能力导向的个性化学习路径生成及评测*

□姜强 赵蔚 刘红霞 李松

能力导向的个性化学习路径生成及评测*

□姜强 赵蔚 刘红霞 李松

自适应学习系统是网络学习系统智能化的发展趋势，能有效解决传统课堂教学不能实现的个性化教育问题。然而当前常用的网络学习系统在学习资源、教学方法、学习进度方面尚不能有效满足学习者的个性差异。能力是个体差异中最为重要的一个因素。建立能够自动诊断学习者能力，为不同特性的学习者推送“最适合”的个性化学习路径，提供个性化学习服务的自适应学习系统非常重要。而实现此功能的关键在于能力模型的构建。能力模型的构建，需要能力描述规范和标准作为支撑，对能力元数据进行描述，实现能力的可观察、可操作性及可测量，制定能力发展服务的参考框架。能力导向的个性化学习服务，基于个性特征、知识水平及个人能力应用情境维度构建的能力模型，借助可测量、可观察的任务实现对能力的量化、评估，并最终实现学习路径的推荐。经具体学习任务验证，能力导向的个性化学习路径推荐有助于提高学习者学习效率，且可能扩展MOOC个性化学习，解决认知负载问题，促进网络有效学习。

能力模型；个性化学习；自适应学习；学习路径；绩效测评

一、引言

古代伟大的思想家、教育家孔子提出“因材施教、因人施用”的教育思想，美国哈佛大学心理学教授霍华德·加德纳教授也再三阐述了学校教育的改革必须重视“学生个体的差异”（霍华德·加德纳，2012）。学习者个体差异表现在多方面，比如不同学习能力、学习背景、学习需求、学习习惯等，其中能力（Competence）是个体差异因素中最为重要的一个。能力起源于心理学，有胜任力的含义，用于推断个体在一定环境中对特定需求所做出的反应。能力是一种内化了的个体品质，能够在相关的专业领域活动过程中得到外化，包括知识，认知与技能，态度、价值与动机等（刘红霞，2011）。对具有不同学习能力的学习者而言，必须以不同的方式和不同的学习内容帮助其完成学习过程，即实施个性化教育。而在传统课堂教学环境中，教师不是讲堂上的“哲人”，无法针对班级众多学生个性差异实施个性化教育。马歇尔·麦克卢汉在《理解媒介：论人的延伸》中提出：“媒介即人体的延伸”（马歇尔·麦克卢汉，2000）。在e-Learning环境下，网络可以成为教师的延伸，网络学习系统的发展为师生深度交互、个性化学习提供了保障。

然而，目前一些常用的网络学习系统如Blackboard、Moodle、Sakai等在学习资源、教学方法、学习进度等方面的呈现上具有千篇一律性，忽略了学生的个性差异，因此，有效的解决办法就是设计一种自适应学习系统（姜强等，2011）。该系统能够自动诊断学习者能力，为不同类型的学习者推荐“最适合”的个性化学习路径，打破传统学习群体的结构，把学生作为一个个体，置于一个更为个人化的情境之中，真正为学习者提供个性化学习服务。可见，自适应学习系统是网络学习系统智能化的发展趋势。国内外已有许多研究者进行了大量且富有成效的研究，如美国匹兹堡大学的Peter Brusilovsky教授、国际著名教育技术学专家金书轲（Kinshuk）教授以及东北师范大学赵蔚教授研究团队等。然而，自适应学习系统的作用最大化需建立在对学习者能力建构基础上，而学习者能力的管理得以实现的关键又在于能力模型的构建，能力模型可帮助学习者进行能力定位，找到学习者的能力需求。

目前，关于能力模型研究多数集中在人力资源管理领域和企业培训中，有必要将研究视野从信息服务、经济学拓展到教育学领域。摩洛哥的玛丽亚姆（Meriem）基于知识、才能和价值等三方面构建能力模型（Hnida，2014），摩洛哥的Elena基于知识、才能和态度等构建能力模型（Garcia-Barriocanal et al.，2012），主要阐明了能力是个人因素（知识、认知能力、态度、情感、动机）、社会因素（背景知识与社会知识）与行为因素（行动、行为、目的与目标影响下的积极性）的结合。此外，欧盟委员会组织开展的TENCompetence项目采用开放、标准化、可持续的革新技术建立了适应终身学习的个体能力发展模型，表现在诸如技能、知识、态度、行为、动机、自控力、社会角色等方面（European Commission，2009）。本文在此基础之上，进一步全面综合智力因素和非智力因素，从多元维度建构学习者能力模型，并在个性化自适应学习系统（Personalized Adaptive Learning System，PALS）中应用，实现能力导向的个性化学习路径生成，以及基于个体能力差异的因材施教，并对其学习效率进行实证评价研究。

