基于网络学习绩效的个别化交互设计

陈　刚　陈明选

【摘要】随着网络学习的不断深入，网络学习的低绩效问题逐渐显现，研究发现造成网络学习低绩效的根本原因是对网络教学交互的研究缺失。通过分析网络教学交互的特点和分类，以个别化交互为研究对象，从提供个别化学习材料入手，设计了一种个别化交互模型，为学习者与网络课程之间实现个性化互动。

【关键词】 学习绩效；个性化教学；个别化交互

【中图分类号】G40-057 【文献标识码】A 【论文编号】1009—8097 (2009) 02—0083—05

随着网络教学的快速发展，网络学习已经逐渐成为人们实现终身学习的重要方式，然而网络学习的绩效很令人担忧，研究人员也逐渐意识到网络学习绩效的问题。网络学习绩效的高低是评价远程教育成功与否的重要指标之一[1]。日益普及的网络学习与较低的学习绩效之间的矛盾，将严重阻碍网络教学的进一步发展。所以，有必要从网络学习低绩效的成因出发，以网络教学交互的设计作为突破口，寻找提高网络学习绩效的最佳方法。

一 网络学习的低绩效成因分析

网络学习的低绩效现象主要表现为：学习时间利用率低，学习资源大量浪费，学习方式过于陈旧[1]。章国英[1]系统分析了造成低绩效现象的主要原因来自学习者、学习资源、学习支持三个方面。我认为，学习者是网络教学的消费者或买单者，正如皮鞋商不能以生产的皮鞋尺码来要求消费者的脚一样，而是应该尽量地为消费者提供最合适的皮鞋，所以，网络学习应该是一种个别化的学习，应该是一种适应个别学习需求的个别化教学[2]。学习资源和学习支持由教学服务机构提供，他们并不完全了解教学交互的全部，对网络教学交互的理解仅仅局限于设计菜单导航、架构教学论坛或聊天室、提供课件、笔记、练习题等。于是网络课程大多变成了课堂教学的简单搬家，简单的将教学内容呈现在网络上。因此，造成网络学习低绩效的本源对“个别化教学是网络教学的最终目的”这个根本目的的理解偏差，根本原因是对网络教学交互的研究缺失。

教学实践证明，交互性是网络教学的灵魂，直接决定整个教学的过程及其结果，对于学习者的知识获得、技能培养、兴趣激发以及正确学习动机与态度的形成，都起着至关重要的作用[3]。Sims[4]也认为，网络教学环境中的交互是学生建构知识和发展能力的必要而且基本的途径，对于成功的学习过程和学生的个人探究具有潜在价值。交互型媒体的交互水平直接影响着学习者与学习内容、学习者与教师以及学习者与其他学习者的交互效果[5]，这也会直接影响学习者的学习绩效。所以，要解决目前网络学习中普通存在的低绩效现象，就要从设计个别化的网络教学交互出发，体现网络学习的个别化需求。

二 个别化交互的系统设计

网络教学交互是指学习者在学习的过程中，为主动完成当前知识的意义建构，而与学习环境之间发生的相互交流和相互作用和人际关系的组合[6]。Bates[7]按照交互发生的范围，将教学交互分为个别化交互和社会性交互。个别化交互是指学习者与学习资源之间的模拟交互，社会性交互是指学习者与教师、学习者之间、学习者与家人朋友之间关于学习的直接或间接交流。

目前各类网络教学的设计都片面强调学生是学习主体、应自主学习，简单的用多媒体形式展示课程材料，通过课件、资料等的堆砌完成网络课程的开发，这种单一的、静态的课程组织模式仅仅是课堂的简单搬家，并没有本质的突破。网络教学中学习资源的个性化组织已成为网络教学必须考虑的问题。另外，学习者往往因为不能及时得到想要的学习资料，而出现网络迷航、学习动机下降等问题。所以，个别化交互的设计与实现，即如何向学习者提供个别化的学习资源，是网络教学实现个性化学习的重要前提与基础。

