基于試題網(wǎng)絡(luò)的個(gè)性化學(xué)習(xí)推薦系統(tǒng)研究*

（1．中國(guó)科學(xué)技術(shù)大學(xué) 大數(shù)據(jù)分析與應(yīng)用安徽省重點(diǎn)實(shí)驗(yàn)室，安徽合肥 230027；2．科大訊飛股份有限公司，安徽合肥 230088）

引言

個(gè)性化教育體現(xiàn)了公平、尊重和差異性教育，目標(biāo)是實(shí)現(xiàn)每一位學(xué)習(xí)者的心智發(fā)展，是教育的追求。個(gè)性化教育強(qiáng)調(diào)通過(guò)調(diào)查、測(cè)試、考核和診斷，根據(jù)學(xué)習(xí)者的能力和潛在特征，為每位學(xué)習(xí)者量身定制學(xué)習(xí)目標(biāo)、學(xué)習(xí)計(jì)劃。2010年7月頒布的《國(guó)家中長(zhǎng)期教育改革和發(fā)展規(guī)劃綱要》指出：“實(shí)施個(gè)性化教育，是促進(jìn)教育改革創(chuàng)新的一個(gè)重要抓手，是實(shí)施素質(zhì)教育的重要措施，是教育貫徹以人為本科學(xué)發(fā)展觀的具體體現(xiàn)”[1]。然而，常見(jiàn)的教學(xué)模式為大班教學(xué)，在師生數(shù)量失衡的情況下，學(xué)生難以實(shí)現(xiàn)個(gè)性化學(xué)習(xí)、自主學(xué)習(xí)，個(gè)性化教育難以在日常教學(xué)中開(kāi)展。隨著移動(dòng)互聯(lián)網(wǎng)的快速發(fā)展，在線學(xué)習(xí)逐漸進(jìn)入學(xué)生的日常學(xué)習(xí)中，在此背景下，累積了海量的學(xué)生在線學(xué)習(xí)和答題歷史數(shù)據(jù)。伴隨這些數(shù)據(jù)的不斷累積，個(gè)性化教育的開(kāi)展迎來(lái)了新的機(jī)遇。因此，如何利用現(xiàn)有的海量學(xué)生在線學(xué)習(xí)和答題歷史數(shù)據(jù)，實(shí)現(xiàn)學(xué)生自主學(xué)習(xí)和個(gè)性化學(xué)習(xí)，從而突破師生數(shù)量失衡的現(xiàn)狀，推動(dòng)個(gè)性化教育的開(kāi)展，具有重要的現(xiàn)實(shí)意義。

一 研究背景

信息技術(shù)革命與經(jīng)濟(jì)社會(huì)發(fā)展的交融，帶來(lái)了數(shù)據(jù)的爆炸式增長(zhǎng)，2010年，全球產(chǎn)生數(shù)據(jù)1.2x109TB。Intel預(yù)測(cè)，到2020年，這一數(shù)字將上升至44ZB（1ZB=10億TB）。在現(xiàn)今的社會(huì)，大數(shù)據(jù)的應(yīng)用越來(lái)越彰顯其優(yōu)勢(shì)，占領(lǐng)的領(lǐng)域也越來(lái)越廣闊，如線上交易、物流配送、O2O等各種利用大數(shù)據(jù)獲得發(fā)展的領(lǐng)域正在協(xié)助企業(yè)不斷發(fā)展新業(yè)務(wù)，創(chuàng)新運(yùn)營(yíng)模式[2]。與此同時(shí)，在線教育平臺(tái)也在不斷涌現(xiàn)，由孟加拉裔美國(guó)人Khan創(chuàng)立的可汗學(xué)院、由吳恩達(dá)和Koller創(chuàng)辦的Coursera、網(wǎng)易公開(kāi)課、學(xué)堂在線等大規(guī)模在線開(kāi)放課程（Massive Open Online Courses，MOOC）正在全球范圍內(nèi)廣泛流行。伴隨平臺(tái)不斷被使用，大量的教育數(shù)據(jù)隨之產(chǎn)生，這為教育領(lǐng)域帶來(lái)了新的機(jī)遇和挑戰(zhàn)。如何利用人工智能技術(shù)挖掘教育大數(shù)據(jù)，并從中產(chǎn)生有價(jià)值的信息，進(jìn)而揭示教育的規(guī)律，指導(dǎo)教師、學(xué)生等教育主體來(lái)優(yōu)化教與學(xué)的方式方法，是目前非常有價(jià)值的研究課題。

