基于web的自適應學習匹配模式動態建構

赫宜 李衛軍 楊文濤

摘要：在課程資源庫建設逐漸成熟，但學生自主上網學習的動力不足，面對如何解決學習者需求的個性化與教學資源的有效利用的問題。提出了通過自適應學習系統的設計及實施，提高網絡教學的有效性，擴展學生學習的時效性，加強學生技能的提升，進而提升學生綜合職業素質。

關鍵詞：網絡學習;個性化自適應;學習系統

中圖分類號：TP393 文獻標識碼：A

文章編號：1009-3044（2019）35-0209-02

在大數據不斷發展的現在，海量數據呈現下，給經濟發展、科學研究和教育領域帶來了新契機的同時，面對大量和豐富的資源如何有效利用，教育資源提供者在網上提供的課程種類和數量越來越豐富，隨著學習資源數量的不斷擴大，資源庫網站平臺上的課程量激增能為學習者帶來更多的選擇，同時增加了學習者信息處理的負擔，學習者在如此多的學習資源中如何選擇。推薦技術是克服信息過載的一種有效手段，它能幫助用戶篩選出感興趣的信息[1]。信息過載問題出現于網絡資源學習環境中。學習者面對大量的結構復雜的資源庫信息而無從使用，經常會迷失在大量的資源信息中，一方面是不易快捷地找到所需要的資源，另一方面是資源龐雜不易學習。自適應學習匹配模式是提供一種類似搜索助手的功能來幫助學習者選取學習內容，并依據學習者的偏好自動地推薦學習方案。選出感興趣的信息同時引導學生掌握和應用知識，創設智慧學習環境，更加充分、有效地利用這些數據，優化教與學，使學習資源庫平臺不再是靜態化的提供，而成為動態適應學習者個性的自適應學習環境，解決學習者需求的個性化與教學資源的有效利用的問題。

1 利用網絡學習者學習現狀分析

在對被試大學1至3年級的學生發放了520份問卷。研究團隊將收集到的網絡學習資源了解狀況、網絡學習資源現狀和對學校提供網絡學習資源的評價的數據進行統計分析，以發現網絡學習者的學習風格類型，以及學習風格類型與在線學習行為特征之間的關系，進而為制定教師指導行為和策略奠定可行性基礎。

1.1學生網絡使用基本情況調研

問卷第一部分對學生上網的基本情況進行調研，以分析出學生上網時長、地點的特點。經統計，每天都上網，幾乎成為網迷占8.5%，每天都上網，偶爾包宿占6.3%，經常上網，但從未包過宿占46.8%，說明學生會經常上網，但自我管理能力還是強的。

1.2學生對網絡資源的了解狀況

問卷的第二部分，對網絡資源了解狀況進行了調研。第1題是針對了解或使用過哪些網絡知識資源的，學生了解最多的是“知識百科（百度百科等）”和“文檔共享網站（百度文庫等）”，分別占82.9%和74.4%，這些資源是人文社會類資源，而對于如“專業學者Blog”“知名大學公開課”和“精品課程網站”很少關注，學生上網的目的更多的是在網絡上游戲或娛樂。第2題對搜索專業知識的首選，“搜索引擎（google、百度等）”占比59.6%，而專業相關門戶網站知道的不多，只占了10%，google、百度等搜索引擎并不提供智慧學習環境。使用網絡學習資源的主要目的大部分是擴展知識視野，占89.37%，說明網絡學習資源的重要性。

1.3網絡學習資源現狀

問卷的第三部分，對網絡學習資源現狀進行了調研。第1題是針對網絡上的學習資源現狀，認為重復度高的占了53.2%，專業學習資源很少占了31.9%，學生不能很快有效的找到適合自己學習的資源，使網絡上的資源看似龐大，卻出現嚴重不足的現象。第2題是您是如何使用網上的學習資源的，認真對比后使用占了66%，第3題是您認為網絡學習資源有個性化功能么，認為有的和沒有的人數對半，說明個性化功能不明顯，不足以讓學習者認可。