个别化交互的设计是使网络学习更适合学习者个人的特征与需求，从而使网络学习更为高效、更具个性化。实现个别化交互主要包括以下两个关键环节。

1 学习诊断

学习诊断，就是利用一些经过测量理论校定的测试练习题对学生进行测试，并根据学生的反应情况来估测学生能力以及领域知识的掌握程度。[2]学习诊断是实现个别化交互的必要前提，系统动态组织学习内容和提供个别化学习提示都要以学习诊断的结果作为参考和依据。通过学习诊断可以为学习者建立学生模型，进行适当的分析后可以指出没有掌握的知识点和给出学习建议，并进一步为学习者推荐下一步需要浏览的材料。

2 提供个别化的学习材料

系统应能根据学习者的学习能力和认知结构推荐最合适的学习材料。当前大多数网络课程都采用单一的模式，静态地组织课程内容，网络课程体系和内容都是预先设置的，缺乏满足各种类型学习需要的个别化学习机制。主要原因是，现有的网络课程绝大多数都是以课程为基本单位进行整体设计，整个网络课程不可拆分，再加上教学信息和教学交互的生成是依靠预设的存储信息和交互逻辑，因此在使用时要实现课程内容的定制就非常困难。同时由于学习目标一般也是预先设置的，难以针对每个学习者的特征提供与之匹配的学习任务[8]。基于这种网络课程的学习不是个性化学习，而仅仅是一种基于丰富学习资源的自学，最后的结果往往造成学习的无组织性和学习的迷航。

三 学习诊断的实现

学习者个别差异的存在是一种无法回避的事实，不同的学习者对学习的内容存在着不同的需求。学习内容个性化的具体表现就是学习者可以根据自己的需要、能力、兴趣爱好和认识方式特点来选择实现自己学习目标的内容[8]。网络教学应该打破传统学习群体的概念，把学习者作为单个个体来看待。每个学习者都有自己的认知特点和认知结构，所以每个学习者都拥有自己的学生模型。

学习者的学生模型参照教育信息化标准委员会的CELTS-11规范进行了调整，把学生模型分为基本信息库、学习者能力库和学习行为库三部分（见表1）。

基本信息包括与管理有关的学习者个人信息以及认知结构、学习动机、学习能力、学习风格等部分。个人信息依据CELTSC制定的学习者模型规范，包括姓名、电话、电子邮件、国籍、民族、籍贯、出生日期等。学习者的认知结构、学习动机、学习能力、学习风格等信息，主要在学习者注册阶段进行采集，学生Agent会向学习者传递一份调查问卷，通过学习者的回答初步诊断、分析学习者现有的认知结构，了解学习者的学习能力（包括记忆、理解、应用、分析、综合、评价）和学习风格，据此初步建立学习者的学习模型。随着学习的不断深入，学习者的认知结构和学习动机会发生一定的变化。

学习者能力库和学习行为库是动态生成的。学习者能力库是反应学习者在自己选修课程中的能力值或技能状态。学习者能力库包括课程能力值和课程单元的能力值两种，我们定义的学习者的课程水平由课程能力值和该课程下每个课程单元的能力值组成。学习动作库是为了能及时反映学生知识能力和技能状态的变化过程，可以从服务器端、客户端和代理端跟踪、采集个体在学习过程中产生的学习行为数据[9]。我们把每个学习行为都看做一个学习事件Action，可以用学习行为主体subject（即学生编号）、学习行为类型class、行为对象object、行为的结果result、行为时间time等来描述，即Action=。这些过程化信息经记录和模糊处理后，存储在学习行为库中。

学生模型将伴随整个学习过程，主要由学生Agent通过学习诊断，主动的获得用户产生的有效数据，如学习者的学习时间、课程点击情况、提出的问题、参与讨论的情况、完成的调查、作业或测验等，并根据对这些数据的分析建立和维护学习者的学生模型。

四 提供个别化的学习材料

1 建立课程体系

据我们对多所高校网络课程的调研分析发现，大部分网络课程内部的学习路径是直线型的，学生自主确定学习路径的可能性很小；课程之间没有任何联系，当学生发现一些知识上的缺陷时，不能立即找到先行课程的链接；评价学习者的方法大多采用测验的形式，单一的评价手段中缺乏个性化评价。所以我们通过课程规则库来定义个性化的课程体系，主要考虑以下四个方面。