最近，Chen[3]從理論層面介紹了一些以學(xué)生為中心的教學(xué)與評(píng)估方法，通過(guò)改善師生關(guān)系、引入新概念、減少課程時(shí)間、每周評(píng)估測(cè)試等方法來(lái)提高學(xué)生的學(xué)習(xí)積極性。Bienkowski[4]采用教育數(shù)據(jù)分析學(xué)生閱讀在線課程資料，挖掘出導(dǎo)致學(xué)生學(xué)習(xí)成績(jī)表現(xiàn)不良的信息，并給出一些干預(yù)性指導(dǎo)，確保學(xué)生以最高效的方式學(xué)習(xí)，改善學(xué)生出勤率、輟學(xué)率，提高學(xué)習(xí)成績(jī)，改進(jìn)教學(xué)。然而，國(guó)內(nèi)基于大數(shù)據(jù)推進(jìn)個(gè)性化教育方面的應(yīng)用研究相對(duì)較少，僅有少數(shù)研究從理論層面提出了如何打造智能教育應(yīng)用生態(tài)系統(tǒng)、推進(jìn)教育走向個(gè)性化[5][6][7][8][9]]。這主要源于當(dāng)前主流教學(xué)模式為大班教學(xué)，在師生數(shù)量嚴(yán)重懸殊的情況下，個(gè)性化教育難以開(kāi)展。已有學(xué)者證實(shí)了大班教學(xué)模式會(huì)導(dǎo)致個(gè)性化教育難以開(kāi)展[10][11]：

①個(gè)性化學(xué)習(xí)難以實(shí)現(xiàn)：我國(guó)的教育總體上呈現(xiàn)出了重共性、輕個(gè)性的局面，像工業(yè)流水線上生產(chǎn)機(jī)器一樣，培養(yǎng)的學(xué)生都是一個(gè)模子出來(lái)的“標(biāo)準(zhǔn)件”，極大地壓抑了學(xué)生的個(gè)性發(fā)展，在統(tǒng)一的模具下培養(yǎng)出來(lái)的學(xué)生其獨(dú)特的才華有可能被活生生地消磨乃至消滅。在大班教學(xué)中，師生數(shù)量嚴(yán)重失衡，教師沒(méi)有精力根據(jù)每個(gè)學(xué)生學(xué)習(xí)情況進(jìn)行有針對(duì)性的培養(yǎng)，學(xué)生的個(gè)性化學(xué)習(xí)難以實(shí)現(xiàn)。

②課下自主學(xué)習(xí)難以實(shí)現(xiàn)：教師和學(xué)生不僅需要在課堂上“下工夫”，更需要在課堂外“用勁”。在傳統(tǒng)的課后練習(xí)和自學(xué)中，學(xué)生在沒(méi)有很好地了解自身能力的情況下，盲目地做簡(jiǎn)單題、難題、偏題，課下的自主學(xué)習(xí)難以實(shí)現(xiàn)。

最終，本研究通過(guò)挖掘試題之間的相互關(guān)系，構(gòu)建試題推薦系統(tǒng)，來(lái)解決上述問(wèn)題。具體而言，本研究首先基于人工智能技術(shù)對(duì)試題進(jìn)行表征，挖掘試題之間的隱含關(guān)系，構(gòu)建試題關(guān)聯(lián)網(wǎng)絡(luò)；之后，進(jìn)一步構(gòu)建試題推薦系統(tǒng)，自動(dòng)為學(xué)生推薦合適的試題，并為其選擇做題路徑，幫助學(xué)生課下自主學(xué)習(xí)，實(shí)現(xiàn)個(gè)性化學(xué)習(xí)，達(dá)到個(gè)性化教育的目的。

