基于SOM網(wǎng)絡(luò)的遠(yuǎn)程教育學(xué)習(xí)行為分析模型

郭富強(qiáng)

（陜西廣播電視大學(xué) 資源建設(shè)與現(xiàn)代教育技術(shù)中心，陜西 西安 710068）

遠(yuǎn)程教育的學(xué)習(xí)行為，是指學(xué)習(xí)者在自主學(xué)習(xí)過(guò)程中表現(xiàn)出來(lái)的學(xué)習(xí)態(tài)度、學(xué)習(xí)方式、學(xué)習(xí)風(fēng)格、學(xué)習(xí)過(guò)程的總合。具體內(nèi)容包括學(xué)習(xí)的計(jì)劃制定、媒體選擇、資源使用、時(shí)間分配、溝通交流、自我調(diào)控、任務(wù)完成等幾個(gè)方面。學(xué)習(xí)行為與學(xué)習(xí)效果有著密切的關(guān)系，良好的學(xué)習(xí)行為是完成學(xué)習(xí)任務(wù)，提高學(xué)習(xí)質(zhì)量的重要保障。

在遠(yuǎn)程教學(xué)環(huán)境下，教與學(xué)的時(shí)空分離的特點(diǎn)，使得教師難以直接觀察學(xué)習(xí)者的各種行為表現(xiàn)，對(duì)學(xué)習(xí)者的學(xué)習(xí)過(guò)程進(jìn)行有效的監(jiān)控與評(píng)價(jià)，給出具有針對(duì)性的學(xué)習(xí)反饋與學(xué)習(xí)指導(dǎo)[1]。因此，建立遠(yuǎn)程教育環(huán)境下的學(xué)習(xí)行為分析模型，進(jìn)行科學(xué)智能的學(xué)習(xí)行為分析，具有重要意義。一是根據(jù)模型提供的分析信息，為學(xué)習(xí)者的學(xué)習(xí)活動(dòng)提供有效的反饋與指導(dǎo)，使學(xué)習(xí)者有目的的調(diào)整自己的學(xué)習(xí)行為，形成高質(zhì)量的學(xué)習(xí)活動(dòng)；二是通過(guò)模型可以根據(jù)學(xué)習(xí)行為對(duì)學(xué)習(xí)者進(jìn)行分類，掌握各類學(xué)習(xí)者的學(xué)習(xí)特征，研究影響遠(yuǎn)程學(xué)習(xí)的因素，實(shí)行分類教學(xué)，為制定科學(xué)的教學(xué)管理策略，優(yōu)化學(xué)習(xí)支持服務(wù)，實(shí)施個(gè)性化教學(xué)提供支持；三是通過(guò)模型可為網(wǎng)絡(luò)學(xué)習(xí)平臺(tái)的建設(shè)、網(wǎng)絡(luò)學(xué)習(xí)資源的開(kāi)發(fā)、遠(yuǎn)程教育課程教學(xué)設(shè)計(jì)提供依據(jù)，模型也可作為智能教學(xué)系統(tǒng)的組成部分，配合實(shí)現(xiàn)個(gè)性化教學(xué)、智能教學(xué)的功能。

國(guó)內(nèi)遠(yuǎn)程教育在學(xué)習(xí)行為研究方面，目前還主要處于人口學(xué)分析層次上，如研究學(xué)生的年齡分布、成人和青年學(xué)生的比例、就業(yè)狀況、學(xué)歷比例、學(xué)習(xí)動(dòng)機(jī)等等，當(dāng)然，也有對(duì)學(xué)習(xí)方法、學(xué)習(xí)條件的調(diào)查分析，但對(duì)于學(xué)習(xí)過(guò)程中學(xué)習(xí)者的心理、行為、學(xué)習(xí)效果及其相互關(guān)系等深層次的研究還很少。另一方面，在以往的研究中，還有一個(gè)明顯的不足，就是將遠(yuǎn)程教育的學(xué)習(xí)簡(jiǎn)單化為網(wǎng)上教學(xué)，往往只考慮基于網(wǎng)絡(luò)的學(xué)習(xí)活動(dòng)，忽略線下學(xué)習(xí)的大量信息，比如面授輔導(dǎo)、通過(guò)教材學(xué)習(xí)、課程實(shí)踐等學(xué)習(xí)環(huán)節(jié)，得到的結(jié)論也不完整。因此，只有構(gòu)建全面的分析模型，才能提高分析的實(shí)際意義，才能向?qū)W習(xí)者提供全面有效的指導(dǎo)。