（1） 基础构件

首先要考虑如何定义网络学习中的基础构件。我们不是简单的以课程作为设计和开发网络教学的基础构件，而是从系统架构的角度考虑，建立粒度适中、能在不同学习情境下重复使用的数字化教学构件，即学习技术标准委员会（LTSC）提出的学习对象的概念。学习对象是基于单一目标，建立在静态或交互内容和教学实践活动上，以元数据标识的新型辅助教学构件[10]。学习对象是构成网络课程的基本单位[11]，也是个别化学习材料的基本组成单位，课程材料库是以学习对象为基础架构的。整个课程体系是按类别、课程、单元组成一个层次结构，每个课程单元是一个最小的认知单元，因此以课程的一个单元（unit）作为一个学习对象，如果一个单元的知识点过多，允许将一个单元分割为若干个子单元。以课程单元为单位的学习对象至少包括说明、内容、练习（或测验）和评估等四个部分[11]，并按照SCORM标准进行元数据描述和内容封装。

（2） 内在的逻辑体系

我们依据课程之间、课程单元之间存在着的逻辑关系来初步建立课程体系。据研究发现，各课程和课程单元之间往往不是简单的顺序关系，而是一种树状的层次关系，这种关系构成了一个前提关系网络[12]。前提关系会有三种可能的情况：假设课程A是课程B的前提，意味着先要完成课程A之后才能学习课程B，那么在课程规则库中就添加一条规则A→B；假设学习课程C的前提是课程A和课程B，意味着先要同时完成课程A和课程B之后才能学习课程C，那么就在课程规则库中添加规则A∧B→C；假设学习课程C的前提是课程A或课程B，意味着先完成课程A或课程B之后才能学习课程C，那么就在课程规则库中添加规则A∨B→C。我们把课程或课程单元之间的这种层次关系命名为“课程规则”，在设置课程时加以定义，如图1。

（3） 教学评价体系

教学评价是教学活动中不可缺少的重要环节，课程体系中还应包括课程的评价管理。完成一个课程的标准要根据预定的学习目标来确定，但形式可以多样化，除了普遍的综合性评价外引入一些过程性评价手段。对于课程的完成条件可以设置五种：学习完所有材料、学习完一定比例的内容、学完指定的材料、通过所有测验、通过指定的测验等。这些条件可以是单个使用，也可以作为复合条件使用。如图2中就是设置复合条件作为该课程的完成条件。

（4） 材料的难度体系

对于大多数课程来讲，课程材料都有难易之分。给学习者提供难度合适的课程材料对于个性化网络学习来说是很重要的，因为非常困难的课程材料会使学习者感到灰心，相反，过分容易的课程材料会使学习者缺乏挑战的感觉从而浪费时间。所以课程体系中，还包括课程材料的难度等级的定义：假设C={C1,C2,C3,C4,C5}，是一套包含了五个难度等级的课程材料难度系数。C1表示非常容易，值为-2；C2表示容易，值为-1；C3表示适中，值为0；C4表示困难，值为1；C5表示非常困难，值为2。同一课程单元可能存在不同难度的课程材料，教师Agent（一个能模拟教师部分行为的程序）会根据学习者对应某课程单元的能力值提供难度合适的课程材料。

2 推荐学习材料

首先学习者要选择自己要学习的课程，选择课程可以通过三种途径实现：学习者可以由教师为他指定学习的课程；学习者可以从课程目录中选出自己感兴趣的课程；学习者也可以使用合适的关键词或学习者的知识水平搜索出相关的课程单元。接着，当学习者选择了一门新的课程之后，系统列出针对所修课程的水平测试问卷，通过测试获得该学习者对应所修课程的初始课程能力值和对应课程单元的初始能力值。根据学习者现有的课程水平来决定，学习者将从哪个课程单元开始学习以及具体需要学习哪些课程单元。如果学习者的课程水平过低甚至低于基本水平值，系统能根据规则库定义的课程体系为学习者推荐先行性课程。

学习者进入课程学习后，教师Agent根据学习者的现有水平（即学生模型）和严格的课程课程（即课程体系），从庞大的课程材料库中筛选出个别化的学习材料（如图3）。在学习过程中，学生Agent记录学习者的每一次回答和做出的响应，记录下每一次学习行为，从而分析学习者的学习能力并更新学习者的课程能力值和课程单元能力值。与此同时，新的课程能力值和课程单元能力值将传送给教师Agent，教师Agent能及时为学习者重新选择更合适的课程材料。这种反复推荐的循环过程将一直伴随整个课程的学习，直到学习者根据要求完成了课程所有单元的学习任务。

