網絡學習管理系統中智能學習導航研究

摘要:網絡學習導航的目的是避免學習者在學習過程中“迷航”和提高學習效率，并能在一定程度上實現個性化學習，其關鍵是學習系統能夠提供智能化的學習導航，指導學習者完成學習任務。論文探討了網絡學習管理系統中學習導航的設計原則，研究了在本體概念網模型的知識組織結構基礎上的智能學習導航機制及其實現算法，并著重強調個性化學習，為基于B/S三層結構的學習管理系統實現個性化學習提供了基礎。

關鍵詞:學習導航;個性化;網絡學習;迷航

中圖分類號:TP311文獻標識碼:A 文章編號:1009-3044(2009)27-7815-03

Research on Intelligence Learning Navigation in Network Learning Management System

WEN Hai-ying1， WEN Yi-sai2

(1.Computer and Information Scientific Department， Hunan University of Science and Engineering， Yongzhou 425000， China; 2.No. Three Middle School of Dong’an in Hunan Province， Dong'an 429000， China)

Abstract: The purpose of network learning navigation is to avoid learners’ disorientation in the process of learning and improve their learning efficiency， and to achieve personalized leaning to some extent. The key is learning system can offer intelligentialized learning navigation and guide learners to finish their tasks. The article explores the design principles of learning navigation in network learning management system. It studies intelligence learning navigation mechanism based on the knowledge organizations structure of ontology conceptual network and learning algorithm and its implementation. It also emphasizes personalized learning and offers foundation for achieving personalized learning in leaning management system on the basis of B/S three-tire structure.

Key words: learning navigation; personalized; network learning; disorientation

學習導航是一種幫助學習者順利通達學習材料各種節點的技術[1]，導航的目的是為了提高信息通達的便捷性，并對學習者的學習過程進行有效的引導，避免學習過程中出現迷航和認知超載，從而提高學習者的學習效率。網絡學習管理系統中的導航功能是影響系統質量一個很重要的因素。傳統的網絡課程在顯示知識點的內容時對每個用戶都是一樣的，它的缺點是只從一般的角度規定了每一個知識點應該掌握的內容和程度，并沒有考慮到網絡用戶的差異性這一現實情況，所以研究網絡學習管理系統中的智能導航是很有意義的。

1 系統中學習導航設計原則

智能導航就是要利用計算機根據算法判斷出學習者的需求，為學習者提供相應的知識導航，使學習者能夠找到想學的內容。網絡學習管理系統應充分考慮網絡用戶的個性差異，以實現個性化學習。因此，其學習導航設計主要是基于以下原則:

1) 智能化原則。建構主義者認為教學應是在教師的引導下以學習者為中心的學習。因此，系統應可以根據學習者的學習狀態為每個學習者設計個性化的課程知識結構框架以反映學習內容的知識結構、來龍去脈、關聯關系等，這樣就可以為該學習者的學習確定總體方向，有效防止學習者在錯綜復雜的知識體系中迷失方向[2] 。

2) 個性化原則。應根據學習者選擇的學習內容及其己有的認知結構和學習目標為學習者建立適應其個性化特征的知識網絡結構，允許學習者根據需要非線性地訪問信息[3]，為學習者提供多維空間的知識導航以滿足其在超空間的網絡學習環境中進行學習的需要。

3) 人性化原則。在網絡教學中，學習者是學習的主體，要以學習者為中心，體現更多的人性化服務。如用符合人們心理特征的色彩、提示語句標識知識的學習等級及學習者己經達到的學習等級等信息，以更加人性化的服務來幫助學習者認清自己的學習現狀，知道下一階段的學習路徑和適合自己的學習路徑。

2 學習管理系統中的導航機制

課程學習是與知識檢索不同的學習活動，主要表現在學習的系統性上，是有組織的連續性的活動。因此，網絡學習管理系統中學習導航的根本目的就是幫助用戶有目的、針對性、系統的學習課程知識。網絡學習中的用戶大都采用自學模式，用戶的自主性很大，而且各知識點之間的關聯較多，容易造成迷航。為了保證學習質量，需要制定較好的學習導航手段。

