大數(shù)據(jù)下自適應(yīng)學習系統(tǒng)中預(yù)測模型的構(gòu)建

田 華，何 翼，田 波

?

大數(shù)據(jù)下自適應(yīng)學習系統(tǒng)中預(yù)測模型的構(gòu)建

田 華1，何 翼2，田 波2

（1．銅仁學院 研究生院，貴州 銅仁 554300； 2．銅仁學院 大數(shù)據(jù)學院，貴州 銅仁 554300）

基于典型的自適應(yīng)學習系統(tǒng)模型，論述當前學習分析模型的現(xiàn)狀，提出了以學習者數(shù)據(jù)為中心的三分析互聯(lián)1－3－3的預(yù)測模型結(jié)構(gòu)。對預(yù)測模型的原理特點及有效性進行了分析，對相關(guān)的技術(shù)平臺的發(fā)展進行了探討，對研究自適應(yīng)學習系統(tǒng)，特別是學習分析模型如何實現(xiàn)有效預(yù)測具有較強的參考意義。

自適應(yīng)學習系統(tǒng)； 預(yù)測模型； 數(shù)據(jù)挖掘； 學習分析

0．前言

自適應(yīng)學習系統(tǒng)(Adaptive Learning System)是一種基于現(xiàn)代教育技術(shù)的學習模式，其核心在于使用計算機技術(shù)和系統(tǒng)進行自適應(yīng)評估，使得教育素材能夠自適應(yīng)于學生的反饋和表現(xiàn)。自適應(yīng)學習系統(tǒng)能夠為學習者提供更精準的學習策略，更高效和個性的學習方法，而這正是未來教育行業(yè)的發(fā)展目標。

自適應(yīng)學習系統(tǒng)運行流程如圖1 所示。其流程分為四步：第一步，學習者生成學習行為數(shù)據(jù)，經(jīng)過內(nèi)容傳遞模塊，數(shù)據(jù)將被標記上時間戳；第二步，數(shù)據(jù)按照預(yù)先定義的結(jié)構(gòu)存入學習者數(shù)據(jù)庫；第三步，預(yù)測模塊從學習者數(shù)據(jù)庫和學生信息系統(tǒng)中采集數(shù)據(jù)，根據(jù)不同的分析目的，調(diào)用不同的分析工具和模型對數(shù)據(jù)進行分析；第四步，自適應(yīng)模塊根據(jù)預(yù)測模塊中數(shù)據(jù)挖掘和分析的結(jié)果，通過內(nèi)容傳遞模塊為學習者提供合適的學習指導(dǎo)和學習策略。

自適應(yīng)學習系統(tǒng)的核心在于預(yù)測模塊。預(yù)測模塊的功能是整合系統(tǒng)外部學習者信息系統(tǒng)中的數(shù)據(jù)和系統(tǒng)內(nèi)部學習者學習行為數(shù)據(jù)，通過數(shù)據(jù)挖掘和學習分析，對學習者未來的學習行為和結(jié)果進行預(yù)測，為自適應(yīng)模塊提供調(diào)整的依據(jù)，將結(jié)論告知教師或管理者以方便其做出判斷，為下一步對學習內(nèi)容進行調(diào)整或干預(yù)提供依據(jù)。它是整個自適應(yīng)學習系統(tǒng)的樞紐，對自適應(yīng)學習系統(tǒng)的核心功能起到支撐作用，預(yù)測模型的優(yōu)劣將直接影響整個系統(tǒng)的運行和功能的實現(xiàn)。

圖1 基于大數(shù)據(jù)的自適應(yīng)學習系統(tǒng)

目前預(yù)測模型是以學習結(jié)果預(yù)測為基礎(chǔ)，其原理是將預(yù)測目標作為因變量，預(yù)測指標作為自變量，通過分析來探索兩者之間的關(guān)系。學習結(jié)果預(yù)測是通過數(shù)據(jù)分析探索自變量和因變量之間的關(guān)系，確定不同測量指標對預(yù)測目標的權(quán)重。生成的模型包括基于特定理論設(shè)計并驗證的結(jié)構(gòu)方程模型、基于多元回歸分析生成的學習預(yù)測參數(shù)、決策樹分類模型以及數(shù)學公式的假設(shè)與驗證[2]。在學習結(jié)果預(yù)測目標方面，主要是對學習成績與等級、學習成敗進行預(yù)測。在預(yù)測變量上，以個人背景信息、過程性測評結(jié)果、學習參與狀況、學習情緒等方面為主要測量指標[3][4]。其優(yōu)點在于數(shù)據(jù)分析相對簡潔，預(yù)測原理與方法相對成熟，易于得到預(yù)測結(jié)果。但也存在不足：一是數(shù)據(jù)來源相對單一，即學習情境不豐富，同時學習行為數(shù)據(jù)多為外部行為數(shù)據(jù)，學習者內(nèi)在行為數(shù)據(jù)較少，割裂了內(nèi)在行為與外在行為的關(guān)系；二是采用成熟的預(yù)測原理與方法多以時序為基礎(chǔ)，以多元回歸分析和結(jié)構(gòu)方程模型分析為主的線性分析，但實際學習過程及行為與結(jié)果之間不是單純的線性關(guān)系，導(dǎo)致預(yù)測結(jié)果未必可靠；三是對學習者的個性化學習指導(dǎo)力度不夠，缺乏激勵機制。