课程完成后，教师Agent的推荐仍然在继续，它会根据课程体系中的层次关系，为学习者推荐几门后继课程，供学习者参考使用。

3 课程材料的自我调整

课程材料的选择主要是依据学习者的课程能力值，这种基于学习模型的课程推荐的方式是一种很好的解决个性化学习需求的方法，这必须要建立在一套科学而合理的课程材料的评价体系之上。传统的做法是，由课程专家决定课程材料的难度参数。但是，这种做法并不合适，因为大多数课程专家不是学习者，而且课程材料的难度是相对的，不是绝对的，会因为某些条件的变化而引起课程材料难度的变化。为了满足真正的需要，本系统是基于合作性投票的方式对课程材料的难度进行自动化调整。也就是说，课程专家首先初始化课程材料的难度参数，然后依照学习者的反馈信息及时调整课程材料的难度参数。在大量学习者使用了这个学习系统之后，课程材料的难度参数逐渐变得合理而稳定。

课程材料的难度参数是两方面的线性结合物，一方面来自专家的定义和说明，另一方面来自学习者的评定，并且两者所占的份量是不同的。为描述我们提出的方法，做如下定义：

基于学习者合作投票的第j项课程材料的评级难度： ；（公式1）

表示在学习者的合作投票以后的第j项课程材料平均难度参数， 表示给予第j项课程材料i等级反馈响应的学习者人数， 是评价第j项课程材料的学习者的总人数，当且仅当 。

调整过的课程材料难度：

；（公式2）

是基于学习者合作投票的第j项课程材料的调整后难度参数， 表示课程专家给出的第j项课程材料的初始难度，w表示专家评定的初识难度的所占权重。

教师Agent能利用公式2在课程数据库中自动调整课程材料的难度参数，这是基于由课程专家定义的课程材料难度和由学习者合作投票决定的课程材料难度，然后加以线性化结合的课程难度参数。

五 小结

网络教学系统中，要提高网络学习绩效，可以通过提供智能化的个别化交互实现。本文从个别化交互的研究角度出发，通过智能Agent技术模仿教师的部分行为，深入研究了网络教学的个别化交互模型，通过教育部人文社科基金项目“中小学信息化建设项目教育绩效评价研究”的理论研究和江苏省现代教育技术研究所十一五规划课题“网络教师研修平台的设计与开发”的实践探索，在个别化交互的网络教学平台方面做了初步研究，希望能够对未来个性化学习和个别化交互的研究有借鉴意义。

参考文献

[1] 章国英,网络环境下远程学习低绩效现象成因及解决策略[J].中国电化教育,2006,12:36-38.

[2] 余胜泉.适应性学习——远程教育发展的趋势[J].开发教育研究,2000,3:12-16.

[3] Juei-ni Sun & Yu-chen Hsu. The Effect of Interactivity on Web-based Instruction Learners' Attitude, Satisfaction, and Perfor-mances[R]. Proceedings of the Fifth IEEE International Conferenceon Advanced Learning Technologies, 2005.

[4] Sims, R. Interactivity: A Forgotten Art? [EB/OL].

[5] 陈丽、刘慧琼,媒体界面交互性设计的流程和原则[J].中国远程教育,2006,4:22-30.

[6] 戴心来,陈齐荣.网络课程的教学交互及其设计研究[J].网络教育与远程教育,2005,9:69-72.

[7] Bates. Interactivity as a criterion for media selection in distance education[J]. Never Too Far, June 1991, vol. 16:5-9.

[8] 王忠华,余艳.网络课程的个性化及其构建[J].现代教育技术,2008,18(3):79-83.

[9] 刘宇,解月光.动态学生模型与智能支持服务研究[J].中国电化教育,2006,10:94-98.

[10] 李毅强,杨贯中.基于学习对象的课程构建[J].科学技术与 工程,2005,5(22):1733-1737.

[11] 路秋丽,余胜泉.面向学习对象的网络课程设计与开发[J].中国电化教育,2005,1:75-80.

[12] 王岚,乐毓俊.计算机自动推理与智能教学[M].北京:北京邮电大学出版社,2005:309.