二 試題關(guān)聯(lián)網(wǎng)絡(luò)構(gòu)建與推薦方法

試題題面表征是指通過(guò)人工智能技術(shù)詞嵌入（Word Embedding）[13]將試題題面文本轉(zhuǎn)化為密集、連續(xù)的向量，方便對(duì)試題進(jìn)行后續(xù)處理。聚類技術(shù)是指通過(guò)無(wú)監(jiān)督的數(shù)理統(tǒng)計(jì)方法對(duì)已有的數(shù)據(jù)（如試題）進(jìn)行聚簇分析，挖掘它們之間的共性。本研究基于試題題面表征結(jié)合聚類技術(shù)得到試題類簇，利用頻繁模式挖掘技術(shù)，挖掘?qū)W生歷史答題序列得到試題難度序列，然后結(jié)合試題類簇和試題難度序列等構(gòu)建試題關(guān)聯(lián)網(wǎng)絡(luò)。在此基礎(chǔ)之上，實(shí)現(xiàn)了試題推薦系統(tǒng)。

1 試題關(guān)聯(lián)網(wǎng)絡(luò)構(gòu)建方法

本研究以智學(xué)網(wǎng)中的試題題面信息和學(xué)生答題信息為主要數(shù)據(jù)基礎(chǔ)，結(jié)合人工智能技術(shù)，設(shè)計(jì)試題關(guān)聯(lián)網(wǎng)絡(luò)。試題關(guān)聯(lián)網(wǎng)絡(luò)構(gòu)建技術(shù)路線圖如圖1所示。具體而言，首先通過(guò)人工智能里的詞嵌入技術(shù)將收集到的試題題面文本轉(zhuǎn)化為試題向量，實(shí)現(xiàn)對(duì)試題的表征，之后再基于這些試題向量對(duì)試題進(jìn)行聚類，將試題分為若干簇；另一方面，通過(guò)統(tǒng)計(jì)分析以及頻繁模式挖掘技術(shù)挖掘?qū)W生歷史答題序列，分別得到學(xué)生答題得分率和頻繁答題路徑。由此，可以找到相同簇下試題之間的難度和序列關(guān)系，按照試題難度由易到難、答題順序由前向后的原則便建立了試題關(guān)聯(lián)網(wǎng)絡(luò)。圖 2是一個(gè)構(gòu)建好的試題關(guān)聯(lián)網(wǎng)絡(luò)樣例，為了便于讀者直觀理解，該圖只展示了每道試題所關(guān)聯(lián)的知識(shí)點(diǎn)信息，而沒(méi)有給出試題的題面信息。例如，對(duì)于考察了“數(shù)列通項(xiàng)公式”和“等差數(shù)列的通項(xiàng)公式”的兩道試題，首先，由于這兩道試題考察知識(shí)點(diǎn)相似，因此它們的題面文本相似，對(duì)兩道試題進(jìn)行試題表征后再聚類會(huì)將其聚類到同一簇中。同時(shí)，通過(guò)頻繁模式挖掘技術(shù)，發(fā)現(xiàn)學(xué)生做完“數(shù)列通項(xiàng)公式”的試題之后會(huì)緊接著做“等差數(shù)列的通項(xiàng)公式”的試題，并且學(xué)生在“等差數(shù)列的通項(xiàng)公式”試題上的得分率低于“數(shù)列通項(xiàng)公式”試題，這樣就找到了兩道題目之間的難度和序列關(guān)系，從而將“等差數(shù)列的通項(xiàng)公式”試題定義為“數(shù)列通項(xiàng)公式”試題的后繼節(jié)點(diǎn)。重復(fù)以上過(guò)程，便可構(gòu)建出按照知識(shí)點(diǎn)劃分的、難度可把握的試題關(guān)聯(lián)網(wǎng)絡(luò)，如圖2所示。

圖1 試題關(guān)聯(lián)網(wǎng)絡(luò)構(gòu)建技術(shù)路線圖

圖2 試題關(guān)聯(lián)網(wǎng)絡(luò)樣例

2 試題推薦系統(tǒng)

