基于人工智能的個性化網(wǎng)絡(luò)學(xué)習(xí)平臺設(shè)計研究*

丘美玲，楊震倫，陳惠紅

（廣州番禺職業(yè)技術(shù)學(xué)院，廣東 廣州 511483）

大數(shù)據(jù)和人工智能技術(shù)很少被應(yīng)用于傳統(tǒng)的網(wǎng)絡(luò)學(xué)習(xí)平臺，尤其是基于用戶學(xué)習(xí)的大數(shù)據(jù)分析和進(jìn)行個性化推送服務(wù)模式與平臺設(shè)計的研究并不多。因此，亟需以在人工智能的總體框架下，梳理科學(xué)的教學(xué)理論思想對個性化學(xué)習(xí)的特征和內(nèi)容做更深層次的整理和歸納，從而研究出以用戶為中心的個性化學(xué)習(xí)內(nèi)容的推送服務(wù)模式。

在人工智能和大數(shù)據(jù)的背景下，許多的學(xué)習(xí)行為被跟蹤和記錄，數(shù)據(jù)驅(qū)動下的個性化網(wǎng)絡(luò)學(xué)習(xí)平臺通過大數(shù)據(jù)分析學(xué)習(xí)行為和學(xué)習(xí)過程，能夠精準(zhǔn)識別學(xué)生的學(xué)習(xí)習(xí)慣、學(xué)習(xí)過程、準(zhǔn)確預(yù)測學(xué)習(xí)趨勢和評價學(xué)習(xí)結(jié)果，給予學(xué)習(xí)者自適應(yīng)的指導(dǎo)和個性化的推動。因此，教學(xué)逐漸從用數(shù)據(jù)驅(qū)動決策替代用經(jīng)驗說話的方向發(fā)展。如何對巨量的學(xué)習(xí)數(shù)據(jù)的特征進(jìn)行智能篩選并建立聯(lián)系、如何精準(zhǔn)制定學(xué)習(xí)者每一階段要學(xué)習(xí)的單元知識、如何跟蹤學(xué)習(xí)者在學(xué)習(xí)過程中的學(xué)習(xí)特征等，均是當(dāng)前個性化自適應(yīng)學(xué)習(xí)實踐中急需處理的技術(shù)難題。通過建立一個經(jīng)典的三角模型可闡釋個性化自適應(yīng)學(xué)習(xí)的關(guān)鍵技術(shù)構(gòu)架，需著重對個性化學(xué)習(xí)路徑推薦、跟蹤與知識圖譜的構(gòu)建及展示軌跡等核心技術(shù)難點進(jìn)行探索研究，以解決教學(xué)知識圖譜展示的信息傳播、教學(xué)數(shù)據(jù)中的理論邊界檢測、個性化學(xué)習(xí)路徑推薦結(jié)合課程序列、深度知識跟蹤的數(shù)據(jù)不可闡釋和碎片化等問題。

課題將從三個方面進(jìn)行研究：基于數(shù)據(jù)驅(qū)動的個性化學(xué)習(xí)特征；個性化網(wǎng)絡(luò)學(xué)習(xí)平臺的系統(tǒng)流程設(shè)計；基于個性化的網(wǎng)絡(luò)學(xué)習(xí)平臺的服務(wù)支持。各部分研究內(nèi)容之間在邏輯上相互響應(yīng)，構(gòu)成一個有機(jī)的整體。

1 基于數(shù)據(jù)驅(qū)動的個性化學(xué)習(xí)特征

圍繞在線學(xué)習(xí)平臺的大量大數(shù)據(jù)源的增長研究，有助于新一代個性化學(xué)習(xí)模型的出現(xiàn)。近5年，隨著大數(shù)據(jù)革命的到來，傳輸?shù)浇逃h(huán)境的大數(shù)據(jù)源數(shù)量呈指數(shù)級增長，這被稱為教育數(shù)據(jù)的爆炸式增長，在線上學(xué)習(xí)模式中使用大數(shù)據(jù)有助于設(shè)想新的教學(xué)方法和新的戰(zhàn)略性學(xué)習(xí)決策，從而最大限度地滿足學(xué)習(xí)者在學(xué)習(xí)內(nèi)容方面的需求。網(wǎng)絡(luò)學(xué)習(xí)模式在大數(shù)據(jù)環(huán)境中的適應(yīng)性變得不可避免。社交網(wǎng)絡(luò)是教育環(huán)境和線上學(xué)習(xí)平臺中最大的數(shù)據(jù)源。