2.1 功能導航與超文本鏈接導航

功能導航與系統菜單類似，引導學習用戶在權限范圍內實現功能頁面間的跳轉。超文本鏈接導航是防止用戶在超文本形式的知識點網頁間“自由跳轉”而造成迷航，為了能使用戶能及時掌握自己的學習位置，在學習頁面的開端，針對某一門課程或某一章、節給出當前學習位置與知識點所在的知識結構圖。在該知識結構圖中應包括:1) 所涉及的關鍵知識點(或概念)以及它們之間的聯系，并列出在學習前應掌握哪些預備知識，以及將會學習的擴展知識，使學習者能夠在頭腦中對其形成初步的、總體的印象。2) 明確概念間的因果關系和層級結構，區分出重點和難點，標出各知識點(或概念)學習的先后順序。這兩種導航比較簡單，容易實現。

2.2 知識結構樹導航

知識結構樹顯示領域知識結構，并能反映用戶當前的學習進度與學習狀態。知識結構樹可以隨著用戶的學習進程動態更新的。

2.2.1 知識結構樹的生成

知識結構樹的生成依托于本體概念網模型[4] 的知識組織結構，在該知識結構樹中要理清各個結點之間的父子關系。在使用時并不需要向學習者展示完整的知識結構樹，一般只顯示幾層。因此，并不需要一次性創造完整的知識結構樹，而只創建最初的幾層，當學習者點擊某一枝結點展開知識結構樹時，再創建并展開該結點下的子樹。構建知識樹的算法為:

輸入:pPNode 指向父結點的指針;rsConcept存儲本體的記錄集

輸出:以*pPNode 為父結點的一層子知識點樹

1) 在本體的記錄集rsConcept中選出父結點pPNode的子記錄集rsChild;

2) 對子記錄集rsChild中的記錄按兄弟結點序號排序;

3) 對有序記錄集rsChild中的每一條記錄rs[i]，申請結點存儲空間，并用指針pChild 指向該結點，將rs[i]中存放的信息填入pChild 指向的本體結點，并將pChild加入pPNode指向的父結點的子知識點集中。

在某個節點展開知識樹再一次執行上述算法即可。

2.2.2 知識點學習狀態提示與更新

在學習者在進入系統的課程學習以后，隨著時間的推移，對知識點的掌握情況會根據學習進度的變化而發生變化，所以一個好的網絡學習管理系統應該有好的方式直觀反映學習者在每一個時刻對知識的掌握情況，例如可以在知識結構樹的知識點前用不同顏色的指示燈來表示學習者對知識的掌握情況，如紅色指示燈表示不推薦學習、綠色指示燈表示推薦學習等。

學習者隨著學習的推進，學習記錄的值也在不斷地得以更新，這些結果也會自動引起知識點學習狀態的更新。當新用戶注冊時，由于還沒有進入學習階段，每個新用戶的知識點學習狀態都是一致的;當用戶通過知識點測試時，該知識點的學習狀態則變為“已掌握”，對應顏色指示燈變為黃色;當學習者自己將知識點的學習狀態改變為“已掌握”，系統會將知識點的學習狀態改變為“推測已掌握”，其顏色指示燈變為“藍色”等。學習狀態更新這一過程包括了兩個部分:學習者操作更新用戶學習記錄和從學習記錄中讀取數據以顯示學習狀態。以下是當學習者提交知識點測試網頁后的更新算法關鍵步驟:

1) 系統自動計分;2) 對用戶學習表中對應的知識點得分賦值;3) 如得分沒通過規定域值，則返回;4) 將對應知識點學習狀態賦值為“已掌握” ;5) 由學習狀態提示表得到對應的學習狀態，將結果更新用戶學習表;6) 結束。

用戶其它操作引起的學習記錄更新與以上類似，以下是知識點學習網頁的每一次重載時的算法關鍵步驟:

1) 讀取用戶學習表以得到當前學習者所有知識點的學習狀態;2) 由學習狀態提示表得到對應的提示圖形;3) 更新知識結構樹控件中每個節點的圖形屬性;4) 結束。

2.3 推薦學習導航

推薦學習導航是指系統根據用戶的實際情況選擇用戶感興趣的學習內容推薦給學習用戶。當用戶注冊登陸進入網絡學習系統，系統首先推薦當前用戶應學習的知識點給用戶，當用戶學習完一個知識點的內容時，系統推薦用戶下一個需要學習的知識點給用戶。