在試題關(guān)聯(lián)網(wǎng)絡(luò)的基礎(chǔ)上，通過(guò)學(xué)生歷史答題序列來(lái)評(píng)估學(xué)生能力水平，構(gòu)建試題推薦系統(tǒng)。具體而言，學(xué)生回答試題后根據(jù)答案的正確與否更新學(xué)生對(duì)該試題考查知識(shí)點(diǎn)的掌握程度，之后推薦系統(tǒng)根據(jù)學(xué)生知識(shí)點(diǎn)的掌握程度向?qū)W生推薦難度合適的試題。重復(fù)上述過(guò)程，最終試題推薦系統(tǒng)自動(dòng)為學(xué)生推薦個(gè)性化答題路徑，實(shí)現(xiàn)學(xué)生自主學(xué)習(xí)和個(gè)性化學(xué)習(xí)，達(dá)到個(gè)性化教育的目標(biāo)。基于試題關(guān)聯(lián)網(wǎng)絡(luò)的個(gè)性化學(xué)習(xí)推薦效果如圖3所示，箭頭中的“答對(duì)”表示學(xué)生答對(duì)該試題，箭頭中的“答錯(cuò)”表示學(xué)生答錯(cuò)該試題，箭頭“開(kāi)始答題”和“答題結(jié)束”分別表示學(xué)生開(kāi)始和結(jié)束做題。從圖3可以看到，學(xué)生選擇從“數(shù)列”知識(shí)點(diǎn)開(kāi)始答題，然后試題推薦系統(tǒng)給學(xué)生推薦“數(shù)列通項(xiàng)公式”相關(guān)的試題；學(xué)生答對(duì)后，試題推薦系統(tǒng)繼續(xù)給學(xué)生推薦難度更大的“等比數(shù)列通項(xiàng)公式”試題，之后重復(fù)此過(guò)程，直到學(xué)生答錯(cuò)“等比數(shù)列和的最值問(wèn)題”試題，此時(shí)試題推薦系統(tǒng)給學(xué)生推薦比其簡(jiǎn)單但知識(shí)點(diǎn)相關(guān)的“數(shù)列通項(xiàng)公式的單調(diào)性”試題；再重復(fù)此過(guò)程，直到學(xué)生答題結(jié)束。通過(guò)這樣的做題模式，學(xué)生做題變成了一種自主的個(gè)性化學(xué)習(xí)方式，每次答題都能得到及時(shí)的調(diào)整。當(dāng)學(xué)生做錯(cuò)試題時(shí)，可以推薦做簡(jiǎn)單的試題恢復(fù)自信心，并鞏固薄弱知識(shí)點(diǎn)；當(dāng)做對(duì)試題時(shí)，可以了解知識(shí)的掌握程度，并繼續(xù)做更難的試題，直到較好地掌握該知識(shí)為止。

圖3 基于試題關(guān)聯(lián)網(wǎng)絡(luò)的個(gè)性化學(xué)習(xí)推薦效果圖

試題推薦系統(tǒng)的開(kāi)發(fā)和應(yīng)用，可以有效破解個(gè)性化教育面臨的難題，個(gè)性化學(xué)習(xí)成為現(xiàn)實(shí)。根據(jù)每個(gè)學(xué)生的答題結(jié)果，試題推薦系統(tǒng)可以分析學(xué)生能力水平，根據(jù)學(xué)生的表現(xiàn)給學(xué)生自動(dòng)推薦不同答題路徑。學(xué)生也可以根據(jù)自己的做題情況調(diào)整學(xué)習(xí)計(jì)劃。試題推薦系統(tǒng)可以自動(dòng)為學(xué)生推薦合適的試題。課下學(xué)生只需登陸網(wǎng)上賬號(hào)，使用試題推薦系統(tǒng)，即可練習(xí)符合自身學(xué)習(xí)水平的試題。學(xué)生的學(xué)習(xí)變得更加自主化，進(jìn)而達(dá)到個(gè)性化教育的目標(biāo)。

