互聯(lián)網(wǎng)+背景下的學(xué)生個性化學(xué)習(xí)系統(tǒng)開發(fā)：現(xiàn)狀與啟示_1

1、    “互聯(lián)網(wǎng)+”背景下的學(xué)生個性化學(xué)習(xí)系統(tǒng)開發(fā)現(xiàn)狀與啟示    摘要：隨著“互聯(lián)網(wǎng)+”時代的到來，個性化學(xué)習(xí)系統(tǒng)的開發(fā)成為教育技術(shù)領(lǐng)域的熱點。個性化學(xué)習(xí)系統(tǒng)可以實現(xiàn)對學(xué)生學(xué)習(xí)的及時評估并為他們推送和制定個性化的學(xué)習(xí)資源和學(xué)習(xí)路徑，為教學(xué)相關(guān)人員提供及時干預(yù)和政策制定的參考。本文對個性化學(xué)習(xí)系統(tǒng)的自適應(yīng)引擎、內(nèi)容模塊、學(xué)習(xí)者模塊及指導(dǎo)模塊等重要組成進行了介紹，通過分析學(xué)習(xí)分析技術(shù)及教育測量模型為個性化學(xué)習(xí)系統(tǒng)理論框架的完善提供了方向，同時梳理了以knewton為代表的國外個性化學(xué)習(xí)系統(tǒng)的應(yīng)用發(fā)展，并對我國個性化學(xué)習(xí)系統(tǒng)的開發(fā)應(yīng)用提出了一些政策性建議。關(guān)

2、鍵詞：個性化學(xué)習(xí)，學(xué)習(xí)分析，教育測量一、引言孔子“因材施教”的教育思想被世界各國的教育者們倡導(dǎo)多年，但由于客觀條件的限制，一直未能在實踐中得到應(yīng)用。我國應(yīng)試教育初期主要以教師為中心，填鴨式教學(xué)大行其道，學(xué)生很難得到一對一的針對性學(xué)習(xí)輔導(dǎo)。進入21世紀(jì)以來，國家教育相關(guān)單位也意識到應(yīng)試教育初期在教與學(xué)方面所存在的問題，教育部在2001年頒布了基礎(chǔ)教育課程改革綱要（試行），強調(diào)教師及相關(guān)人員要轉(zhuǎn)變傳統(tǒng)教學(xué)方式，為學(xué)生提供主動探究、積極交流的個性化學(xué)習(xí)方式。翻轉(zhuǎn)課堂應(yīng)運而生，學(xué)生可以利用互聯(lián)網(wǎng)豐富的學(xué)習(xí)資源進行學(xué)習(xí)。在課堂內(nèi)的寶貴時間，學(xué)生能夠運用所學(xué)，合作研究解決問題，從而獲得對所學(xué)知識更深層次的

3、理解。教師也因此被解放出來，能有更多時間與每位學(xué)生交流，以此滿足學(xué)生的需要和促進他們的個性化學(xué)習(xí)，讓學(xué)生學(xué)習(xí)更加靈活、主動，有更強的參與度。由于學(xué)生越來越多的學(xué)習(xí)行為在網(wǎng)絡(luò)中發(fā)生，這直接導(dǎo)致互聯(lián)網(wǎng)中與學(xué)生學(xué)習(xí)行為相關(guān)的數(shù)據(jù)呈爆炸式增長，人們已經(jīng)在不知不覺中進入了教育領(lǐng)域的“大數(shù)據(jù)”時代。不難發(fā)現(xiàn)，未來教育的方向是整合構(gòu)建一體化的個性化學(xué)習(xí)系統(tǒng)。但個性化學(xué)習(xí)系統(tǒng)的開發(fā)無論在國內(nèi)國外都尚屬起步階段，它的技術(shù)理論還有待完善，實施過程中也還存在許多困難與挑戰(zhàn)。本文將從內(nèi)涵組成、理論框架及應(yīng)用開發(fā)幾方面對個性化學(xué)習(xí)系統(tǒng)進行論述與分析。二、個性化學(xué)習(xí)系統(tǒng)的內(nèi)涵與組成（一）個性化學(xué)習(xí)系統(tǒng)的內(nèi)涵個性化學(xué)習(xí)系統(tǒng)

