基于因子分析的自適應學習平臺算法研究

陸 峰

(長江大學計算機科學學院，湖北 荊州 434023)

基于因子分析的自適應學習平臺算法研究

陸 峰

(長江大學計算機科學學院，湖北 荊州 434023)

為解決網絡學習平臺的自適應問題，采用因子分析方法，對決定學習內容難度和學習者能力的各影響因子進行分析，并對各影響因子進行定量分析計算，得到兼顧學習內容難度和學習者能力的智能自適應效果。實踐應用證明，該算法可以提供較好的內容適配過程，是一種可行的算法。

因子分析；自適應學習平臺；難度水平；學習者能力

隨著網絡技術的不斷發展，遠程教育、終身學習、終身教育等理念也隨之深入人心，使得越來越多有著不同文化背景、文化層次、水平能力的人使用互聯網獲取所需知識和信息。“以不變應百變”的互聯網內容體系面臨著巨大的挑戰，如何給具有不同文化層次、水平能力的人提供與之適應的內容資源已成為當前學術研究的熱點。自適應學習平臺的構建即是在線學習(E-learning)領域為解決該問題做出的探索。下面，筆者采用因子分析法[1]對自適應學習平臺進行可行性算法分析，對系統中的絕對影響因子——內容素材和學習者能力進行細化分析，并對各自細化影響因素進行量化捕捉。

1 系統結構

圖1 系統功能層級圖

系統包含5個主要功能層級：數據庫層、學習者能力獲取層、數據挖掘層、內容適配層、表示層，其功能圖示如圖1所示。

用戶進入系統后其數據流程描述如圖2所示。

2 算法分析

2.1學習內容難度系數D的計算

學習內容難度初始系數分為5個等級[2]：D={d1，d2，d3，d4，d5}={很難，難，適中，簡單，很簡單}，且有：

如何來動態調整確定學習內容的難度系數，并把其歸屬到何種等級是需要探索的重點，筆者把其影響因子確定為3個：{專家制定，教師制定，學生制定}={D1，D2，D3}，其中：

圖2 系統用戶數據流圖

式中，m、i、j分別代表參與制定的專家、教師和學生代表人數；Rm、Ri、Rj分別代表相應給出的難度系數，均受D值約束。

因專家群體，教師群體和學生群體所占權重不同，分別分配以不同權重值W1，W2，W3，且W1+W2+W3=1， 0

系統中，W1、W2、W3的值是可調整的，且因為系統用戶的動態性(包括群體能力水平的不均衡和個體的不均衡)，系統中的學習內容難度也是隨之動態變化的。

2.2學習者能力水平系數A的計算

學習者能力水平系數分為5個等級：A={a1，a2，a3，a4，a5}={很高，高，一般，低，很低}，且：

(系統中，臨界值可以初始化調整)

如何來確定學習者能力水平，并把其歸屬到何種等級也是需要探索的重點。筆者把其影響因子確定為6個：{內容問卷，內容測試，內容學習時長，知識鏈接點擊數，搜索引擎使用數，鼠標無目標運動和點擊數}={F1，F2，F3，F4，F5，F6}，其權重分配相應為{w1，w2，w3，w4，w5，w6}，且w1+w2+w3+w4+w5+w6=1，且均為0～1正值，下面分析各因子計算方法。

1)內容后置問卷確定系數F1為捕捉學習者的當前學習能力，每個學習內容單元后都置有問卷，問卷內容簡單。學習者自身對內容理解的程度記為X1={完全理解，理解，一般，不完全理解，完全沒理解}，其對應水平能力系數初始記為{f1，f2，f3，f4，f5}。系統采用統計學方法，對所有參與該學習單元問卷結果進行統計，計算出的具體比例值作為矯正系數F1的計算依據。

如當前學習者問卷選項為{理解}，對應水平能力系數為{f2}，而在統計人數中，有比例為f的人選擇了{一般}及以下，則F1應被理想化矯正為：

f越靠近(f3+f4+f5)的值，則說明F1越的值越靠近f2。

2)內容后置測試反饋確定系數F2為捕捉學習者的當前學習能力，每個學習內容單元后都置有測試環節，其對當前學習單元的內容進行簡單測試，以反饋學習者的知識掌握情況，學習者測試的具體得分值轉化為百分制后歸一值即為系數F2。

3)內容頁面學習時長確定系數F3學生在利用系統進行學習時，每個單元學習內容頁面上所停留的時間(學習時長)是其能力水平的一個直觀外顯。在此信息中，系統需要過濾一些干擾信息，如停留時間過長或過短，過長可能因為沒有專注學習，轉移了注意力，過短則可能因為突發事件導致其中斷學習等。

F3=b4-(b4-b3)×(1-b)

4)內容頁面知識鏈接點擊次數確定系數F4系統采用統計方法，對所有學習者點擊次數進行記錄，統計出多于當前學習者、少于當前學習者及等于當前學習者點擊次數的比例，各自記為a，b，c，有a+b+c=1，且均為0～1正值，則當前學習水平能力系數可近似計算為：

5)內容頁面搜索引擎使用次數確定系數F5內容頁面搜索引擎是為學習者提供的又一學習輔助功能，由此所確定的系數F5和F4的計算方法相似，在此不作贅述。

6)鼠標無目標活動和點擊數確定系數F6系統利用統計學方法，把所有學習者的相應操作信息進行線性運算處理統計，即把上述幾種信息視為線性相關變量，計算出當前學習者所處的位置狀態，即為其在此維度上表現出的學習能力水平，其計算原理和F4的計算方法相似，在此不作贅述。

假設6個影響因子{F1，F2，F3，F4，F5，F6}通過計算取值分別為{0.8，0.8，0.7，0.8，0.65，0.8}，其權重分配相應為{w1，w2，w3，w4，w5，w6}={0.15，0.3，0.2，0.15，0.1，0.1}，可以得出：

計算結果為0.765，表明當前學習者能力水平居于a2層級，即為{高}水平能力。

2.3內容適配過程

通過上述方法進行確切計算，系統通過規則庫的推理，對學習者所反映出的能力水平高低，推出相對應級別的學習內容。系統規則庫可簡化描述為：

If User=a1then

Pushd1

…

If User=a5then

Pushd5

3 結 語

自適應學習是E-learning領域中研究的熱點。筆者采用因子分析法對自適應學習平臺進行可行性算法分析，對系統中的絕對影響因子——內容素材和學習者能力進行細化分析，并對各自細化影響因素進行量化捕捉。系統在獲取兩者系數之后，進行自動適配，使得學習者能夠在能力不斷變化的同時獲得對應難度的學習內容，提高學習者的學習效率。

[1]游家興.如何正確運用因子分析法進行綜合評價[J].統計教育，2003(56)：10-11.

[2]Chih-ming Chen, Hahn-ming Lee, Ya-hui Chen. Personalized E-learning system using Item Response Theory[J]Computers & Education，2005，44：237-255.

[3]Huang Chenn-Jung, Chu San-Shine, Guan Chih-Tai. Implementation and performance evaluation of parameter improvement mechanisms for intelligent E-learning systems[J].Computers & Education，2007，49：597-614.

[編輯] 洪云飛

10.3969/j.issn.1673-1409.2011.04.027

TP391

A

1673-1409(2011)04-0083-03