三 試題關(guān)聯(lián)網(wǎng)絡(luò)推薦系統(tǒng)的驗(yàn)證研究

本研究選擇在黃岡中學(xué)廣州學(xué)校使用試題關(guān)聯(lián)網(wǎng)絡(luò)推薦系統(tǒng)，以驗(yàn)證其實(shí)際教學(xué)效果。

1 研究對(duì)象

從2017年9月開(kāi)始至今，本研究選取黃岡中學(xué)廣州學(xué)校七年級(jí)到高三的69個(gè)班級(jí)的學(xué)生作為研究對(duì)象，在其數(shù)學(xué)、物理、化學(xué)三門學(xué)科的教學(xué)過(guò)程中使用試題關(guān)聯(lián)網(wǎng)絡(luò)推薦系統(tǒng)，參與學(xué)生共計(jì)3773名。

2 研究過(guò)程

教學(xué)開(kāi)始前，試題關(guān)聯(lián)網(wǎng)絡(luò)推薦系統(tǒng)的管理人員向?qū)W生和教師詳細(xì)介紹如何使用試題關(guān)聯(lián)網(wǎng)絡(luò)推薦系統(tǒng)。隨后，在每周講課結(jié)束后，教師根據(jù)本周課堂教學(xué)內(nèi)容，指定試題關(guān)聯(lián)網(wǎng)絡(luò)中的試題，學(xué)生在線進(jìn)行自適應(yīng)練習(xí)；試題關(guān)聯(lián)網(wǎng)絡(luò)推薦系統(tǒng)則針對(duì)不同學(xué)生的錯(cuò)題情況自動(dòng)推薦關(guān)聯(lián)試題，以此實(shí)現(xiàn)課下自主學(xué)習(xí)和個(gè)性化學(xué)習(xí)。

教學(xué)結(jié)束后，抽取學(xué)生在線做題記錄及系統(tǒng)使用前、后兩次測(cè)試成績(jī)展開(kāi)對(duì)比研究，同時(shí)進(jìn)行推薦系統(tǒng)使用效果滿意度調(diào)查，以此驗(yàn)證并分析該推薦系統(tǒng)的使用效果。

3 研究結(jié)果

在對(duì)比研究中，抽取69個(gè)班級(jí)學(xué)生使用系統(tǒng)前、后的兩次考試成績(jī)進(jìn)行對(duì)比分析發(fā)現(xiàn)，經(jīng)過(guò)一學(xué)期的試題關(guān)聯(lián)網(wǎng)絡(luò)推薦系統(tǒng)應(yīng)用，大部分學(xué)生的成績(jī)都有提高，其中，大約 70%的學(xué)生成績(jī)明顯提高，且提高幅度為7%，其余30%的學(xué)生成績(jī)變化不太明顯。在調(diào)查研究中，從上述69個(gè)班級(jí)中隨機(jī)抽取一個(gè)班級(jí)（共56名學(xué)生）為代表，通過(guò)問(wèn)卷調(diào)查了他們對(duì)試題關(guān)聯(lián)網(wǎng)絡(luò)推薦系統(tǒng)的使用效果滿意情況，以此進(jìn)一步驗(yàn)證該系統(tǒng)的使用效果。該調(diào)查問(wèn)卷主要從推薦試題的難易程度、推薦試題的合適程度、試題解析的詳細(xì)程度、推薦錯(cuò)題的價(jià)值、查看并補(bǔ)全薄弱知識(shí)點(diǎn)的效果、提高學(xué)習(xí)興趣的程度這 6個(gè)維度反映學(xué)生總體使用效果滿意度。問(wèn)卷采用李克特五點(diǎn)量表，5分表示很滿意，4分表示比較滿意，3分表示一般，2分表示不太滿意，1分表示很不滿意。具體調(diào)查結(jié)果（即56名學(xué)生從不同維度給出的評(píng)分平均值和標(biāo)準(zhǔn)差）如表1所示。