建立學(xué)習(xí)行為分析模型，有效聚類是需要解決的核心問(wèn)題。現(xiàn)有的聚類模型，它們較多的是相關(guān)、回歸、因子和主成分分析等統(tǒng)計(jì)方法，由于遠(yuǎn)程教育下學(xué)習(xí)的諸因素之間具有很強(qiáng)的非線性關(guān)系，選取常規(guī)變量的因子分析法和逐步回歸法等多是建立在線性模型基礎(chǔ)上的，不大適用復(fù)雜的聚類問(wèn)題。自組織特征映射（SOM）模型具有自學(xué)習(xí)、自適應(yīng)能力和強(qiáng)容錯(cuò)性的特點(diǎn)，能夠?qū)Υ罅康亩嘣獢?shù)據(jù)進(jìn)行智能化的聚類分析，計(jì)算簡(jiǎn)單、準(zhǔn)確快捷、可靠，分類結(jié)果的客觀性和可靠性能夠得到保證。

本文將SOM網(wǎng)絡(luò)引入學(xué)習(xí)行為分析，結(jié)合混合學(xué)習(xí)理論、分類教學(xué)思想和遠(yuǎn)程教育實(shí)踐，建立了遠(yuǎn)程教育學(xué)習(xí)者的學(xué)習(xí)行為分析模型，并通過(guò)實(shí)例證實(shí)該模型的有效性。

1 SOM網(wǎng)絡(luò)與學(xué)習(xí)行為分析

SOM是無(wú)教師、競(jìng)爭(zhēng)式的自組織和自學(xué)習(xí)網(wǎng)絡(luò)。它的典型特性就是可以將n維空間的數(shù)據(jù)抽取信息特征，映射到低維空間（1維或是2維），形成輸入信號(hào)的特征拓?fù)浞植迹⒈３制渫負(fù)浣Y(jié)構(gòu)不變。SOM網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。

圖1 SOM網(wǎng)絡(luò)結(jié)構(gòu)Fig.1 SOM network structure

SOM網(wǎng)絡(luò)分為兩層，輸入層中的神經(jīng)元節(jié)點(diǎn)數(shù)量與其包含的變量數(shù)一致，其功能是獲取數(shù)據(jù)。輸出層神經(jīng)元構(gòu)成一維或二維網(wǎng)格（圖中為二維網(wǎng)格）。 SOM網(wǎng)絡(luò)是全連接的，每個(gè)輸入神經(jīng)元節(jié)點(diǎn)都同所有的輸出神經(jīng)元節(jié)點(diǎn)相連接[2]。

本文通過(guò)SOM網(wǎng)絡(luò)的聚類分析功能實(shí)施學(xué)習(xí)行為的分類。聚類是指將物理或抽象對(duì)象的集合分成由類似的對(duì)象組成的多個(gè)類的過(guò)程。由聚類所生成的簇是一組數(shù)據(jù)對(duì)象的集合，這些對(duì)象與同一個(gè)簇中的對(duì)象彼此相似，與其他簇中的對(duì)象相異。聚類分析又稱群分析，它所要求劃分的類是未知的。因此，SOM網(wǎng)絡(luò)特別適合高維空間的復(fù)雜數(shù)據(jù)聚類。遠(yuǎn)程教育的學(xué)習(xí)是一個(gè)多因素的復(fù)雜過(guò)程，通過(guò)聚類能幫助教學(xué)和教學(xué)管理人員從龐大的學(xué)習(xí)行為庫(kù)庫(kù)中發(fā)現(xiàn)不同的學(xué)習(xí)群，并且用學(xué)習(xí)模式來(lái)刻畫(huà)不同的學(xué)習(xí)群的特征，為教學(xué)和學(xué)習(xí)支持服務(wù)的決策提供關(guān)鍵性依據(jù)[3]。

2 學(xué)習(xí)行為分析的指標(biāo)體系設(shè)計(jì)

