計(jì)與學(xué)習(xí)行為分析[J].信息與電腦：理論版，2018（8）：118-120.

[3]?秦世名.面向在線學(xué)習(xí)行為分析的學(xué)習(xí)效果預(yù)測(cè)方法研究[D].武漢：華中師范大學(xué)，2019.

[4]?元帥，鄒軍華，劉丹.基于網(wǎng)絡(luò)學(xué)習(xí)平臺(tái)的在線學(xué)習(xí)行為分析與評(píng)價(jià)[J].中國(guó)教育技術(shù)裝備，2013（15）：27-28.

[5]?徐岸峰，楊仲基，王波.基于智慧教育平臺(tái)大數(shù)據(jù)的學(xué)生學(xué)習(xí)行為分析[J].高教學(xué)刊，2020（22）：16-19.

[6]?吳文凱.網(wǎng)絡(luò)學(xué)習(xí)行為分析與預(yù)測(cè)的研究[D].鞍山：遼寧科技大學(xué)，2020.

[7]?董慧嶸.基于學(xué)習(xí)行為分析的學(xué)習(xí)能力評(píng)估與學(xué)習(xí)意圖預(yù)測(cè)方法研究[D].哈爾濱：哈爾濱工業(yè)大學(xué)，2019.

[8]?胡茜茜.基于學(xué)生個(gè)人大數(shù)據(jù)的行為特征分析[D].武漢：華中師范大學(xué)，2019.

基金項(xiàng)目：四川省大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計(jì)劃項(xiàng)目資助（項(xiàng)目編號(hào)：S202111116094，S202111116095）。

作者簡(jiǎn)介：萬(wàn)浩（2001—），男，本科在讀，研究方向?yàn)橛?jì)算機(jī)應(yīng)用。

通信作者簡(jiǎn)介：梁艷（1986—），女，碩士，講師，研究方向?yàn)橛?jì)算機(jī)應(yīng)用技術(shù)，E-mail：304152692@qq.com。