二、学习者能力模型建构

能力包括知识、才能、价值和天资，既是掌握知识的前提，又是掌握知识的结果。21世纪教育的宗旨——“学会认知、学会做事、学会共处、学会生存”均是能力的外在表现（联合国教科文组织总部，2001），级别也从基本熟练水平到最高优秀水平不等。能力模型的构建，需要有能力描述规范和标准作为支撑，对能力元数据进行描述，实现能力的可观察、可操作性及可测量，制定能力发展服务的参考框架。

1.能力元数据描述

为了给学习者提供能力导向的个性化学习服务，首先需要基于IEEE LOM、IMS RDCEO、IEEE-RCD、HR-XML等标准对能力进行元数据描述，如图1所示（Sampson，2009）。

图1 能力元数据描述

从图1可知，学习者能力元数据描述主要包括名称、描述、能力级别和情境四个元素。其中能力级别最为重要，所包含的名称是指能力级别的名字，如“初学者”；包含的类型是指能力的分类，用于描述能力的“个性特征”维度，如“注意、记忆、观察、兴趣、情绪、道德”等；包含的值是指能力水平的取值，可用数字表示（如1-5）或文字表示（如A-E），代表学习者能力差异；包含的尺度值必须被表示为一个有序的列表，如{“初学者”、“中级”、“高级”…}。此外，情境元素是指能力发挥作用的具体情境。创造情境可以通过两条途径：一是为特定活动提供情境，如“教师教育技术能力培训”；二是提供学习资源。总之，基于建构主义学习理论和情境认知理论，人总是“处于某种情境中”，情境是产出并培养能力的土壤。没有情境，就不可能有能力。能力是在某种特定情境中，通过人的行为和思考而提高的。贴近学生学习实际的真实情境，可以有效调动他们所有感官和经历。

2.学习者能力模型及其维度交互层次关系

结合已有能力模型研究成果，同时依据学习者能力元数据，本研究从个性特征（智力因素与非智力因素）、知识水平及个人能力应用的情境等三大维度构建能力模型，如图2所示。

图2 学习者学习能力模型

基于学习者能力模型和美国心理学家布鲁姆提出的识记、理解、应用、分析、综合和评价6个认知层次，并采用访谈、头脑风暴法与美国匹兹堡大学、东北师范大学、辽宁师范大学等教育学、心理学、教育技术学等学科领域权威专家对个性特征的智力因素（观察、记忆、思维、想象、注意、知觉）、非智力因素（意志、情绪、情感、兴趣、性格、道德）与知识水平（初学者、初级、中级、较高级、高级、非常高级）之间关系进行分析，确定各因素特征在不同知识水平等级上应具备的不同能力程度，为个性化学习路径推荐奠定坚实基础，如表1所示。

表1 个性特征与知识水平交互层次关系

续表1

三、能力导向的个性化学习路径生成框架及实现

个性化学习路径是指以学习者为中心，根据每个学习者的特征（如学习能力、知识水平、爱好和兴趣等），为其推荐适合的学习活动序列，进行学习过程的评价和指导，协助学习者进行知识的构建。然而，学习能力是一个抽象的概念，较难进行直接的操作，如何对它进行量化与评估，进而促使个性化学习路径的生成是一个难点问题。本研究首先对学习者的能力需求进行结构分析，将能力与任务之间产生映射关系（即能力发展通过分解任务来实施和任务的完成来评估），采用典型任务列表的方式对各项子能力进行直观量化，并通过学习者对任务列表自我执行能力的自评和系统中的学习行为分析，进行学习者初始能力的判定，进而得出能力差距，给学习者推送基于任务的学习方案（学习活动序列）；学习结果将保存至能力档案（Competence File）中，用于修正能力模型，便于下阶段初始能力的判定，实现框架如图3所示（刘红霞，2011）。整个过程完成了从能力到任务转换，再到个性化学习路径推荐，随后执行、动态监控、完成与评估任务，最后实现能力提升与发展。

