智能自適應學習系統(tǒng)研究

劉斌

摘要：在本文中，綜述了智能自適應學習平臺的相關研究。首先介紹了國內(nèi)外在這一研究領域的發(fā)展過程。其次，介紹了智能自適應學習平臺的研究方法、技術路線和實驗方案。然后介紹了相關模型的研究內(nèi)容。此外，給出了為解決相關問題而進行的針對性的設計。最后，總結了解決不同問題而采取的措施，以及達到的效果。

關鍵詞：智能;學習系統(tǒng);研究

中圖分類號：TP311.5 文獻標識碼：A 文章編號：1007-9416（2019）12-0139-02

0 引言

自適應學習長期以來一直是教育研究領域所關注的話題。其中，智能自適應學習是“人工智能+教育”的實現(xiàn)。學習者都希望接受優(yōu)質(zhì)教育，但優(yōu)質(zhì)的教育資源終究有限，以人工智能技術模擬優(yōu)秀教師的教學行為，以學生學習的大數(shù)據(jù)為基礎，通過機器學習與訓練，理解學生學習所處的情境，不斷通過數(shù)據(jù)分析獲得學習者目前的學習水平與狀態(tài)，并且相應地調(diào)整學習活動與進程，為學生推薦最有價值的知識點，最大限度地提升學習效率，幫助學習者實現(xiàn)差異化的學習，真正做到因材施教，最終實現(xiàn)個性化教育。

國外從上世紀90年代，開始研究自適應學習技術，相繼開發(fā)了AnnotetEd、ApeLST、HDEAL、IWeaver、ALFENE等智能自適應系統(tǒng)隨著信息技術的發(fā)展，自適應學習和人工智能的結合越來越緊密，并且受到了國內(nèi)外學者的廣泛研究。我國對智能自適應學習系統(tǒng)的研究開始于2002年，目前看主要集中在理論研究階段[1-11]。

1 研究內(nèi)容

智能自適應學習系統(tǒng)分為三個核心部分：行業(yè)知識模型、自適應推薦模型和基于學習者的模型。

1.1 行業(yè)知識模型研究

行業(yè)知識模型是基礎。將采用谷歌提出的知識圖譜工具，來實現(xiàn)行業(yè)知識模型的構建;為滿足系統(tǒng)的實用性需求，以大量學習者的學習路徑數(shù)據(jù)作為訓練樣本，采用深度學習算法來分析和挖掘知識點之間的關聯(lián)規(guī)則，從而更新行業(yè)模型。知識圖譜實現(xiàn)流程見圖1。

1.2 學習者模型研究

學習者模型是對研究對象（參與者）的模型構建，包括學習者知識模型和學習行為模型。主要考察學習者的基本信息、學習能力、學習行為、學習水平等主要因素，基于數(shù)據(jù)和覆蓋來實現(xiàn)學習者知識模型的構建。

自適應學習模型原理如圖2所示，這是一種基于無監(jiān)督的神經(jīng)網(wǎng)絡模型，采用了自編碼技術，可以有效解決傳統(tǒng)構建方式在預測精度、魯棒性、以及冷啟動等問題。通過把學習者的基本信息、學習能力、學習行為、學習水平等作為輸入數(shù)據(jù)，從而獲取數(shù)據(jù)之間的潛在特征，即編碼，使用這些編碼可以實現(xiàn)新數(shù)據(jù)的生成、干擾信息的清除，最終訓練的結果使x與x達到一致（或者盡量接近）。

1.3 自適應推薦模型研究

推薦模型可以實現(xiàn)學習者的最優(yōu)學習路線，這里主要研究使用蟻群算法對路徑的推薦，蟻群算法主要是對螞蟻覓食行為進行人工模擬，主要包括信息素的累積階段、通過螞蟻協(xié)作優(yōu)化路徑兩個階段;將蟻群算法的最短路徑搜索思路應用于推薦模型中，可以根據(jù)學生者學習的歷史數(shù)據(jù)實現(xiàn)最優(yōu)學習路徑，如下一步學習者該學什么內(nèi)容、內(nèi)容的難度安排如何、學習時長、教師團隊的變更等，從而實現(xiàn)學習者的高效學習。

2 系統(tǒng)實現(xiàn)

綜合運用認知理論、學習理論、大數(shù)據(jù)技術、人工智能等學科知識和技術，實現(xiàn)人工智能技術與教育的深度融合，以實現(xiàn)因材施教、個性化學習的目標。系統(tǒng)由數(shù)據(jù)層、應用層和展現(xiàn)層三層結構組成，不同層級之間通過系統(tǒng)內(nèi)部的接口進行數(shù)據(jù)、信息的交互，降低系統(tǒng)耦合，提高系統(tǒng)的穩(wěn)定性，便于系統(tǒng)的擴展，架構如圖3所示。

