基于层次分析法的学习者特征分析

,

(1.商洛学院 经济管理学院,陕西 商洛 726000; 2.商洛学院 数学与计算机应用学院,陕西 商洛 726000)

学习者特征是指对学习者学习有关学科内容产生影响的心理和社会特点,虽然与具体学科内容无直接联系,但是影响学习内容的选择和组织以及教学方法、教学媒体和教学组织形式的选择与运用[1]。学习者是学习活动的主体,学习者所具有的认知的、情感的、社会的特征都将对学习的信息加工过程产生影响[2]。学习者特征分析的目的是了解学习者的学习准备情况及学习风格,为教学活动的设计、教学方法与教学媒体的选用等提供依据,使教学外因条件适合学习者内因条件,从而真正促进学习者智力和能力的发展。

学习者特征分析是教学设计的一个重要步骤,教学设计的一切活动安排都是为了学习者。教学目标的实现是在学习者自己认识和发展的学习活动中体现出来,而作为学习活动主体的学习者又是以自己的特点来进行学习。因此,要取得教学设计的成功,必须重视对学习者的分析[3]。

从某种程度上说,了解学习者特征之后,就能安排教学内容以及选择教学方法和教学媒体,使教学活动能够最大限度地适应学习者的学习。本文深入分析学习者特征,并建立相应的研究模型,使教学方法、教学媒体和教学技术与学习者特征相匹配,从而促进学习者兴趣[4]。

1 层次分析法概述

层次分析法(AHP)是将与决策有关的元素分解成目标、准则、方案等层次,在此基础之上进行定性和定量分析的决策方法。该方法由美国匹茨堡大学教授萨蒂于20世纪70年代初提出[5]。

1.1 基本原理

层次分析法将思维过程数学化、系统化,以便使决策依据易于被接受。该方法对定量信息的需求不多,但决策人员对决策问题的本质、所包含的系统要素及其相互之间的逻辑关系必须掌握透彻[6]。

如果有n个香蕉,每个香蕉的质量分别用w1,w2,…,wn表示,就可以得到质量比矩阵A,如下所示:

将每个香蕉的质量组成一个向量W=[w1,w2,…,wn]T,W乘以矩阵A得到AW,如下所示:

由式(2)得知,n是A的特征值,W是A的特征向量。根据矩阵原理得到矩阵A的唯一非零解n,也是最大特征值。因此,香蕉的质量可以利用矩阵的特征向量来求得。

在实际应用中,可以把香蕉的个数n表示成n个因素,香蕉的质量就可以表示成各个因素的相对重要性,即权重。对两两因素进行比较并建立判断矩阵,再求出特征向量就可以确定最为重要的因素。依此类推,如果有n个香蕉就代表有n种结果,按照这种方法就可以计算出哪个结果最好[7]。

1.2 主要步骤

层次分析法充分利用人的分析、判断和综合能力,将复杂问题分解为多个因素并形成一个多层次的模型,通过两两比较的方式确定层次中诸多因素的相对重要性,然后综合评价以确定因素的相对重要性排序[8]。采用层次分析法按以下4个步骤进行决策分析:

(1)建立阶梯层次结构模型。分析目标体系所涉及因素的关联和隶属关系,进而划分不同层次,构建有序的阶梯层次结构模型。该模型一般包含目标、准则和指标3种类型。

(2)构造判断矩阵。按照层次结构模型,从上到下逐层构造判断矩阵。每一层元素都以相邻上一层各元素为准则,按1～9 标度方法两两比较以构造判断矩阵。

(3)层次单排序及一致性检验。求解判断矩阵最大特征值和对应的特征向量,经过归一化处理,得到层次单排序权重向量。由于判断矩阵的结果具有一定的客观性,因此需要进行一致性检验分析。若检验不合格则修正判断矩阵,直到符合满意的一致性标准[9]。