針對現(xiàn)有模型的不足，特別是針對割裂了內(nèi)在行為與外在行為的關(guān)系，個性化激勵不足的缺陷，文中提出了一種以學習者數(shù)據(jù)為中心的三分析互聯(lián)預(yù)測模型，在現(xiàn)有模型的基礎(chǔ)上，增加學習者內(nèi)在行為的分析，結(jié)合學習者個性特征對學習目標進行預(yù)測，能更好的增強學習危機預(yù)警，強調(diào)有效干預(yù)，更好地為學習者自適應(yīng)學習服務(wù)。該模型概括為1－3－3模型，即一個學習者數(shù)據(jù)挖掘中心，三個分析（外在行為分析、內(nèi)在行為分析、個性特征分析），三個結(jié)果（學習目標預(yù)測、自適應(yīng)處理測算、風險危機預(yù)警測算）。

1．三分析互聯(lián)1－3－3預(yù)測模型

1．1．模型結(jié)構(gòu)

學習者數(shù)據(jù)挖掘中心以自適應(yīng)學習系統(tǒng)中的學生信息系統(tǒng)和學習者數(shù)據(jù)庫為基礎(chǔ)，利用數(shù)據(jù)挖掘原理和算法實施教育數(shù)據(jù)挖掘，構(gòu)建學習者學習模型。三分析通過學習分析模型完成外在行為分析、內(nèi)在行為分析和個性特征分析。結(jié)果是通過學習分析綜合得出學習目標預(yù)測結(jié)果、調(diào)整的途徑、學習危機和風險是什么，其結(jié)構(gòu)如圖2所示。

圖2 三分析互聯(lián)1－3－3的預(yù)測模型結(jié)構(gòu)

1．2．預(yù)測原理

三分析互聯(lián)1－3－3的預(yù)測模型基于教育數(shù)據(jù)挖掘原理，教育數(shù)據(jù)挖掘（EDM）研究涉及計算機領(lǐng)域?qū)＜摇⒔逃龑＜摇⑿睦韺W家、統(tǒng)計學專家等。由于以數(shù)據(jù)挖掘為核心，相關(guān)算法和理論在計算機界研究廣泛而深入。近年來，EDM 已成為一個獨立的研究領(lǐng)域，其目的是分析教育系統(tǒng)中產(chǎn)生的獨特類型的數(shù)據(jù)來解決教育問題。EDM涉及算法的開發(fā)、研究及應(yīng)用，利用算法構(gòu)建并集成出教育數(shù)據(jù)模型，并通過模型分析出海量數(shù)據(jù)背后隱藏的意義。目前，有眾多成熟的計算機領(lǐng)域和統(tǒng)計領(lǐng)域設(shè)計的數(shù)據(jù)挖掘算法，有許多優(yōu)秀的開源工具供教育學家和心理學家使用，如R語言、RapidMiner、KNIME、JHepWork等等，數(shù)據(jù)的統(tǒng)計與可視化，文本挖掘、WEB挖掘相對成熟可靠，同時新的研究和工具對人的情感個性特征已能進行歸類表述，故通過學習者數(shù)據(jù)挖掘中心形成學習者模型是可行的。

