非正式学习环境下基于移动终端的学习者模型研究

姚文贵

[摘           要]  针对非正式学习环境下学习者模型建模问题，在分析学习者模型的国内外研究现状的基础上，提出了一种非正式学习环境下基于移动终端的学习者模型（IL-ML学习者模型）。IL-ML学习者模型包括学习者描述、学习目的、个体兴趣、学习风格和学习情境五个维度，其中个体兴趣和学习情境是非正式学习环境中重要的适应性维度，个体兴趣决定了非正式学习系统中的适配内容，学习情境将学习者所处的地理位置、网络环境、设备和时间信息进行表征，使非正式学习系统的服务更具个性化。IL-ML学习者模型可根据学习者的浏览数据进行动态更新。该模型能较好地反映非正式学习环境下基于移动终端学习者的个体差异，为适应性学习支持系统在非正式学习环境中的应用提供决策依据。

[关    键   词]  非正式学习;学习者模型;移动学习

[中图分类号]  G712                   [文献标志码]  A                    [文章编号]  2096-0603（2019）18-0116-02

随着现代社会对人的技能要求越来越高，人们需要不断地学习各个领域的知识来充实自己，跟紧时代发展从而摆脱被淘汰的命運。人们选择学习的形式多样，其中非正式学习是典型的学习模式，非正式学习没有固定的形式，学习的内容多样，学习时间具有不固定性，学习者在学习过程中会表现出来各种不同的学习信息，这表现在两个方面：一是不同的学习者在起点水平、认知结构、学习态度、学习动机、学习风格上有所不同，具有一定的差异性;二是学习者在学习的过程中的知识水平和认知技能也是不断更新的。

一、学习者模型的国内外研究现状

学习者模型是对学习者的个体特征和学习状态的形式化表示。对学习者模型的研究是基于智能教学系统（ITS）展开的，智能教学系统的主要研究热点包括学习者模型、著作系统、在线协作学习、自然语言对话、智能教学系统评估等，学习模型是研究智能教学系统教学效果的其中一个维度。所谓智能教学系统，它扮演着教师的角色，以计算机技术和人工智能技术为中介，需要识别出学习者在各种学习情境下的各种学习行为以形成反馈机制，推测和预测学习者的学习。通常，建立的学习模型需要识别出学习者初始的学习状态，记录学习者进入下一步学习中所会发生的学习行为，同时可以用登录和退出时间差来记录学习者学习和掌握知识的快慢，应用于智能教学系统的学习者模型能扫除学习的盲点，提高教师教学的效率。为了提供更有针对性和适应性的学习，有学者对学习者模型的结构进行了充分研究，覆盖模型、偏差模型、认知模型和心理模型是最常见的几种学习者模型。在国内，有学者在学习者学习基础、认知能力、心理因素的基础上设计了一个智能教学系统的学习者模型，并给出了学习者模型的动态调整算法。有学者提出在网络智能教学系统中建立一个双层动态学习者模型，模型的初始层采用复合认知型学习者模型，高级层利用Hopfield神经网络算法，克服了单一学习者模型结构数据处理的障碍。有的学者以基于决策树的遗传算法，将学习者的学习标准、兴趣、爱好、知识状态、学习历史、心理因素和认知能力等信息进行数据挖掘和分类，构建了一个综合覆盖模型、偏差模型、认知型模型或是几种模型组合的全面学习者模型。国外的许多学者也对学习者模型进行了丰富的研究，有的学者利用对话来获得学习者对领域知识的掌握程度，从中分析学习者学习的速度、掌握程度以及记忆能力，采用一定策略对学习者实施个别化教学。有的学者采用知识发现技术对学习者的历史数据进行分析，防止学习者弃学。

二、非正式学习环境下基于移动终端的学习者模型

构建非正式学习环境下（Informal Learning Environments）基于移动端（Mobile Learning）的学习者模型（简称IL-ML学习者模型）需要解决三方面问题：一是学习者模型建模;二是初始化学习者模型;三是学习者模型的动态更新。其中，学习者模型建模的主要功能是确定学习者模型的要素，建立学习者模型的数据结构;初始化学习者模型的主要功能是初始化学习者模型的数据;学习者模型动态更新的主要功能是在学习过程中动态更新学习者模型的数据。

（一）IL-ML学习者模型构建

为了构建IL-ML学习者模型，需要先分析基于移动终端的非正式学习的特点，以明确学习者模型包含哪些要素。首先，非正式学习环境下学习者的学习目的不同，反映在学习者的知识与技能、过程与方法、情感态度与价值观上。其次，非正式学习环境下由于学习者的背景差异、所要解决的问题不同也会产生不同的学习风格与兴趣，为了充分研究非正式学习环境下基于移动终端的学习者的学习过程对学习效果的影响，为其提供个性化的学习服务，现以学习者描述、个体兴趣、学习风格、学习情境五个要素构建IL-ML学习者模型。其中，学习者描述记录了学习者的基本信息;个体兴趣代表了学习者对内容的偏好;学习风格反映了学习者在学习时具有个人特色的方式;学习情境刻画了学习者的学习环境。

