張凱 方洋洋

關(guān)鍵詞：知識追蹤；智能導(dǎo)學(xué)系統(tǒng)；個(gè)性化；系統(tǒng)實(shí)現(xiàn)；設(shè)計(jì)

0 引言

隨著互聯(lián)網(wǎng)的快速發(fā)展，市場上出現(xiàn)了各種各樣的在線學(xué)習(xí)平臺。這些平臺中較為突出的有中國大學(xué)MOOC、超星爾雅、學(xué)堂在線等。雖然這些平臺提供了豐富的學(xué)習(xí)資源，但大量雜亂無章的學(xué)習(xí)內(nèi)容給學(xué)習(xí)者帶來了困難，比如在尋找符合學(xué)習(xí)者自身需求的資源時(shí)帶來了巨大的障礙。此外，這些平臺難以有效地展現(xiàn)出學(xué)習(xí)者實(shí)時(shí)的知識狀態(tài)，無法引導(dǎo)學(xué)習(xí)者根據(jù)自身狀態(tài)進(jìn)行學(xué)習(xí)。滿足這些需求的關(guān)鍵在于熟練運(yùn)用知識追蹤方法，細(xì)致地監(jiān)測每個(gè)學(xué)習(xí)者的學(xué)習(xí)軌跡，根據(jù)不同的學(xué)習(xí)者來制定不同的學(xué)習(xí)計(jì)劃。因材施教的重要性不言而喻，這不僅是一種教學(xué)原則還是蘊(yùn)含著教育的正義性[1]。根據(jù)實(shí)驗(yàn)結(jié)果明確表明，本系統(tǒng)能夠有效地滿足上述要求。

1 知識追蹤

1.1 知識追蹤概念

知識追蹤（Knowledge Tracing） 是一種用于教育數(shù)據(jù)挖掘和教育人工智能（AIED） 領(lǐng)域的技術(shù)，用于對個(gè)體學(xué)習(xí)者的知識和技能進(jìn)行建模和評估。這是一種跟蹤學(xué)習(xí)者學(xué)習(xí)進(jìn)度并了解對特定概念或技能掌握程度的方法。知識追蹤的主要目標(biāo)是了解學(xué)習(xí)者的學(xué)習(xí)情況以及可能遇到的挑戰(zhàn)。主要通過分析學(xué)習(xí)者與教育內(nèi)容（如完成練習(xí)測驗(yàn)或課程作業(yè)）的互動來做到這一點(diǎn)。知識追蹤有多種算法和模型，其中貝葉斯知識追蹤（BKT） 模型是一種應(yīng)用廣泛的方法。這些模型考慮了學(xué)習(xí)者回答的正確性、互動的順序以及學(xué)習(xí)者隨著時(shí)間推移忘記信息的可能性等因素。通過應(yīng)用這些模型，教育工作者和教育系統(tǒng)可以提供個(gè)性化的反饋、建議和干預(yù)措施，幫助學(xué)習(xí)者更有效地學(xué)習(xí)。目前，知識追蹤在自適應(yīng)學(xué)習(xí)系統(tǒng)、智能輔導(dǎo)系統(tǒng)和在線教育平臺中的應(yīng)用均取得了不錯(cuò)的效果，它在根據(jù)學(xué)習(xí)者個(gè)人需求定制教育內(nèi)容和優(yōu)化學(xué)習(xí)體驗(yàn)方面發(fā)揮著至關(guān)重要的作用。知識追蹤過程如圖1所示。

在學(xué)習(xí)者進(jìn)行作答題目的過程之中，系統(tǒng)不間斷地記錄學(xué)習(xí)者的學(xué)習(xí)數(shù)據(jù)，其中包括題目中的知識點(diǎn)（矩陣、條件概率、導(dǎo)數(shù)等），知識點(diǎn)之間的概念關(guān)系（行列式與矩陣、求導(dǎo)數(shù)與求積分等），作答反應(yīng)時(shí)間和作答題目的正確與否等。知識追蹤模型持續(xù)用學(xué)習(xí)數(shù)據(jù)作為輸入，不斷地來計(jì)算獲取學(xué)習(xí)者當(dāng)前時(shí)刻的學(xué)習(xí)狀態(tài)，從而跟蹤學(xué)習(xí)者的狀況并預(yù)測未來的狀況。

