姚佩 羅熠

（江西理工大學(xué)建筑與設(shè)計(jì)學(xué)院 江西·贛州 341000）

1 問題緣起

當(dāng)下，我國已經(jīng)進(jìn)入數(shù)字教學(xué)時(shí)代，知識(shí)和信息的邊界逐步模糊，二者本身已經(jīng)不再成為制約人類知識(shí)增長的關(guān)鍵因素。多渠道獲取海量知識(shí)的途徑將成為推動(dòng)學(xué)習(xí)發(fā)展的重要手段，然而如何在便捷的知識(shí)獲取渠道下完成對信息與知識(shí)的再加工成為數(shù)字學(xué)習(xí)時(shí)代師生所面臨的重大問題之一。為此，學(xué)界便逐步開啟了對于移動(dòng)學(xué)習(xí)以及移動(dòng)學(xué)習(xí)平臺(tái)的研究，相關(guān)研究主要集中在以下幾個(gè)方面：

一是基于微信的移動(dòng)學(xué)習(xí)平臺(tái)設(shè)計(jì)。這方面的研究強(qiáng)調(diào)了在微信APP的支撐下，進(jìn)行移動(dòng)學(xué)習(xí)平臺(tái)的搭建與運(yùn)營。有學(xué)者研究指出，微信平臺(tái)本身就具有廣闊的社交能力，其所存在的社交屬性能夠幫助學(xué)習(xí)者獲取更多的學(xué)習(xí)資源和考試信息，因此基于微信平臺(tái)的移動(dòng)學(xué)習(xí)平臺(tái)架構(gòu)便具有了一定的開發(fā)價(jià)值。[1]

二是移動(dòng)學(xué)習(xí)策略研究。各類網(wǎng)絡(luò)教學(xué)平臺(tái)給學(xué)生提供了海量的學(xué)習(xí)資源，但需要有策略的推薦學(xué)習(xí)資源，有目的的引導(dǎo)學(xué)生學(xué)習(xí)才能達(dá)到較好的學(xué)習(xí)效果。有學(xué)者指出，通過引入移動(dòng)學(xué)習(xí)平臺(tái)工具在各科學(xué)習(xí)中的應(yīng)用，一方面能夠提升學(xué)生的彈性學(xué)習(xí)策略，另一方面也構(gòu)建起了良好的自學(xué)學(xué)習(xí)以及師生之間的協(xié)作學(xué)習(xí)的氛圍，最大達(dá)到通過構(gòu)建彈性移動(dòng)學(xué)習(xí)策略提升學(xué)習(xí)效果的目的。[2]

三是基于移動(dòng)學(xué)習(xí)平臺(tái)的學(xué)習(xí)特征研究。移動(dòng)學(xué)習(xí)本身作為傳統(tǒng)學(xué)習(xí)方式的補(bǔ)充形式之一，它擁有了智能化的學(xué)習(xí)終端教學(xué)終端以及家長終端。因此，移動(dòng)學(xué)習(xí)平臺(tái)能夠支持教師對學(xué)生的成績及時(shí)、全方位以及個(gè)性化的學(xué)習(xí)反饋，這能夠有效提升教學(xué)質(zhì)量與效果，能夠通過對這些反饋的挖掘發(fā)現(xiàn)學(xué)生的多元化學(xué)習(xí)延展性。[3]李氣糾和楊常英認(rèn)為移動(dòng)學(xué)習(xí)平臺(tái)具有時(shí)間和空間融合的特征、教學(xué)及時(shí)性和交互性、教學(xué)成果直觀性。[4]

綜上所述，基于移動(dòng)學(xué)習(xí)平臺(tái)的學(xué)習(xí)特征研究表明，移動(dòng)學(xué)習(xí)平臺(tái)的反饋本身作為一種教學(xué)反饋，應(yīng)該被重視起來。此外，這種反饋也應(yīng)該被更為深層次地挖掘，從而明確相關(guān)反饋的含義。在此背景之下，本研究認(rèn)為移動(dòng)學(xué)習(xí)平臺(tái)的反饋本身作為一種重要的教學(xué)成果資源，理應(yīng)被有效挖掘。但傳統(tǒng)的挖掘方法無法針對大量的非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行意義挖掘，因此需要采用全新的自然語言挖掘方法。

