基于學習者行為分析的智能學習平臺的設計

萬浩　李林　鐘一　董昕　梁艷

近年來，隨著計算機技術的飛速發展，網絡學習平臺不斷涌現，但對學習者行為特征的關注較少。該文重點研究網絡學習平臺的智能化，即基于答題速度、答題正確率等因素跟蹤、記錄、分析學習者在學習期間的行為。平臺以在線答題學習為基礎功能，輔以錯題收藏、人工幫助等功能，通過“PK練習”增強學習的趣味性，跟蹤并記錄用戶學習行為數據，及時反饋學習者學習效果數據，進而預測并個性化的推薦下一階段的學習任務。用戶測試和研究結果表明，學習平臺的運用對提高學習者學習效率具有良好的促進作用。

小程序 ?智能學習平臺 ?學習者行為分析 ?個性化推薦

中圖分類號：G43??文獻標識碼：A???文章編號：1672-3791（2022）02（b）-0000-00

Design?of?Intelligent?Learning?Platform?Based?on?Learner?Behavior?Analysis

?In recent years， with the rapid development of computer technology， online learning platforms continue to emerge， but less attention to learner behavior characteristics. This paper focuses on the intellectualization of network learning platform， that is， tracking， recording and analyzing learners' behaviors during learning based on the speed and accuracy of answers. The platform takes online answer learning as the basic function， supplemented by the wrong question collection， manual help and other functions， enhances the fun of learning through "PK practice"， tracks and records the user learning behavior data， timely feedback the learning effect data， and then predicts and personalized recommendation of the next stage of learning tasks. The results of user test and research show that the application of learning platform has a good promotion effect on improving learners' learning efficiency.

Small program; Intelligent learning platform; Learner behavior analysis; Personalized recommendation

計算機技術的飛速發展讓高效率、高品質的網絡學習成為可能，人們的學習觀念以及學習模式發生了改變，傳統的網絡學習模式已經不能滿足學習者的需求。網絡學習者在線學習期間的行為活動迫切需要被跟蹤、記錄和分析，并最終在反饋策略的指導下根據分析結果改變學習流程和學習方式。

學習行為的研究大多是對課堂學習行為的研究調查，以線上學習者行為數據為基礎的研究實例較少。以網絡學習數據訪問量、學習者行為跟蹤數據為基礎進行分析，能夠獲取最真實有效的行為數據，具有很高的實踐指導價值。研究表明，學習者的情感、學習行為、認知能力與學習成績存在一定的關系，但文獻未對各種影響因素的相關性做出量化的深入研究。設計個性化的學習流程，提取有效的學習行為成為研究熱點。

實踐上，基于學習者行為分析的智能學習平臺的開發具有很好的現實意義。平臺不僅滿足了學習者個性化的學習需求，也以最優的學習過程和模式激發了學習者的參與度，提高了學習效率。理論上，學習者行為數據的細粒度記錄和學習影響因素的分析對學習者行為分析理論的研究具有一定的參考價值。此外，學習行為跟蹤、預測和推薦算法的研究，對于構建有效的自適應學習過程模式有一定促進作用。

平臺綜合多維數據分析用戶特征，對學習者最近的學習行為做出智能反饋。一方面，綜合用戶的做題時間和做題時間段、做題正確率、知識點得分率、題型正確率，進行多維分析，形成多種數據分析圖表，并根據數據向用戶推薦更適合練習的題單。另一方面，通過跟蹤學習者學習行為數據，利用一系列算法（如多維分析、預測、聚類等）為用戶反饋學習成果，并對用戶下一階段的學習任務做智能推薦。借此，平臺可以靈活地為用戶擬定個性化學習過程，提高學習者的學習效率。

在用戶功能設計上，用戶還可以通過與其他用戶進行在線PK的方式來檢測自己對相關知識的掌握情況。通過具有趣味性的游戲來加深自身對知識點的掌握，提高學習者的學習興趣。在數據結構構建上，平臺采用有向圖數據結構對具有聯系的題目進行拓撲連接，有向圖的數據結構具備杰出的易維護性、可擴展性，便于后期維護。

該平臺采用Spring Boot和Spring Cloud兩種主流的微服務、分布式架構搭建，Web界面以Vue.js框架為基礎，數據層采用Mybatis框架。平臺提供開始做題、PK練習、智能分析、排行榜、歷史記錄和人工幫助等服務。小程序主頁如圖1所示。

用戶可以按照自身的需求選擇相應的測試科目，通過作答整套題目測試自己的綜合能力。做題時，通過使用答題卡檢查并回看答題結果;提交試卷后，答題卡將顯示總體答題情況，點擊單題，會出現對應題目的答案和解析過程。

為增加用戶學習趣味性，特設計“PK練習”功能。此功能幫助用戶在與其他用戶實時PK的過程中檢驗自己知識的熟練度。讓用戶在玩游戲的過程中利用競爭精神學習知識、鞏固知識。平臺基于用戶對戰的綜合成績、做題速度、答題正確率、答題數量等信息進行排序，形成“排行榜”，以此來激發用戶學習的主動性和積極性。

