基于學(xué)習(xí)者畫(huà)像建模的個(gè)性化學(xué)習(xí)路徑規(guī)劃研究

唐燁偉 茹麗娜 范佳榮 龐敬文 鐘紹春

基于學(xué)習(xí)者畫(huà)像建模的個(gè)性化學(xué)習(xí)路徑規(guī)劃研究

唐燁偉1，? 茹麗娜1，? 范佳榮1，? 龐敬文1，? 鐘紹春2

（1.東北師范大學(xué) 信息科學(xué)與技術(shù)學(xué)院， 吉林 長(zhǎng)春? ?130117;

2.教育部數(shù)字化學(xué)習(xí)支撐技術(shù)工程研究中心， 吉林 長(zhǎng)春? ?130117）

[摘? ?要] 信息時(shí)代的飛速發(fā)展使教育大數(shù)據(jù)成為研究的熱點(diǎn)，也使得教學(xué)正在向個(gè)性化、精準(zhǔn)性轉(zhuǎn)型。文章基于大量文獻(xiàn)對(duì)學(xué)習(xí)者畫(huà)像和學(xué)習(xí)路徑相關(guān)研究進(jìn)行了綜述，同時(shí)，基于教育大數(shù)據(jù)中的學(xué)習(xí)者基本情況大數(shù)據(jù)、學(xué)習(xí)過(guò)程大數(shù)據(jù)和學(xué)習(xí)結(jié)果大數(shù)據(jù)構(gòu)建了學(xué)習(xí)者畫(huà)像模型，并利用關(guān)鍵技術(shù)描述了共性特征庫(kù)的建立方法和個(gè)性化畫(huà)像的輸出、迭代。最終設(shè)計(jì)了一種基于學(xué)習(xí)者畫(huà)像的精準(zhǔn)個(gè)性化學(xué)習(xí)路徑規(guī)劃框架。該框架由學(xué)習(xí)目標(biāo)、學(xué)習(xí)內(nèi)容、學(xué)習(xí)活動(dòng)、學(xué)習(xí)評(píng)價(jià)四個(gè)基本要素和學(xué)習(xí)者、知識(shí)圖譜、主流學(xué)習(xí)路徑、學(xué)習(xí)者大數(shù)據(jù)、學(xué)習(xí)者畫(huà)像、個(gè)性化學(xué)習(xí)路徑六大部分組成，其中學(xué)習(xí)者畫(huà)像處于整個(gè)框架的核心位置，體現(xiàn)了“以學(xué)習(xí)者為中心”的思想，關(guān)注學(xué)習(xí)者自身特點(diǎn)與個(gè)性差異，以期滿足學(xué)習(xí)者可以根據(jù)需要學(xué)習(xí)、按照適合的方式學(xué)習(xí)、找到最佳的環(huán)境和伙伴學(xué)習(xí)。

[關(guān)鍵詞] 學(xué)習(xí)者大數(shù)據(jù); 學(xué)習(xí)者畫(huà)像; 個(gè)性化學(xué)習(xí); 學(xué)習(xí)路徑; 個(gè)性化學(xué)習(xí)路徑規(guī)劃

[中圖分類號(hào)] G434? ? ? ? ? ? [文獻(xiàn)標(biāo)志碼] A

[作者簡(jiǎn)介] 唐燁偉（1987—），男，安徽合肥人。講師，博士，主要從事智慧學(xué)習(xí)環(huán)境研究。E-mail：308793656@qq.com。

一、引? ?言

中共中央、國(guó)務(wù)院印發(fā)的《中國(guó)教育現(xiàn)代化2035》提出，推進(jìn)教育現(xiàn)代化要“更加注重因材施教的教育理念”，并將“加快信息化時(shí)代教育變革，利用現(xiàn)代技術(shù)加快推動(dòng)人才培養(yǎng)模式改革，實(shí)現(xiàn)規(guī)?；逃c個(gè)性化培養(yǎng)的有機(jī)結(jié)合”作為重要的戰(zhàn)略任務(wù)[1]。教育現(xiàn)代化要求教育為學(xué)生提供高品質(zhì)的個(gè)性化學(xué)習(xí)，讓學(xué)習(xí)者能夠主動(dòng)學(xué)習(xí)、根據(jù)自己的需要學(xué)習(xí)、按照適合自己的方式學(xué)習(xí)、找到適合自己的環(huán)境和伙伴學(xué)習(xí)、得到最適合自己的教師幫助其學(xué)習(xí)，逐步形成系統(tǒng)的思維能力和創(chuàng)新性思維能力[2]。但是，大數(shù)據(jù)時(shí)代，網(wǎng)絡(luò)學(xué)習(xí)資源爆炸式增長(zhǎng)，信息過(guò)載與網(wǎng)絡(luò)迷航成為學(xué)習(xí)者個(gè)性化學(xué)習(xí)的阻礙，常態(tài)教育中也存在學(xué)習(xí)者學(xué)習(xí)需求的診斷、共性學(xué)習(xí)路徑的尋找、個(gè)性學(xué)習(xí)路徑的引導(dǎo)等諸多制約個(gè)性化學(xué)習(xí)有效發(fā)生的瓶頸性問(wèn)題。因此，基于學(xué)習(xí)者畫(huà)像為學(xué)習(xí)者規(guī)劃個(gè)性化的學(xué)習(xí)路徑是促進(jìn)其個(gè)性化發(fā)展的有效方法與關(guān)鍵途徑。