三分析的基礎(chǔ)是學習分析模型，國內(nèi)外眾多研究者依據(jù)各自實踐應(yīng)用中的目標提出不同的學習分析模型，比如Brown的五要素模型，Wolfgang Greller的五要素模型和G. Siemens的學習分析過程模型。 Brown的五要素包括數(shù)據(jù)收集(Data Collection)、分析(Analysis)、學習(Student Learning)、受益方(Audience)和干預(yù)(Interventions)五大要素[5]。Wolfgang Greller等人從分析目標、數(shù)據(jù)類型、分析方法、約束條件以及利益相關(guān)者等角度構(gòu)建了學習分析五要素模型[6]。G. Siemens從探究學習分析如何重構(gòu)教學、學習、管理過程角度，構(gòu)建了包含收集、分析、預(yù)測和適應(yīng)性調(diào)整四個階段學習分析過程模型[7]。Tanya Elias從技術(shù)資源視角出發(fā)，提出了以計算機、人力、理論和組織為核心的學習分析模型[8]。國內(nèi)學者李艷燕等在綜合國外現(xiàn)有學習分析模型基礎(chǔ)上系統(tǒng)性地提出學習分析概念模型，認為學習分析主要由五大要素構(gòu)成，即學習過程、學習環(huán)境、教育環(huán)境、受眾以及五個環(huán)節(jié)（數(shù)據(jù)采集、數(shù)據(jù)存儲、數(shù)據(jù)分析、數(shù)據(jù)表示與應(yīng)用服務(wù)）[9]。結(jié)合國內(nèi)實際，學習分析模型實際建構(gòu)時主要參考李艷燕的學習分析概念模型。同時，參考Wolfgang Greller的五要素模型中約束條件，即內(nèi)部約束和外部約束的思想，擴充了內(nèi)部約束的概念，即不僅僅考慮學習者學習能力和接受度，還考慮學習者情緒、心理相關(guān)的正面或負面因素。此外，根據(jù)Tanya Elias從技術(shù)資源視角出發(fā)的觀點，強調(diào)學習分析是一個循環(huán)過程，利用學習分析結(jié)果來優(yōu)化學習過程，并將優(yōu)化、應(yīng)用后的分析結(jié)果再次分享、反饋，如此循環(huán)往復(fù)，以達到利用學習分析對整個學習過程中的資源利用，達到持續(xù)改善教育、教學效果的目的。

2．三分析互聯(lián)1－3－3預(yù)測模型的特點及有效性

2．1．模型結(jié)構(gòu)

以學習者數(shù)據(jù)為中心的三分析互聯(lián)1－3－3預(yù)測模型結(jié)合目前最新的研究成果，從數(shù)據(jù)挖掘流程起重視學習者內(nèi)部因素的影響，結(jié)合傳統(tǒng)的外部因素影響力，深入考慮學習者的個性特征，對學習者的學習目標進行預(yù)測，分析自適應(yīng)處理的途徑，對學習危機風險進行預(yù)警干預(yù)，同時將三個分析結(jié)果傳送至學習者、教師、管理者，讓三者從內(nèi)、外、個性選擇三個方面進行優(yōu)化，達到自適應(yīng)學習的目標。

2．2．模型有效性分析

傳統(tǒng)的要素模型較抽象，缺乏具體明確的自適應(yīng)途徑和操作流程。其學習分析過程模型，往往過于追求細節(jié)，缺乏宏觀的思考和整體優(yōu)化。

針對上述問題，1－3－3預(yù)測模型以學習者數(shù)據(jù)為中心，重點關(guān)注學習過程中的行為、情感、個性，兼顧宏觀要素的控制，可以完成自適應(yīng)學習系統(tǒng)的核心預(yù)測功能。現(xiàn)實中，以學習過程為核心對行為和個性進行分析預(yù)測的學習系統(tǒng)有成功的案例，如加拿大安大略的Desire2Learn公司是一家領(lǐng)先的企業(yè)教學平臺提供商，它提供全能在線教育，為受教育者帶去統(tǒng)一、均衡的教育平臺，該平臺的學習分析系統(tǒng)通過收集和分析每個學生與學習相關(guān)的教育數(shù)據(jù)，診斷學生學習情況，及時發(fā)現(xiàn)學生知識，以便做出教學調(diào)整與規(guī)劃，該平臺不僅為教師提供查看班級表現(xiàn)的整體報表，也能聯(lián)機實時分析教學報表，獲取學生或課程的詳細信息，以檢視學生的能力、參與度和評估分數(shù)[10]，做到以學習過程為核心，這說明該模型是能夠取得實效的。成功的案例還有美國Knewton自適應(yīng)學習平臺，該平臺以學習過程為主，通過數(shù)據(jù)收集、推斷及建議三部曲來提供個性化的教學，并在推斷環(huán)節(jié)加入了心理測試引擎。總之，1－3－3預(yù)測模型的最大優(yōu)點是以學習過程主，讓學習者的學習行為數(shù)據(jù)作決策，并將心理情感和個性納入目標分析，系統(tǒng)可以根據(jù)分析自動適應(yīng)學習過程。同時，學習者、教師、管理者可以從外部對學習的目標和內(nèi)容進行調(diào)整，同時可以對學習者的情緒、心理進行干預(yù)，從宏觀和微觀雙向保障學習者高效的個性化學習。

