數(shù)據(jù)驅(qū)動的本科計算機在線學(xué)習(xí)智能模式研究

王可 羅孟華

摘要：隨著教育方式和學(xué)習(xí)方法的變革，在線學(xué)習(xí)已經(jīng)成了一種廣泛應(yīng)用的學(xué)習(xí)模式。搭建學(xué)習(xí)平臺的技術(shù)和題庫資源日趨成熟，但對于學(xué)習(xí)效果的理解和分析卻相對落后與陳舊。隨著數(shù)據(jù)科學(xué)的發(fā)展和人工智能技術(shù)的進步，將大眾類在線學(xué)習(xí)平臺轉(zhuǎn)變?yōu)橐虿氖┙痰膫€性化學(xué)習(xí)平臺是在線學(xué)習(xí)發(fā)展的必然趨勢。針對學(xué)習(xí)效果分析和個性化學(xué)習(xí)，以本科計算機課程為例，提出了一種數(shù)據(jù)驅(qū)動的在線學(xué)習(xí)智能模式。該模式可以針對本科學(xué)生的學(xué)習(xí)需求和特點，生成對應(yīng)的個性化學(xué)習(xí)方案和測評方案，以提高學(xué)習(xí)效率，達到更好的學(xué)習(xí)效果。

關(guān)鍵詞：數(shù)據(jù)驅(qū)動;大學(xué)計算機課程;在線學(xué)習(xí);智能模式;計算機教育

中圖分類號：TP18 文獻標(biāo)識碼：A

文章編號：1009-3044（2020）01-0194-02

1概述

隨著社會信息化和數(shù)字化進程的發(fā)展，數(shù)據(jù)驅(qū)動的分析在一些國家已經(jīng)成為教育改革的重要力量。美國政府最早在教育領(lǐng)域推進大數(shù)據(jù)應(yīng)用。英國政府發(fā)布了《2020愿景：2020年教與學(xué)評議組報告》，探討的問題之一是“評估與責(zé)任制體系如何利用數(shù)據(jù)為學(xué)生的個性化學(xué)習(xí)提供支持”。學(xué)校不再是學(xué)生的唯一信息源，在線學(xué)習(xí)不受時間和空間的約束限制，并且可以實現(xiàn)互動。

國外的教育信息化進程相對較快，其引領(lǐng)性的在線學(xué)習(xí)平臺的建設(shè)和研究，對國內(nèi)在線教育的發(fā)展有很重要的影響。以最有影響的四個在線學(xué)習(xí)平臺為例：Coursera課程領(lǐng)域眾多并且含有多國字幕，所有課程都有視頻簡介，超過一半的課程提供簽名認(rèn)證。Udacity的課程經(jīng)過精心的設(shè)計，不拘泥于教科書形式的教學(xué)，高度互動，學(xué)生可以根據(jù)自己的節(jié)奏上課。edX是課程涵蓋眾多領(lǐng)域，結(jié)合線上和線下模式，更貼近真實的大學(xué)課程，一些課程含有多國語言字幕。Khan Academy從最基礎(chǔ)的內(nèi)容開始，由淺入深，循序漸進，相互銜接。但從實際應(yīng)用的角度出發(fā)，由于本科生教育體制和培養(yǎng)方法不同，經(jīng)濟環(huán)境的不同和研究取向不同，國外相應(yīng)成果很難直接照搬到我國的本科生在線學(xué)習(xí)智能模式當(dāng)中，其研究成果和方法具備一定的局限性。

國內(nèi)針對數(shù)據(jù)驅(qū)動的大學(xué)生在線學(xué)習(xí)智能模式的研究還處于起步階段。主要研究集中在以下三個方面：一是學(xué)習(xí)管理平臺設(shè)計和開發(fā)技術(shù)的研究，如文獻[9]通過具體案例分析大數(shù)據(jù)和學(xué)習(xí)分析在當(dāng)前高校混合學(xué)習(xí)環(huán)境中的應(yīng)用效果。二是在線課程的評價與思考研究，如文獻[10]構(gòu)建了包括學(xué)生行為、教師行為和師生交互等三個一級指標(biāo)的評價體系。三是關(guān)于在線學(xué)習(xí)教學(xué)模式和學(xué)習(xí)模型的研究，如文獻[11]討論分析了自適應(yīng)模型的構(gòu)建要素，對大學(xué)生在線學(xué)習(xí)模式研究也可以有一定的幫助。目前，這些已有的研究多從單個案例或技術(shù)實現(xiàn)角度出發(fā)，研究范圍相對窄狹，研究尚且不夠深入，缺乏針對性、系統(tǒng)性。