二、相關(guān)研究綜述

（一）學(xué)習(xí)者畫(huà)像

在構(gòu)建學(xué)習(xí)者畫(huà)像過(guò)程中，需要對(duì)學(xué)習(xí)者學(xué)習(xí)過(guò)程和學(xué)習(xí)結(jié)果大數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘和有效分析，并通過(guò)可視化的方式形成學(xué)習(xí)者畫(huà)像。國(guó)內(nèi)外大量學(xué)者對(duì)此進(jìn)行了深入的研究，見(jiàn)表1。例如：學(xué)習(xí)者畫(huà)像數(shù)據(jù)挖掘的重要組成部分包括學(xué)習(xí)者的學(xué)習(xí)風(fēng)格、知識(shí)水平、學(xué)習(xí)動(dòng)機(jī)。運(yùn)用Bayesian網(wǎng)絡(luò)算法高精度檢測(cè)學(xué)生的學(xué)習(xí)風(fēng)格[3];知識(shí)水平的挖掘采用多層次聚類算法對(duì)數(shù)據(jù)進(jìn)行預(yù)處理、挖掘活動(dòng)數(shù)據(jù)與認(rèn)知能力的關(guān)聯(lián)[4];學(xué)習(xí)動(dòng)機(jī)上運(yùn)用神經(jīng)網(wǎng)絡(luò)和貝葉斯數(shù)據(jù)簡(jiǎn)化算法（BDRA）對(duì)數(shù)據(jù)進(jìn)行處理、簡(jiǎn)化和分類[5]。學(xué)習(xí)者畫(huà)像學(xué)習(xí)分析主要有多元分析、聚類分析、預(yù)測(cè)分析等方法。多元分析通過(guò)多元線性回歸分析算法探究影響某一因素的多個(gè)變量，確定影響學(xué)生學(xué)業(yè)成績(jī)的因素[6];聚類分析使用k-means聚類算法，分析學(xué)習(xí)遷移測(cè)試中聚類成員對(duì)參與者分?jǐn)?shù)的影響程度[7]。預(yù)測(cè)分析運(yùn)用循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）算法對(duì)學(xué)習(xí)者的認(rèn)知水平進(jìn)行信息預(yù)測(cè)[8]。學(xué)習(xí)者畫(huà)像可視化需要進(jìn)行數(shù)據(jù)關(guān)聯(lián)、同步處理和數(shù)據(jù)可視化?；赟hapelet算法分析數(shù)據(jù)序列的趨勢(shì)特征以及數(shù)據(jù)間的時(shí)序數(shù)據(jù)，對(duì)數(shù)據(jù)進(jìn)行同步跟蹤，將學(xué)習(xí)者個(gè)性畫(huà)像數(shù)據(jù)以及知識(shí)能力數(shù)據(jù)動(dòng)態(tài)關(guān)聯(lián)[9-10]。也有學(xué)者提出了一種利用時(shí)間序列數(shù)據(jù)構(gòu)造可視化圖的有效非遞歸算法處理數(shù)據(jù)集之中數(shù)據(jù)間存在的時(shí)間關(guān)系，將相應(yīng)的實(shí)時(shí)數(shù)據(jù)進(jìn)行同步處理[11]。利用Visibility Graph算法將動(dòng)態(tài)實(shí)時(shí)變化的學(xué)習(xí)者知識(shí)能力數(shù)據(jù)流轉(zhuǎn)化為網(wǎng)絡(luò)圖[12-13]，從而實(shí)現(xiàn)學(xué)習(xí)者畫(huà)像及個(gè)性化知識(shí)與能力三維立體圖譜的可視化。

綜上所述，學(xué)習(xí)者畫(huà)像的構(gòu)建需要大數(shù)據(jù)的支持，學(xué)習(xí)者畫(huà)像不僅可以根據(jù)群體特征劃分學(xué)習(xí)者，還能為學(xué)習(xí)者提供個(gè)性化學(xué)習(xí)服務(wù)。國(guó)內(nèi)外學(xué)者對(duì)學(xué)習(xí)者畫(huà)像的相關(guān)研究包括學(xué)習(xí)者畫(huà)像的構(gòu)成要素、分析技術(shù)以及可視化三個(gè)方面，側(cè)重于關(guān)注利用數(shù)據(jù)挖掘和學(xué)習(xí)分析技術(shù)，對(duì)個(gè)性化學(xué)習(xí)行為進(jìn)行構(gòu)建，主要集中在對(duì)知識(shí)層面的刻畫(huà)，反映學(xué)習(xí)者個(gè)性化學(xué)習(xí)心理和外在表現(xiàn)特征，但缺乏對(duì)學(xué)習(xí)者能力的刻畫(huà)。將學(xué)習(xí)者的基本屬性、學(xué)習(xí)方式、認(rèn)知特點(diǎn)和學(xué)習(xí)結(jié)果與學(xué)習(xí)者能力相結(jié)合，基于學(xué)習(xí)大數(shù)據(jù)判定學(xué)習(xí)者系統(tǒng)和創(chuàng)新思維能力還需要進(jìn)一步研究。

（二）學(xué)習(xí)路徑

關(guān)于學(xué)習(xí)路徑的研究，國(guó)外有：（1）基于相關(guān)模型建立學(xué)習(xí)路徑。例如：提出一種基于圖論的學(xué)習(xí)設(shè)計(jì)推薦系統(tǒng)的構(gòu)建模型，挖掘教育數(shù)據(jù)相關(guān)新特性，使用小團(tuán)體概念幫助學(xué)習(xí)者在學(xué)習(xí)過(guò)程中找到合適的學(xué)習(xí)對(duì)象，建立有效的學(xué)習(xí)路徑[14]。（2）基于學(xué)習(xí)者相關(guān)特點(diǎn)或本體規(guī)劃學(xué)習(xí)路徑。例如：基于學(xué)生學(xué)習(xí)方式的需求，應(yīng)用群體智能模型和蟻群優(yōu)化方法，在靜態(tài)和動(dòng)態(tài)學(xué)習(xí)單元中尋找合適的學(xué)習(xí)路徑[15];將本體作為一種結(jié)構(gòu)化的知識(shí)表示方案，基于生成的本體概念圖提出一種基于遺傳的課程排序方案，從而為學(xué)習(xí)者規(guī)劃合適的學(xué)習(xí)路徑[16]。

國(guó)內(nèi)關(guān)于學(xué)習(xí)路徑的研究主要集中在基于學(xué)習(xí)者學(xué)習(xí)大數(shù)據(jù)或本體、情境推薦學(xué)習(xí)路徑。例如：牟智佳基于學(xué)習(xí)者的行為數(shù)據(jù)，通過(guò)數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)算法，分析學(xué)習(xí)者的個(gè)性化特征，刻畫(huà)學(xué)習(xí)者數(shù)據(jù)肖像模型，并基于該模型設(shè)計(jì)個(gè)性化學(xué)習(xí)路徑實(shí)施框架[17];趙蔚等人基于Moodle平臺(tái)中的學(xué)習(xí)過(guò)程數(shù)據(jù)采用學(xué)習(xí)分析技術(shù)，挖掘不同學(xué)習(xí)風(fēng)格、學(xué)習(xí)成績(jī)、學(xué)習(xí)偏好學(xué)習(xí)者的學(xué)習(xí)路徑，根據(jù)路徑分析結(jié)果為學(xué)習(xí)者自我調(diào)節(jié)提供反饋[18];黃志芳等人分析影響適應(yīng)性學(xué)習(xí)路徑推薦的情境要素，采用本體的方法對(duì)情境要素和學(xué)科知識(shí)進(jìn)行形式化表示，構(gòu)建學(xué)習(xí)情境本體模型和學(xué)科領(lǐng)域本體庫(kù)，設(shè)計(jì)了基于情境感知技術(shù)的適應(yīng)性學(xué)習(xí)路徑推薦模型框架[19]。