分類的指標(biāo)體系依據(jù)遠(yuǎn)程教育的特點(diǎn)、學(xué)習(xí)者主要特征和混合學(xué)習(xí)的理論來(lái)建立。

2.1 遠(yuǎn)程教育的特點(diǎn)

現(xiàn)代遠(yuǎn)程教育是伴隨著現(xiàn)代信息技術(shù)的發(fā)展而產(chǎn)生的一種新型教育形式，是構(gòu)筑知識(shí)經(jīng)濟(jì)時(shí)代終身學(xué)習(xí)體系的主要手段。它以多媒體教學(xué)資源為支撐，以遠(yuǎn)程教學(xué)和服務(wù)為主要手段，綜合面授、函授和自學(xué)等教學(xué)形式完成課程教學(xué)。遠(yuǎn)程教育可以有效地發(fā)揮各種教育資源的優(yōu)勢(shì)，為不同的學(xué)習(xí)對(duì)象提供方便、快捷、廣泛的教育服務(wù)。與傳統(tǒng)的學(xué)習(xí)相比，現(xiàn)代遠(yuǎn)程教育主要具有以下特點(diǎn)：

1）遠(yuǎn)程性：學(xué)生和教師、學(xué)生和教育機(jī)構(gòu)之間處于準(zhǔn)分離狀態(tài)，主要采用多種技術(shù)媒體承載和傳遞課程內(nèi)容，建立師生的交互關(guān)系，通過(guò)學(xué)習(xí)資源和支持服務(wù)兩個(gè)方面對(duì)學(xué)生的學(xué)習(xí)施加影響。因此，保持師生溝通，加強(qiáng)對(duì)學(xué)生學(xué)習(xí)的管理就顯得尤其重要。

2）開(kāi)放性：開(kāi)放性是遠(yuǎn)程教育的首要特征。開(kāi)放性體現(xiàn)在教育對(duì)象、學(xué)習(xí)方式和學(xué)習(xí)資源的開(kāi)放等方面。學(xué)習(xí)資源通過(guò)網(wǎng)絡(luò)實(shí)現(xiàn)充分共享與無(wú)限延伸。在以學(xué)習(xí)者為中心的開(kāi)放環(huán)境中，給予學(xué)習(xí)者最大的學(xué)習(xí)自由，同時(shí)對(duì)學(xué)習(xí)者也是一種挑戰(zhàn)，因此，就應(yīng)該強(qiáng)調(diào)每個(gè)個(gè)體學(xué)習(xí)的計(jì)劃性。

3）虛擬性：學(xué)習(xí)者在虛擬化的教育環(huán)境里聽(tīng)課、參加討論、完成作業(yè)和參加考試。在網(wǎng)絡(luò)環(huán)境里，活動(dòng)主體具有隱蔽性，無(wú)形中弱化了教師的權(quán)威性，學(xué)生可以和教師在這個(gè)自由、平等的虛擬課堂上暢所欲言，自由地交換意見(jiàn)。但由于這種虛擬性，學(xué)習(xí)者缺少傳統(tǒng)校園學(xué)習(xí)的約束和引導(dǎo)，很容易自我放松和迷航。這就需要培養(yǎng)學(xué)習(xí)者學(xué)習(xí)的自覺(jué)性和自我控制能力。

4）個(gè)別化學(xué)習(xí)、自主學(xué)習(xí)：學(xué)習(xí)者根據(jù)自己的具體情況和需求制定學(xué)習(xí)計(jì)劃，自己選擇學(xué)習(xí)資源和學(xué)習(xí)方式，自我控制，自我評(píng)價(jià)，直至達(dá)到學(xué)習(xí)目標(biāo)。教學(xué)由原來(lái)的以“教”為主轉(zhuǎn)變?yōu)橐浴皩W(xué)”為主。根據(jù)個(gè)別化學(xué)習(xí)的思想，學(xué)習(xí)者應(yīng)該分析和識(shí)別自己的特點(diǎn)，逐漸形成適合自己的學(xué)習(xí)方式。

5）協(xié)作學(xué)習(xí)：學(xué)習(xí)者之間可以通過(guò)協(xié)作化交流、協(xié)商和合作，進(jìn)行思維的碰撞，從而有助于他們理解知識(shí)、思考問(wèn)題、解決疑難。協(xié)作學(xué)習(xí)的方式既可以通過(guò)遠(yuǎn)程教學(xué)平臺(tái)進(jìn)行，也可以通過(guò)本地建立的學(xué)習(xí)小組進(jìn)行。

