林萍萍, 楊傳斌

(浙江師范大學(xué)a.教育學(xué)院,b.信息化辦公室,浙江 金華 321004)

0 引 言

互聯(lián)網(wǎng)技術(shù)的發(fā)展,在線學(xué)習(xí)環(huán)境以其便捷性和可重復(fù)性,為學(xué)習(xí)者的知識(shí)理解、技能掌握提供良好的條件。據(jù)統(tǒng)計(jì),約40%～80%選課的學(xué)生會(huì)在學(xué)習(xí)過程中出現(xiàn)輟學(xué),其中學(xué)習(xí)孤獨(dú)感問題是影響在線學(xué)習(xí)效果的一個(gè)重要因素,因此為學(xué)習(xí)者提供合適的學(xué)習(xí)伙伴,是在線協(xié)作學(xué)習(xí)亟待解決的重要問題。中共中央、國務(wù)院印發(fā)的《中國教育現(xiàn)代化2035》強(qiáng)調(diào)以啟發(fā)式、探究式、參與式、合作式等教學(xué)方式,培養(yǎng)學(xué)生創(chuàng)新精神與實(shí)踐能力,創(chuàng)新人才培養(yǎng)模式[1];在《關(guān)于深化教育教學(xué)改革全面提高義務(wù)教育質(zhì)量的意見》中支持開展研究型、項(xiàng)目化、合作式學(xué)習(xí),運(yùn)用現(xiàn)代技術(shù)手段促進(jìn)協(xié)作學(xué)習(xí)的開展[2]。合適的學(xué)習(xí)伙伴是協(xié)作學(xué)習(xí)取得良好效果的重要前提。在此背景下,利用用戶畫像技術(shù)為學(xué)習(xí)者推薦個(gè)性化學(xué)習(xí)伙伴是解決在線學(xué)習(xí)問題的有效方式。

1 研究現(xiàn)狀

學(xué)習(xí)伙伴推薦方式分為4類:(1)隨機(jī)推薦,這種方式學(xué)生具有完全的自主性,但課堂紀(jì)律難以控制。(2)基于共同的學(xué)習(xí)主題推薦,適合大規(guī)模網(wǎng)絡(luò)環(huán)境下的教學(xué)。(3)依據(jù)學(xué)生的動(dòng)態(tài)特征推薦學(xué)習(xí)伙伴,具有個(gè)性化、可視化等特點(diǎn)。(4)根據(jù)學(xué)習(xí)風(fēng)格的差異推薦學(xué)習(xí)伙伴。用戶畫像是通過獲取與用戶需求相關(guān)的信息,盡可能全面細(xì)致地抽出一個(gè)用戶的信息全貌[7]。這里的用戶畫像是學(xué)習(xí)者模型,有助于深入分析學(xué)生對于學(xué)習(xí)伙伴的需求,從而實(shí)現(xiàn)更準(zhǔn)確的伙伴匹配。

2 學(xué)習(xí)者畫像模型構(gòu)建

2.1 畫像標(biāo)簽設(shè)計(jì)

2.1.1 基本信息

學(xué)習(xí)者的基本信息包括用戶名、性別、專業(yè)背景、教育層次,數(shù)據(jù)可以在網(wǎng)絡(luò)教學(xué)平臺(tái)的學(xué)生注冊信息去隱私化后獲得。

2.1.2 學(xué)習(xí)準(zhǔn)備

學(xué)習(xí)準(zhǔn)備包括知識(shí)基礎(chǔ)和學(xué)習(xí)動(dòng)機(jī)將學(xué)習(xí)者的前兩次單元測驗(yàn)成績平均值作為知識(shí)基礎(chǔ)的指標(biāo)。學(xué)習(xí)動(dòng)機(jī)通過吳峰[4]編制的適合成人在線學(xué)習(xí)情形的學(xué)習(xí)動(dòng)機(jī)量表測量。

2.1.3 學(xué)習(xí)風(fēng)格

研究中選擇以FSLSM模型通過在線學(xué)習(xí)行為識(shí)別學(xué)習(xí)風(fēng)格,如表1所示。

表1 學(xué)習(xí)風(fēng)格的在線學(xué)習(xí)行為模式[5]

2.1.4 學(xué)習(xí)行為

研究從投入度、喜愛度、活躍度分析學(xué)習(xí)行為。投入度由視頻完成度、平均作業(yè)完成度決定;喜愛度由學(xué)習(xí)資源下載量、學(xué)習(xí)資源評分?jǐn)?shù)表現(xiàn);活躍度是由發(fā)帖數(shù)、評論數(shù)、被評論數(shù)、被點(diǎn)贊數(shù)體現(xiàn)。

2.2 數(shù)據(jù)收集

本研究的數(shù)據(jù)來源于某大學(xué)的線上開放課程“聲樂”。研究對2023年春選課的2810名學(xué)習(xí)者的課程后臺(tái)數(shù)據(jù)和網(wǎng)絡(luò)日志進(jìn)行挖掘、提取、清洗,得到2795個(gè)有效樣本。

2.3 畫像建模

2.3.1 基本屬性

用戶名作為學(xué)習(xí)者的唯一身份標(biāo)識(shí)碼;學(xué)習(xí)者的性別有男、女兩類,分別用0,1進(jìn)行表示;教育層次分為?？?1)、本科(2)、碩士(3);專業(yè)背景按照專業(yè)門類代碼進(jìn)行標(biāo)注。

2.3.2 學(xué)習(xí)準(zhǔn)備

學(xué)習(xí)者的知識(shí)基礎(chǔ)對平均成績進(jìn)行Min-Max標(biāo)準(zhǔn)化處理,計(jì)算公式如式(1):