通過(guò)比較國(guó)內(nèi)外關(guān)于學(xué)習(xí)路徑的研究可以發(fā)現(xiàn)：國(guó)外研究側(cè)重于使用智能優(yōu)化算法，對(duì)學(xué)習(xí)者的學(xué)習(xí)方式、知識(shí)本體進(jìn)行分析并應(yīng)用于學(xué)習(xí)路徑的研究;國(guó)內(nèi)則側(cè)重于使用數(shù)據(jù)挖掘和學(xué)習(xí)分析等技術(shù)分析學(xué)習(xí)者的個(gè)性特征和學(xué)習(xí)大數(shù)據(jù)，或使用本體技術(shù)和情境感知技術(shù)對(duì)情境要素和學(xué)科知識(shí)進(jìn)行形式化表示，以研究學(xué)習(xí)路徑。此外，我們還可以發(fā)現(xiàn)，國(guó)內(nèi)外學(xué)者大多以學(xué)習(xí)者為研究對(duì)象，將學(xué)習(xí)者的個(gè)體特征和行為數(shù)據(jù)、學(xué)習(xí)過(guò)程數(shù)據(jù)作為研究學(xué)習(xí)路徑的切入點(diǎn)，體現(xiàn)了“以學(xué)習(xí)者為中心”的思想。僅有少數(shù)學(xué)者將知識(shí)本體和情境因素作為研究學(xué)習(xí)路徑的方向。筆者認(rèn)為，盡管學(xué)科知識(shí)本體和情境因素是研究學(xué)習(xí)路徑的一個(gè)重要契機(jī)，但是，研究學(xué)習(xí)者的個(gè)體特征和學(xué)習(xí)大數(shù)據(jù)更有助于為學(xué)習(xí)者規(guī)劃學(xué)習(xí)路徑、提供個(gè)性化學(xué)習(xí)服務(wù)。

三、學(xué)習(xí)者畫(huà)像建模

人工智能和大數(shù)據(jù)的發(fā)展加速了個(gè)性化學(xué)習(xí)的實(shí)現(xiàn)，與傳統(tǒng)的教學(xué)方式不同，個(gè)性化學(xué)習(xí)需要解決根據(jù)不同類型的學(xué)習(xí)者的特點(diǎn)，對(duì)其學(xué)習(xí)行為進(jìn)行準(zhǔn)確個(gè)性化評(píng)價(jià)的問(wèn)題[20]。學(xué)習(xí)者畫(huà)像是一種包含多種子結(jié)構(gòu)的標(biāo)簽的用戶概念模型，是對(duì)反映其基本特征的個(gè)人數(shù)據(jù)進(jìn)行搜集和描述，研究學(xué)習(xí)者畫(huà)像是為了將學(xué)習(xí)者群體標(biāo)簽化，以便更好地識(shí)別不同學(xué)習(xí)者，提供個(gè)性化學(xué)習(xí)者支持服務(wù)[21]。學(xué)習(xí)者畫(huà)像為進(jìn)一步精準(zhǔn)、快速地分析學(xué)習(xí)者的問(wèn)題解決與任務(wù)完成結(jié)果、知識(shí)獲取與能力形成方式、學(xué)習(xí)過(guò)程所善于使用的支撐手段和交互方式、知識(shí)掌握與能力形成程度、系統(tǒng)和創(chuàng)新思維能力形成程度、偏好與認(rèn)知水平等提供了足夠的數(shù)據(jù)基礎(chǔ)，完美地抽象出了學(xué)習(xí)者的信息全貌，可以看作個(gè)性化學(xué)習(xí)中應(yīng)用大數(shù)據(jù)的根基。

（一）學(xué)習(xí)者畫(huà)像設(shè)計(jì)

Alan Cooper（交互設(shè)計(jì)之父）最早提出了用戶畫(huà)像（Persona）的概念，用來(lái)勾畫(huà)目標(biāo)用戶、進(jìn)行產(chǎn)品定位、聯(lián)系用戶訴求與設(shè)計(jì)方向[22]。本文中學(xué)習(xí)者畫(huà)像是學(xué)習(xí)者的標(biāo)簽化，依據(jù)學(xué)習(xí)者的基本屬性和學(xué)習(xí)過(guò)程、學(xué)習(xí)結(jié)果特征而抽象出標(biāo)簽化的學(xué)習(xí)者模型。能夠最大限度地表現(xiàn)出學(xué)習(xí)者的學(xué)習(xí)需求和偏好，以便應(yīng)用于推薦個(gè)性化學(xué)習(xí)路徑。本文從學(xué)習(xí)者的基本屬性、學(xué)習(xí)過(guò)程和學(xué)習(xí)結(jié)果三個(gè)維度設(shè)計(jì)學(xué)習(xí)者畫(huà)像，如圖1所示。

圖1? ?三個(gè)維度的學(xué)習(xí)者畫(huà)像

學(xué)習(xí)者的基本屬性是對(duì)于學(xué)習(xí)者姓名、年齡、性別等一些基本性質(zhì)的描述，通過(guò)一個(gè)標(biāo)簽對(duì)學(xué)習(xí)者進(jìn)行高度精煉的特征標(biāo)識(shí)，有效地對(duì)這一階段的學(xué)習(xí)者進(jìn)行共性分析。提煉學(xué)習(xí)者學(xué)習(xí)過(guò)程大數(shù)據(jù)，分析學(xué)習(xí)者學(xué)習(xí)方式偏好和認(rèn)知特點(diǎn);提取學(xué)習(xí)者學(xué)習(xí)結(jié)果大數(shù)據(jù)，精確分析學(xué)習(xí)者基礎(chǔ)知識(shí)的掌握程度、學(xué)習(xí)方法的掌握程度、問(wèn)題解決與任務(wù)完成程度和能力形成程度。