2.2 學(xué)習(xí)者主要特征

遠(yuǎn)程教育學(xué)習(xí)者一般都具有一定的工作經(jīng)驗(yàn)，有利于學(xué)習(xí)，但需要處理學(xué)習(xí)與工作、家庭及社會(huì)活動(dòng)的關(guān)系；大多在社會(huì)中處于弱勢(shì)，提升自己的意識(shí)強(qiáng)烈；知識(shí)水平參差不齊，總體較低，學(xué)習(xí)有一定難度；學(xué)習(xí)方式多樣，學(xué)習(xí)時(shí)間較為靈活，在家中通過(guò)網(wǎng)絡(luò)學(xué)習(xí)者居多，學(xué)習(xí)具有不連續(xù)性；在學(xué)習(xí)資源的使用方面，以遠(yuǎn)程學(xué)習(xí)平臺(tái)為主，配合使用網(wǎng)絡(luò)搜索引擎，對(duì)網(wǎng)絡(luò)資源的依賴度極高，往往缺乏對(duì)繁冗信息的識(shí)別能力；在交流互動(dòng)方面，注意利用教學(xué)平臺(tái)的課程討論區(qū)、QQ、電子郵件、微博等進(jìn)行交流。

2.3 混合式學(xué)習(xí)理論

MargaretDriscoll在2002年提出混合式學(xué)習(xí)（Blended Learning），包括4個(gè)不同的概念：1）結(jié)合或混合多種網(wǎng)絡(luò)化技術(shù)（如實(shí)時(shí)虛擬教室、自定步調(diào)學(xué)習(xí)、協(xié)作學(xué)習(xí)、流式視頻、音頻和文本）實(shí)現(xiàn)教育目標(biāo)。2）結(jié)合多種教學(xué)方法（如建構(gòu)主義、行為主義、認(rèn)知主義），利用或不利用教學(xué)技術(shù)產(chǎn)生最佳的學(xué)習(xí)成果。3）將任何一種教學(xué)技術(shù)與面授課堂教學(xué)相結(jié)合。4）將教學(xué)技術(shù)與實(shí)際工作任務(wù)相混合或結(jié)合，以使學(xué)習(xí)和工作協(xié)調(diào)一致[4]。

根據(jù)混合學(xué)習(xí)理論，分析指標(biāo)應(yīng)充分表現(xiàn)學(xué)習(xí)者基于多種資源、多種方式、多種方法的學(xué)習(xí)行為。

2.4 學(xué)習(xí)行為分析指標(biāo)

根據(jù)以上分析，學(xué)習(xí)行為分析指標(biāo)體系包括學(xué)習(xí)管理、學(xué)習(xí)方式、學(xué)習(xí)表現(xiàn)3個(gè)一級(jí)指標(biāo)，以及12個(gè)二級(jí)指標(biāo)[5]。每項(xiàng)指標(biāo)的內(nèi)涵、考察重點(diǎn)、數(shù)據(jù)來(lái)源詳見(jiàn)表1。數(shù)據(jù)來(lái)源主要有3個(gè)方面：有關(guān)教師（導(dǎo)學(xué)教師、課程責(zé)任教師、實(shí)驗(yàn)指導(dǎo)教師）在批閱學(xué)習(xí)者制定的學(xué)習(xí)計(jì)劃、作業(yè)、實(shí)驗(yàn)報(bào)告，以及面授輔導(dǎo)考勤中形成的記錄；教學(xué)平臺(tái)在學(xué)習(xí)者學(xué)習(xí)過(guò)程中自動(dòng)記錄的有關(guān)網(wǎng)上學(xué)習(xí)的數(shù)據(jù)；通過(guò)網(wǎng)絡(luò)對(duì)學(xué)生進(jìn)行專門(mén)調(diào)查得到的數(shù)據(jù)。

表1 學(xué)習(xí)行為分析指標(biāo)體系Tab.1 Learning behavior analysis index system

3 學(xué)習(xí)行為分析模型

遠(yuǎn)程教育學(xué)習(xí)行為分析模型分為學(xué)習(xí)行為分析和教學(xué)策略生成兩大部分。學(xué)習(xí)行為分析器是模型的核心部分，主要組成是SOM網(wǎng)絡(luò)。見(jiàn)圖2。

