基于因子分析的自适应学习平台算法研究

陆 峰

(长江大学计算机科学学院，湖北 荆州 434023)

基于因子分析的自适应学习平台算法研究

陆 峰

(长江大学计算机科学学院，湖北 荆州 434023)

为解决网络学习平台的自适应问题，采用因子分析方法，对决定学习内容难度和学习者能力的各影响因子进行分析，并对各影响因子进行定量分析计算，得到兼顾学习内容难度和学习者能力的智能自适应效果。实践应用证明，该算法可以提供较好的内容适配过程，是一种可行的算法。

因子分析；自适应学习平台；难度水平；学习者能力

随着网络技术的不断发展，远程教育、终身学习、终身教育等理念也随之深入人心，使得越来越多有着不同文化背景、文化层次、水平能力的人使用互联网获取所需知识和信息。“以不变应百变”的互联网内容体系面临着巨大的挑战，如何给具有不同文化层次、水平能力的人提供与之适应的内容资源已成为当前学术研究的热点。自适应学习平台的构建即是在线学习(E-learning)领域为解决该问题做出的探索。下面，笔者采用因子分析法[1]对自适应学习平台进行可行性算法分析，对系统中的绝对影响因子——内容素材和学习者能力进行细化分析，并对各自细化影响因素进行量化捕捉。

1 系统结构

图1 系统功能层级图

系统包含5个主要功能层级：数据库层、学习者能力获取层、数据挖掘层、内容适配层、表示层，其功能图示如图1所示。

用户进入系统后其数据流程描述如图2所示。

2 算法分析

2.1学习内容难度系数D的计算

学习内容难度初始系数分为5个等级[2]：D={d1，d2，d3，d4，d5}={很难，难，适中，简单，很简单}，且有：

如何来动态调整确定学习内容的难度系数，并把其归属到何种等级是需要探索的重点，笔者把其影响因子确定为3个：{专家制定，教师制定，学生制定}={D1，D2，D3}，其中：

图2 系统用户数据流图

式中，m、i、j分别代表参与制定的专家、教师和学生代表人数；Rm、Ri、Rj分别代表相应给出的难度系数，均受D值约束。

因专家群体，教师群体和学生群体所占权重不同，分别分配以不同权重值W1，W2，W3，且W1+W2+W3=1， 0

系统中，W1、W2、W3的值是可调整的，且因为系统用户的动态性(包括群体能力水平的不均衡和个体的不均衡)，系统中的学习内容难度也是随之动态变化的。

2.2学习者能力水平系数A的计算

学习者能力水平系数分为5个等级：A={a1，a2，a3，a4，a5}={很高，高，一般，低，很低}，且：

(系统中，临界值可以初始化调整)

如何来确定学习者能力水平，并把其归属到何种等级也是需要探索的重点。笔者把其影响因子确定为6个：{内容问卷，内容测试，内容学习时长，知识链接点击数，搜索引擎使用数，鼠标无目标运动和点击数}={F1，F2，F3，F4，F5，F6}，其权重分配相应为{w1，w2，w3，w4，w5，w6}，且w1+w2+w3+w4+w5+w6=1，且均为0～1正值，下面分析各因子计算方法。

1)内容后置问卷确定系数F1为捕捉学习者的当前学习能力，每个学习内容单元后都置有问卷，问卷内容简单。学习者自身对内容理解的程度记为X1={完全理解，理解，一般，不完全理解，完全没理解}，其对应水平能力系数初始记为{f1，f2，f3，f4，f5}。系统采用统计学方法，对所有参与该学习单元问卷结果进行统计，计算出的具体比例值作为矫正系数F1的计算依据。

如当前学习者问卷选项为{理解}，对应水平能力系数为{f2}，而在统计人数中，有比例为f的人选择了{一般}及以下，则F1应被理想化矫正为：

f越靠近(f3+f4+f5)的值，则说明F1越的值越靠近f2。

2)内容后置测试反馈确定系数F2为捕捉学习者的当前学习能力，每个学习内容单元后都置有测试环节，其对当前学习单元的内容进行简单测试，以反馈学习者的知识掌握情况，学习者测试的具体得分值转化为百分制后归一值即为系数F2。

3)内容页面学习时长确定系数F3学生在利用系统进行学习时，每个单元学习内容页面上所停留的时间(学习时长)是其能力水平的一个直观外显。在此信息中，系统需要过滤一些干扰信息，如停留时间过长或过短，过长可能因为没有专注学习，转移了注意力，过短则可能因为突发事件导致其中断学习等。

F3=b4-(b4-b3)×(1-b)

4)内容页面知识链接点击次数确定系数F4系统采用统计方法，对所有学习者点击次数进行记录，统计出多于当前学习者、少于当前学习者及等于当前学习者点击次数的比例，各自记为a，b，c，有a+b+c=1，且均为0～1正值，则当前学习水平能力系数可近似计算为：

5)内容页面搜索引擎使用次数确定系数F5内容页面搜索引擎是为学习者提供的又一学习辅助功能，由此所确定的系数F5和F4的计算方法相似，在此不作赘述。

6)鼠标无目标活动和点击数确定系数F6系统利用统计学方法，把所有学习者的相应操作信息进行线性运算处理统计，即把上述几种信息视为线性相关变量，计算出当前学习者所处的位置状态，即为其在此维度上表现出的学习能力水平，其计算原理和F4的计算方法相似，在此不作赘述。

假设6个影响因子{F1，F2，F3，F4，F5，F6}通过计算取值分别为{0.8，0.8，0.7，0.8，0.65，0.8}，其权重分配相应为{w1，w2，w3，w4，w5，w6}={0.15，0.3，0.2，0.15，0.1，0.1}，可以得出：

计算结果为0.765，表明当前学习者能力水平居于a2层级，即为{高}水平能力。

2.3内容适配过程

通过上述方法进行确切计算，系统通过规则库的推理，对学习者所反映出的能力水平高低，推出相对应级别的学习内容。系统规则库可简化描述为：

If User=a1then

Pushd1

…

If User=a5then

Pushd5

3 结 语

自适应学习是E-learning领域中研究的热点。笔者采用因子分析法对自适应学习平台进行可行性算法分析，对系统中的绝对影响因子——内容素材和学习者能力进行细化分析，并对各自细化影响因素进行量化捕捉。系统在获取两者系数之后，进行自动适配，使得学习者能够在能力不断变化的同时获得对应难度的学习内容，提高学习者的学习效率。

[1]游家兴.如何正确运用因子分析法进行综合评价[J].统计教育，2003(56)：10-11.

[2]Chih-ming Chen, Hahn-ming Lee, Ya-hui Chen. Personalized E-learning system using Item Response Theory[J]Computers & Education，2005，44：237-255.

[3]Huang Chenn-Jung, Chu San-Shine, Guan Chih-Tai. Implementation and performance evaluation of parameter improvement mechanisms for intelligent E-learning systems[J].Computers & Education，2007，49：597-614.

[编辑] 洪云飞

10.3969/j.issn.1673-1409.2011.04.027

TP391

A

1673-1409(2011)04-0083-03