（二）學(xué)習(xí)者畫(huà)像建模

1. 基于學(xué)習(xí)者基本屬性的學(xué)習(xí)者畫(huà)像建模

學(xué)習(xí)者基本屬性用以區(qū)分和識(shí)別學(xué)習(xí)者，包括學(xué)習(xí)者編號(hào)（ID）、姓名（Name）、年齡（Age）、性別（Gen）、學(xué)科（Sub）、學(xué)段（Sec）。首先，對(duì)學(xué)習(xí)者進(jìn)行編號(hào)，使每個(gè)學(xué)習(xí)者具有唯一的標(biāo)識(shí)。然后，獲取對(duì)應(yīng)編號(hào)的學(xué)習(xí)者的姓名、年齡、性別、學(xué)科和學(xué)段信息，形成一個(gè)目標(biāo)信息庫(kù)D，即學(xué)習(xí)者集合，D={ID1，ID2，……，IDn}，即n個(gè)學(xué)習(xí)者構(gòu)成的集合，利用聚類算法可以將文本聚合成多個(gè)小而充分的內(nèi)聚類，每個(gè)內(nèi)聚類包含一個(gè)或多個(gè)共同特征。挑選4個(gè)聚類中心矢量{Age，Gen，Sub，Sec};對(duì)于目標(biāo)信息庫(kù)D中的每個(gè)ID對(duì)應(yīng)的文本，使用K-means算法依次計(jì)算每個(gè)ID對(duì)應(yīng)的文本與每個(gè)初始聚類中心Age、Gen、Sub、Sec的相似度。若某個(gè)ID對(duì)應(yīng)的文本與某個(gè)聚類中心矢量（Age，Gen，Sub，Sec）具有最大相似性，則將這個(gè)ID對(duì)應(yīng)的信息分為以某個(gè)聚類中心矢量（如Age）為中心的簇N，從而在D中獲得簇向量N（Age）={（ID1，Name1，Age1，Gen1，Sub1，Sec1），（ID2，Name2，Age1，Gen2，Sub2，Sec2），……，（IDn，Namen，Age1，Genn，Subn，Secn）}。相應(yīng)地，以性別矢量為聚類中心在信息庫(kù)D得到簇向量N（Gen），以學(xué)科矢量為聚類中心在信息庫(kù)D得到簇向量N（Sub），以學(xué)段矢量為聚類中心在信息庫(kù)D得到簇向量N（Sec）。在最后的聚類步驟中，兩個(gè)最相似的集群合并成一個(gè)集群，直到所有文本被分類到集群中，如圖2所示。

圖 2? ?學(xué)習(xí)者基本屬性聚類圖

通過(guò)重復(fù)上述步驟， 將文本集中的文本重新取回到文本集群中，并重新計(jì)算新的集群中心（多個(gè)矢量為聚類中心），直到集群中心保持不變。既建立了每個(gè)學(xué)習(xí)者基本屬性的向量集合，又達(dá)到了將學(xué)習(xí)者分類、形成共性屬性庫(kù)的目的。

2. 基于學(xué)習(xí)過(guò)程大數(shù)據(jù)的學(xué)習(xí)者畫(huà)像建模

學(xué)習(xí)大數(shù)據(jù)包括學(xué)習(xí)結(jié)果大數(shù)據(jù)和學(xué)習(xí)過(guò)程大數(shù)據(jù)?；趯W(xué)習(xí)過(guò)程大數(shù)據(jù)的學(xué)習(xí)者畫(huà)像建模從學(xué)習(xí)方式和認(rèn)知特點(diǎn)兩個(gè)方面進(jìn)行。用Mt（Qs，Ts，Cs）表示學(xué)習(xí)者在解決問(wèn)題與完成任務(wù)時(shí)應(yīng)用的學(xué)習(xí)方式，學(xué)習(xí)方式包括知識(shí)獲?。ˋcq）、合作交流（Cop）、問(wèn)題探究（Exp）三個(gè)方面。學(xué)習(xí)方式的形式化表達(dá)為：（Acq，Cop，Exp）∪Mt（Qs，Ts，Cs）。提取學(xué)習(xí)者的4個(gè)課堂行為特征和4個(gè)在線學(xué)習(xí)特征：學(xué)習(xí)者參與討論次數(shù)、提問(wèn)次數(shù)、參與實(shí)驗(yàn)時(shí)長(zhǎng)、參與實(shí)驗(yàn)次數(shù)、下載資源次數(shù)、虛擬實(shí)驗(yàn)時(shí)長(zhǎng)、班級(jí)群交流次數(shù)和私信次數(shù)。利用L1范數(shù)正則化SVM聚類算法，從而對(duì)學(xué)習(xí)者的8個(gè)行為特征進(jìn)行篩選，產(chǎn)生稀疏權(quán)值矩陣，實(shí)現(xiàn)特征選擇[23]。學(xué)習(xí)者的認(rèn)知特點(diǎn)包括背景（Bg）和認(rèn)知方式（Sty），形式化表達(dá)為：（Bg，Sty）∪Kb（Mt）。以學(xué)習(xí)者的基本屬性建模為基礎(chǔ)，用ID唯一標(biāo)識(shí)學(xué)習(xí)者，Bg（ID，cx）表示ID學(xué)習(xí)概念cx的認(rèn)知背景，將其劃分成5個(gè)層級(jí){不及格，及格，中等，良，優(yōu)}，依次量化為離散值{1，2，3，4，5};Int（ID，cx）表示ID學(xué)習(xí)概念cx時(shí)表現(xiàn)出來(lái)的認(rèn)知方式。根據(jù)Riding和Cheema將諸多認(rèn)知方式（認(rèn)知風(fēng)格）類型歸納為兩種基本的維度：整體—分析維度和言語(yǔ)—表象維度[24]，本研究將其劃分成4個(gè)類型，{整體型、分析型、言語(yǔ)型、表象型}，檢測(cè)計(jì)算整體任務(wù)和分析任務(wù)的反應(yīng)時(shí)比值t1以及言語(yǔ)和表象兩個(gè)維度的反應(yīng)時(shí)比值t2，t1越高，表示學(xué)習(xí)者分析型傾向越高;t2越高，表示學(xué)習(xí)者表象型傾向越高。

