基于开放教育的智适应学习系统设计

刘培艳

（天津市河西区职工大学，天津300203）

一、研究综述

（一）研究背景

近几年，开放教育在教学资源的建设上取得了令人瞩目的成绩，五分钟课程网的资源在短短几年内建设成为含有生活休闲、文学艺术、历史文化、语言文字、经济管理、教育体育、科学技术、农林牧渔、政治法律、哲学社科等23 个学科门类，37048 门课程的非学历教育课程资源库，很多课程点击量均在数万次以上，且学习者也能参与到微课程的设计与制作中来，将自己制作的微课程上传与其他学习者一起分享，充分打开了“共享共赢”的开放教育新局面，极大地促进了MOOC 与微课程等学习资源的建设。面对开放教育在教育资源建设上取得的突破性进展，学习系统的发展步调就显得逊色了很多，因此我们要更加关注技术应如何加强学习系统的建设，进而促进学习支持服务、使得学习资源得以更好地运用。与此同时，2018年的《地平线报告》已经对此问题进行了涉及，其中提到全球高等教育都在采用教育技术和创造新技术，支持更广泛的学习进步和学生成功等方面面临着前所未有的挑战和机遇。报告还指出从稍长的时间范围来看，适应性学习技术、人工智能和开放教育资源越来越多。因此，将人工智能技术运用到开放教育资源建设中来，构建具有自适应推荐学习资源的“智适应学习系统”是开放教育资源建设继续发展的重要任务。

反观其他一些发达国家，在这一方面其实早已涉及，并且发展速度非常之迅速，比如美国的“大联盟”（Math League）思维探索活动在线智能学习系统，这一系统是美国国家自然科学基金会科研项目（NSF，National Science Foundation），由美国纽约州立大学研发，这一系统将个体的学习特点和学习策略通过现代计算机算法进行记录和描述，以便系统能够智能的为学习者推荐学习内容和学习策略，帮助学习者进行更好的学习和复习，诸如此类的还有如Dream box、AIEKs、Knewton 等成熟的自适应学习系统和一些自适应学习工具应用于市场。除此之外，韩国、日本在这方面的技术也是非常成熟。近两年，国内目前也陆续出现了一些类似的智能学习系统，主要应用于如幼儿英语、幼儿识字等一些早教产品中，并且其“智慧”的功能并不是很完善，但是在成人教育领域，这类系统目前还鲜有涉及。

（二）研究价值及重要性分析

现代信息技术和学习理论的不断进步，使得教和学的行为都产生了一定的变化，也给开放教育带来了巨大的机遇和挑战。基于网络的学习形式已经成为开放教育的一种主要学习形式，目前的开放教育学习主要是依托国家开放大学学习网，其虽然有丰富的学习资源和完整的学习环节，但就其为所有学习者均提供统一的学习内容和学习要求而言，这一学习系统明显缺乏一些“智慧”的色彩。

众所周知，开放教育学习者具有学习时间零散，年龄跨越比较大，学习能力高低不平，知识背景参差不齐，学习需求难以统一等特点，如果仅仅为其提供统一的学习内容和学习要求，必然会造成顾此失彼，无法满足每一位学习者的学习需求。基于此种情况，笔者试图将自适应学习应用于开放教育学习资源建设中来，利用人工智能技术以及大数据分析技术，构建一个适用于开放教育的智慧学习系统，即“智适应学习系统”。这一学习系统能够记录学习者的学习轨迹，通过对学习者学习特点、学习策略、能力水平、知识背景以及情趣爱好等相关因素的分析，智能的为学习者筛选并推荐适合其自身的学习资源。一方面，这种学习系统就学习者而言，能够适应学习者的能力，根据学习者自身情况不同，推荐不同的学习资源，充分照顾到开放教育中的学习者水平参差不齐的情况，既能帮助高水平的学习者寻找更高层次的学习资源，又能为能力不足的学习者提供基础性的学习资源，做到因材施教，提高了开放教育的整体学习效果，同时节省了学习者自己寻找适合自身学习资源的时间，提高了学习的效率，达到了学习的最优化。另一方面，就学习资源而言，开放教育学习资源丰富，但由于有些学习者信息搜索和资源筛选的能力不足，导致一些优质的学习资源难以被学习者找到，进而导致学习资源不能得到有效的运用，造成资源浪费，影响开放教育的教学效果甚至是影响其教育的投入回报比，而“智适应学习系统”恰好能弥补这一不足，能够“智慧”的为学习者提供优质的、适合其能力水平及需求的学习资源，做到教育资源的充分、合理运用。