2 基于CBVS的學(xué)習(xí)反饋文本的學(xué)習(xí)特征挖掘方法

本研究提出一種具有分類能力的知識(shí)特征挖掘框架，該框架融合了 BERT和變分子編碼器 VAE（Variational Auto-Encoder），用于挖掘基于移動(dòng)學(xué)習(xí)平臺(tái)的教學(xué)反饋。該方法能夠有效挖掘?qū)W生的教學(xué)反饋文本中上下文語義之間的關(guān)聯(lián)。此外，BERT將預(yù)訓(xùn)練模型和下游任務(wù)模型結(jié)合在一起，使得BERT模型天然地支持文本分類任務(wù)，從而省略了在做文本分類任務(wù)時(shí)不需要對模型做修改。該方法可被概括為以下三步：一是將文本序列輸入至BERT模型進(jìn)行編碼，從而獲取到隱藏層特征向量；二是進(jìn)行VAE特征分類，該層需要對BERT輸出結(jié)果進(jìn)行解碼，識(shí)別文檔中的關(guān)系觸發(fā)詞；三是使用譜聚類方法對上述結(jié)果進(jìn)行圖關(guān)系表示，最終獲得知識(shí)結(jié)構(gòu)挖掘圖譜結(jié)果。

2.1 BERT編碼層

BERT模型于2018年被提出，它通過對海量文本的無監(jiān)督預(yù)訓(xùn)練（Pre-training）后，能夠在特定的下游任務(wù)上進(jìn)行微調(diào)（Fine-tuning）。BERT模型內(nèi)部采用Transformer編碼結(jié)構(gòu)，這相較于基于時(shí)間序列的循環(huán)神經(jīng)網(wǎng)絡(luò)等模型的語義挖掘能力具有典型的提升作用，這也使得BERT模型擁有了更為強(qiáng)大的上下文語義信息捕捉能力。

2.2 變分自編碼器

變分自編碼器（Variational Auto-Encoder，VAE）是基于無監(jiān)督學(xué)習(xí)的深度生成網(wǎng)絡(luò)模型，由Kingma和Welling在2014年提出。該模型是自動(dòng)編碼器的升級(jí)版本，其結(jié)構(gòu)跟自動(dòng)編碼器較為類似，也由編碼器和解碼器構(gòu)成。相比于自編碼器，VAE更傾向于數(shù)據(jù)生成。正因如此，研究將BERT的詞向量結(jié)果輸入VAE，從而獲得更好的分類結(jié)果。VAE的最大特點(diǎn)是模仿自動(dòng)編碼機(jī)的學(xué)習(xí)預(yù)測機(jī)制，在可測函數(shù)之間進(jìn)行編碼、解碼。

2.3 譜聚類層面

譜聚類是從圖論中演化出來的算法，后來在聚類中得到了廣泛的應(yīng)用。它的主要思想是把所有的數(shù)據(jù)看作空間中的點(diǎn)，這些點(diǎn)之間可以用邊連接起來。通過對所有數(shù)據(jù)點(diǎn)組成的圖進(jìn)行切圖，讓切圖后不同的子圖間邊權(quán)重和盡可能的低，而子圖內(nèi)的邊權(quán)重和盡可能的高，從而達(dá)到聚類的目的。需要說明的是，譜聚類有兩種切圖方式，分別為“RatioCut切圖”和“Ncut切圖”，本研究采取前者。

2.4 研究數(shù)據(jù)

基于既往移動(dòng)學(xué)習(xí)平臺(tái)的教學(xué)反饋內(nèi)容而進(jìn)行的自然語言處理研究，旨在揭示學(xué)生使用移動(dòng)學(xué)習(xí)平臺(tái)的學(xué)習(xí)感受及其學(xué)習(xí)特征。因依據(jù)研究需要以及數(shù)據(jù)獲得的便利性，研究以江西理工大學(xué)數(shù)字媒體藝術(shù)專業(yè)學(xué)生使用的移動(dòng)教學(xué)平臺(tái)的學(xué)習(xí)反饋?zhàn)鳛樵假Y料，從而進(jìn)行挖掘工作，以求幫助教師獲得更好的教學(xué)反饋情況。此外，需要說明的是本研究所收集到的學(xué)生反饋文字資料共計(jì)6萬余字。