4、被廣泛接受的定義是“使用特定的教學(xué)策略和學(xué)習(xí)資源為學(xué)生提供滿足他們不同需求的學(xué)習(xí)經(jīng)歷”。個性化學(xué)習(xí)系統(tǒng)一般有三個特征：第一，在進行個性化學(xué)習(xí)之前，學(xué)生會接受診斷性評估，然后根據(jù)評估得出的能力值為學(xué)生提供學(xué)習(xí)材料；第二，為學(xué)生提供特定的學(xué)習(xí)活動和材料以幫助學(xué)生達到學(xué)習(xí)目標(biāo)，實現(xiàn)合作學(xué)習(xí)；第三，學(xué)生以與自己的能力和興趣相符的步調(diào)逐漸掌握學(xué)習(xí)內(nèi)容，系統(tǒng)會對學(xué)生定期評估，并告知他們學(xué)習(xí)進展。而在這一系統(tǒng)中自適應(yīng)學(xué)習(xí)技術(shù)是核心，它能夠通過全面地對學(xué)習(xí)者進行測量評價并為其推送合適的學(xué)習(xí)資源和測驗來幫助學(xué)習(xí)者更高效地學(xué)習(xí)。這一技術(shù)的實現(xiàn)無疑也能幫助教育相關(guān)人員更精準(zhǔn)及時地理解學(xué)習(xí)者，為他們提供適時的針對性指

5、導(dǎo)與干預(yù)，制定更加成熟的教育政策。雖然自適應(yīng)學(xué)習(xí)技術(shù)還有待完善，但也具有廣闊的發(fā)展空間。美國新媒體聯(lián)盟（new media consortium，nmc）與高校教育信息化協(xié)會（educause）最新發(fā)布的美國新媒體聯(lián)盟地平線報告（2015高等教育版）中指出，自適應(yīng)學(xué)習(xí)技術(shù)將會在未來4年至5年被教育領(lǐng)域廣泛采用。（二）個性化學(xué)習(xí)系統(tǒng)的組成模塊個性化學(xué)習(xí)中兩個最核心的環(huán)節(jié)就是評估與反饋推送，傳統(tǒng)的教學(xué)評估往往存在片面、主觀、模糊化的傾向。教學(xué)中由于每個班學(xué)生人數(shù)較多也導(dǎo)致反饋不夠及時，不夠有針對性，更沒有個性化的學(xué)習(xí)資源推送。而個性化學(xué)習(xí)所獨有的組成模塊就能很好地規(guī)避傳統(tǒng)教學(xué)的弊端，它的主要模塊如

6、下：內(nèi)容模塊。個性化學(xué)習(xí)系統(tǒng)的內(nèi)容模塊的功能是傳遞學(xué)習(xí)者所需的學(xué)習(xí)內(nèi)容。內(nèi)容模塊主要包含學(xué)習(xí)對象和知識結(jié)構(gòu)。學(xué)習(xí)對象就像“樂高”積木，都是很小但可以重復(fù)使用的一塊積木，它的形式包括視頻、程序、故事、模擬及案例研究等，它們可以用于構(gòu)建更大的學(xué)習(xí)材料的集合。知識結(jié)構(gòu)中的知識可以看作節(jié)點，他們之間存在依賴關(guān)系，每個節(jié)點都至少有一個相關(guān)的學(xué)習(xí)對象，每個節(jié)點由于涵蓋的知識、技巧或能力類型不同而屬于不同的知識類型。知識類型包括基本概念公式、程序性知識及概念層級關(guān)系等。一般限制每一個節(jié)點只對應(yīng)一個知識類型，這有助于確保課程被分解為合適粒度，也便于個性化系統(tǒng)針對不同的知識類型運用不同策略進行指導(dǎo)和評價。學(xué)習(xí)者