因此，文章通过对自适应学习和开放教育资源建设特征的研究分析，将自适应学习模式应用于开放教育教学平台中，利用人工智能技术和大数据分析，设计出一种适应于开放教育的具有自适应能力的智慧学习系统，这种学习系统以开放教育学习平台为依托，可以通过网页进行学习，也可以通过手机APP 进行下载学习，甚至可以通过微信关注公众号进行学习。若将这种学习系统能够在开放教育学习者中得到广泛应用，势必会促进开放教育学习资源的有效运用，优化学习者的学习效果，节约学习者的学习时间，进而对开放教育的教学效果产生积极地影响，对与开放教育的发展具有十分重要的意义。

二、智适应学习系统设计

智适应学习系统是在国家开放大学学习网的基础上进行的升级和完善，以开放大学学习网为依托，通过数据挖据技术分析出每位学习者适合的学习资源并为其推荐学习。系统可以通过三种形式进行学习：一是可以通过门户网站登录，进入系统学习；二是可以通过手机下载APP 进行登录学习；三是可以关注国开学习网微信公众号，通过公众号进入学习。系统的优势在于以下几个方面：（1）可以通过手机APP 或微信公众号进行学习，实现随时随地的学习，符合开放教育学习者的学习特征；（2）能够智能的为学习者推荐学习资源，提高了学习者的学习效率，节省其学习时间，并能为不同层次的学习者提供不同的学习资源，做到因材施教，充分体现了以学习者为中心的教学理念；（3）使众多的学习资源得到了有效地整合，能够有效、合理的运用学习资源。

（一）系统的学习模式

智适应学习系统中的学习模式主要是以项目反应理论为基础的一种自适应学习模式，其主要宗旨就是为学习者自主学习提供精准的学习资源和有效的学习支持服务。在这里，笔者将系统的学习模式总结为以“学”为中心，集“练、辅、测”为一体的个性化学习模式。如图1所示：

其中学习者的学习行为是整个系统的核心，其他环节均是为学习环节服务。“学”主要以学习资源的个性化推荐及个性化学习支持服务为主，聚焦学习者的薄弱知识环节和其感兴趣的知识点，以及以其自身知识水平为基础的提升型知识点。“测”是对学习者学习状态的一个判断，这里的测试主要包括两类，一是先行测试，这部分测试的目的是为了了解学习者的初始水平，其测试结果作为学习者后续学习的学习路径选择的依据；二是传统意义的考核，这种测试的目的是为了评判学习者对课程内容的掌握程度。不管是以上哪种测试，其数据都将被记录在下文介绍的学习者本体数据库中，作为分析学习者学习情况的依据。“练”的目的是为了巩固知识，根据当前系统对学习者数据分析结果，精准找出学习者知识点薄弱环节，系统将精确为学习者提供针对其薄弱环节的练习内容，帮助学习者进行精准有效的练习，提升学习者的学习效果。此外，练习过程中，学习者对试题的反应，包括答题结果，答题时间等等，都将被系统监控，并反馈给后台数据库，记录在学习者本体数据库中，为后续对学习者进行大数据分析提供依据。“辅”即为辅助学习环节，这些环节虽不是学习过程的必要环节，但其能丰富学习者的学习活动，激发学习兴趣，并为学习者提供一定的学习支持服务，帮助学习者更好地掌握学习内容。这一环节主要包含学习讨论区、新闻区、师生答疑区、交互区等等，其中交互区可以为学习者提供一些与课程学习有关的趣味游戏、竞赛以及一些交互性学习资源，帮助学习者在乐中学，提升学习的趣味性和主动性。

（二）系统的框架结构

智适应学习系统有很多模块构成，在国家开放大学学习网的模块基础上增加了交互区、推荐功能等，形成了具有自适应功能的，集智慧性、趣味性和自主性为一体的学习系统，主要包含学习者管理系统、学习资源管理系统、数据分析系统及自适应推荐系统，并设置教师和管理员用户，用于监控和帮助学习者的学习过程，其具体环节如图2所示：

其中，学习者管理系统是针对学生用户的管理模块，负责对学生学习情况的跟踪，并将跟踪数据传给数据分析系统；学习资源管理系统主要负责整合学习资源及当前用户对学习内容的反应，并将这些数据传给数据分析系统；数据分析系统通过数据挖掘技术对学习者的学习情况分析，并将分析结果传递给自适应推荐系统；自适应推荐系统根据推荐原则，采用特定的算法筛选出适合学习者学习的学习资源，并通过学习资源管理系统推荐给学习者，此外学习者也可主动在学习资源管理系统中选择自己感兴趣的学习内容。

