浅析基于学习行为的Felder-Silverman风格模型修正*

闫利霞

（苏州高博软件技术职业学院，江苏 苏州215000）

基于解决大数据环境下学习行为描述困难的问题，可以结合学习风格的在线教育平台给学习者提供与其学习风格相符合的教学资源加以解决，因此关于在线学习风格的研究成为了重点。

一、Felder-Silverman学习风格模型

学习风格理论是由美国学者Herbert Thelen于1954年提出的，至今已有70多种学习风格模型，常用的理论有Kolb、邓恩夫妇、菲尔德等。其中Felder-Silverman学习风格模型借鉴了很多学习风格模型，完整性更好、实用性更强。加之Felder-Silverman模型能够通过调查问卷测量得到学习者四个维度的信息，从而能更好地指导学习者的学习行为。因此，在学习行为研究中应用非常广泛，得到越来越多研究者的认可，本文也采用Felder-Silverman模型进行学习风格研究。

心理学家Felder和Silverman将学习风格分为四个维度，每个维度下分别对应两种不同类型特点的学习者。

1.信息感知维度（感悟型/直觉性）

感悟型学习者喜欢死记硬背，通常喜欢用已有的事实来考虑和解决问题，比较细心，能按照固定的公式、程序解决学习过程中遇到的问题；直觉型学习者喜欢学习新事物，创新性比较强，擅长记忆和理解比较抽象的概念、公式，相对比较粗心。

2.信息输入维度（视觉型/言语型）

视觉型学习者擅长记住看到的东西，如图片、视频、流程图等，往往对阅读到的东西遗忘比较快；言语型学习者更倾向于记住听到或阅读到的东西。

3.信息加工维度（活跃型/沉思型）

活跃型学习者倾向于积极地做一些事情，喜欢与人讨论、团队合作；沉思型学习者喜欢独立思考问题，擅长反思，不喜欢团队合作，可以有固定的合作伙伴。

4.内容理解维度（序列型/综合型）

序列型学习者喜欢按部就班地按照逻辑序列来解决问题、有步骤地解决问题；综合型学习者即全局型的学习者，他们喜欢总揽全局，然后找到解决问题的突破口，或先解决复杂的问题，但是解决问题的逻辑性可能不是很强。

这四个维度中，其中前两个维度是对信息的感知和输入，后两个维度是对信息进行加工和理解的过程，这四个维度之间不是分别独立的风格，学习者的学习风格都是这四种风格的组合，有的学习者可能更倾向于哪个风格而已。

二、学习行为数据的采集

1.行为数据采集

数据是记录信息的载体，是知识的来源。随着互联网技术的飞速发展，迎来了现在的大数据时代，数据的“大”不仅在于表面上的容量大，更体现在数据背后的价值上。大数据时代运用在线教育平台，搜集平台上学习者的学习行为数据，对数据进行分析，结合学习风格特点，给出适合学习者性格特点的个性化学习资源推荐就成了教育者共同的诉求。也使“因材施教”成为了可能。

基于在线学习平台进行学习，学习者随时随地都可以开展在线平台学习活动，同时，他们学习活动的动作行为、数据、路径等都会被记录下来，对数据进行相关搜集、整理、分析、汇总，就可以得到学生相对比较客观的学习行为特征。

本研究对“易加”学习平台八所学校500余名学生进行抽样调查，共发放问卷520份，收回480份，收回率91.3%。性别比例：男生194人占59.1%，女生134人占40.9%。研究采集和加工了该平台的主要学习行为数据，具体情况如表1所示。

表1 主要学习行为数据采集表

2.学习特征给定

通过对学习资源和学习能力的数据采集，根据《学习风格指数问卷》（Index of learning styles，简称 ILS）的数据统计，以及平台后台的评价功能，得到了学生相对客观的学习行为和学习特性，通过量表的填写和分析，从不同维度得到了学生的初步学习特征，如表2所示。

表2 学生初步学习特征表

三、Felder-Silverman学习风格量表

1.学习风格量表计算

基于初步给定的学生学习特征，进行学习风格认定。学习者的学习风格是依据Felder-Silverman开发的调查问卷指数ILS推断出的，该问卷由44道选择题构成，每道题均有两个选项a、b（每个选项代表相应维度下的一个风格类型）。表3是随机抽取平台56位学习者学习风格量表的答案填充，从而给出学习风格建议。

表3 学习风格测量表计算方法

该学生通过量表得到的学习风格计算公式：“较大数-较小数”，后面是较大数对应的风格类型所代表的字母。得到的差值越大，说明风格倾向越明显，差值越小，说明倾向的风格越不明显。结合图1得到的学生学习风格公式为“7a+5b+3a+9a”，则可以推断出该生学习风格为“视觉型+沉思型+感悟型+序列型”。其中以输入信息维度为例来看，该生对视觉直接看到的东西比较感兴趣，比如视频、图片等等，那么在教学过程中，就可以给该生多推送一些诸如此类的学习资源。

图1 抽取的学习者ISL调查问卷结果样图

2.简化后的量表计算

虽然，该量表能够比较完整地得到学习者的学习风格，但是系统设计相对比较复杂，基于此，本平台对此量表做了简单化处理。为简化系统计算，我们对模型的计算方式略作修改，形成了4个归一化的参数，（取值区间为0-1.0），计算方式如表4所示。

0代表一端，1代表相反的另一端，中间的1/3-2/3为特征平衡的部分。

表4 对量表简化后的计算方式

四、学习风格修正

平台提供了从课前到课中再到课后全面的学习与检测功能，平台在用户使用时采集了大量行为数据，对照Felder-Silverman模型设计，学习风格的修正基于如表5所示行为动作进行。

五、结论

本文根据Felder-Silverman量表，基于平台产生的学生学习行为实际数据进行测算，对量表做了简单分析和修正，接下来会进一步对平台产生数据进行分析测试，不断完善学习机制，同时将研究结果应用于教学实践，以期进一步提高学生学习兴趣和学习效率。

表5 学习行为描述与学习风格的修正