1.2 知識追蹤模型

知識追蹤模型是實(shí)現(xiàn)個(gè)性化導(dǎo)學(xué)的關(guān)鍵?，F(xiàn)有的模型可根據(jù)實(shí)現(xiàn)的方法分為：概率模型、邏輯模型和基于深度學(xué)習(xí)的模型。概率模型有Cor?bett和Anderson于1994 年提出的貝葉斯知識追蹤（Bayesian KnowledgeTracing） 等，邏輯模型有卡耐基梅隆大學(xué)的Koedinger 研究團(tuán)隊(duì)提出了Learning FactorsAnalysis模型等[2]。雖然概率模型和邏輯模型具有很好的解釋性，但是對于學(xué)習(xí)者在作答習(xí)題時(shí)可能受到很多因素的影響的情況下，這兩類模型很難獲取到這種復(fù)雜的認(rèn)知過程。而由于深度學(xué)習(xí)能夠出色地提取學(xué)習(xí)數(shù)據(jù)中的特征，并轉(zhuǎn)化為學(xué)習(xí)者的知識狀態(tài)，所以基于深度學(xué)習(xí)的模型很適合本系統(tǒng)的應(yīng)用場景。

在眾多的模型中，經(jīng)過慎重考慮，本系統(tǒng)采用基于圖神經(jīng)網(wǎng)絡(luò)知識追蹤（graph-based knowledge trac?ing） 模型。這是因?yàn)樵诂F(xiàn)代教育環(huán)境中，數(shù)據(jù)驅(qū)動和可視化技術(shù)逐漸獲得了更多的重視[3]。以圖表形式呈現(xiàn)知識概念不僅讓模型更易于理解，還提高了它的準(zhǔn)確性。這一創(chuàng)新方法主要基于圖的知識追蹤算法，該算法在多個(gè)方面都顯示出顯著優(yōu)勢。第一個(gè)方面，基于圖的知識追蹤算法在模型的解釋性和準(zhǔn)確性方面都有所提升。傳統(tǒng)的知識追蹤模型可能僅關(guān)注學(xué)習(xí)者的答題正確率或反應(yīng)時(shí)間，而忽略了知識點(diǎn)之間的復(fù)雜互動。通過圖表形式，可以直觀地看到各個(gè)知識點(diǎn)以及之間的聯(lián)系，這極大地增加了模型的可解釋性。第二個(gè)方面，與其他普通模型相比，這種方法在學(xué)習(xí)者知識狀態(tài)的可視化方面具有明顯的優(yōu)勢，每一個(gè)節(jié)點(diǎn)在圖中都代表一個(gè)特定的知識點(diǎn)，通過這些節(jié)點(diǎn)，教育者和學(xué)習(xí)者都可以更直觀地了解個(gè)體或集體的學(xué)習(xí)狀態(tài)。這不僅有助于個(gè)性化教育，還為進(jìn)一步的教學(xué)改進(jìn)提供了依據(jù)。最后一個(gè)方面，在學(xué)習(xí)過程中，圖表還允許通過觀察和分析不同節(jié)點(diǎn)之間的相互影響來了解不同知識點(diǎn)之間的關(guān)系。這是非常重要的，因?yàn)橹R通常是相互關(guān)聯(lián)和依賴的。通過識別這些依賴關(guān)系，教育者可以更精準(zhǔn)地制定教學(xué)計(jì)劃，學(xué)習(xí)者也能更有效地安排自己的學(xué)習(xí)路徑，從而提高整體的學(xué)習(xí)效率。GKT模型如圖2所示。