(4)层次总排序。从上到下逐层计算指标层各因素相对于系统总目标的合成权重,最后得出各因素对总目标影响值的排序结果。层次分析法采用优先权重作为区分影响程度的指标,数值介于0和1之间,在给定的决策准则下,数值越大,指标重要性越高,反之越低。为了判断思维的逻辑一致性,层次总排序也需要检验一致性[10]。

2 学习者特征概述

2.1 学习者特征分析的意义

学习者特征分析就是给教学设计提供一个新的教学起点,学习者原有的学习准备状态就是新教学的出发点,与具体学科内容并无直接联系。著名教育心理学家邵瑞珍说:“教学好比旅行,旅行前必须知道目的地和出发点,教学前也必须明确教学目标和学习者的原有学习准备情况。”通过对学习者需要的分析来确定总的教学目标,即目的地。初始能力分析就是要确定教学的出发点[11]。

学习者特征分析给教学设计(特别是个别化教学设计)提供了依据。学习者特征分析就是了解学习者的风格,不同学习风格与教学内容的处理、教学方法的运用、教学媒体的选择之间存在着一定的联系,这种联系是教学设计的依据[12]。

2.2 学习者特征分析的内容

图1为学习者特征分析的内容。

图1 学习者特征分析的内容Fig.1 Content of learners’ characteristics analysis

学习准备是指学习者在开始新学习时,原有知识水平或原有心理发展水平对新学习的适应性。一般包括以下2个方面:一般特征、初始能力。一般特征指学习者开始新学习时所具有的心理、生理和社会影响的特点,包括年龄、性别、认知成熟度、智能、学习动机、个人对学习的期望、生活经验、社会背景等因素。初始能力是指学习者在学习某一特定的学科内容时,已经具备的有关知识与技能,以及对这些学习内容的认识和态度[13]。

初始能力分析的内容包括:预备技能分析,即了解学习者是否具备了进行新学习所必须掌握的知识与技能,这是开始新学习的基础;目标技能分析,在开始学习前,了解学习者对目标技能的掌握情况;学习态度分析,如了解学习者对将要学习的内容有无兴趣,对这门学科是否存在偏见和误解,有没有畏难情绪等。

学习风格是学习者持续一贯的带有个性特征的学习方式和学习倾向,强调学习者喜欢的或经常使用的学习策略、学习方式或学习倾向在学习风格中的核心地位[14]。

2.3 学习者特征分析的模型

首先要建立一个科学、合理的体系模型,能够客观地反映学习者特征。在对身边学习者了解的基础上,参考国内外现有研究现状,遵循科学性、全面性、可行性、有效性、定性与定量相结合的原则,利用层次分析法建立体系模型[15]。在进行学习者特征分析时,学习者的起点水平、知识结构、学习态度、学习动机、学习风格是首要考虑的因素,如表1所示。

表1 学习者特征分析的体系模型

3 层次分析法的求解过程

3.1 尺度描述

层次分析法通常采用9级标度法对判断矩阵元素赋值。在9级标度法中,规定用1、3、5、7、9分别表示根据经验判断的因素i与因素j的比值,即一般重要、稍微重要、较强重要、特别重要、尤其重要,而2、4、6、8分别表示不同层次之间因素的判断值[16]。

3.2 判断矩阵构建

层次分析法的关键步骤就是判断矩阵构造,它是衡量事情重要性的指标,也是进行权重计算的重要依据。为了实现客观性和科学性并重,选择调查对象并设计调查问卷,分别对学习者、教育者、上进者进行匿名问卷调查。通过对问卷处理,计算出所有问卷的各因素相对重要性程度,构造出判断矩阵,如表2所示。

表2 目标层O与指标层P的判断矩阵

3.3 判断矩阵特征值与特征向量计算

在层次分析法中,计算判断矩阵的最大特征值与特征向量时并不需要特别精确的度量值,目前有2种方法可以计算,即求和法与求根法,本文选取求根法。

求根法的基本过程如下所示:

3.4 一致性检验

在评价体系中,构建判断矩阵只是进行大致判断,没有真正意义上采取定量或者定性的分析,容易引起不一致性。例如,T1比T2重要,T2比T3重要,则T1应该比T3更为重要,如果得出的结论是T1比T3一般重要或同等重要时,就出现了逻辑性错误,这时需进行一致性检验。

表3 一致性指标

一般认为CI<0.1、CR<0.1时,判断矩阵的一致性是可以接受的,否则重新两两进行比较。依据表2、3计算出wi、λmax、CI、CR的值,具体情况如表4所示。

表4 一致性检验计算结果

由表4可见,所有的数据都通过了一致性检验,构造的判断矩阵符合要求。

4 评价体系结果

为了精确衡量学习者特征的表现状态,本文以某地方院校普通大学本科生的学习特征为依据进行详细分析。按照5个指标体系结构进行打分,采用问卷调查、网络在线反馈、交流访谈等手段对各项指标进行打分,计算结果如表5所示。

表5 学习者特征各指标分值

由表5计算出某一个本科生综合学习特征分值为83.65。以此类推,就可以对全校本科生学习特征进行分析。

从表5学习者特征分值来看,有1项达到90分以上,即学习动机;3项达到80分以上,即知识结构、学习态度、学习风格。在实际生活中,真实衡量一个学习者特征需要众多因素,但是最关键的是学习态度、学习动机、学习风格。起点水平、知识结构属于先天的,改变程度相对较小;学习态度、学习动机、学习风格是后天培养和锻炼的,如果有一个好的人生导师引导,可以改变的程度就较大。

5 结语

学习者特征受到生理、心理、社会文化等因素的影响,学习者个体既表现出共性特征,又表现出多样化差异。不同年龄学习者的知识水平不同,同一阶段学习者在知识结构、学习风格、学习动力等方面也会表现出诸多差异。研究学习者特征时,既需要考虑学习者之间稳定的、相似的特征,又要分析学习者之间变化的、差异的特征。相似性特征的研究可以为集体化教学提供理论指导,差异性特征的研究能够为个别化教学提供理论指导。

要想在教学活动中真正体现学习者的主体性,在教学设计时应该首先去了解学习者,即分析学习者特征。在主体性课堂教学设计中对学习者特征的分析应着重从哪些方面入手？究竟应该怎样去探究学习者的特征？本文采取层次分析法详细研究了这些问题,并采取定量的方法对学习者特征进行量化,为以后教学提供有力的参考。

[1] 吴敏,李慧,胡雪娇.虚拟学习社区中学习者的特征对网络学习的影响分析[J].首都师范大学学报(自然科学版),2014,35(6):33-37.

WU Min,LI Hui,HU Xuejiao.Analysis on factors that learners’ characteristics effects web-based learning on the virtual learning community[J].Journal of Capital Normal University(Natural Science Edition),2014,35(6):33-37.

[2] 富震.基于SVM主动学习技术的PU文本分类[J].计算技术与自动化,2014,33(1):127-131.

FU Zhen.A PU text classifier based on SVM active learning[J].Computing Technology and Automation,2014,33(1):127-131.

[3] 王聪,王栋.大学英语自适应学习环境下的学习者学习风格研究[J].中国电化教育,2014(7):145-150.

WANG Cong,WANG Dong.A study on learners’ learning styles of College English in adaptive learning systems environment[J].China Educational Technology,2014(7):145-150.

[4] 杨友林,伦淑娴.基于模糊理论的CSCL分组的研究[J].渤海大学学报(自然科学版),2009,30(2):181-185.

YANG Youlin,LUN Shuxian.Study on CSCL grouping based on fuzzy theory[J].Journal of Bohai University(Natural Science Edition),2009,30(2):181-185.

[5] 陈荣钦,林君焕,陈月芬.一种基于Q学习的有限理性博弈模型及其应用[J].系统仿真技术,2014,10(3):203-209.