表1 試題關(guān)聯(lián)網(wǎng)絡(luò)推薦系統(tǒng)使用效果滿意度調(diào)查結(jié)果

從表1可以看出，在推薦試題的難易程度、合適程度、試題解析詳細(xì)程度等6個(gè)維度上，被試學(xué)生的滿意度均處于中等偏上水平（均值均高于中間值3）。這一結(jié)果表明，學(xué)生不僅認(rèn)可系統(tǒng)推薦試題的難易程度和合適程度，還認(rèn)為推薦系統(tǒng)的錯(cuò)題價(jià)值和試題解析質(zhì)量均非常高，可以很好地查看并補(bǔ)全薄弱知識(shí)點(diǎn)，更可以提高學(xué)習(xí)興趣。綜上所述，試題關(guān)聯(lián)網(wǎng)絡(luò)推薦系統(tǒng)可以幫助學(xué)生更好地實(shí)現(xiàn)自主學(xué)習(xí)和個(gè)性化學(xué)習(xí)，提升學(xué)習(xí)效果。

四 總結(jié)

目前，個(gè)性化教育已經(jīng)成為未來(lái)教育的發(fā)展趨勢(shì)，國(guó)內(nèi)對(duì)于個(gè)性化教育的研究正在從概念、理論層面逐步向?qū)嶋H應(yīng)用轉(zhuǎn)變。本研究以教育大數(shù)據(jù)為數(shù)據(jù)基點(diǎn)、以人工智能為技術(shù)基點(diǎn)，研究試題之間的相互關(guān)系，構(gòu)建試題關(guān)聯(lián)網(wǎng)絡(luò)和試題推薦系統(tǒng)，來(lái)破解個(gè)性化教育在國(guó)內(nèi)實(shí)施的難題。實(shí)踐證明，本研究基于試題表征構(gòu)建的試題推薦系統(tǒng)能夠有效地揭示試題之間的內(nèi)在關(guān)聯(lián)，自動(dòng)為學(xué)生推薦個(gè)性化答題路徑，實(shí)現(xiàn)了學(xué)生課下自主學(xué)習(xí)和個(gè)性化學(xué)習(xí)，有效地推進(jìn)了個(gè)性化教育的發(fā)展。

[1]國(guó)務(wù)院.國(guó)家中長(zhǎng)期教育改革和發(fā)展規(guī)劃綱要(2010-2020年)[OL].

[2]中國(guó)大數(shù)據(jù).大數(shù)據(jù)時(shí)代——價(jià)值與漏洞并存的時(shí)代[OL].

[4]Marie B, Feng M , Barbara M. Enhancing teaching and learning through educational data mining and learning analytics:An issue brief[OL].

[5]王亞飛,劉邦奇.智能教育應(yīng)用研究概述[J].現(xiàn)代教育技術(shù),2018,(1):5-11.

[6]吳曉如,王政.人工智能教育應(yīng)用的發(fā)展趨勢(shì)與實(shí)踐案例[J].現(xiàn)代教育技術(shù),2018,(2):5-11

[7]萬(wàn)海鵬,汪丹.基于大數(shù)據(jù)的牛頓平臺(tái)自適應(yīng)學(xué)習(xí)機(jī)制分析——“教育大數(shù)據(jù)研究與實(shí)踐專欄”之關(guān)鍵技術(shù)篇[J].現(xiàn)代教育技術(shù),2016,(5):5-11.

[8]劉淇,陳恩紅,朱天宇,等.面向在線智慧學(xué)習(xí)的教育數(shù)據(jù)挖掘技術(shù)研究[J].模式識(shí)別與人工智能,2018,(1):77-90.

[9]劉淇,陳恩紅,黃振亞,等.面向個(gè)性化學(xué)習(xí)的學(xué)生認(rèn)知能力分析[J].中國(guó)計(jì)算機(jī)學(xué)會(huì)通訊,2017,(4):28-34.

[10]柳麗平.中學(xué)實(shí)施個(gè)性化教育問(wèn)題研究[D].太原:山西大學(xué),2013:1-57.

[11]劉小蘭,楊立國(guó).個(gè)性化教育困境的原因探析——基于個(gè)人理論的視角[J].衡陽(yáng)師范學(xué)院學(xué)報(bào),2014,(5):157-159.

[12]Mikolov T ,Chen K, Corrado G, et al. Efficient estimation of word representations in vector space[J].International Conference on Learning Representations,2013,(1):1-12.