7、模型。學(xué)習(xí)者模型主要包含對學(xué)習(xí)者知識熟練度的評估及推論。這是個性化學(xué)習(xí)系統(tǒng)有效性和可靠性評估的重要組成部分。評估主要包括領(lǐng)域相關(guān)信息的評估和領(lǐng)域獨立信息的評估。領(lǐng)域相關(guān)信息的評估可以及時更新學(xué)習(xí)者模型中的內(nèi)容，確認(rèn)學(xué)習(xí)者已知的部分，專注指導(dǎo)和評估學(xué)習(xí)者薄弱的環(huán)節(jié)。計算機可以根據(jù)更新的學(xué)習(xí)者模型調(diào)整課程。領(lǐng)域獨立信息的評估與學(xué)習(xí)者認(rèn)知能力、人格特質(zhì)等側(cè)寫數(shù)據(jù)有關(guān)，它允許系統(tǒng)在對特定學(xué)習(xí)者進行評估后選擇對他們最有效的學(xué)習(xí)順序和內(nèi)容形式。如，根據(jù)學(xué)習(xí)者的歸納推理能力確定例子和概念呈現(xiàn)的先后順序，給具有探索性學(xué)習(xí)風(fēng)格的學(xué)生提供非結(jié)構(gòu)化的學(xué)習(xí)體驗，或給工作記憶容量低的學(xué)生提供更小的學(xué)習(xí)單元。指導(dǎo)模塊。它

8、首先允許學(xué)生積極創(chuàng)建和操作學(xué)習(xí)對象；其次，一個有待學(xué)習(xí)的概念或規(guī)則需要具有多個不同的學(xué)習(xí)對象，這有助于自適應(yīng)引擎提供與學(xué)習(xí)者側(cè)寫數(shù)據(jù)最匹配的學(xué)習(xí)對象，同時也便于系統(tǒng)發(fā)現(xiàn)學(xué)習(xí)者未掌握或第一次學(xué)習(xí)的知識節(jié)點；最后還需要為學(xué)習(xí)者提供總結(jié)性的學(xué)習(xí)活動，鼓勵學(xué)習(xí)者反思和將所學(xué)的知識整合到其知識體系中。隨著學(xué)習(xí)者完成一個學(xué)習(xí)活動，關(guān)于他們的知識技能節(jié)點的在線表現(xiàn)會用于評估和干預(yù)。當(dāng)某個節(jié)點的值低于預(yù)設(shè)的掌握標(biāo)準(zhǔn)時，該學(xué)習(xí)者就成為需要額外指導(dǎo)、評估和補救的候選人，補救可以緊跟或直接嵌入學(xué)習(xí)序列。適應(yīng)性引擎。在內(nèi)容模型、學(xué)習(xí)者模型、指導(dǎo)模型建立的基礎(chǔ)之上，適應(yīng)引擎的思想相對簡單，首先是基于學(xué)習(xí)者知識需求選擇呈

9、現(xiàn)的節(jié)點。然后是根據(jù)特定學(xué)習(xí)者的特點和需要決定呈現(xiàn)哪些與這個節(jié)點有關(guān)的學(xué)習(xí)對象，在學(xué)習(xí)者學(xué)習(xí)過程中還要對學(xué)習(xí)對象進行排序或調(diào)整，依次呈現(xiàn)相應(yīng)學(xué)習(xí)對象直到學(xué)習(xí)者已經(jīng)掌握了該節(jié)點的知識，然后再重復(fù)節(jié)點選擇的過程，直到所有節(jié)點都被掌握。而自適應(yīng)引擎運作的實際過程就相對復(fù)雜，系統(tǒng)需要為學(xué)生推送他們尚未完成但已經(jīng)具備學(xué)習(xí)的先決條件的學(xué)習(xí)對象，在推送之前系統(tǒng)會對學(xué)生進行簡短測驗，以確定學(xué)生當(dāng)前的狀態(tài)水平，然后根據(jù)一系列規(guī)則或算法組織將要呈現(xiàn)的學(xué)習(xí)對象，而這些規(guī)則或算法會利用學(xué)習(xí)者模型中學(xué)生學(xué)習(xí)互動的歷史數(shù)據(jù)、內(nèi)容模型中節(jié)點所包含的學(xué)習(xí)對象等，最終確定學(xué)習(xí)對象呈現(xiàn)的先后順序，而這一順序也是及時更新和動態(tài)調(diào)整