CHEN Rongqin,LIN Junhuan,CHEN Yuefen.A limited rational game model based on Q-learning and its application[J].System Simulation Technology,2014,10(3):203-209.

[6] 胡慧,何聚厚.基于改进蚁群算法的协作学习分组研究[J].计算机工程与应用,2014,50(13):137-141.

HU Hui,HE Juhou.Research of composing cooperative learning group based on enhanced ant colony optimization algorithm[J].Computer Engineering and Applications,2014,50(13):137-141.

[7] 屈正庚.层次分析法在大学生课堂上玩手机中的研究[J].系统仿真技术,2016,12(1):66-69.

QU Zhenggeng.The analytic hierarchy process to play on mobile phone in class for college students[J].System Simulation Technology,2016,12(1):66-69.

[8] 拓守恒.基于QPSO训练的SVM核函数集成学习研究[J].系统仿真技术,2010,6(3):202-208.

TUO Shouheng.Study on ensemble learning for kernel selection based on quantum-behaved particle swarm optimization algorithm[J].System Simulation Technology,2010,6(3):202-208.

[9] 叶树鑫,何聚厚.协作学习中基于协同过滤的学习资源推荐研究[J].计算机技术与发展,2014,24(10):63-67.

YE Shuxin,HE Juhou.Research on learning material recommendation based on collaborative filtering algorithm in cooperative learning[J].Computer Technology and Development,2014,24(10):63-67.

[10] 张舸,周东岱,葛情情.自适应学习系统中学习者特征模型及建模方法述评[J].现代教育技术,2012,22(5):77-81.

ZHANG Ge,ZHOU Dongdai,GE Qingqing.Review of learner characteristics models and modeling method of adaptive learning systems[J].Modern Educational Technology,2012,22(5):77-81.

[11] 屈正庚.层次分析法在应用型人才培养体制中的研究[J].计算技术与自动化,2015,34(2):104-109.

QU Zhenggeng.Research on system for training applied talents by analytic hierarchy process[J].Computing Technology and Automation,2015,34(2):104-109.

[12] 姜蔺,韩锡斌,程建钢.MOOCs学习者特征及学习效果分析研究[J].中国电化教育,2013(11):54-59.

JIANG Lin,HAN Xibin,CHENG Jiangang.A study on MOOCs learners’ characteristics and learning effects[J].China Educational Technology,2013(11):54-59.

[13] 陈卫卫,李涛,李志刚.基于模糊层次分析法的云服务评估方法[J].解放军理工大学学报(自然科学版),2016,17(1):25-30.

CHEN Weiwei,LI Tao,LI Zhigang.Method of cloud service evaluation based on fuzzy analytic hierarchy process[J].Journal of PLA University of Science and Technology(Natural Science Edition),2016,17(1):25-30.

[14] 翁迟迟,齐法制,陈刚.基于层次分析法与云模型的主机安全风险评估[J].计算机工程,2016,42(2):1-6.

WENG Chichi,QI Fazhi,CHEN Gang.Host security risk assessment based on analytic hierarchy process and cloud model[J].Computer Engineering,2016,42(2):1-6.

[15] 刘聪锋,赵梓越.自适应调零天线对抗效能层次分析评估方法[J].西安电子科技大学学报(自然科学版),2015,42(1):23-29.

LIU Congfeng,ZHAO Ziyue.Evaluating method of countermeasure effectiveness for adaptive nulling antenna based on analytic hierarchy process[J].Journal of Xidian University,2015,42(1):23-29.

[16] 蒋卓轩,张岩,李晓明.基于MOOC数据的学习行为分析与预测[J].计算机研究与发展,2015,52(3):614-619.

JIANG Zhuoxuan,ZHANG Yan,LI Xiaoming.Learning behavior analysis and prediction based on MOOC data[J].Journal of Computer Research and Development,2015,52(3):614-619.