“智能分析”功能即對用戶作答行為進行數據綜合統計與分析。用戶可查看套題得分信息，不同類型題目的熟練程度、得分百分比等，及時掌握自己的學習效果和不足之處。

平臺使用機器人模型庫實現智能機器人問答服務，運用Elasticsearch全文檢索技術、WebMagic爬蟲和定時任務技術，完成基本知識信息的全文檢索、實時數據獲取和更新。另外，平臺會對用戶問題及提問習慣進行分析和記錄，實現模型庫自訓，以提供更好的服務。

平臺綜合運用學習行為數據分析算法、學習預測算法和智能推薦算法，實現對學習者行為數據的跟蹤、搜集、分析和加工，以更好地反饋學習效果并推薦題單。

3.1 學習行為數據分析算法

利用多維分解的思想將用戶的學習行為拆分為點擊各個選項次數、每道題所花費的時間、題型正確率等數據。每個用戶看成一個樣本點，數據類似的用戶聚集成為一個樣本集。根據聚類算法得出樣本集的聚類中心，作為此樣本集的最終參考值。樣本集的個數與類似率的關系，如圖2所示，橫軸X代表樣本集中樣本點的數目，縱軸代表類似率，類似率=真實值/理論值。

在這種算法下，不僅將用戶各個角度的學習操作數據記錄在平臺上，而且在進行數據聚類分析時，可以將個人數據的耦合性降到最低，使最終的數據更接近于理想值。

3.2 預測算法

采用線性回歸預測學習成果，將分析后的學習行為數據包作為軸，學習成果數據包作為y軸，通過繪制（，）的散點圖的方式，分析和之間的線性關系，尋找一條穿過這些散點的直線，讓所有的點離直線的距離最短。學習者在平臺上的行為和其取得的成績之間的關系，如圖3所示。

利用最小二乘法解得到其參數。其中，代表第個數據點的預測值，對應直線的縱軸值。變量代表對應數據點的真實值。最小二乘法通過求偏導數的方法讓誤差平方和取得最小值時所對應回歸模型的參數，由此得到我們需要的線性回歸模型。利用最小二乘法跟蹤真實值和預測值的差距，以便系統做出相應的調整。

在這種預測算法下，系統可以提前預測用戶的學習成果，便于系統更早做出反饋響應，提高用戶的學習效率。

3.3 智能推薦算法

智能推薦算法是將一系列具有聯系的題目構建有向圖拓撲結構的過程。有向圖中每個節點（即每道題）均有三個元素，分別是知識點的內容、出度、入度，利用出度和入度將題目進行銜接。最終，形成一張圖，而這張圖呈現在用戶面前即為一套組卷。最終，將混亂的知識點糅合成持續的強相干知識點。

利用這種算法向用戶個性化地推薦題目，題單內題目是具有緊密關聯關系的知識點。這樣更有助于用戶對相關知識點的鞏固。

4 結語

該智能學習平臺提供智能組卷、單題推薦、PK練習、錯題本和收藏本、學習行為分析及人工幫助等功能。經部分用戶的體驗和測試，軟件基本功能使用正常。研究發現，對學習者行為的分析可以逐步分解為對多維數據的獨立分析和交叉分析的綜合體。而題目的相關性則可以通過特殊的數據結構相互關聯形成圖，最后憑借對學習者行為分析的結果與題目形成的圖來智能推送題目，實現個性化學習推薦。另外，學習者行為分析的結果還是PK練習匹配適當對手、增加學習興趣的基礎。

[1]?張燕. 網絡學習行為分析與個性化學習平臺模型構建[D].西安：西安電子科技大學，2015.

[2]?譚召，魯雁，武斌.在線學習平臺設計與學習行為分析[J].信息與電腦：理論版，2018（8）：118-120.

[3]?秦世名.面向在線學習行為分析的學習效果預測方法研究[D].武漢：華中師范大學，2019.

[4]?元帥，鄒軍華，劉丹.基于網絡學習平臺的在線學習行為分析與評價[J].中國教育技術裝備，2013（15）：27-28.

[5]?徐岸峰，楊仲基，王波.基于智慧教育平臺大數據的學生學習行為分析[J].高教學刊，2020（22）：16-19.

[6]?吳文凱.網絡學習行為分析與預測的研究[D].鞍山：遼寧科技大學，2020.

[7]?董慧嶸.基于學習行為分析的學習能力評估與學習意圖預測方法研究[D].哈爾濱：哈爾濱工業大學，2019.

[8]?胡茜茜.基于學生個人大數據的行為特征分析[D].武漢：華中師范大學，2019.

基金項目：四川省大學生創新創業訓練計劃項目資助（項目編號：S202111116094，S202111116095）。

作者簡介：萬浩（2001—），男，本科在讀，研究方向為計算機應用。

通信作者簡介：梁艷（1986—），女，碩士，講師，研究方向為計算機應用技術，E-mail：304152692@qq.com。