系統推薦的內容包括:知識點推薦與相關資源推薦。知識點推薦是指根據用戶當前已學習和掌握的知識點情況，在本體概念網中推薦下一個應該學習的最優知識點。例如，當用戶在沒有學習一些“前提”知識時就直接點擊某知識點開始學習時，系統會給出提示，并推薦那些“前提”知識點作為補充學習材料;當學習并掌握某個知識點時，它的“后續”知識點是被優先推薦的;如果沒有上述關聯的知識點，推薦知識樹上的“下一個”知識點。相關資源推薦是指選擇合適層次的資源組織成當前知識點的學習頁面。這種選擇用戶感興趣的學習內容也是網絡學習系統個性化和智能化的一個重要需求。

2.3.1 推薦當前學習的知識點

用戶注冊登陸進入網絡學習系統，系統會根據新用戶注冊的信息或根據老用戶的偏好及其對當前知識的掌握情況作出判斷，選擇學習素材，制定學習素材的編列順序，用戶也可以根據自身學習的需要，選擇適合自己的素材呈現。

2.3.2 推薦下一個學習知識點

有關個性化的推薦意義、推薦“下一個”學習知識的原理和算法，國內外學者都作了相應的研究 [5-6]。盡管算法考慮了用戶的學習記錄和學習興趣，但所依據的聯系是基于概念之間最基本的前驅后續關系，所以計算出來的推薦“下一個”學習知識點有欠客觀。本文的學習推薦算法中充分考慮了知識結點之間的各種關系以及用戶當前的學習記錄，系統根據用戶的學習記錄、當前的選擇和知識之間的各種關聯關系，按一定的規則計算出用戶該學習的“下一個”知識點，因此該推薦具有一定的智能性。具體的算法步驟如下:

1) 打開用戶學習記錄表并定位到當前用戶記錄，讀取記錄數據;

2) 根據用戶當前學習知識結點編號，在本體概念網表中讀取與之相關知識結點編號;

3) 根據知識結點編號得到相應的學習狀態，查看是否有學習狀態為“推薦學習”的知識結點，若有執行4)，若沒有執行6);

4) 對學習狀態為“推薦學習”的相關知識按層級的升序排列;

5) 將升序排列的第一個知識結點作為下一個推薦學習的知識結點，再選擇相關的資源更新教學網頁中的學習內容，執行8);

6) 在本體概念網中找出第一個對學習狀態為“推薦學習”的知識結點;

7) 將該知識結點作為下一個推薦學習的知識結點，并選擇相關的資源更新教學網頁中的學習內容，執行8);

8) 結束。

以上算法充分考慮了用戶已經掌握的知識背景以及當前的選擇，推薦的知識屬于用戶未掌握而又最容易掌握的部分。而且，推薦的內容根據用戶的學習記錄的變化可以動態更新。

2.4 通過動態生成個性化學習路徑和隱含鏈接導航

個性化學習路徑的生成主要依托于解釋結構模型法[7](Interpretive Structural Modeling Method，簡稱ISM分析法)的基本思想，在領域知識本體概念網的基礎上，將用戶認知結構考慮進去，通過學習背景矩陣與可達矩陣的運算，利用ISM分析法生成生成符合用戶的個性化學習路徑。其算法步驟為:

1) 根據本體概念網絡的數據描述中網絡關聯屬性值和事件屬性值，形成知識點間直接關系的鄰接矩陣A;

2) 為了獲取各個知識點之間所有的關聯關系、還須根據n階鄰接矩陣A與n階單位矩陣E按照P=(A+E)k-1進行布爾運算， 求出可達矩陣。當(A+E)n-1≠(A+E)n =(A+E)n+1成立時，即可求得可達矩陣P;

3) 獲得用戶對所學知識點的認知水平，定義用戶的學習背景矩陣B=(bij)n×n，當i=j且知識點ci未達到學習目標要求時bij=1，否則bij=0;