图3 能力导向的个性化学习路径生成框架

根据能力导向的个性化学习路径生成框架，可知学习者个性化学习路径是依据能力差距生成，而能力差距是能力期望与能力起点水平的差值。其中能力期望是通过确定学习任务，进行学习者能力需求分析获得；能力起点水平通过显性和隐性相结合的方式获得。显性方式是指学习者采用头脑风暴法，进行自我评定，然后进行倒退分析其能力定位点；隐性方式是指在学习过程中，对学习行为进行数据挖掘分析，如记录在学习对象上停留的时间和点击次数，统计在测试中每道题上的时间和答案修改次数（如表2所示），判别在答错一道题之后有没有回头复习，统计在论坛中提问的次数、参与讨论的多少等，利用项目反应理论等级反应模型实时判定学习者能力的级别和熟练程度（Rudner，2001），同时结合德国心理学家艾宾浩斯（Ebbinghaus）对人类记忆认知研究结果，采用遗忘曲线捕获学生知识增长或减少（Ebbinghaus，1885），推荐个性化学习路径。

表2 测试题行为统计

PALS中的个性化学习路径是由多个学习活动序列组成，通常采用关联规则挖掘算法制定学习路径中的活动序列呈现规则（Agrawal et al.，1993）。例如，规则1：{学习对象1，论坛1}→{测试1}，即在执行测试1之前，需要先完成学习对象1和论坛1。当一个学习者确定了学习任务，如“50天攻克C语言”，系统会根据其能力差距判断能力等级，然后推送最佳学习路径。图4展示了一个能力等级是“初学者”，系统在考虑其特性（如学习风格）基础上，为其推送的个性化学习路径。

图4 能力导向的个性化学习路径

初学者{张一}可以根据系统推荐的学习路径进行学习。如果该学习者未按推荐的学习路径进行学习，而是首选第3个学习活动，此时系统将会弹出对话框，建议学习者先从第1、2学习活动开始学习，如图5所示。

图5 建议学习路径

当学习者完成任务，且学习者能力已经提升到相应熟练水平层次，系统将会分析用户的学习记录，并向学习者推荐下一步学习任务，如图6所示。

图6 推荐下一个任务

值得注意的是，考虑到学习者对学习任务的理解能力会有所差异，学习任务的描述应尽量通俗易懂，贴近用户的真实需求，并能够直接反映学习的结果，比如“50天攻克C语言”“60天攻克C++程序设计”等，利于学习者理解并掌控，提高学习兴趣和学习积极性。

四、能力导向的个性化学习路径学习绩效评测

本实验选取东北师范大学教育技术学专业60名学生作为研究对象，进行“C语言程序设计”课程学习，将其随机分成两组，实验组（推荐学习路径）和控制组（自选学习路径）各30人。以灵活的在线和混合式课程方式开展，经过30天的学习后，从两组中各随机选取5人，从学习时间和学习成绩两个维度对已完成学习绩效进行客观分析，如图7、8所示。

图7 两组学习时间比较

图8 两组学习成绩比较

从图7可知，控制组（自选学习路径）学习者所花费学习时间要多于实验组（推荐学习路径）；而从图8可知，实验组学习者取得成绩要高于控制组。可见，当学习者根据能力导向生成的个性化学习路径学习时，效率显然要更高些。正如实验组学生认为：“根据个人学习目的、学习能力和既有基础的不同，可以有一个定制化的成长路径，并以自己的速度不断学习，利于个人学习能力培养和学习绩效提升。”

最后，基于技术接受模型（Technology Acceptance Model，TAM）（Davis，1989），研究从系统的有用性、易用性、满意度等维度设计问卷并采用李克特六点量表，用1-6分别代表“非常不同意”到“非常同意”，实证调查评价了学习者对推荐学习路径和自选学习路径的态度，结果如图9所示（姜强，2012）。

图9 实证调查学习者对两种学习路径的态度

由图9可知，实验组学习者对系统的有用性、易用性、满意度等维度的主观评价要高于控制组，其中在有用性方面，实验组的评价高于控制组约25%；在易用性方面，实验组的评价高于控制组约19%；在满意度方面，实验组的评价高于控制组约31%。总之，基于能力导向生成的个性化学习路径能够引导学习者自我制定目标、自我监控、评价及反思，体现“学习者为中心”思想，激发学习兴趣，提高学习动机，进而促进真正的学习者个性发展。

五、研究思考

美国著名未来学家阿尔文·托夫勒（Alvin Toffler）在《未来的冲击》（1970）和《第三次浪潮》（1980）中预测未来的教育要面对服务、面对创新，在家上学、面向未来的学校界限的消失将成为趋势。如今伴随着“互联网+”时代的到来，MOOC、微课、翻转课堂、大数据、学习分析等新技术正在不断冲击传统的教育教学模式，促进智慧教育生成。特别是MOOC的兴起，“互联网+ MOOC”具有破坏性创新的关键特征（袁莉等，2014），实现了重塑学习方式和思维方式，打破了学习的时空限制，使有组织、有目的的学习成为人人皆学、处处可学、时时能学的活动，为教育高位公平提供了机会，开启了学习革命的新纪元。大数据推动了MOOC可持续发展，其教学环境提供了多元化的学习资源和学习内容，包括基于认知主义学习理论预先设定的资源，以及基于联通主义理论在学习过程中的生成性资源（王志军等，2015）。然而，对于学习者而言（尤其是初学者），提供大量丰富学习资源的同时也很容易造成信息迷航、认知负载，导致学习效率低下，进而丧失继续学习的愿望。