10、的，因此這一模塊也是自適應(yīng)學(xué)習(xí)技術(shù)的核心。三、個性化學(xué)習(xí)系統(tǒng)的理論框架人工智能和數(shù)據(jù)挖掘是目前“互聯(lián)網(wǎng)+”背景下最主要的分析大數(shù)據(jù)的技術(shù)手段，而繼承了兩者諸多優(yōu)勢的學(xué)習(xí)分析技術(shù)由于其能夠為個性化學(xué)習(xí)系統(tǒng)開發(fā)提供切實可行的理論框架，已經(jīng)成為個性化學(xué)習(xí)系統(tǒng)不可或缺的重要組成部分。除此之外，傳統(tǒng)的心理教育測量評價模型也在個性化學(xué)習(xí)系統(tǒng)建設(shè)中發(fā)揮著重要作用，兩者綜合建模是未來個性化學(xué)習(xí)系統(tǒng)開發(fā)的一大方向。（一）學(xué)習(xí)分析技術(shù)在2011年舉辦的首屆“學(xué)習(xí)分析和知識國際會議”上，與會者一致認(rèn)為：學(xué)習(xí)分析技術(shù)是測量、收集、分析和報告有關(guān)學(xué)習(xí)者及其學(xué)習(xí)環(huán)境的數(shù)據(jù)，用以理解和優(yōu)化學(xué)習(xí)及其環(huán)境的技術(shù)。從以上的定義可

11、以看出，學(xué)習(xí)分析技術(shù)分析的對象是學(xué)習(xí)者及其學(xué)習(xí)環(huán)境，目的是評價學(xué)習(xí)者、監(jiān)測學(xué)習(xí)者的學(xué)習(xí)效果，發(fā)現(xiàn)潛在問題并及時做出干預(yù)。學(xué)習(xí)分析側(cè)重于對學(xué)生學(xué)習(xí)的認(rèn)知特征、位置、情境及情緒等影響學(xué)習(xí)的因素進行分析，并對學(xué)生的學(xué)習(xí)結(jié)果進行預(yù)測，下面對運用較多的三個學(xué)習(xí)分析模型進行簡單介紹。學(xué)習(xí)者學(xué)習(xí)風(fēng)格建模：學(xué)界已有許多相關(guān)的學(xué)習(xí)風(fēng)格理論模型，其中費爾德-西爾弗曼學(xué)習(xí)風(fēng)格模型是使用最為廣泛的模型之一，這一理論模型的基本構(gòu)建思想是先讓學(xué)習(xí)者自主填寫學(xué)習(xí)風(fēng)格量表，通過這一顯性方法對他們的學(xué)習(xí)風(fēng)格初始化，再采用隱性方法推測學(xué)習(xí)風(fēng)格，其中的隱性方法是通過貝葉斯網(wǎng)絡(luò)方法。最終通過顯隱兩種方法的結(jié)合確定學(xué)習(xí)風(fēng)格。研究結(jié)果證

12、明此學(xué)習(xí)風(fēng)格模型具有很高的預(yù)測精確度。學(xué)習(xí)者情緒建模：學(xué)習(xí)者情緒建模是指在學(xué)習(xí)過程中對學(xué)習(xí)者不同情緒狀態(tài)進行檢測，包括無聊、興奮、沮喪等，以發(fā)現(xiàn)這些情緒對學(xué)習(xí)過程和學(xué)習(xí)積極性的影響。情緒建模所需的設(shè)備包括視覺跟蹤器、心臟速率監(jiān)視器等可穿戴設(shè)備。據(jù)此可以采集和分析學(xué)習(xí)者在特定學(xué)習(xí)時間內(nèi)的專注時間長短、微笑次數(shù)、心跳速率等生理指標(biāo)數(shù)據(jù)，進而把握情緒狀態(tài)對學(xué)習(xí)效果的影響。其中視覺追蹤研究就曾證明較高的情緒能夠促進學(xué)習(xí)者的學(xué)習(xí)積極性。學(xué)習(xí)活動建模：由于學(xué)習(xí)者在線上進行學(xué)習(xí)活動的痕跡都被系統(tǒng)追蹤記錄下來，因此相關(guān)人員很容易獲得學(xué)習(xí)者網(wǎng)上學(xué)習(xí)論壇的參與情況、學(xué)習(xí)視頻的觀看時長、在線作業(yè)的完成情況以及在線測