3 研究結(jié)果

3.1 基于CBVS的學(xué)習(xí)反饋內(nèi)容挖掘

通過以上基礎(chǔ)統(tǒng)計(jì)信息，呈現(xiàn)出了教學(xué)反饋的多方面信息，但卻沒能有效挖掘出教學(xué)反饋的學(xué)習(xí)特征，因此研究根據(jù)CBVS的模型結(jié)構(gòu)框架，運(yùn)算CBVS方法，從而得到了教學(xué)反饋內(nèi)容的學(xué)習(xí)特征矩陣，并使用譜聚類的方式對相關(guān)數(shù)據(jù)進(jìn)行繪圖，在選取前排名前50的運(yùn)算結(jié)果后，繪制下圖1：

根據(jù)譜聚類算法的衡量要求，研究在使用譜聚類算法時(shí)得到以下數(shù)據(jù)（見表1）：

根據(jù)CBVS的譜聚類結(jié)果圖可知，當(dāng)前的學(xué)習(xí)反饋挖掘大約形成了四個(gè)結(jié)構(gòu)中心，學(xué)習(xí)反饋的CBVS挖掘所呈現(xiàn)出“移動(dòng)平臺(tái)”與“教學(xué)工作”并存的局面，且相應(yīng)的研究成果具有一定的交差特性，這樣顯示出基于移動(dòng)平臺(tái)的學(xué)生學(xué)習(xí)特征具有典型的課程-問題導(dǎo)向特點(diǎn)。相關(guān)分析見下節(jié)。

圖1：基于CBVS的學(xué)習(xí)反饋特征結(jié)果圖

表1：譜聚類算法結(jié)果

3.2 研究結(jié)論

通過CBVS學(xué)習(xí)反饋內(nèi)容挖掘方法，研究獲得了“老師—學(xué)生”節(jié)點(diǎn)中心、“課程—內(nèi)容”節(jié)點(diǎn)中心、“學(xué)習(xí)—平臺(tái)”節(jié)點(diǎn)中心以及“信息—設(shè)備—發(fā)展”四個(gè)結(jié)構(gòu)中心。這些節(jié)點(diǎn)之間具有一定的交融性，表明基于移動(dòng)學(xué)習(xí)平臺(tái)的學(xué)習(xí)特征之間具有一定的融合性，突顯出以下特征：

（1）基于移動(dòng)學(xué)習(xí)平臺(tái)的學(xué)習(xí)特征反饋表明，學(xué)生的學(xué)習(xí)特征依舊遵循了“教師—學(xué)生”的節(jié)點(diǎn)規(guī)律。盡管基于移動(dòng)學(xué)習(xí)平臺(tái)的學(xué)習(xí)使得學(xué)生與教師無法面對面進(jìn)行交流，但教學(xué)內(nèi)容與知識(shí)的傳遞主體仍舊是教師與學(xué)生，移動(dòng)學(xué)習(xí)平臺(tái)更多地承擔(dān)了教師與學(xué)生之間的學(xué)習(xí)溝通的橋梁。移動(dòng)學(xué)習(xí)平臺(tái)的使用更多地起到了“聯(lián)通效果”，而較少地起到了學(xué)生自主學(xué)習(xí)以及逐步形成新的“學(xué)生—平臺(tái)”的映射關(guān)系。

（2）基于移動(dòng)學(xué)習(xí)平臺(tái)的學(xué)習(xí)反饋表明，學(xué)生使用移動(dòng)學(xué)習(xí)平臺(tái)會(huì)逐步形成學(xué)習(xí)協(xié)作體。CBVS方法的圖譜聚類結(jié)果呈現(xiàn)出了一定的向心特征，這說明基于移動(dòng)學(xué)習(xí)平臺(tái)的學(xué)習(xí)效果具有一定的凝聚性。首先，基于移動(dòng)學(xué)習(xí)平臺(tái)的學(xué)習(xí)會(huì)通過平臺(tái)的中介作用，將學(xué)生內(nèi)部之間的問題交流逐步引向某一焦點(diǎn)，并形成較為明顯的“課程—內(nèi)容”節(jié)點(diǎn)中心。圍繞課程內(nèi)容會(huì)使得學(xué)生們產(chǎn)出更多的疑問，而這些疑問一方面需要任課教師來進(jìn)行解答，另一方面也需要學(xué)生通過移動(dòng)學(xué)習(xí)平臺(tái)自主搜尋答案?！罢n程—內(nèi)容”的挖掘點(diǎn)體現(xiàn)了移動(dòng)學(xué)習(xí)平臺(tái)與師生之間的人機(jī)交互性，這種人機(jī)交互逐步將學(xué)生與教師指向了課程內(nèi)容方向，因此才會(huì)逐步形成“課程—內(nèi)容”這樣的大聚類。