1.学习者描述

学习者描述学习者的基本属性，学习者的特征，对学习者的特征进行分析，可以为开展非正式学习活动提供依据，了解学习者的学习背景能为学习者模型的设计指明方向，描述学习者的姓名、性别、年龄、学历和职业。

2.个体兴趣

一般认为，个体兴趣指的是随着时间的迁移而不断发展的、一种相对稳定持久且与某一特定主题或领域有关的动机取向、个人倾向或个人偏好，它与知识、价值观及积极感情相关联。学习者对某一个问题有兴趣，就会持续地、专心致志地钻研它，从而提高学习效果。非正式学习可以发生于各类领域、各种形式以及各个层次。

3.学习风格

现有对学习风格的分类大多是基于正式学习环境下的传统学习者，与非正式环境下基于移动端的学习者有着极大区别。因此，在分析基于移动端的非正式学习特点的基础上，本文依照邓恩夫妇（Dunn R和Dunn K）的观点，从环境、情感、社会、生理和心理这五个方面对非正式环境下基于移动端的学习风格进行分类。

4.学习情境

学习情境理论认为学习是一个参与情境的过程，是一个基于情境而展开的过程，它时时刻刻都处于情境当中。而随着学习者在移动终端上的学习参与度与日俱增，情境与学习需求的关联准确度直接决定了学习资源推荐质量的高低。学习者模型的整体框架中已经对学习者的基本信息、学习目的、学习风格和学习兴趣进行了归类，因此在学习情境中主要对学习者具体现实环境进行描述，这其中包括学习时间、地点、设备信息、网络状况，网络状况描述了学习者的网络类型以及连接速度，这些都会影响学习者的学习情绪。

（二）模型初始化

学习者模型的初始化包括静态属性和动态属性两个方面，依据学习者模型先初始化后使用的原则，需要分步骤对学习者模型进行初始化。根据学习者模型构造的五个要素的特点，学习者描述、学习目的、学习风格是静态的，在学习中是固定不变的，而个体兴趣、学习情境是动态的，在学习中是不断变化的。学习者模型的初始化主要是测量出静态属性的信息，动态属性的初始化可以采用系统预设值的方法，动态更新学习者的学习过程。在非正式的学习者模型中，学习者描述、学习目的和学习风格可以通过注册填表的方式进行初始化。

（三）模型动态更新

非正式学习者模型的个体兴趣和学习情境是动态更新的。学习者在移动终端中进行非正式学习时，系统会自动跟踪学习者所选择的内容和历史数据，更新学习兴趣和学习情境。

（四）模型的应用分析

学习者进行非正式学习的主要目的是获得新知识，拓展自己的兴趣以及满足自我提升的需要，因此学习者可以在任何时候通过互联网在移动终端上获取学习资源，开展各种各样的学习活动。学习者参与在非正式学习的过程中，系统会根据学习者的学习活动为每一位学习者构建对应的学习者模型，针对学习者的信息、学习目的、学习风格、个体兴趣和学习情境，分析学习者的学习特征和兴趣点，了解学习者的学习习惯，判断学习者对学习资源的感兴趣程度，系统主动并且有选择性地向学习者推送学习资源，如果学习者一开始的学习目标并不明确，然后在学习过程中找到学习兴趣，系统可以通过学习者模型的动态更新，及时掌握学习者的情况，制定相对应的学习资源推送服务和学习路径推荐服务。

三、结语

移动终端产品的多样化和简单化，便携性为非正式学习提供了良好的设备支持，在非正式环境下基于移动终端构建的学习者模型系统，能抓取学习者在学习过程中的学习行为信息，识别出非正式环境下学习者学习的差异性，以便为学习者提供更有针对性的学习服务。非正式学习者模型包括学习者描述、学习目的、学习风格、个体兴趣和学习情境五个维度，对这五类信息进行分组可以详细地记录非正式学习环境下学习者的个体特征。其中，学习者描述、学习目的、学习风格是学习者的个体特征的静态属性，学习兴趣和学习情境是学习者个体特征的动态属性，需要采用不同的方法来分别计算和测量。将IL-ML学习者模型应用于自适应学习支持系统中，计算机系统能判断出学习者的学习特征，为非正式学习活动提供指导。

参考文献：

[1]王艳辉.基于移动终端大学生非正式学习有效策略研究[J].信息与电脑（理论版），2015（18）：194-195.

[2]张永和，肖广德，胡永斌，等.智慧学习环境中的学习情景识别：让学习环境有效服务学习者[J].开放教育研究，2012，18（1）：85-89.

[3]陈仕品，张剑平.智能教学系统的研究热点与发展趋势[J].电化教育研究，2007（10）：41-46.

[4]馬志强，苏珊.学习分析视域下的学习者模型研究脉络与进展[J].现代远距离教育，2016（4）：44-50.

[5]郭富强.智能教学系统中动态学生模型的研究与设计[J].中国电化教育，2011（1）：119-123.

编辑 陈鲜艳