教育生态要求实现从“授人以鱼”到“授人以渔”的转变，以灵活性和适应学生不断变化的需求为重点，为学习者提供差异化的学习路径。联合国大会通过《世界人权宣言》指出“教育的目的在于充分发展人的个性并加强对人权和基本自由的尊重”（万鄂湘等，1998）。在近期教育部出台的《关于加强高等学校在线开放课程建设应用与管理的意见》中，明确了七项任务之一是要主动适应学习者个性化发展（教育部，2015）。美国麻省理工学院教育学者沙尔默（Scharmer）将MOOC发展分成四个阶段，即MOOC 1.0（传统视频录制）、MOOC 2.0（在视频基础上增加了练习）、MOOC 3.0（注重同学间的互动学习，增加互评机制）和MOOC 4.0（实现个性化学习），同时指出MOOC的教学形式已经到达3.0时代，而4.0时代是一个有待突破的领域，也是未来MOOC的一个发展趋势（Scharmer，2015）。为MOOC学习者提供个性化学习路径可指引有效学习发生，弥补个体的差异和不足。而基于大数据学习分析可实现对MOOC学习者知识能力的定位和判断（比如追踪学生的视频播放次数来判断学生的学习难点，数据挖掘整理答题的结果、过程、时间、速度、停顿甚至部分思路等），一方面根据个性化分析为不同MOOC学习者量身定制个性化资源，给予其可调节内容顺序的个性化课程，适应每个学生的差异，让按需学习、自主学习成为可能。同时，鉴于MOOC学习者和平台之间的主客体关系，推动学习者根据自身学习偏好个性化选择资源（姜强等，2013）。另一方面帮助教师了解MOOC学习者学习进度，由教师进行教学内容调整的个性化学习，使每个学生都能健康、全面地发展，从而提高教学效率和质量。此外，研究成果也会为网络学习空间人人通建设、智慧教育环境建设及移动互联网时代在线教育的个性发展等提供指导策略，让教育有了“人的维度”，真正以学习者为中心，真正尊重学生的个体差异和个性化需求，真正将学生作为教学过程的主体，从而推进当前我国教育信息化发展。

能力是使学习者生成优秀绩效的内在驱动力，然而学习者的能力水平存在差异，并不是每一个学习者都拥有准确表达自己学习意愿或学习目标的能力。本研究在自适应学习环境下，首先建构了学习者能力模型，并在领域权威专家提出个性特征（智力因素与非智力因素）与知识水平等级交互层次关系基础上，提出能力导向的个性化学习路径生成框架以及对能力的量化与评估，并以具体任务为例，验证了其学习效果。

关于学习者能力的研究，除了本文探讨的真实能力（Actual Competence）外，还有能力信仰（Competence Belief）。多数学习者的能力信仰出现顺序通常是由高至低，如何激发并保持能力信仰是亟待解决的问题。另外，本研究主要考虑了如何利用智力因素来判断学习者能力，非智力因素如兴趣、道德、情绪、情感等对效果评测的影响以及学习者辨别能力、决策能力、联想能力、反思能力、协作能力等高阶能力对学习效果的作用，将是下一步重点探究的问题。

[1][加拿大]马歇尔·麦克卢汉(2000).理解媒介:论人的延伸[M].何道宽.北京:商务印书馆.

[2][美]霍华德·加德纳(2012).多元智能新视野[M].沈致隆.北京:中国人民大学出版社.

[3][英]袁莉,[英]Stephen Powell,马红亮等(2014).MOOC对高等教育的影响:破坏性创新理论视角[J].现代远程教育研究,(2):3-9.

[4]姜强(2012).自适应学习系统支持模型与实现机制研究[D].长春:东北师范大学.

[5]姜强,赵蔚(2011).面向“服务”视角下的自适应学习系统设计与实现[J].中国电化教育,(2):119-124.

[6]姜强,赵蔚,王朋娇(2013).自适应学习系统中双向适应交互评价实证研究[J].现代远程教育研究,(5):106-112.

