個性化學習技術在會計學教學中的應用

劉廣民，侯 睿，白 云

(哈爾濱學院，黑龍江 哈爾濱 150080)

隨著多媒體技術的發(fā)展，信息化技術作為教學輔助方式從單純以視聽為主的網(wǎng)絡教學教育信息化1.0階段，逐漸過渡到以自適應學習為代表的智慧學習教育信息化2.0階段。在會計學教學過程中，應用大數(shù)據(jù)機器學習技術的個性化教學能改善學生的學習體驗，提升學習效率和教學效果。與傳統(tǒng)會計學教學相比，采用自適應學習技術的會計學教學通過使用學生學習過程中與系統(tǒng)的交互數(shù)據(jù)建立數(shù)學模型，刻畫學生的能力畫像，實現(xiàn)了可以根據(jù)學生的知識掌握水平定制適合的學習內(nèi)容，并結合個性化推薦算法給學生推送最佳學習內(nèi)容。因此，充分挖掘交互數(shù)據(jù)中的學生個性化信息，可以激發(fā)學生的學習熱情，提升學習目標內(nèi)容的針對性和練習的高效性。

一、會計學中信息技術應用現(xiàn)狀

傳統(tǒng)的以教師為中心，學生只能被動的、單向的接受教學安排的教學模式，忽略了學生個體特征差異，缺乏對學生知識掌握水平的有效監(jiān)測。對于學生個體而言，每個人的基礎水平、理解能力等都不相同，但由于缺乏適合自己的高效學習路徑，學生們往往把更多的精力使用在忙亂做題、練習目標錯位的低效學習中。同時，在學校教學任務的客觀要求下，即使是學習能力比較強的學生，也不得不依從固定的教學內(nèi)容，對已經(jīng)掌握的知識進行枯燥的重復練習，嚴重束縛了學生的個人發(fā)展。而對于基礎薄弱的學生，由于缺乏針對性輔導，對同一知識點可能需要花費更多時間成本，走更多彎路。并且，教師的教學負擔很重，很難顧及到每一個學生個體。因此，傳統(tǒng)教育方式難以有效了解學生個體情況，也無法規(guī)?；瘜崿F(xiàn)對個體進行針對性的干涉指導。

雖然多媒體技術已廣泛應用于教學中，豐富了教學內(nèi)容，使晦澀的知識通俗易懂，極大地改善了教學體驗，但整個教學過程依然缺乏與學生的有效互動，不能充分反饋學生對知識點掌握的具體情況，沒能避開傳統(tǒng)教育的缺點。那么，如何克服上述問題，即是本文的價值所在。

二、采用自適應學習的教育信息化技術在會計學教學中的實施

優(yōu)先深入分析和挖掘?qū)W生學習的過程數(shù)據(jù)，可以為每一位學生刻畫獨特的、能反映其知識水平的能力畫像，將其反饋到教學內(nèi)容設計中，設計出針對個體學生特點的學習支持系統(tǒng)，幫助其進行有針對性的強化訓練?；诖耍P者從2006年起開始利用“數(shù)據(jù)畫像”實現(xiàn)個性化學習的初級版本，讓學生主動選擇干預推薦信息，不僅提升了推薦的精準性，也顧及到學生使用時的個人感受，以及利用教育信息技術的知情同意權。經(jīng)過十余年的不斷迭代和嘗試，開發(fā)出會計學專業(yè)自適應學習智慧系統(tǒng)。整體流程框架如下：

圖1 自適應學習智慧系統(tǒng)流程框架

1.學習資源數(shù)字化、建立專業(yè)知識圖譜

通過構建知識圖譜的方式把學習對象和內(nèi)容進行結構化處理，錄入數(shù)據(jù)庫。具體而言，把教學內(nèi)容中的知識點進行精細分類，構建專業(yè)知識點之間的知識圖譜(知識點為節(jié)點的有向圖)，根據(jù)知識點之間的相互聯(lián)系建立知識點的層級。在這里，知識點之間要刻畫兩種關系，一是不同層級知識點之間的關系，二是同層級知識點之間關系。知識點應盡量細分，使知識點之間不存在包含關系。教師通過專業(yè)判斷，將知識點間的關系強弱作為邊的權重。然后基于知識點設計練習題目，每個題目僅包含一個知識點，每個知識點可以設計盡量多的題目。