圖2 遠(yuǎn)程教育學(xué)習(xí)行為分析模型Fig.2 Distance education learning behavior analysis model

模型有兩種運(yùn)行狀態(tài)，即訓(xùn)練狀態(tài)和工作狀態(tài)。在訓(xùn)練狀態(tài)，先后輸入訓(xùn)練樣本和測(cè)試樣本，完成學(xué)習(xí)行為聚類分析，生成學(xué)習(xí)者分類庫(kù)，并在專家的參與下，完成各類學(xué)習(xí)者的教學(xué)策略分析，形成教學(xué)策略庫(kù)。在工作狀態(tài)，輸入待分析數(shù)據(jù)，完成對(duì)待分析對(duì)象的類型識(shí)別，并生成相應(yīng)的教學(xué)策略。

4 研究實(shí)例

4.1 樣本設(shè)計(jì)

樣本選自2012年秋陜西廣播電視大學(xué)開(kāi)放教育學(xué)院遠(yuǎn)程開(kāi)放教育計(jì)算機(jī)科學(xué)與技術(shù)專業(yè)的數(shù)據(jù)庫(kù)應(yīng)用技術(shù)課程的實(shí)際教學(xué)和調(diào)查。進(jìn)行了較必要的篩選，主要是選取有代表性的數(shù)據(jù)。進(jìn)行了初始化處理，每個(gè)指標(biāo)分值按10分制進(jìn)行了換算。表2為經(jīng)過(guò)了初始化處理的數(shù)據(jù)，共20組，其中前15組作為MOS網(wǎng)落的訓(xùn)練樣本，后5組作為測(cè)試樣本。

表2 樣本數(shù)據(jù)（部分）Tab.2 Sample data（Part）

4.2 SOM網(wǎng)絡(luò)的結(jié)構(gòu)設(shè)計(jì)

競(jìng)爭(zhēng)層神經(jīng)元數(shù)量的確定考慮兩個(gè)方面的因素，一是聚類不能太細(xì)太多，太細(xì)則失去了聚類的意義，聚類結(jié)果難以使用；二是不能固定聚類數(shù)，應(yīng)由系統(tǒng)根據(jù)實(shí)際樣本確定聚類模式和聚類數(shù)。因此，這里設(shè)計(jì)15個(gè)神經(jīng)元的特征映射網(wǎng)，用以對(duì)輸入的多維向量進(jìn)行聚類，其等于訓(xùn)練樣本數(shù)15。網(wǎng)絡(luò)競(jìng)爭(zhēng)層神經(jīng)元的組織結(jié)構(gòu)為3×5。模型通過(guò)MATLAB進(jìn)行設(shè)計(jì)、調(diào)試、仿真，其中距離函數(shù)為linkdist，網(wǎng)絡(luò)的初始權(quán)值設(shè)為5，經(jīng)反復(fù)試探，訓(xùn)練步數(shù)設(shè)為800。

4.3 模型的訓(xùn)練和測(cè)試

網(wǎng)絡(luò)創(chuàng)建后，輸入訓(xùn)練樣本對(duì)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)訓(xùn)練，抽取輸入信號(hào)的模式特征，完成對(duì)訓(xùn)練樣本的識(shí)別和聚類，從而使網(wǎng)絡(luò)競(jìng)爭(zhēng)層對(duì)不同輸入模式具有不同的響應(yīng)特性。訓(xùn)練結(jié)束后，網(wǎng)絡(luò)權(quán)值固定，以后每輸入一個(gè)值，網(wǎng)絡(luò)就會(huì)自動(dòng)對(duì)其進(jìn)行分類。聚類結(jié)果、測(cè)試結(jié)果分別見(jiàn)表3、表4。

表3 聚類結(jié)果Tab.3 Clustering results

表4 測(cè)試結(jié)果Tab.4 Test results

4.4 結(jié)果分析

聚類結(jié)果的分析是模型應(yīng)用的關(guān)鍵環(huán)節(jié)[6]。為便于應(yīng)用，根據(jù)每種類型的特點(diǎn)，將其分別命名為能力型、控制型、資源型、鉆研型、隨機(jī)型和交流型,并分析了每種類型的優(yōu)點(diǎn)、不足，給出了教學(xué)策略建議，如表5所示。