[7]教育部(2015).教育部关于加强高等学校在线开放课程建设应用与管理的意见[EB/OL].[2015-04-13].http://old. moe.gov.cn/publicfiles/business/htmlfiles/moe/s7056/201504/ 186490.html.

[8]联合国教科文组织(2001).教育——财富蕴藏其中[M].联合国教科文组织总部中文科.北京:教育科学出版社.

[9]刘红霞(2011).终身学习个性化推荐系统中学习者个人能力发展研究[D].长春:东北师范大学:32.

[10]万鄂湘,彭锡华(1998).人类社会追求的共同目标——评《世界人权宣言》[J].法学评论,(2):1-6.

[11]王志军,陈丽(2015).联通主义学习中教学交互研究的价值与关键问题[J].现代远程教育研究,(5):47-54.

[12]Agrawal,R.,Imieliński,T.,&Swami,A.(1993).Mining Association Rules between Sets of Items in Large Databases [A].Buneman,P.,&Jajodia,S..Proceedings of the 1993 ACM SIGMOD International Conference on Management of Data[C]. New York:ACM Press:207-216.

[13]Davis,F.D.(1989).Perceived Usefulness,Perceived Ease of Use,and User Acceptance of Information Technology [J].MIS Quarterly,(9):319-340.

[14]Ebbinghaus,H.(1885).Memory:A Contribution to Experimental Psychology[DB/OL].[2013-05-09].https://en.wikisource.org/wiki/Memory:_A_Contribution_to_Experimental_ Psychology.

[15]European Commission(2009).TENCompetence:Personal Competence Manager[DB/OL].[2009-12-01].http://tencompetence-project.bolton.ac.uk/.

[16]García-Barriocanal,E.,Sicilia,M.A.,&Sánchez-Alonso,S.(2012).Computing with Competencies:Modelling Organizational Capacities[J].Expert Systems with Applications,39(16): 12310-12318.

[17]Hnida,M.(2014).A Formalism of the Competency-Based Approach in Adaptive Learning Systems[J].Wseas Transactions on Information Science and Applications,11(14):83-93.

[18]Rudner,L.M.(2001).Item Response Theory[DB/OL]. [2001-12-01].http://echo.edres.org:8080/irt/.

[19]Sampson,D.G.(2009).Competence-Related Metadata for Educational Resources that Support Lifelong Competence Development Programmes[J].Educational Technology&Society, 12(4):149-159.

[20]Scharmer,O.(2015).MOOC 4.0:The Next Revolution in Learning&Leadership[DB/OL].[2015-05-12].http://www. huffingtonpost.com/otto-scharmer/mooc-40-the-next-revoluti_b_7209606.html.

The Generation of Competence-Oriented Personalized Learning Path and Its Evaluation

Jiang Qiang,Zhao Wei,Liu Hongxia,Li Song

Adaptive learning system,a development trend of intelligent network learning system,may efficiently realize the personalized education which can't be achieved in the traditional classroom teaching.However,some learning systems used currently can't cater for learners'individual differences in learning resources,teaching methods and learning progresses.Since competence is one of the main factors in individual differences,it is very important to construct a personalized adaptive learning system for diagnosing learners'competence automatically and pushing the best personalized learning path for different learners.To set up a competence model,the competence metadata should be described to make competence can be observed,operated and measured,according to the description specifications and standards of competence,and then the reference framework for competence development should be constructed.Based on this competence model constructed from personality traits,knowledge level and personal competence application situation, the competence-oriented personalized learning quantifies and evaluates competence through measurable and observable tasks,and finally put forward personalized learning path.It has been verified by specific learning tasks that competence-oriented personalized learning path can improve learning efficiency,extend personalized MOOC,resolve the problem of cognitive load and promote effective network learning.

Competence Model;Personalized Learning;Adaptive Learning;Learning Path;Performance Evaluation

G434

A

1009-5195（2015）06-0104-08 doi10.3969/j.issn.1009-5195.2015.06.013

教育部人文社会科学研究规划基金“大数据支持下的个性化自适应学习及教育测量研究”（15YJA880027）；教育部人文社会科学研究规划基金“基于知识图谱的开放学习资源自主聚合研究”（14YJA880103）；“中央高校基本科研业务费专项资金”。

姜强，博士，副教授，硕士生导师；赵蔚，博士，教授，博士生导师；刘红霞，博士，讲师，东北师范大学计算机科学与信息技术学院（吉林长春 130117）；李松，博士，副研究员，国家开放大学教育教学部部长（北京 100039）。

2015-09-29责任编辑 汪 燕