正確地認(rèn)識教育群體，更好地設(shè)計未來的學(xué)習(xí)環(huán)境，實現(xiàn)更靈活的教學(xué)方式，這些都是實現(xiàn)基于AI的個性化學(xué)習(xí)的挑戰(zhàn)性問題。除此，還有三方面的核心科學(xué)問題也需要繼續(xù)解決，包括：可定制的學(xué)習(xí)服務(wù)，可計算化的教學(xué)情境，可理解的學(xué)習(xí)主題。因此個性化的學(xué)習(xí)模式正在成為最重要的教學(xué)方法之一。

依據(jù)學(xué)科的知識體系，利用大數(shù)據(jù)技術(shù)將用戶的學(xué)習(xí)資源進(jìn)行分化式整理，然后構(gòu)建用戶的個性化學(xué)習(xí)資源庫框架（圖1），為用戶提供如何有效利用碎片化時間完成不同網(wǎng)絡(luò)平臺資源的選擇和學(xué)習(xí)，教師在將來能通過研究學(xué)生的學(xué)習(xí)行為、討論的內(nèi)容、學(xué)習(xí)的狀態(tài)、學(xué)習(xí)的進(jìn)度、知識狀態(tài)、在線測試分?jǐn)?shù)等用戶學(xué)習(xí)數(shù)據(jù)，分析用戶的學(xué)習(xí)情況和知識消化程度，以及學(xué)習(xí)習(xí)慣等更深層次的關(guān)鍵信息。因此能更有針對性地對用戶進(jìn)行教學(xué)引導(dǎo)，解決相關(guān)學(xué)習(xí)痛點。

圖1 個性化自適應(yīng)學(xué)習(xí)資源庫框架

2 個性化網(wǎng)絡(luò)學(xué)習(xí)平臺的系統(tǒng)流程設(shè)計

在線學(xué)習(xí)模式是現(xiàn)在最重要的教學(xué)方法之一，然而，大多數(shù)現(xiàn)有的網(wǎng)絡(luò)學(xué)習(xí)平臺只提供傳統(tǒng)的在線學(xué)習(xí)系統(tǒng)，學(xué)習(xí)者僅僅只能訪問相同的評估和學(xué)習(xí)內(nèi)容。個性化網(wǎng)絡(luò)學(xué)習(xí)模型通過大數(shù)據(jù)技術(shù)，提供了新的學(xué)習(xí)策略，在本文中提出了一個自適應(yīng)的在線學(xué)習(xí)模型，為每個學(xué)習(xí)者提供最合適的學(xué)習(xí)內(nèi)容。研究將通過引入人工智能、大數(shù)據(jù)的創(chuàng)新理念和技術(shù)到網(wǎng)絡(luò)學(xué)習(xí)平臺設(shè)計上，從而實現(xiàn)為當(dāng)前網(wǎng)絡(luò)學(xué)習(xí)平臺提供以學(xué)習(xí)者為中心的個性化學(xué)習(xí)服務(wù)模式（圖2）。

圖2 個性化網(wǎng)絡(luò)學(xué)習(xí)平臺的系統(tǒng)流程設(shè)計

該模型基于兩級自適應(yīng)在線學(xué)習(xí)。第一個層次包括兩個步驟，使用遺傳算法通過適當(dāng)?shù)膶W(xué)習(xí)者評估方法確定相關(guān)的未來教育目標(biāo)，使用蟻群優(yōu)化算法為每個學(xué)習(xí)者生成自適應(yīng)學(xué)習(xí)路徑。在第二個層次，基于地圖縮減的社會網(wǎng)絡(luò)分析，用于確定學(xué)習(xí)者的動機(jī)和社會生產(chǎn)力，以便為每個學(xué)習(xí)者分配特定的學(xué)習(xí)節(jié)奏。

3 研究基于個性化的網(wǎng)絡(luò)學(xué)習(xí)平臺的關(guān)鍵技術(shù)