1.3 知識追蹤在智能導(dǎo)學(xué)系統(tǒng)的應(yīng)用

隨著網(wǎng)絡(luò)技術(shù)和科學(xué)的快速發(fā)展，雖然網(wǎng)上的學(xué)習(xí)資源呈現(xiàn)出指數(shù)級的增長，但這些資源的分類和組織卻遠(yuǎn)遠(yuǎn)落后。這些資源通常沒有經(jīng)過有效分類，內(nèi)容參差不齊，因此無法為學(xué)習(xí)者提供真正有針對性的服務(wù)。在當(dāng)今教育環(huán)境中，個(gè)性化教育的概念受到了越來越多的重視，教育專家和政策制定者都強(qiáng)調(diào)應(yīng)根據(jù)學(xué)習(xí)者的不同特質(zhì)和需求來進(jìn)行因材施教。

為了實(shí)現(xiàn)這一目標(biāo)，了解學(xué)習(xí)者的知識體系、認(rèn)知風(fēng)格和學(xué)習(xí)特點(diǎn)成為至關(guān)重要的前提[4]。這需要依賴大量的數(shù)據(jù)分析，包括但不限于學(xué)習(xí)者的學(xué)科基礎(chǔ)、優(yōu)勢學(xué)科、答題準(zhǔn)確率以及反應(yīng)時(shí)間等。知識追蹤技術(shù)恰好可以滿足這一需求，它使用這些數(shù)據(jù)作為輸入，不僅能夠準(zhǔn)確地追蹤學(xué)習(xí)者的學(xué)習(xí)路徑，還能預(yù)測未來的學(xué)習(xí)發(fā)展。

當(dāng)前，已有多個(gè)將知識追蹤模型應(yīng)用到智能導(dǎo)學(xué)系統(tǒng)的案例，這些案例覆蓋很多領(lǐng)域并且提供了寶貴的經(jīng)驗(yàn)和教訓(xùn)。例如在教育類游戲領(lǐng)域中，知識追蹤模型也開始受到關(guān)注并逐步被應(yīng)用[5]。依托于知識追蹤技術(shù)，本系統(tǒng)能夠?qū)崿F(xiàn)一系列核心功能，其中包括個(gè)性化學(xué)習(xí)路徑推薦、自適應(yīng)練習(xí)生成以及實(shí)時(shí)知識狀態(tài)反饋等，從而更有效地促進(jìn)學(xué)習(xí)者的個(gè)性化學(xué)習(xí)。系統(tǒng)還能夠提高教育資源的使用效率，還能在更大程度上滿足現(xiàn)代教育對個(gè)性化和因材施教的需求，具有廣闊的應(yīng)用前景和社會價(jià)值。

2 智能導(dǎo)學(xué)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)

2.1 系統(tǒng)總體設(shè)計(jì)

系統(tǒng)主要包括兩種不同的用戶角色，分別是學(xué)習(xí)者和教育者，各自擁有不同的功能和權(quán)限。根據(jù)這兩種角色，系統(tǒng)的功能和界面被設(shè)計(jì)成兩個(gè)不同的端，即學(xué)習(xí)者端和教育者端。智能導(dǎo)學(xué)系統(tǒng)的總體架構(gòu)如圖3所示。

2.2 系統(tǒng)的主要功能

2.2.1 學(xué)習(xí)者端

學(xué)習(xí)者端是一個(gè)多功能的學(xué)習(xí)平臺，其中包括答題模塊、知識狀態(tài)模塊和個(gè)人中心模塊，每個(gè)模塊都具有獨(dú)特的功能和用途，旨在為學(xué)習(xí)者提供全面的學(xué)習(xí)支持和個(gè)性化的學(xué)習(xí)體驗(yàn)。學(xué)習(xí)者的架構(gòu)圖總體設(shè)計(jì)如圖4所示。

答題模塊是學(xué)習(xí)者端的核心組成部分之一。在這個(gè)模塊中，學(xué)習(xí)者可以參與各種形式的學(xué)習(xí)活動，如測驗(yàn)、練習(xí)題、作業(yè)等。該模塊可以根據(jù)學(xué)習(xí)者當(dāng)前的知識狀態(tài)從題庫中推薦選題，并查看作答歷史等功能。學(xué)習(xí)者從題庫選取題目并作答后，在作答歷史界面會出現(xiàn)記錄查看對錯(cuò)并可以重新作答。具體如圖5所示。