3. 基于學(xué)習(xí)結(jié)果大數(shù)據(jù)的學(xué)習(xí)者畫(huà)像建模

基于學(xué)習(xí)結(jié)果大數(shù)據(jù)的學(xué)習(xí)者畫(huà)像建模分為四部分：學(xué)習(xí)者的基礎(chǔ)知識(shí)體系、問(wèn)題與任務(wù)體系、解決問(wèn)題與任務(wù)的過(guò)程中使用的方法體系和最終形成的能力體系。其中，每個(gè)部分都與基礎(chǔ)知識(shí)體系有聯(lián)系，所以，基礎(chǔ)知識(shí)的掌握程度直接影響到學(xué)習(xí)者整個(gè)學(xué)習(xí)過(guò)程結(jié)果的優(yōu)劣。利用規(guī)則匹配原則，在學(xué)習(xí)者輸入或選擇相關(guān)的信息組合后，系統(tǒng)會(huì)將這些信息與基礎(chǔ)知識(shí)體系中的各項(xiàng)前件進(jìn)行匹配，如果匹配成功則返回后件，否則調(diào)整學(xué)習(xí)者畫(huà)像的各個(gè)組件，并重新匹配直到得出結(jié)果。利用可信度的概念公式[25]，標(biāo)識(shí)Kb為學(xué)習(xí)者需要掌握的基礎(chǔ)知識(shí)體系，Pf為學(xué)習(xí)者輸入或選擇相關(guān)的信息組合，CF為一條知識(shí)的可信度，成為可信度因子（Certainty Factor），對(duì)于規(guī)則IF Pf THEN Kb（CF（Pf，Kb）），有如下可信度概念公式：

CF（Pf，Kb）的值即學(xué)習(xí)的程度水平L，介于[-1，1]之間，其解釋如下：

（1）CF（Pf，Kb）=1時(shí)，即P（Pf，Kb）=1，P（Pf）=0，則表示證據(jù)Kb為真時(shí)，結(jié)論P(yáng)f必為真。即學(xué)習(xí)者輸入或選擇相關(guān)的信息組合與基礎(chǔ)知識(shí)體系中的各項(xiàng)前件匹配成功，可以返回后件。

（2）CF（Pf，Kb）>0時(shí)，則表示證據(jù)Kb增加了結(jié)論P(yáng)f為真的可信度。同（1）。

（3）CF（Pf，Kb）=0時(shí)，即P（Pf，Kb） =P（Pf），則表示證據(jù)Kb對(duì)結(jié)論P(yáng)f沒(méi)有影響。即學(xué)習(xí)者輸入或選擇相關(guān)的信息組合與基礎(chǔ)知識(shí)體系中的各項(xiàng)前件匹配不成功，需要調(diào)整學(xué)習(xí)者畫(huà)像的各個(gè)組件并重新匹配。

（4）CF（Pf，Kb）<0時(shí)，則表示證據(jù)Kb增加了結(jié)論P(yáng)f為假的可信度。同（3）。

（5）CF（Pf，Kb）=-1時(shí)，即P（Pf，Kb）=0，P（Pf） =1，則表示證據(jù)Kb為真時(shí)，結(jié)論P(yáng)f必為假。同（3）。

最終形成的學(xué)習(xí)者基礎(chǔ)知識(shí)體系掌握程度的向量集合為{（Kb1（Mti），Ljki1），（Kb2（Mti），Ljki2），……，（Kbn（Mti），Ljkin）}，其中，M表示學(xué)習(xí)方法（在這一階段的推理中不涉及學(xué)習(xí)方法的變化）。

在問(wèn)題與任務(wù)體系、解決問(wèn)題與任務(wù)的過(guò)程中使用的方法體系和最終形成的能力體系中，利用上述方法，如果匹配成功，則返回后件，否則，調(diào)整學(xué)習(xí)者畫(huà)像的各個(gè)組件，重新匹配，直到得出結(jié)果。用L表示學(xué)習(xí)的程度和水平，A表示學(xué)習(xí)者需要在經(jīng)歷解決問(wèn)題、完成任務(wù)活動(dòng)時(shí)形成的相應(yīng)能力，最終形成的學(xué)習(xí)者能力與程度的向量集合：{（A1，L1），……，（ An，Ln）}。用Qs∪Ts∪Cs表示學(xué)習(xí)者需要解決的問(wèn)題與任務(wù)體系，最終形成的學(xué)習(xí)者問(wèn)題解決和任務(wù)完成程度的向量集合為：{（Qs1（Ai），Li1），……，（Qsn（Ai），Lin）}∪{（Ts1（Ai），Li1），……，（Tsn（Ai），Lin）}∪{（Cs1（Ai），Li1），……，（Csn（Ai），Lin）}。用Mt表示學(xué)習(xí)者在解決問(wèn)題與任務(wù)的過(guò)程中使用的方法體系，最終形成的解決問(wèn)題與任務(wù)的過(guò)程中應(yīng)用方法掌握程度的向量集合為：{（Mt1（Qsi，vi1，ri1），Lki1），……，（Mtn（Qsi，vin，rin），Lkin）}∪{（Mt1（Tsi，vi1，ri1），Lki1），……，（Mtn（Tsi，vin，rin），Lkin）}∪{（Mt1（Csi，vi1，ri1），Lki1），……，（Mtn（Csi，vin，rin），Lkin）}。基于學(xué)習(xí)結(jié)果大數(shù)據(jù)的學(xué)習(xí)者畫(huà)像建?；舅悸啡鐖D3所示。