當(dāng)前個性化學(xué)習(xí)服務(wù)實現(xiàn)可以通過“三項服務(wù)”的關(guān)鍵技術(shù)進(jìn)行應(yīng)用實踐（圖3），即在個性化網(wǎng)絡(luò)學(xué)習(xí)平臺支撐下，基于學(xué)習(xí)需求推送個性化學(xué)習(xí)內(nèi)容；基于學(xué)習(xí)能力生成個性化學(xué)習(xí)路徑；基于知識掌握進(jìn)行個性化學(xué)習(xí)評價。

圖3 基于個性化的網(wǎng)絡(luò)學(xué)習(xí)平臺的關(guān)鍵技術(shù)

基于學(xué)習(xí)需求推送個性化學(xué)習(xí)內(nèi)容：獲知學(xué)習(xí)者潛在的若干個興趣點的情況下，如何快速捕獲用戶的興趣點，并給予持續(xù)的滿足，并形成系統(tǒng)知識點的轉(zhuǎn)化。通過召回策略，初選出用戶可能感興趣的內(nèi)容，形成一個召回的一個候選集。在排序環(huán)節(jié)，結(jié)合用戶特征，產(chǎn)品環(huán)境信息推薦內(nèi)容特征，使用機(jī)器學(xué)習(xí)的模型算法，對召回后的內(nèi)容進(jìn)行排序。在策略干預(yù)環(huán)節(jié)，對機(jī)器學(xué)習(xí)形成的排序進(jìn)行策略，從而干預(yù)從海量的數(shù)據(jù)中篩選出用于推薦的內(nèi)容候選集。

基于學(xué)習(xí)能力生成個性化學(xué)習(xí)路徑，特別指基于遺傳算法的學(xué)習(xí)路徑排序，它強(qiáng)調(diào)考慮學(xué)習(xí)者的需求。蟻群算法是一種群體智能技術(shù)，在解決在線學(xué)習(xí)領(lǐng)域的許多優(yōu)化問題上表現(xiàn)出良好的性能。特別是，蟻群算法的適應(yīng)性尤其受到重視，許多研究表明基于蟻群算法的推薦技術(shù)達(dá)到了80~90%的準(zhǔn)確率，蟻群算法已經(jīng)被證明是一種根據(jù)學(xué)習(xí)者的學(xué)習(xí)風(fēng)格提供學(xué)習(xí)計劃的技術(shù)。

評價是第一個用于了解學(xué)習(xí)者對教育資源的先決條件的在線學(xué)習(xí)測試，大多數(shù)現(xiàn)有的在線學(xué)習(xí)平臺相關(guān)的評價功能非常有限。學(xué)習(xí)評價是特定的在線學(xué)習(xí)組件，它使在線學(xué)習(xí)系統(tǒng)提供個性化學(xué)習(xí)路徑和合適的學(xué)習(xí)內(nèi)容，提供了更多額外的學(xué)習(xí)時間和個性化學(xué)習(xí)路徑的學(xué)習(xí)，路徑排序是一個開放的問題。

4 結(jié)束語

本文從數(shù)據(jù)驅(qū)動的角度出發(fā)，對平臺框架進(jìn)行梳理，并對其關(guān)鍵技術(shù)進(jìn)行分析。個性化自適應(yīng)學(xué)習(xí)在智慧教育中具有廣泛的應(yīng)用和發(fā)展前景，但其關(guān)鍵核心技術(shù)、重要應(yīng)用示范和重點體系框架等方面仍然處于不斷研究和探索階段，尤其是在線下實體教育中尚缺乏實際應(yīng)用。其主要原因在于不同實體教學(xué)結(jié)構(gòu)的差異性以及線下數(shù)據(jù)采集的困難性上。因此，個性化自適應(yīng)學(xué)習(xí)的未來發(fā)展，應(yīng)該更加關(guān)注學(xué)習(xí)者的個性化需求。從個性化學(xué)習(xí)路徑推薦、追蹤知識、知識圖譜及其表示學(xué)習(xí)等方面，深入研究線上和線下場景的個性化自適應(yīng)學(xué)習(xí)的框架體系和基礎(chǔ)理論、平臺構(gòu)建和核心技術(shù)。重點從教學(xué)模型、學(xué)習(xí)者特征模型和領(lǐng)域知識模型三方面對平臺實現(xiàn)機(jī)制進(jìn)行探析，推動其智慧教育領(lǐng)域的創(chuàng)新發(fā)展。