知識狀態(tài)模塊旨在幫助學(xué)習(xí)者更好地了解自己的學(xué)習(xí)進(jìn)展和知識掌握情況。該模塊提供知識點(diǎn)追蹤可視化和個(gè)人的知識結(jié)構(gòu)等功能。其中在知識結(jié)構(gòu)中學(xué)習(xí)者可以查看已掌握和尚未掌握的知識點(diǎn)列表，以便有針對性地繼續(xù)學(xué)習(xí)，知識點(diǎn)追蹤可視化中以柱狀圖和折線圖等方式展現(xiàn)學(xué)習(xí)者的知識狀態(tài)，以及單個(gè)知識點(diǎn)的掌握情況。具體如圖6所示。

2.2.2 教育者端

教育者端主要包括教育者所管理班級每一位學(xué)習(xí)者的個(gè)人信息以及最新的知識狀態(tài)模塊（所有知識點(diǎn)掌握的情況和單個(gè)知識點(diǎn)隨著作答次數(shù)增加掌握的變化）、習(xí)題模塊（查看已設(shè)計(jì)的題目和查看題庫以及設(shè)計(jì)新的題目）、教育者的個(gè)人信息模塊。教育者端的架構(gòu)如圖7 所示。

在教育者端，提供了追蹤所管班級中所有學(xué)習(xí)者的知識狀態(tài)功能，這一功能的核心是可以查看學(xué)習(xí)者在不同知識點(diǎn)上的掌握情況，以及整個(gè)班級在所有知識點(diǎn)上的總體掌握情況。這個(gè)功能的價(jià)值不僅在于提供了對學(xué)習(xí)者學(xué)習(xí)進(jìn)展的實(shí)時(shí)洞察，還在于為教育者提供了數(shù)據(jù)驅(qū)動的指導(dǎo)，幫助更好地滿足學(xué)習(xí)者的學(xué)習(xí)需求和優(yōu)化教學(xué)方法。

教育者通過查看單個(gè)知識點(diǎn)的掌握情況，可以識別出每位學(xué)習(xí)者在特定知識點(diǎn)的強(qiáng)項(xiàng)和薄弱點(diǎn)。這種詳細(xì)的知識點(diǎn)分析有助于個(gè)性化指導(dǎo)，使教育者能夠?yàn)槊课粚W(xué)習(xí)者提供適合其需求的支持。同時(shí)，教育者還能夠監(jiān)測學(xué)習(xí)者在特定知識點(diǎn)上的學(xué)習(xí)趨勢，從而了解學(xué)習(xí)進(jìn)展是否需要額外的幫助。

總體掌握情況的概覽允許教育者快速了解整個(gè)班級在所有知識點(diǎn)上的學(xué)習(xí)狀態(tài)。這使教育者能夠識別出可能需要重點(diǎn)關(guān)注和改進(jìn)的領(lǐng)域，以便根據(jù)班級整體表現(xiàn)調(diào)整教學(xué)策略。這種全局視角為教育者提供了一個(gè)更宏觀的視圖，幫助制定更有效的課程計(jì)劃和教育策略。同時(shí)根據(jù)知識點(diǎn)的名稱和標(biāo)識，可以使教育者能夠準(zhǔn)確識別和討論特定的知識點(diǎn)，確保教學(xué)和學(xué)習(xí)交流的精確性和清晰性。這有助于促進(jìn)有意義的教育對話和更好的知識傳遞。追蹤班級學(xué)習(xí)者知識狀態(tài)如圖8所示。