第一層（底層）為數(shù)據(jù)層，負責核心數(shù)據(jù)的數(shù)據(jù)庫存儲和資源文件的分布式文件存儲，分布式文件存儲系統(tǒng)支持海量資源的存取訪問，隨著資源的擴充可以方便地進行水平擴容。

第二層是應用層，主要包括系統(tǒng)平臺級別的基礎服務子層、具體的業(yè)務邏輯子層和面向展現(xiàn)的控制層接口。基礎服務即系統(tǒng)平臺所具備的核心能力，如知識領域模型、學習特征模型的建立和管理等。業(yè)務邏輯子層即實現(xiàn)了系統(tǒng)各項具體的業(yè)務功能，包括資源庫的建立、訪問和維護，學生的自主學習、智能學習分析和定制化的學習規(guī)劃，智能化的資源推送功能，以及學生和教師之間的交流互動等業(yè)務。面向展現(xiàn)的控制子層主要負責提供展現(xiàn)層所需要的頁面及數(shù)據(jù)訪問接口，處理展現(xiàn)層發(fā)來的各項請求，實現(xiàn)具體各項業(yè)務的訪問和調(diào)用。

第三層層即展現(xiàn)層，主要是利用REST API向使用PC、Android和iOS客戶端的用戶提供系統(tǒng)各項功能的訪問接口。

3 結語

本文重點闡述了構成智能自適應學習系統(tǒng)的三個核心模型：行業(yè)知識模型、自適應推薦模型和基于學習者的模型，包括采用深度學習自編碼技術用于學習者的學習行為模型的構建，以解決傳統(tǒng)構建方式在預測精度、魯棒性、以及冷啟動等問題，針對自適應推薦引擎，采用群智能蟻群算法。最后提出了智能自適應學習系統(tǒng)的實現(xiàn)方案。

參考文獻

[1] Knewton.Knewton adaptive learning building the world's most powerful education recommendation engine[DB/OL].[2019-02-25].https：//www.knewton.com/wp-content/uploads.

[2] 韓營，趙蔚，姜強，等.動態(tài)思維導圖引導的知識資源共建共享模型[J].現(xiàn)代遠程教育研究，2017（01）：105-112.

[3] 菅保霞，姜強，趙蔚，等.大數(shù)據(jù)背景下自適應學習個性特征模型研究：基于元分析視角[J].遠程教育雜志，2017，35（04）：87-96.

[4] 姜強，趙蔚，劉紅霞，等.能力導向的個性化學習路徑生成及評測[J].現(xiàn)代遠程教育研究，2015（06）：104-111.

[5] 趙蔚，姜強，王朋嬌，等.本體驅(qū)動的e-Learning知識資源個性化推薦研究[J].中國電化教育，2015（05）：84-89.

[6] Wolf C. iWeaver： towards' learning style'-based e-learning in computer science education[C]//Proceedings of the fifth Australasian conference on Computing education_ Volume 20.Australian Computer Society，Inc.，2013.

[7] 楊雪，姜強，趙蔚.大數(shù)據(jù)分析與教育改革：對2016年第十五屆教育技術國際論壇的思考[J].現(xiàn)代遠距離教育，2017（02）：62-75.

[8] 陳仕品，張劍平.適應性學習支持系統(tǒng)的學生模型研究[J].中國電化教育，2010（5）：112-117.

[9] 龍三平，張敏.在線學習理論研究的現(xiàn)狀與趨勢：基于SSCI數(shù)據(jù)庫（1994-2013年）的科學計量分析[J].遠程教育雜志，2014，32（03）：64-70.

[10] 萬海鵬，余勝泉.基于學習元平臺的學習認知地圖構建[J].電化教育研究，2017（9）：83-88.

[11] 馮新翎，何勝，熊太純，等.“科學知識圖譜”與“Google知識圖譜”比較分析：基于知識管理理論視角[J].情報雜志，2017，36（1）：149-153.

Research on Intelligent Adaptive Learning System

LIU Bin

（Artificial Intelligence Education Research Center of? Qilu Normal University， Jinan? Shandong? 250200）

Abstract：In this article， the related research of intelligent adaptive learning platform is reviewed. Firstly， the development process of this research field at home and abroad is introduced. Secondly， the research methods， technical routes and experimental schemes of the intelligent adaptive learning platform are introduced. Then the research contents of related models are introduced. In addition， a targeted design for solving related problems is given. Finally， it summarizes the measures taken to solve different problems and the results achieved.

Key words：intelligence; learning system; research