2數(shù)據(jù)驅(qū)動的本科計算機在線學(xué)習(xí)智能模式

隨著在線學(xué)習(xí)系統(tǒng)的發(fā)展和數(shù)學(xué)科學(xué)的影響，越來越多的操作數(shù)據(jù)被記錄下來。但這些被記錄下來的數(shù)據(jù)，并沒有發(fā)揮其應(yīng)有的效用。究其原因，主要是兩個方面：一是對于數(shù)據(jù)科學(xué)的使用存在盲目性，空泛地使用大而全的方式保存數(shù)據(jù)，又缺乏進一步分析理解，進而導(dǎo)致系統(tǒng)和資源消耗龐大，卻又沒有理想的效果。二是系統(tǒng)設(shè)計思想陳舊，系統(tǒng)基本環(huán)節(jié)和流程沒有實質(zhì)性改變，單純希望從數(shù)據(jù)分析中取得新突破，這樣的方式存在數(shù)據(jù)模型的瓶頸，能在小范圍的做出調(diào)整，但影響較小。本模型提出的智能模式，主要解決上述兩個問題，針對性的把握好學(xué)習(xí)者的需求，進而從系統(tǒng)設(shè)計本身的改變出發(fā)，完成智能模式的設(shè)計，突破現(xiàn)有的局限。

2.1本科計算機課程教學(xué)和學(xué)習(xí)需求分析

對本科生的計算機課程而言，主要分為兩種類型，即面向計算機專業(yè)學(xué)生的課程和面向非計算機專業(yè)學(xué)生的課程。這兩種類型課程體系在線學(xué)習(xí)模式設(shè)定的區(qū)別，主要取決于不同學(xué)習(xí)者的需求和特點。對于本科生學(xué)習(xí)者而言，學(xué)習(xí)需求主要來自學(xué)業(yè)需求和就業(yè)需求。

2.1.1非計算機專業(yè)學(xué)生

計算機作為當(dāng)今時代必不可少的重要工具，已經(jīng)廣泛深入各行各業(yè)。對于非計算機專業(yè)的學(xué)生，學(xué)業(yè)需求主要來自計算機公共課和計算機過級考試，而就業(yè)需求主要來自計算機基本操作、辦公軟件的學(xué)習(xí)、行業(yè)特定應(yīng)有軟件的學(xué)習(xí)和通用編程能力的培養(yǎng)等。這類學(xué)習(xí)需求相對簡單，主要是完成知識點和特定操作技能的培養(yǎng)，傳統(tǒng)在線學(xué)習(xí)系統(tǒng)模式可以勝任，僅完善智能模型的題庫資源設(shè)計即可。

2.1.2計算機專業(yè)學(xué)生

對于計算機專業(yè)的學(xué)生而言，僅僅掌握計算機課程的對應(yīng)知識點和操作技能還不夠，還需要學(xué)生能夠把握整個課程的體系脈絡(luò)、了解行業(yè)的細化分支，并能夠選擇自己研究的發(fā)展方向。因此，針對計算機專業(yè)的本科生，需要在在線學(xué)習(xí)系統(tǒng)中設(shè)計除書本課程之外的專業(yè)內(nèi)容，并且能夠隨著學(xué)生學(xué)習(xí)狀態(tài)的變化和年級的不同，針對學(xué)生個人特點給出其適合的學(xué)習(xí)領(lǐng)域和研究方向的建議。

2.2數(shù)據(jù)驅(qū)動的在線學(xué)習(xí)智能模型

根據(jù)上述學(xué)習(xí)者需求和計算機課程的特點，智能模型的設(shè)計主要體現(xiàn)在題庫模式的設(shè)計、學(xué)習(xí)情感的設(shè)計和后期數(shù)據(jù)分析挖掘的設(shè)計三個方面。

2.2.1智能模型中的題庫模塊設(shè)計

現(xiàn)有在線學(xué)習(xí)題庫資源設(shè)計，多以答案正確與否來判定學(xué)生的學(xué)習(xí)狀態(tài)，能從個別知識點的角度判別學(xué)生對知識的把握，但這并不能滿足智能模型的需求。智能模型的題庫模塊設(shè)計，除了上述需求之外，必須加入詳細的知識體系結(jié)構(gòu)，精確到每一個題目涉及的多個知識點，以備進一步數(shù)據(jù)分析使用，如圖1所示。