習(xí)題模塊能夠幫助教育者有效地?cái)U(kuò)充課程材料和習(xí)題，可以保證習(xí)題的多樣性。具體流程為：首先，教育者需要進(jìn)行一系列設(shè)置，包括題目的唯一標(biāo)識（題目ID） 、題目文本的具體內(nèi)容、相關(guān)知識點(diǎn)的標(biāo)識（知識點(diǎn)ID） 、題目類型（單選、多選、填空等）以及正確的答案。一旦完成了這些參數(shù)的設(shè)置，教育者只需點(diǎn)擊操作區(qū)域中的“發(fā)布到題庫”按鈕，即可將題目添加到題庫中，使其變?yōu)閷W(xué)習(xí)者可以訪問和練習(xí)的資源。此外，教育者還可以隨時(shí)點(diǎn)擊“已設(shè)計(jì)題目”來查看已發(fā)布到題庫中的所有題目，以確保題庫中包含所希望提供的所有練習(xí)題目。這一靈活且易于使用的功能使教育者能夠自由地創(chuàng)建、編輯和管理題庫，以滿足不同學(xué)習(xí)者的學(xué)習(xí)需求，并豐富教育資源，促進(jìn)更有成效的教學(xué)。已設(shè)計(jì)習(xí)題如圖9所示。

3 系統(tǒng)的驗(yàn)證與使用

3.1 實(shí)驗(yàn)環(huán)境

本智能導(dǎo)學(xué)系統(tǒng)的開發(fā)采用B/S架構(gòu)，系統(tǒng)后端在Pycharm專業(yè)版上使用Django框架開發(fā)，Django框架采用MVC（Model-View-Controller） 的設(shè)計(jì)模式使得開發(fā)復(fù)雜的、數(shù)據(jù)庫驅(qū)動的網(wǎng)站變得更加簡單。Django具有DRY（Don't Repeat Yourself） 原則、表單處理等特點(diǎn)[6]。模型的訓(xùn)練使用PyTorch庫 ，前端使用React框架，React 是一個(gè)由 Facebook 開發(fā)和維護(hù)的開源 JavaScript 庫[7]，用于構(gòu)建UI 組件。React具有組件化、聲明式編程等特點(diǎn)。數(shù)據(jù)庫采用MySQL存儲，操作系統(tǒng)為Windows Server 2021，數(shù)據(jù)集使用ASSIST2009。實(shí)驗(yàn)環(huán)境如表1所示

3.2 實(shí)驗(yàn)方法

在上述實(shí)驗(yàn)環(huán)境中，為了評估系統(tǒng)的有效性，需要邀請各種不同年齡段的學(xué)習(xí)者和教育者使用該系統(tǒng)并通過問卷調(diào)查收集用戶滿意度，作為實(shí)驗(yàn)的評估指標(biāo)。

3.3 評估指標(biāo)

為了驗(yàn)證系統(tǒng)的有效性和實(shí)用性，學(xué)習(xí)者和教育者的反饋至關(guān)重要。因此，計(jì)劃通過分發(fā)在線調(diào)查問卷的方式收集使用者對該智能導(dǎo)學(xué)系統(tǒng)的使用體驗(yàn)和感受。采用語數(shù)外三科類型的題目作為測試題目，滿意度采用5分制，從收集的結(jié)果來看滿意度基本上都在60%以上即大于3。具體如圖10所示。

4 結(jié)論

本文設(shè)計(jì)開發(fā)和實(shí)現(xiàn)了知識追蹤驅(qū)動的智能導(dǎo)學(xué)系統(tǒng)，主要工作如下：

1） 在系統(tǒng)內(nèi)實(shí)現(xiàn)了使用知識追蹤模型預(yù)測學(xué)習(xí)者知識掌握狀態(tài)的功能；2） 開發(fā)設(shè)計(jì)和實(shí)現(xiàn)了智能導(dǎo)學(xué)系統(tǒng)，并收集了使用者的系統(tǒng)滿意度。

根據(jù)實(shí)驗(yàn)結(jié)果以及反饋，可以看出系統(tǒng)中的學(xué)習(xí)者知識狀態(tài)準(zhǔn)確有效，有助于教育者掌握學(xué)習(xí)者的狀況，輔助學(xué)習(xí)者找到適合自己的個(gè)性化資源。