13、評中的表現(xiàn)等信息。由此可以探索學(xué)習(xí)活動與學(xué)習(xí)結(jié)果的關(guān)系，并對學(xué)習(xí)者的學(xué)習(xí)活動進行建模，模型構(gòu)建之后可用于對學(xué)習(xí)者的學(xué)習(xí)結(jié)果進行預(yù)測。（二）學(xué)習(xí)分析與傳統(tǒng)教育測量模型的結(jié)合傳統(tǒng)的教育測量模型聚焦于利用標(biāo)準(zhǔn)化評價中產(chǎn)生的結(jié)構(gòu)化數(shù)據(jù)對學(xué)習(xí)者能力水平和知識狀態(tài)等特征進行建模，因此它在個性化學(xué)習(xí)系統(tǒng)的評估過程中扮演著重要角色。以項目反應(yīng)理論（item response theory，irt）和認(rèn)知診斷模型（cognitive diagnosis method，cdm）為代表的學(xué)習(xí)者技能模型都是通過學(xué)生的外在表現(xiàn)對他們的潛在能力水平或知識掌握狀態(tài)進行推斷。學(xué)生的外在表現(xiàn)既可以通過個性化學(xué)習(xí)系統(tǒng)中的線上測驗

14、項目進行考察，也可以通過學(xué)生在系統(tǒng)中活動留下的痕跡進行推測，即外在的行為表現(xiàn)就是考察模型中潛在能力或知識掌握狀態(tài)的證據(jù)。由于傳統(tǒng)的教育測量模型都具有完備的理論體系，與學(xué)習(xí)分析綜合建模就能為基于網(wǎng)絡(luò)及大數(shù)據(jù)的學(xué)習(xí)分析提供更可靠的理論支持。除此之外，無論是項目反應(yīng)理論中最新發(fā)展出的多維項目反應(yīng)理論所考查的能力種類的增多還是認(rèn)知診斷模型固有的考慮多個認(rèn)知屬性及參數(shù)，都需要大量學(xué)生數(shù)據(jù)對模型中的相關(guān)參數(shù)進行估計，所以傳統(tǒng)教育測量模型這一天然的特性也十分適合應(yīng)用于當(dāng)前個性化學(xué)習(xí)系統(tǒng)的大數(shù)據(jù)環(huán)境。雖然傳統(tǒng)的教育測量模型與學(xué)習(xí)分析有著各自的發(fā)展脈絡(luò)，但是兩者并沒有嚴(yán)格界限，尤其是國外的研究團體在各自的個性化

15、學(xué)習(xí)系統(tǒng)開發(fā)的進程中，逐漸強調(diào)學(xué)習(xí)過程中教育測量與評價的重要地位，所以兩者在實踐中也開始逐漸融合。研究者主要借助數(shù)據(jù)挖掘技術(shù)將兩者結(jié)合起來。在運用學(xué)習(xí)分析技術(shù)從學(xué)生在個性化學(xué)習(xí)的系統(tǒng)中留下的痕跡抽取恰當(dāng)?shù)挠^察變量，并將這種變量有效用于傳統(tǒng)測量模型的過程中，數(shù)據(jù)挖掘的特征抽取和維度約減的功能恰好能滿足將二者融合的需求。雖然學(xué)習(xí)分析中的數(shù)據(jù)挖掘是從學(xué)生學(xué)習(xí)過程的原始數(shù)據(jù)中挖掘行為模式，缺少深層潛變量來解釋這些觀察變量所代表的內(nèi)在心理機制，但數(shù)據(jù)挖掘仍然可以在學(xué)習(xí)者模型的建構(gòu)中作為輔助方法應(yīng)用，識別潛變量，探索潛變量之間的關(guān)系，以達到數(shù)據(jù)和理論建構(gòu)雙向驅(qū)動的效果。目前，被廣泛應(yīng)用的學(xué)習(xí)者技能模型貝葉斯網(wǎng)絡(luò)模