3．三分析互聯(lián)1－3－3預(yù)測模型的不足

一是模型對學習者心理情感和個性的數(shù)據(jù)收集分析有待成熟。預(yù)測模型需按當前技術(shù)水平對情緒性格納入學習分析，可能會導(dǎo)致內(nèi)在行為分析出現(xiàn)缺陷或不平衡。二是模型由于將教師和管理者作為調(diào)節(jié)干預(yù)的要素納入，會導(dǎo)致干預(yù)過度的問題，導(dǎo)致與系統(tǒng)自適應(yīng)途徑不匹配或沖突的問題。對這些問題，有待于進一步進行研究。

4．結(jié)語

我們已經(jīng)進入了一個“數(shù)據(jù)驅(qū)動學校，分析變革教育”的大數(shù)據(jù)時代，大數(shù)據(jù)必將改變傳統(tǒng)教育的面貌，“數(shù)據(jù)驅(qū)動決策”已經(jīng)成為教育流行語。文中在分析現(xiàn)有自適應(yīng)學習系統(tǒng)的工作流程的基礎(chǔ)上，提出并討論了一種以學習者數(shù)據(jù)為中心的三分析互聯(lián)預(yù)測模型結(jié)構(gòu)。通過對學習者內(nèi)在行為的分析，結(jié)合學習者個性特征對學習目標進行預(yù)測，能更好地增強學習危機預(yù)警，提高自適應(yīng)學習系統(tǒng)的有效性。

自適應(yīng)學習系統(tǒng)的應(yīng)用將會成為一種趨勢，如何從要素角度進行外在調(diào)控，將學習者的情緒心理分析作為內(nèi)在因素，教師與管理者如何從正面進行干預(yù)調(diào)動，是下一步研究工作的重點。

[1] 徐鵬，王以寧， 劉艷華，張海．大數(shù)據(jù)視角分析學習變革——美國《通過教育數(shù)據(jù)挖掘和學習分析促進教與學》報告解讀及啟示[J]．遠程教育雜志，2013，（6）：11-17．

[2] Ramaswami M, Bhaskaran R. A CHAID based performanceprediction model in educational data mining[J]. International Journalof Computer Science Issues, 2010, 7(1):10-17.

[3] AlShammari I, Aldhafiri M, Al-Shammari Z. A meta-analysis ofeducational data mining on improvements in learning outcomes[J].College Student Journal, 2013, 47(2): 326-333.

[4] Nkhoma M, Sriratanaviriyakul N, Pham Cong H, et al. Examining themediating role of learning engagement, learning process and learningexperience on the learning outcomes through localized real casestudies[J]. Education Training, 2014, 56(4): 287-302.

[5] Brown M. Learning analytics: The coming third wave[DB/OL].https://library.educause.edu/resources/2011/4/learning-analyticsthe-coming-third-wave, 2017-12-05.

[6] Greller, Wolfgang Drachsler, Hendrik. Translating Learning intoNumbers: A Generic Framework for Learning Analytics[J]. Journal ofEducational Technology & Society, 2012, 15(3): 42-57.

[7] Siemens G. What is learning analytics[DB/OL]. http://www.elearnspace.org/blog/2010/08/25/what-are-learning-analytics/,2017-12-05.

[8] Elias T. Learning analytics: Definitions, processes and potential[DB/OL]. http://www.learninganalytics.net/Learning AnalyticsDefinitionsProcessesPotential. pdf, 2017-12-05.

[9] 李艷燕，馬韶茜，黃榮懷．學習分析技術(shù):服務(wù)學習過程設(shè)計和優(yōu)化[J]．開放教育研究，2012，18（5）：18-24.．

[10] 王懷波，李冀紅，楊現(xiàn)．目標導(dǎo)向的學習分析模型構(gòu)建[J]．中國電化教育，2018（5）：96-102．

Research on the Construction of Forecasting Model in Adaptive Learning System under Big Data

TIAN Hua1, HE Yi2, TIAN Bo2

( 1. Graduate School, Tongren University, Tongren 554300, Guizhou, China; 2. School of Big Data, Tongren University, Tongren554300, Guizhou, China)

Based on the model of the typical adaptive learning system, this paper discusses the current status of the learning analysis model, and puts forward the prediction model structure of three analysis interconnected 1 - 3 - 3, which is centered on the learner's data. The principle and effectiveness of the prediction model are analyzed, and the development of the related technical platform is demonstrated. It has great reference significance for studying the adaptive learning system, especially the learning analysis model and the effective prediction.

adaptive learning system, prediction model, data mining, learning analysis

TP391

A

1673-9639 (2018) 09-0050-04

2018-05-17

貴州省教育廳創(chuàng)新群體重大研究項目（黔教合KY 字[2016]051）；貴州省科技廳科技合作項目（黔科合LH 字 [2015]7251）。

田華（1971-），男，貴州銅仁人，碩士，教授、研究方向：數(shù)據(jù)挖掘，E-mail: 1357134462@qq.com.

（責任編輯毛志）（責任校對謝勇）