在課程的作業(yè)欄目發(fā)放學(xué)習(xí)動(dòng)機(jī)的問卷鏈接,回收問卷,系統(tǒng)自動(dòng)統(tǒng)計(jì)得分,并作為學(xué)習(xí)動(dòng)機(jī)的最終數(shù)值。

2.3.3 學(xué)習(xí)風(fēng)格

文中以信息加工為例進(jìn)行詳細(xì)描述。對收集的數(shù)據(jù)進(jìn)行歸一化處理后,提取前10%的樣本和后10%的樣本,為前10%學(xué)生貼上“活躍”的標(biāo)簽,后10%學(xué)生貼上“沉思”的標(biāo)簽,通過邏輯回歸和交叉驗(yàn)證,得到模型的準(zhǔn)確度和召回率是100%,這表明該模型和數(shù)據(jù)達(dá)到一致。每個(gè)維度有對應(yīng)的標(biāo)簽自動(dòng)識(shí)別模型,用歸一化后的數(shù)值表示。

2.3.4 學(xué)習(xí)行為

學(xué)習(xí)者的評論、發(fā)帖等各項(xiàng)記錄對學(xué)習(xí)行為的影響作用不同,因此處理時(shí)需要綜合權(quán)重。計(jì)算表示公式如式(2):

式(2)中,n是數(shù)據(jù)項(xiàng)的個(gè)數(shù);mi是各數(shù)據(jù)項(xiàng)的數(shù)值,wi是對應(yīng)數(shù)據(jù)項(xiàng)的權(quán)重。通過層次分析法,設(shè)置權(quán)重。

3 用戶畫像的學(xué)習(xí)伙伴推薦應(yīng)用

3.1 推薦算法

研究中將使用基于用戶的協(xié)同過濾算法。學(xué)習(xí)者之間的相關(guān)程度是通過Pearson相關(guān)系數(shù)來計(jì)算的。rXY是學(xué)習(xí)者X與Y的Pearson相關(guān)系數(shù)的計(jì)算公式如式(3)。

(3)

Xi和Yi分別是學(xué)習(xí)者X和學(xué)習(xí)者Y的第i個(gè)標(biāo)簽對應(yīng)的分?jǐn)?shù)值,n表示用戶X和用戶Y已進(jìn)行計(jì)算的標(biāo)簽個(gè)數(shù)。學(xué)習(xí)伙伴的推薦算法流程如圖1所示。

圖1 學(xué)習(xí)伙伴推薦算法流程

3.2 學(xué)習(xí)伙伴的推薦結(jié)果

假設(shè)學(xué)習(xí)者總數(shù)量是M,網(wǎng)絡(luò)學(xué)習(xí)平臺(tái)將相似學(xué)習(xí)者列表List1={Stui,Stui,Stuk}和互補(bǔ)學(xué)習(xí)者列表List2={Stux,Stuv,Stuz}推送給學(xué)習(xí)者。為保證推薦的質(zhì)量和效果,相關(guān)系數(shù)絕對值均大于或等于0.6且由大到小按序排列,以短信或郵箱的方式定向推送給學(xué)習(xí)者。

4 實(shí)驗(yàn)分析

隨機(jī)選擇2023年春季課程中的12位學(xué)習(xí)者作為典型的案例,收集學(xué)習(xí)者在學(xué)習(xí)平臺(tái)中的數(shù)據(jù),得到學(xué)習(xí)者畫像各維度的標(biāo)簽信息如表2所示。

表2 12位學(xué)習(xí)者的畫像標(biāo)簽信息

以Stu1為例,去除教育層次、專業(yè)背景這兩個(gè)標(biāo)簽,利用公式(1)計(jì)算出Stu1與其他11名學(xué)習(xí)者的相似度,如表3所示。

表3 與Stu1的相似度

從表3可知,與Stu1最相似的是Stu3,Stu6,Stu10,因?yàn)樗麄冎g的相關(guān)系數(shù)r都是正值且大于0.6;Stu2,Stu4,Stu9和Stu1的相關(guān)系數(shù)r是負(fù)值且大于0.6,所以他們可以和Stu1是互補(bǔ)的。按照相似系數(shù)r的絕對值由大到小排序,將最后的推薦結(jié)果發(fā)送給Stu1,同質(zhì)學(xué)習(xí)伙伴為{Stu10,Stu3,Stu6},異質(zhì)學(xué)習(xí)伙伴為{Stu2,Stu9,Stu4}。

5 結(jié) 語

學(xué)習(xí)伙伴推薦是在線協(xié)作學(xué)習(xí)研究中的重要問題。本研究在分析了現(xiàn)有的學(xué)習(xí)伙伴推薦方法和用戶畫像應(yīng)用的基礎(chǔ)上,從學(xué)習(xí)者的基本屬性、學(xué)習(xí)準(zhǔn)備、學(xué)習(xí)風(fēng)格、學(xué)習(xí)行為多個(gè)方面建立學(xué)習(xí)者畫像,為學(xué)習(xí)者推薦同質(zhì)和異質(zhì)學(xué)習(xí)伙伴。融合用戶畫像的學(xué)習(xí)伙伴推薦方法具有動(dòng)態(tài)化、個(gè)性化等特征,既解決了協(xié)作學(xué)習(xí)中學(xué)習(xí)者尋求合適的學(xué)習(xí)伙伴困難的問題,又解決了大規(guī)模網(wǎng)絡(luò)教學(xué)中學(xué)習(xí)者的學(xué)習(xí)孤獨(dú)感問題。未來,將針對用戶畫像技術(shù)在協(xié)作學(xué)習(xí)活動(dòng)設(shè)計(jì)和學(xué)習(xí)預(yù)警等方面做進(jìn)一步探究,以完善用戶畫像在在線學(xué)習(xí)中的應(yīng)用。