（3）基于移動(dòng)學(xué)習(xí)平臺(tái)的學(xué)習(xí)反饋表明，學(xué)生使用移動(dòng)學(xué)習(xí)平臺(tái)進(jìn)行學(xué)習(xí)具有一定的視野廣闊性。CBVS方法的圖譜聚類結(jié)果從其文本挖掘的主題詞“知識(shí)”“資源”“數(shù)據(jù)”“發(fā)展”“問題”等信息中推斷，基于移動(dòng)學(xué)習(xí)平臺(tái)的學(xué)習(xí)能夠引發(fā)學(xué)生對“發(fā)展知識(shí)”的渴望，呈現(xiàn)出了一定的視野廣闊性。相關(guān)詞匯表明，“信息—設(shè)備—發(fā)展”中心節(jié)點(diǎn)會(huì)越來越強(qiáng)大，側(cè)面說明了在信息化時(shí)代，學(xué)生使用移動(dòng)學(xué)習(xí)平臺(tái)進(jìn)行學(xué)習(xí)，一方面需要平臺(tái)提供良好的教學(xué)內(nèi)容，促進(jìn)學(xué)生掌握基礎(chǔ)知識(shí)；另一方面需要平臺(tái)為學(xué)生的自主發(fā)展服務(wù)，培養(yǎng)學(xué)生的創(chuàng)造能力和創(chuàng)新能力，以開闊學(xué)生視野，獲得良好的教學(xué)效果。

4 結(jié)語

研究以“基于移動(dòng)學(xué)習(xí)平臺(tái)的學(xué)習(xí)反饋挖掘”為主題，通過建構(gòu)起CBVS學(xué)習(xí)反饋挖掘方法回答了基于移動(dòng)學(xué)習(xí)平臺(tái)的學(xué)習(xí)反饋具有何種意義的問題。結(jié)果表明：首先，基于移動(dòng)學(xué)習(xí)平臺(tái)的學(xué)習(xí)特征反饋表明，學(xué)生的學(xué)習(xí)特征依舊遵循了“教師—學(xué)生”的節(jié)點(diǎn)規(guī)律；其次，基于移動(dòng)學(xué)習(xí)平臺(tái)的學(xué)習(xí)反饋表明，學(xué)生使用移動(dòng)學(xué)習(xí)平臺(tái)會(huì)逐步形成學(xué)習(xí)協(xié)作體；最后，基于移動(dòng)學(xué)習(xí)平臺(tái)的學(xué)習(xí)反饋表明，學(xué)生使用移動(dòng)學(xué)習(xí)平臺(tái)進(jìn)行學(xué)習(xí)具有一定的視野廣闊性。盡管本研究使用CBVS方法作為基于移動(dòng)學(xué)習(xí)平臺(tái)學(xué)習(xí)反饋內(nèi)容的挖掘方法，但其依舊存在一定的局限性。本研究僅構(gòu)建了數(shù)字媒體藝術(shù)專業(yè)學(xué)生的學(xué)習(xí)反饋，其他專業(yè)的學(xué)習(xí)反饋沒能夠被囊括進(jìn)來，這或許會(huì)導(dǎo)致無法顯示更多的學(xué)習(xí)反饋的特征。今后的研究可擴(kuò)大相關(guān)語料庫容量，從而推進(jìn)基于移動(dòng)學(xué)習(xí)平臺(tái)的學(xué)習(xí)反饋的學(xué)習(xí)特征認(rèn)識(shí)。