圖 3? ?基于學(xué)習(xí)結(jié)果大數(shù)據(jù)的學(xué)習(xí)者畫(huà)像建?；舅悸?/p>

四、基于學(xué)習(xí)者畫(huà)像的學(xué)習(xí)路徑規(guī)劃

學(xué)習(xí)路徑是實(shí)現(xiàn)個(gè)性化學(xué)習(xí)的前提條件。能否規(guī)劃出符合學(xué)習(xí)者學(xué)習(xí)特征規(guī)律和實(shí)際學(xué)習(xí)需要的學(xué)習(xí)路徑，特別是能夠依據(jù)持續(xù)的學(xué)習(xí)數(shù)據(jù)創(chuàng)建出符合學(xué)習(xí)者個(gè)性規(guī)律的個(gè)性化路徑，是實(shí)現(xiàn)高品質(zhì)個(gè)性化學(xué)習(xí)的關(guān)鍵。學(xué)習(xí)者畫(huà)像體現(xiàn)了學(xué)習(xí)者的學(xué)習(xí)方式、認(rèn)知水平、問(wèn)題解決與任務(wù)完成程度、學(xué)習(xí)者解決問(wèn)題與任務(wù)過(guò)程中所使用方法體系掌握程度、學(xué)習(xí)者基礎(chǔ)知識(shí)體系掌握程度。在數(shù)字化學(xué)習(xí)環(huán)境下，以學(xué)習(xí)者為中心，基于學(xué)習(xí)者畫(huà)像規(guī)劃學(xué)習(xí)路徑，可為學(xué)習(xí)者提供更精準(zhǔn)的個(gè)性化學(xué)習(xí)服務(wù)。

（一）學(xué)習(xí)路徑形式化表達(dá)

學(xué)習(xí)路徑是學(xué)習(xí)者在學(xué)習(xí)過(guò)程中所經(jīng)歷的學(xué)習(xí)內(nèi)容和學(xué)習(xí)活動(dòng)的有序序列，學(xué)習(xí)者在經(jīng)歷該序列的過(guò)程中實(shí)現(xiàn)基本知識(shí)的學(xué)習(xí)、方法體系的掌握、問(wèn)題解決與任務(wù)的完成，從而提升相應(yīng)的能力。因此，學(xué)習(xí)路徑可以用一個(gè)包括了知識(shí)（Kb）、方法（Mt）和問(wèn)題任務(wù)（Qs∪Ts∪Cs ）三個(gè)維度的三維向量矩陣來(lái)表示。

學(xué)習(xí)路徑形式化表達(dá)：

[Qs1（Ai）∪Ts1（Ai）∪Cs1（Ai），Qs2（Ai）∪Ts2（Ai）∪Cs2（Ai），……，Qsn（Ai）∪Tsn（Ai）∪Csn（Ai）

Mt1（v1，r1），Mt2（v2，r2），……，Mtn（vn，rn）

Kb1（Mti），Kb2（Mti），……，Kb3（Mti）]

其中，1、2直到n表示從第1條、第2條開(kāi)始共有n條學(xué)習(xí)路徑，i作為標(biāo)識(shí)學(xué)習(xí)者的符號(hào)，v表示效度，r表示信度。

體現(xiàn)基礎(chǔ)知識(shí)、方法、問(wèn)題與任務(wù)三個(gè)維度的學(xué)習(xí)路徑形式化表達(dá)基本思路如圖4所示。圖中三條實(shí)線軸分別代表知識(shí)（Kb）、方法（Mt）和問(wèn)題任務(wù)（Qs∪Ts∪Cs ）三個(gè)維度，三條軸的交點(diǎn)代表符合相應(yīng)基礎(chǔ)知識(shí)體系掌握程度、方法體系掌握程度、問(wèn)題解決與任務(wù)完成程度的學(xué)習(xí)路徑。三條虛線軸的三個(gè)維度分別為：Kb1（Mti）……Kbn（Mtn）代表1至n不同的基礎(chǔ)知識(shí)體系掌握程度，Mt1（v1，r1）……Mtn（vn，rn）代表1至n不同的方法掌握程度，Qs1（Ai）∪Ts1（Ai）∪Cs1（Ai），Qs2（Ai）∪Ts2（Ai）∪Cs2（Ai），……，Qsn（Ai）∪Tsn（Ai）∪Csn（Ai）代表1至n不同的問(wèn)題解決與任務(wù)完成程度。三條軸的交點(diǎn)則表示符合第i個(gè)學(xué)生的基礎(chǔ)知識(shí)體系掌握程度、方法體系掌握程度、問(wèn)題解決與任務(wù)完成程度的1至n條個(gè)性化學(xué)習(xí)路徑。

圖 4? ?學(xué)習(xí)路徑形式化表達(dá)基本思路

（二）基于學(xué)習(xí)者畫(huà)像的學(xué)習(xí)路徑規(guī)劃框架

學(xué)習(xí)者經(jīng)歷的學(xué)習(xí)路徑可以分為主流學(xué)習(xí)路徑和個(gè)性化學(xué)習(xí)路徑。主流學(xué)習(xí)路徑是基于學(xué)生群體的學(xué)習(xí)結(jié)果大數(shù)據(jù)和知識(shí)圖譜，提煉出符合大多數(shù)學(xué)生學(xué)習(xí)需求，適用于大多數(shù)學(xué)生的簡(jiǎn)單的學(xué)習(xí)內(nèi)容與學(xué)習(xí)活動(dòng)序列，同樣包括知識(shí)（Kb）、方法（Mt）和問(wèn)題任務(wù)（Qs∪Ts∪Cs）三個(gè)維度。其中，知識(shí)圖譜是以達(dá)成學(xué)生學(xué)習(xí)目標(biāo)和培養(yǎng)高階思維能力為目的，將學(xué)科的知識(shí)結(jié)構(gòu)與基于知識(shí)形成的能力對(duì)應(yīng)的問(wèn)題或任務(wù)相關(guān)聯(lián)并將其圖示化呈現(xiàn)。主流學(xué)習(xí)路徑可以表示為：

Qs■∪Ts■∪Cs■? ? ? ? ?Mt■? ? ? ? ?Kb■

個(gè)性化學(xué)習(xí)路徑則是基于每個(gè)學(xué)習(xí)者的學(xué)習(xí)結(jié)果分析，設(shè)計(jì)滿足其學(xué)習(xí)需求的學(xué)習(xí)目標(biāo)，并提供符合其學(xué)習(xí)方式、認(rèn)知特點(diǎn)的學(xué)習(xí)內(nèi)容和學(xué)習(xí)活動(dòng)，由學(xué)習(xí)者自定步調(diào)和掌控的學(xué)習(xí)序列。個(gè)性化學(xué)習(xí)路徑可以表示為：