2.2.2智能模型中針對本科生學(xué)習(xí)情感的模塊設(shè)計

對于本科生而言，有著較高的學(xué)習(xí)能力和注意力集中度，現(xiàn)有系統(tǒng)多關(guān)注之點的講授，學(xué)習(xí)情感往往是在線學(xué)習(xí)系統(tǒng)最容易忽略的地方。學(xué)習(xí)情感對于學(xué)習(xí)者而言是至關(guān)重要的主管學(xué)習(xí)因素，對學(xué)習(xí)效率和效果的影響至關(guān)重要。本模型通過答題時間，正確率和問卷調(diào)查結(jié)果分析來判別學(xué)習(xí)者的學(xué)習(xí)情感。

本科生雖然是成年人，但尚未成熟穩(wěn)定，其學(xué)習(xí)狀態(tài)有著諸多的影響因素。如答題時間較短，錯誤率較高，可以反映出學(xué)習(xí)者焦躁的學(xué)習(xí)狀態(tài)，學(xué)習(xí)者對于該知識點的學(xué)習(xí)情感為負(fù)面。反言之，如短時間內(nèi)正確率較高，則說明此部分知識點已經(jīng)熟練掌握，學(xué)習(xí)者對于該知識點的學(xué)習(xí)情感為正面。再加上對學(xué)習(xí)者學(xué)習(xí)結(jié)束后的問卷調(diào)查，通過自然語言處理技術(shù)提取學(xué)習(xí)者對于本次學(xué)習(xí)涉及知識點的感情色彩，一并計入個人單次學(xué)習(xí)記錄。

再通過多個個人單次學(xué)習(xí)記錄的交叉匯總，得到個人知識點學(xué)習(xí)情感圖譜。經(jīng)過一段時間的積累，按課程匯總所有學(xué)習(xí)者的學(xué)習(xí)情感圖譜，得到該課程所有知識點學(xué)習(xí)情感圖譜，如圖2所示，進而可以分析課程安排和知識點教授的難度和教學(xué)問題所在。

2.2.3智能模型中數(shù)據(jù)分析和挖掘的模塊設(shè)計

本智能模型的數(shù)據(jù)分析和挖掘模塊分為兩個方面：學(xué)習(xí)者學(xué)習(xí)方面和在線學(xué)習(xí)系統(tǒng)教學(xué)智能調(diào)整方面。對于學(xué)習(xí)者而言，從知識點難度和學(xué)習(xí)情感的角度進行分析。如果從個人學(xué)習(xí)記錄來看，是某個知識點或者一個大類知識點出現(xiàn)學(xué)習(xí)問題，則提升該類知識點隨機出題的概率，并在學(xué)習(xí)模塊推薦該類知識點的課程講解。如果調(diào)整知識點的方式?jīng)]有明顯的學(xué)習(xí)效果提升，則進一步分析個人知識點學(xué)習(xí)情感圖譜，以Aprior算法分析其前期基礎(chǔ)課程對應(yīng)知識點的關(guān)聯(lián)程度，建立并推薦新的學(xué)習(xí)計劃，再用經(jīng)過課程知識點學(xué)習(xí)情感圖譜訓(xùn)練的LSTM模型預(yù)測其新學(xué)習(xí)計劃的學(xué)習(xí)情感時間序列。如果新計劃預(yù)測結(jié)果和實際學(xué)習(xí)情況吻合，則說明學(xué)習(xí)計劃調(diào)整成功;如新計劃預(yù)測結(jié)果和實際學(xué)習(xí)情況偏差較大，則重新調(diào)整新計劃涉及的知識點，如圖3所示。

在線學(xué)習(xí)系統(tǒng)教學(xué)智能調(diào)整方面，課程知識點學(xué)習(xí)情感圖譜是重點分析內(nèi)容。對于存在較高比例負(fù)面情感的知識點而言，調(diào)整教學(xué)模式、拆解知識難點和更新在線題庫的設(shè)計是最有效的方法。對于存在較高比例正面情感的知識點而言，可以用聚類的方法分析其教學(xué)模式，推演其講解方法，并推廣其題庫設(shè)計結(jié)構(gòu)，并在實際應(yīng)用中不斷智能調(diào)整更新，以適應(yīng)新一代學(xué)習(xí)者的不同要求。

3結(jié)論

本研究所提出的數(shù)據(jù)驅(qū)動的本科生計算機在線學(xué)習(xí)智能模式，針對本科生對計算機課程的學(xué)習(xí)需求，重新設(shè)計了題庫模塊、學(xué)習(xí)情感模塊和數(shù)據(jù)分析挖掘模塊，能夠根據(jù)學(xué)生不同的情況，進行個性化智能更新，有針對性地提高學(xué)習(xí)者的學(xué)習(xí)效果。