1.4學校提供網絡學習資源的評價

問卷的第四部分對學校提供網絡學習資源的評價。學習者最希望課程學習資源的呈現方式是課堂教學視頻，占比51%，對希望課程資源可以根據學生個體需要進行推薦個性化的學習路徑和學習資源這個題目，非常希望有的占38.3%，可以有的占61.7%，不希望有的為0。學習者還是希望有這樣的一個系統給出建議或意見。

2 自適應學習系統的搜索引擎開發

2.1項目背景

目前，很多電子商務網站（如亞馬遜（Amazon.com）、當當網、豆瓣、MovieLens.org等）也都采用了類似推薦機制，來促使用戶更多地購物。因此，我們有必要把“個性化推薦機制”思想引入到網絡學習系統設計上來，研發一個能夠根據用戶特性實現個性化學習的自適應學習系統。

2.2需求概述

基于信息技術的應用模式理論研究，檢索相關文獻了解相關理論。通過調研了解學生對自適應學習系統的需求并構建面向服務的自適應學習系統的參考模型。

2.3系統時序圖

學習者上網查閱學習資料時，動態獲取學習者的搜索路徑及關鍵詞，產生數據表，通過對數據表的算法分析獲得初步的學習風格偏愛。

2.4數據庫連接設計

本系統針對學生需求以及網站搜索需求主要有5張數據庫表組成。

Institute（學院）：記錄校內所有學院。屬性有ins_id（學院ID，主鍵），ins_name（學院名）;

Major（專業）：記錄所有學院信息。屬性有major_id（學院ID，主鍵），major_name（學院名稱），外鍵：ins_id，跟學院多對一的關聯;

Course（課程）：記錄所有課程信息。屬性有course_id（課程ID，主鍵），course_name（課程名稱），外鍵：major_id，跟專業多對一的關聯;

Article_info（文章）：記錄發布的所有文章信息。屬性有co_id（課程ID，主鍵），title（文章題目），discription（文章描述），con-tent（文章內容），hits（點擊量），外鍵：co_id，跟學院多對一的關聯;user_id（用戶ID），跟用戶表多對一的關聯;

User_info（用戶信息）：記錄用戶信息。屬性有：user_id（用戶ID，主鍵）username（用戶呢稱），motto（個性簽名），resume（簡介），role（角色）;

2.5注冊登錄模塊

注冊：驗證使用iQuery的表單的驗證規則，對學習者對一些值的空值（類型：空）驗證及對密碼（類型：長度）的驗證。加密處理：本系統對學習者前端傳過的用密碼使用輔助函數en-crypt來加密一個值。所有加密的值都使用OpenSSL的AES-256-CBC來進行加密。此外，所有加密過的值都會使用消息認證碼（MAC）來簽名，以檢測加密字符串是否被篡改過。保證學習者的獨立性。

2.6站內搜索推薦模塊

所有學習者可以在資源庫內進行檢索。學習者通過自己喜歡的文章標題進行檢索。可以輸入想要找到的文章全名來檢索，也可以輸入標題所含的關鍵詞來找到自己所想要的文章。可以通過輸入某個老師的名稱來查找該老師所發布的文章。

本系統使用Laravel模型關聯將各個表關聯起來，可以檢索某個專業的文章也可以檢索某個學院的文章。資源庫網站以學習者所輸入的關鍵詞進行檢索并將其以點擊量的高低排序，返回給用戶。

根據資源庫自身的特點使自適應學習推薦系統能夠順利實施，主要包括以下幾個方面。

（1）大量的統計數據：自適應學習系統環境收集學習者在資源庫中使用的各種數據豐富，如學習者注冊數據、學習者評分數據、學習者瀏覽數據等。豐富的數據為建立多種推薦模型、產生高質量的推薦提供了可能。

（2）自動化的數據收集：自適應學習系統環境中的各種數據通過自動化方式收集，減小了手工方式收集數據可能出現的誤差，噪聲數據明顯減少，各種數據的可信度比較高，數據預處理比較簡單。

（3）推薦效果可以進行評估：在自適應學習系統中實施推薦有利于通過資源庫網站訪問量的增加、學習時間的增加等指標直接進行評估，而評估的結果又可為推薦系統的改進方向提供指導。