Qs■（A■）∪Ts■（A■）∪Cs■（A■）? ? ? ? ? ? Mt■（V■，R■）? ? ? ? ? ? ? Kb■（Mt■）

學(xué)習(xí)路徑規(guī)劃就是針對(duì)每個(gè)學(xué)習(xí)者的學(xué)習(xí)畫(huà)像，在主流學(xué)習(xí)路徑的基礎(chǔ)上，為該學(xué)習(xí)者匹配適合其個(gè)性發(fā)展的學(xué)習(xí)路徑?；趯W(xué)習(xí)者畫(huà)像的學(xué)習(xí)路徑規(guī)劃框架如圖5所示。該框架由學(xué)習(xí)目標(biāo)、學(xué)習(xí)內(nèi)容、學(xué)習(xí)活動(dòng)、學(xué)習(xí)評(píng)價(jià)四個(gè)要素作為基本構(gòu)成。其中，學(xué)習(xí)內(nèi)容與學(xué)習(xí)活動(dòng)是學(xué)習(xí)者實(shí)現(xiàn)知識(shí)學(xué)習(xí)與能力達(dá)成的具體方式。學(xué)習(xí)目標(biāo)是依據(jù)學(xué)習(xí)需求制定的且符合學(xué)習(xí)者的個(gè)體差異，是學(xué)習(xí)內(nèi)容與活動(dòng)安排的重要依據(jù)。學(xué)習(xí)評(píng)價(jià)包括過(guò)程性評(píng)價(jià)和總結(jié)性評(píng)價(jià)，檢驗(yàn)學(xué)習(xí)內(nèi)容與活動(dòng)的安排是否達(dá)成了學(xué)習(xí)目標(biāo)。此外，還包括學(xué)習(xí)者、知識(shí)圖譜、主流學(xué)習(xí)路徑、學(xué)習(xí)者大數(shù)據(jù)、學(xué)習(xí)者畫(huà)像、個(gè)性化學(xué)習(xí)路徑六大部分。學(xué)習(xí)者畫(huà)像處于整個(gè)框架的核心位置，體現(xiàn)“以學(xué)習(xí)者為中心”的思想，關(guān)注學(xué)習(xí)者的自身特點(diǎn)與個(gè)性差異。

圖5? ?基于學(xué)習(xí)者畫(huà)像的學(xué)習(xí)路徑規(guī)劃框架

學(xué)習(xí)者通過(guò)完成學(xué)習(xí)任務(wù)，經(jīng)歷理解—感悟—探究知識(shí)的過(guò)程，建立知識(shí)汲取與能力顯現(xiàn)的實(shí)質(zhì)性聯(lián)系，構(gòu)建基礎(chǔ)知識(shí)體系、問(wèn)題與任務(wù)體系、解決問(wèn)題與任務(wù)的過(guò)程中使用的方法體系和最終形成的能力體系，形成知識(shí)圖譜，并產(chǎn)生學(xué)習(xí)大數(shù)據(jù)。學(xué)習(xí)大數(shù)據(jù)包括學(xué)習(xí)過(guò)程大數(shù)據(jù)和學(xué)習(xí)結(jié)果大數(shù)據(jù)。學(xué)習(xí)大數(shù)據(jù)和學(xué)習(xí)者基本情況大數(shù)據(jù)構(gòu)成學(xué)習(xí)者大數(shù)據(jù)。依據(jù)學(xué)習(xí)者大數(shù)據(jù)可建立體現(xiàn)學(xué)習(xí)者基本屬性、學(xué)習(xí)方式、認(rèn)知特點(diǎn)、學(xué)習(xí)結(jié)果的學(xué)習(xí)者畫(huà)像。其中，基本屬性來(lái)源于學(xué)習(xí)者基本情況大數(shù)據(jù);學(xué)習(xí)方式和認(rèn)知特點(diǎn)來(lái)源于學(xué)習(xí)過(guò)程大數(shù)據(jù);學(xué)習(xí)結(jié)果的四種程度（基礎(chǔ)知識(shí)的掌握程度、學(xué)習(xí)方法的掌握程度、問(wèn)題解決與任務(wù)完成程度、能力形成程度）來(lái)源于學(xué)習(xí)結(jié)果大數(shù)據(jù)。

針對(duì)學(xué)習(xí)者畫(huà)像，在充分考慮學(xué)習(xí)者基本屬性、學(xué)習(xí)方式、認(rèn)知背景、認(rèn)知方式、學(xué)習(xí)結(jié)果的基礎(chǔ)上，為學(xué)習(xí)者匹配適合的學(xué)習(xí)路徑，將學(xué)習(xí)內(nèi)容或?qū)W習(xí)活動(dòng)適應(yīng)性呈現(xiàn)。同時(shí)，依據(jù)學(xué)習(xí)者的基本信息、知識(shí)水平為其推送最佳的學(xué)習(xí)伙伴;依據(jù)學(xué)習(xí)者的學(xué)習(xí)方式偏好實(shí)現(xiàn)學(xué)習(xí)方式的智能推薦;依據(jù)學(xué)習(xí)者的興趣愛(ài)好、學(xué)習(xí)風(fēng)格、學(xué)習(xí)結(jié)果達(dá)成程度推送個(gè)性化學(xué)習(xí)資源，從而使學(xué)習(xí)者在經(jīng)歷學(xué)習(xí)活動(dòng)的過(guò)程中更好地沉浸其中，提高學(xué)習(xí)的參與度與投入度，實(shí)現(xiàn)個(gè)性化學(xué)習(xí)。學(xué)習(xí)者大數(shù)據(jù)的實(shí)時(shí)收集，可以實(shí)現(xiàn)對(duì)學(xué)習(xí)者的實(shí)時(shí)反饋與評(píng)價(jià)以及學(xué)習(xí)者畫(huà)像的實(shí)時(shí)更新，從而實(shí)現(xiàn)對(duì)學(xué)習(xí)路徑的動(dòng)態(tài)監(jiān)測(cè)與調(diào)控。