構建知識圖譜的好處是，由于知識圖譜是構建學生用戶知識水平畫像的基礎，同時知識點之間關系能反映出哪些是關鍵知識點(有向圖的hub節(jié)點)，這些hub節(jié)點是學生在學習過程中需要經(jīng)歷的重要環(huán)節(jié)。在設計練習題目時可以根據(jù)知識點之間關系的維度，對知識點進行有效覆蓋，可以幫助學生找到欠缺的知識點，教師也更容易把握學生的真實學習狀況。比如：根據(jù)知識圖譜進行題目設計時，題目A和題目B有先后的層級關系，如果A錯誤但B答對，可能存在學生對于題目B有猜對的可能性。

2.學生學習過程數(shù)據(jù)采集和特征工程

學生和系統(tǒng)的主要交互方式，是通過在網(wǎng)頁上進行課程習題練習，學生通過瀏覽器訪問服務器的習題網(wǎng)頁，登錄個人信息后進行個體標記，以方便追蹤每一個體的行為。為了更好地研究學生的學習軌跡和學習習慣，通過前后端埋點技術記錄其學習的全流程數(shù)據(jù)，這些埋點數(shù)據(jù)實時或者分時間段上報給系統(tǒng)。以學生練習題目為例，主要采集學生的答題狀況數(shù)據(jù)，如做過哪些題目，題目的正誤情況，其他需要采集數(shù)據(jù)包括學生答題時長、學生個人收藏和錯題本等。特征工程可以大致分為以答題狀況為主的特征數(shù)據(jù)以及學生自身行為相關的特征數(shù)據(jù)，區(qū)別在于前者為學生客觀被動行為，后者為學生主動行為。

圖2 個性化學習原理圖

3 學生數(shù)據(jù)分析與挖掘

將學生做題情況在知識圖譜中的位置作為刻畫學生畫像的關鍵因素，學生畫像結果可以客觀反映學生對專業(yè)知識點的掌握情況。學生畫像特征一部分可以進一步與統(tǒng)計模型結果融合成為個性化推送的前置信息，另一個部分可以反饋在教學上。教師根據(jù)具體學科場景中的學生畫像數(shù)據(jù)對學生進行分類，實現(xiàn)對學生學習情況的有效把控，同時，依據(jù)每一類學生的特點，給出科學的指導策略。學生的收藏和錯題本側重描述學生主觀行為特征，通過以樸素貝葉斯算法作為最基本的統(tǒng)計模型，給出學生適合的對每一類題目的概率分值。通過GDBT模型對前兩個的結果進行融合，以學生的評價數(shù)據(jù)作為訓練目標，讓模型結果趨于與評價差異最小。學生選擇開始練習，經(jīng)過推薦系統(tǒng)實時推送后，又把經(jīng)過算法排序和篩選的題目反饋給正在做題的學生，這樣就形成了反饋閉環(huán)，實時更新的題目始終作為學生最優(yōu)的學習路徑。另外，對于第一次登錄練習的學生，系統(tǒng)會給出一套通用測試模板作為冷啟動的方法。學生可以主動對每道題目做出評價，評價選項標簽為題目包含“簡單”“適合”“偏難”，通過學生反饋以實現(xiàn)系統(tǒng)的迭代和升級。

在使用過程中，學生的行為歷史數(shù)據(jù)不斷豐富系統(tǒng)中以學生為維度的特征，考慮到學生的實際使用體驗，系統(tǒng)設置了重置按鈕，可以重新初始化學生特征數(shù)據(jù)。此外，系統(tǒng)還開發(fā)了排行榜功能，可以幫助學生清晰地看到自己的成績，通過排行榜不斷激勵自己，提升滿足感和自信心。

三、結語

系統(tǒng)采用機器學習算法來挖掘?qū)W生學習過程的數(shù)據(jù)價值，從數(shù)據(jù)中了解學生的學習特點，推薦技術的應用解決了學習內(nèi)容分發(fā)效率問題，以數(shù)據(jù)帶來的價值給教學賦能，以算法模型代替教師指點學生，從而實現(xiàn)規(guī)?；虿氖┙獭Ｔ撓到y(tǒng)版本經(jīng)過多次迭代，已經(jīng)應用于多個班級中，經(jīng)驗證能有效提高考試通過率，是會計學領域自適應學習方案的一次早期嘗試。