本系統的推薦方式采用通用推薦和個性化推薦兩種方式共用。

通用推薦是依據學習者注冊和登錄資源庫的數據以及在資源庫中瀏覽學習等統計數據產生的推薦。沒有參考學習者的學習情況、學習內容和學習規律，也就是不考慮當前學習者的風格，通用推薦的數據比較容易獲得，考慮的是學生群體對網絡學習資源的使用，不考慮當前學習者的個體的風格。例如，資源庫網站根據資源的點擊量進行推薦，也考慮學習者所在的專業等少量的學習者信息推薦本專業的學習內容或新技術應用內容。

個性化推薦是指根據學習者在知識水平、學習風格、動機、目標等方面的特點和規律，向學習者推薦資源。例如，推薦系統在推薦課程資源時，會考慮到具體學習者正在學習的內容主題、專業、已學習過的課程等眾多要素，綜合判斷所要推薦的課程資源是否是學習者可能適用的，從而做出推薦決策。

顯然個性化推薦技術，相比通用推薦更具有針對性，更能體現出個性化服務。針對學習者的使用偏好作為推薦依據，更能充分考慮目標學習者的偏好，達到有效的縮小瀏覽范圍，減少瀏覽時間，服務于學生，通過自適應學習系統能夠為學習者提供適應性學習服務支持，為學生提供最佳學習路線、策略支持服務，學習資源支持服務等。另一方面系統推薦的學習內容與學習者需要學習的知識技能相符。將學生的被動學習轉化為能主動學習，解決學習者在利用網絡進行學習，而非是在網絡環境中娛樂的現象，同時，解決“因材施教”，針對不同學習者滿足個性化學習需求，實現根據學習者的多種特點和行為傾向，如學習風格、媒體傾向、興趣、認知水平等，采用相應的教學策略，推薦個性化的學習路徑和學習資源。

3 總結

解決學習者需求的個性化與教學資源的有效利用的問題。通過自適應系統的設計及實施，有利于提高網絡教學的有效性，有利于擴展學生學習的時效性，有利于加強學生技能的提升，有利于提升學生綜合職業素質。

參考文獻：

[1]姜維.文本分析與文本挖掘[M].北京：科學出版社，2018.

[2]姜強，趙蔚，王朋嬌.基于網絡學習行為模式挖掘的用戶學習風格模型建構研究[J].電化教育研究，2012（11）：55-61.

[3]吳青，羅儒國.基于網絡學習行為的學習風格挖掘[J].現代遠距離教育，2014（1）.

[4]吳鵬澤.遠程學習者內部學習動機的激發策略[J].現代遠距離教育，2011（2）.

[5]李艷燕.學習分析技術：服務學習過程設計和優化[J].開放教育研究，2012（18）：5.

[6]姜強，趙蔚.自適應學習系統述評及其優化機制研究[J].現代遠距離教育，2011（6）.

[7]P.Brusilovsky，J. Eklund，E.Schwarz. Web-basedEducationfor All：A Tool for Developing Adaptive Courseware[C].Proc，7th Intemational World Wide Web Conference，1998，30（1-7），291-300.

[8]P.Brusilovsky，R. Farzan，J. Ahn. LaVeredEvaluationof AdaptiveSearch[C].ln Proceedings of Workshop on Evalua-ting Explor-atory Search Systems.At SIGIR 2006.

[9]祝智庭，沈德梅.學習分析學：智慧教育的科學力量[J].電化教育研究，2013（5）：5-12.

[10]阮瀅.適應性學習：信息技術支持下的因材施教一訪首都師范大學王陸教授[J].中小學信息技術教育，2006（11）：4-6，11.

[11]Zhong Keding. Online leaming and development（inChinese）[M].Beijing： Higher Education Press.2011.

【通聯編輯：唐一東】

收稿日期：2019-08-20

基金項目：“基于web的自適應學習匹配模式動態構建研究”課題的成果（項目編號寧工商職院〔2016〕27號，主持人：赫宜）

作者簡介：赫宜（1971-），副教授，碩士，研究方向計算機應用、物聯網應用技術;李衛軍（1979-），在讀博士，講師，研究方向語義網，本體的構建和重用;楊文濤（1984-），系統架構師，研究方向信息管理系統。