五、總結(jié)與展望

教育是知識(shí)學(xué)習(xí)的重要路徑，也是人類社會(huì)延續(xù)與發(fā)展的永恒主題，教育要根據(jù)學(xué)習(xí)者的興趣、學(xué)習(xí)習(xí)慣、學(xué)習(xí)風(fēng)格等來(lái)開(kāi)展教學(xué)，讓每個(gè)人都能充分發(fā)揮出其個(gè)性化特點(diǎn)，教育要為每一名學(xué)習(xí)者提供個(gè)性化學(xué)習(xí)、終身學(xué)習(xí)的信息化環(huán)境和服務(wù)。本研究基于學(xué)習(xí)者的基本屬性、學(xué)習(xí)過(guò)程和學(xué)習(xí)結(jié)果大數(shù)據(jù)對(duì)學(xué)習(xí)者畫(huà)像進(jìn)行建模，在此基礎(chǔ)上規(guī)劃個(gè)性化學(xué)習(xí)路徑，但是研究不足在于，學(xué)習(xí)者畫(huà)像建模忽視了學(xué)習(xí)者在學(xué)習(xí)過(guò)程中突發(fā)的情感體驗(yàn)，例如：教學(xué)資源呈現(xiàn)復(fù)雜或?qū)W習(xí)信息難以理解時(shí)，部分學(xué)習(xí)者產(chǎn)生的挫折和不滿意感，因此，在學(xué)習(xí)過(guò)程中進(jìn)行情感預(yù)測(cè)并實(shí)施有效的干預(yù)和疏導(dǎo)， 將是下一步研究的內(nèi)容。

[參考文獻(xiàn)]

[1] 中共中央國(guó)務(wù)院印發(fā)《中國(guó)教育現(xiàn)代化2035》[N].人民日?qǐng)?bào)，2019-02-24（01）.

[2] 鐘紹春.構(gòu)建信息時(shí)代教育新模式[J].電化教育研究，2019，40（4）：23-29.

[3] GARCíA P，AMANDI A，SCHIAFFINO S，CAMPO M.Evaluating bayesian networks' precision for detecting students' learning styles [J].Computers in education，2007，49（3）：794-808.

[4] KOCK M，PARAMYTHIS A.Towards adaptive learning support on the basis of behavioural patterns in learning activity sequences[C]//International Conference on Intelligent Networking & Collaborative Systems.Thessaloniki：IEEE，2011.

[5] GALBRAITH C S，MERRILL G B，KLINE D M.Are student evaluations of teaching effectiveness valid for measuring student learning outcomes in business related classes？A neural network and bayesian analyses [J].Research in higher education，2012，53（3）：353-374.

[6] YU T，JO I H.Educational technology approach toward learning analytics：relationship between student online behavior and learning performance in higher education[C]//Proceedings of the Fourth International Conference on Learning Analytics and Knowledge .New York：ACM，2014.

[7] SCHROEDER N L，YANG F，BANERJEE T V，et al.The influence of learners' perceptions of virtual humans on learning transfer [J].Computers & education，2018，126（11）：170-182.

[8] PIECH C，BASSEN J，HUANG J，et al.Deep knowledge tracing[J].Computer science，2015，3（3）：19-23.

[9] BALDAN F J，BENITEZ J M.Distributed fastshapelet transform：a big data time series classification algorithm[J].Information sciences，2018，496（27）：451-463.

[10] LIU L，PENG? Y X，WANG S，et al.Complex activity recognition using time series pattern dictionary learned from ubiquitous sensors [J].Information sciences，2016，340-341（13）：41-57.

[11] GHOSH S，DUTTA A.An efficient non-recursive algorithm for transforming time series to visibility graph[J].Physica a：statistical mechanics and its applications，2019，514（2）：189-202.

[12] LACASA L，LUQUE B，BALLESTEROS F.From time series to complex networks：the visibility graph[J].Proceedings of the National Academy of Sciences of the United States of America，2008，105（13）：4972-4975.

[13] CZECHOWSKI Z，LOVALLO M，TELESCA L.Multifractal analysis of visibility graph-based Ito-related connectivity time series [J].Chaos：an interdisciplinary journal of nonlinear science，2016，26（2）：1-6.

[14] DURAND G，BELACEL N，F(xiàn)RANOIS L.Graph theory based model for learning path recommendation[J].Information sciences，2013，251（12）：10-21.

[15] KURILOVAS E，ZILINSKIENE I，DAGIENE V.Recommending suitable learning paths according to learners' preferences：experimental research results[J].Computers in human behavior，2015，51（10）：945-951.

[16] CHEN C M，PENG C J，SHIUE J Y.Ontology-based concept map for planning personalized learning path[C]//IEEE Conference on Cybernetics & Intelligent Systems.New York：IEEE，2008.

[17] 牟智佳.學(xué)習(xí)者數(shù)據(jù)肖像支撐下的個(gè)性化學(xué)習(xí)路徑破解——學(xué)習(xí)計(jì)算的價(jià)值賦予[J].遠(yuǎn)程教育雜志，2016，34（6）：11-19.

[18] 趙蔚，李士平.基于學(xué)習(xí)分析的自我調(diào)節(jié)學(xué)習(xí)路徑挖掘與反饋研究[J].中國(guó)電化教育，2018（10）：15-21.

[19] 黃志芳，趙呈領(lǐng)，黃祥玉，萬(wàn)力勇，陳智慧.基于情境感知的適應(yīng)性學(xué)習(xí)路徑推薦研究[J].電化教育研究，2015，36（5）：77-84.

[20] 郎波，樊一娜.基于深度神經(jīng)網(wǎng)絡(luò)的個(gè)性化學(xué)習(xí)行為評(píng)價(jià)方法[J].計(jì)算機(jī)技術(shù)與發(fā)展，2019（7）：1-8.

[21] RYU J，BAYLOR A L.The psychometric structure of pedagogical agent persona [J].Technology instruction cognition and learning，2005，2（1）：291-314.

[22] 余孟杰.產(chǎn)品研發(fā)中用戶畫(huà)像的數(shù)據(jù)模建——從具象到抽象[J].設(shè)計(jì)藝術(shù)研究，2014，4（6）：60-64.

[23] 董哲瑾，王健，錢凌飛，林鴻飛.一種用戶成長(zhǎng)性畫(huà)像的建模方法[J].山東大學(xué)學(xué)報(bào)（理學(xué)版），2019，54（3）：38-45.

[24] 王岳思.認(rèn)知風(fēng)格測(cè)驗(yàn)的信效度研究[D].杭州：浙江大學(xué)，2018.

[25] 竇智勇，王霓虹，邢芳卉.基于改進(jìn)主觀Bayes方法的不確定推理模型設(shè)計(jì)[J].黑龍江大學(xué)自然科學(xué)學(xué)報(bào)，2011，28（1）：127-131.