4) 對學習背景矩陣B與可達矩陣P按照S=BP進行矩陣的乘法運算得到適合用戶個人認知水平的個性化知識點結構關系矩陣S;

5) 對個性化知識點結構關系矩陣S進行計算，確定知識點的層級。定義ci的前提知識點集A(ci)={可達矩陣P中第(ci)列的元素為1的行所對應的元素｝和ci的后續知識點集B(ci)={可達矩陣P中第(ci)行的元素為1的列所對應的元素｝，如果對于知識點ci 、cj有:A(ci) ∩B(ci) =A(cj) ∩B(cj)，表示ci 、cj是處于平行關系的知識點，并且兩者之間是強連接關系，強連接知識點可以作為一個知識點來處理。如果對于知識點ci有:A(ci) ∩B(ci) = B(ci)，則知識點ci就是最高層級的知識點。在確定了整個系統的最高層級之后，便把它所在行與列從矩陣S中取走。對剩下的知識點，以同樣的方法求出下一個最高層級的知識點集，在整個系統中處于第二層級。依次類推，逐次決定知識點間的不同層級，生成一個有針對性的個性化學習路徑。

3 個性化學習路徑的生成實例與分析

以某用戶學習“VFP數據庫程序設計”中的“循環結構”為例說明個性化學習路徑是如何動態生成的，循環結構與知識點k1--順序結構、k2--分支結構、k3--循環結構、k4--do while語句、k5-- for語句的關聯關系的本體概念網(只含部分關聯)如圖1所示。

根據本體概念網，求得此五個知識點的鄰接矩陣A:

鄰接矩陣只表達任意兩個知識點之間直接的關聯關系。在鄰接矩陣中，1表示知識點之間存在直接的關聯關系，0表示知識點之間不存在直接的關聯關系。根據鄰接矩陣A可求它的可達矩陣P:

若某用戶對上述五個知識點中的知識點k2己經達到學習目標要求，則可求得他的學習背景矩陣B和他的個性化知識點結構關系矩陣S:

從矩陣S中可見，達到學習目標要求的知識點k2所在行的值全部變為0，表明該用戶可以跳過該知識點的學習。對該用戶認知水平所產生的個性化知識點結構關系矩陣S進行計算，確定知識結點的層級。如圖2所示。

此方法在生成用戶個性化學習路徑的同時，也確定了知識點學習序列，使學習者按照最有效的學習路徑來學習，減少了學習者無目的瀏覽的可能性，實現了在系統引導下以學習者為主體的學習，并且下一知識點的學習只與當前學習者的知識結構有關，使整個學習過程具備了一定的自適應性和智能性。

4 結束語

以上各種導航措施在一定程度上解決了學習者學習“迷航”的問題，為提高網絡學習的質量提供了有力的保證。當然，各種導航措施都是通過學習者這一主體發揮作用的，只有學習者意識到各種導航措施的存在，并按各種提示和建議去操作，才能達到網絡學習系統開發者和教學組織者預期的目的。同時，隨著學習理論、網絡交互技術和智能技術的研究和發展，對網絡學習系統的智能化也會有更深入的研究和發展，從而更好地促進真正意義上網

絡個性化學習的實現。

參考文獻:

[1] 張金順，盧輝炬.網絡環境下的學習導航策略[J].經濟與社會發展，2006，4(5):207-209.

[2] 苗英愷，陳佳.“知識認知導航圖”在教育中的應用初探[J].教育信息化，2006(21):76-79.

[3] Tergan.Sigmar-Olaf Multiple views，contests，and symbol systems in learning with hypertext/hypermedia:a critical review of research[J].Educational Technology，1997(7-8):5-18.

[4] 文海英，羅三定，沙莎.網絡教學系統中基于概念網的課程知識表示與關聯[J].湖南科技學院學報，2008(4):124-126.

[5] 趙亮，胡乃靜，張守志.個性化推薦算法設計[J].計算機研究與發展，2002，39(8):986-991.

[6] Schwab I，Pohl W，Koychev I.Learning to recommend from positive evidence[C]//Proceedings of Intelligent User Interfaces 2000.ACM Press，2000.

[7] 朱琳，呂本富.解釋結構模型的簡便方法[J].系統工程與電子技術，2004(12):1815-1819.