表5 聚類結(jié)果分析Tab.5 Results of clustering analysis

5 結(jié)束語(yǔ)

本文基于SOM，并結(jié)合混合學(xué)習(xí)、分類教學(xué)的思想，建立了遠(yuǎn)程教育學(xué)習(xí)行為分析模型，并以陜西電大為實(shí)例進(jìn)行了測(cè)試，通過(guò)對(duì)其結(jié)果進(jìn)行分析,證實(shí)了該模型能夠有效實(shí)現(xiàn)學(xué)習(xí)行為分析。但也存在不足，一是模型進(jìn)行了一定簡(jiǎn)化，因?yàn)閷W(xué)習(xí)行為與社會(huì)環(huán)境、學(xué)習(xí)觀念、學(xué)習(xí)條件、學(xué)習(xí)動(dòng)機(jī)、認(rèn)知結(jié)構(gòu)、學(xué)習(xí)期望等都有一定關(guān)系，本模型只是從容易度量的“行為”分析入手，尋找不同的學(xué)習(xí)模式，而將難以量化的因素根據(jù)多年的教學(xué)經(jīng)驗(yàn)放在教學(xué)策略中。二是模型經(jīng)訓(xùn)練后只適應(yīng)于指定或類似課程，不同課程學(xué)習(xí)行為可能有一定差異。三是基于SOM聚類的原理缺乏可讀性、透明性，因?yàn)槠錈o(wú)法解釋結(jié)果是如何產(chǎn)生的，在聚類過(guò)程中使用了什么規(guī)則。因此對(duì)聚類結(jié)果的分析，需要專家有較高的理論水平和豐富的經(jīng)驗(yàn)，特別是要熟悉遠(yuǎn)程教育的教學(xué)。

[1]張豪鋒，李海龍.網(wǎng)絡(luò)學(xué)習(xí)評(píng)價(jià)模式及其影響因素分析[J].現(xiàn)代遠(yuǎn)距離教育，2011（5）：54－57.ZHANG Hao-feng，LI Hai-long.Analysis of online learning evaluation model and its influencing factors[J].Modern Distance Education，2011（5）：54－57.

[2]王修竹.基于SOM的聚類算法在抑郁癥藥物藥效檢測(cè)中的應(yīng)用[J].西南科技大學(xué)學(xué)報(bào)，2011（2）：62－64.WANG Xiu-zhu.Application of SOM-based clustering algorithm in detecting depression drug’s efficacy[J].Journal of Southwest University of Science and Technology，2011（2）：62－64.

[3]成桂蘭，劉旭東，陳德人.基于混合聚類的個(gè)性化推薦算法[J].武漢理工大學(xué)學(xué)報(bào)：信息與管理工程版，2011（3）：379－381.CHENG Gui-lan，LIU Xu-dong，CHEN De-ren.A personal recommendation algorithm for digital library based on hybrid clustering technology[J].Journal of Wuhan University of Technology：Information& Management Engineering，2011（3）：379－381.

[4]武開(kāi)，徐榮貞.混合式學(xué)習(xí)中監(jiān)控方式的實(shí)證研究[J].電化教育研究，2011（11）：37－40.WU Kai，XU Rong-zhen.An empirical study on Blended Learning in monitor mode[J].E-Education Research，2011（11）：37－40.

[5]倪美華.遠(yuǎn)程開(kāi)放教育中學(xué)生學(xué)習(xí)能力的培養(yǎng)[J].中國(guó)電化教育，2011（10）：75－78.NI Mei-hua.Cultivating students learning ability in distance and open education[J].China Educational Technology，2011（10）：75－78.

[6]任軍號(hào)，吉沛琦，耿躍.SOM神經(jīng)網(wǎng)絡(luò)改進(jìn)及在遙感圖像分類中的應(yīng)用[J].計(jì)算機(jī)應(yīng)用研究，2011，28（3）：1170－1172.REN Jun-hao，JI Pei-qi，GENG Yue. Application and improvement of SOM network in remote sensing image classification[J].Application Research of Computers，2011，28（3）：1170－1172.