（三）学习系统的主要功能模块设计

智适应学习系统是以国家开放大学学习网为依托进行设计和完善的，因此在学习者的学习系统中保留国家开放大学学习网中的部分功能模块，并在此基础上加以扩充和完善，主要由知识学习模块、学习讨论模块、学习测试模块、学习交互模块四大模块组成，其中每一模块的具体功能如下。

1.知识学习模块

知识学习模块中的知识主要可以分为两类，即静态知识和动态知识。静态知识主要指专业课程学习中所必需的掌握的一些基础知识，动态学习知识则包括系统根据学习者学习情况和其兴趣爱好，经过自适应推荐系统计算来推荐的一些课程相关的课内外学习内容，由于这些学习内容会根据学习者的学习状况、学习阶段不同而产生变化，故称为动态学习内容。结合以上情况，知识学习模块可以分成三个功能区，即：基础知识学习区，这一区域中所包含内容为上述所提到的静态知识，结合学习者评价体系的要求，可以设置为完成此功能区的全部学习内容方可获得相应课程成绩，这部分成绩作为学习者最终成绩的一个必要组成部分；拓展知识学习区，这一区域所包含的内容为上述动态知识学习内容，由于这部分内容是不断变化的，故可以设置为完成多少次学习任务方可获得相应课程成绩，这部分成绩也作为课程通过的必要条件之一；直播学习区，这一区域任课教师可以通过系统进行直播教学或开展相关领域的知识讲座，学生可以根据自己的时间安排在线参加学习，教师可在学期初将本学期直播讲座时间公布给学生，结合学习者评价体系的要求，学习者需要参加几次直播讲座方可获得相应课程成绩。

2.学习讨论模块

学习讨论模块为学习者与教师、学习者与学习者之间提供了一个不受时间限制的学习交流空间，教师和学习者可以通过学习讨论模块就相关问题进行讨论、答疑等等。除此之外，学习讨论模块在传统功能的基础上开设直播区，此直播区可以由学习者发起直播组织学习者之间或学习者与教师之间通过视频直播讨论学习内容，充分体现了以学习者为中心的教育理念。

3.学习测试模块

学习测试模块分为两种功能，一是可以为学习者提供一个练习的平台，通过练习完成对知识的巩固，同时系统记录、收集学习者的学习行为数据，为系统推荐适合学习者的学习、测试内容提供依据；二是测试，学习者通过测试检验自己的学习成果，同时获得相应部分的课程成绩，最终合成课程总成绩，这里的包括学习者先行测试和考核性测试两部分，先行测试适用于收集学习者信息传回学习者本体数据库，为学习资源的推荐提供依据，先行测试由学习者自行安排，可以在学习的任何阶段完成，并不限测试次数；考核性测试是系统根据学习者整体学习过程为学习者量身定制的适合学习者能力水平的测试，其测试结果则计入学习者的最终成绩。

4.学习交互模块

学习者交互模块包含游戏区、竞赛区、新闻区以及交互区，其目的是为丰富学习者学习资源和学习形式，游戏区可以为学习者提供一些与专业相关的小游戏，供学习者在娱乐的同时巩固知识；通过竞赛区，学校或教师可以在线组织学习者参加专业竞赛，丰富学习形式的同时为学习者提供展示和锻炼自己的平台，同时能打破空间对学习者活动的局限性；新闻区会根据学习者的兴趣爱好和能力水平为学习者推荐一些专业领域的新闻动态，供学习者拓展知识；交互区可根据不同专业特色设置一些人机交互、人人交互的活动，如模拟演练等。

三、智适应学习系统面临的问题分析

智适应学习系统的建设和完善还需要解决一些关键性问题，包括数据库的建设和维护问题，系统框架的设计中存在的一些问题以及一些待解决的技术等其他问题。

（一）数据库的建设和维护

智适应学习系统中的数据库至少需要试题库、学习资源库和学习者本体库三个，每个数据库都有相应的参数对其进行标记和描述。

1.试题库

测试是检测学习者学习效果，并为其提供后续学习依据的重要环节，也是学习系统必不可少的模块，因此，试题库的建设和维护是建设学习系统要解决的重要问题之一。

在系统中，试题库是按课程分类的，每一门课程都有自己的试题库，并且按题型分为不同的表，如填空题、选择题、判断题、简答题等等，每个表中的试题包含一些参数，即其关键字，这些参数有一部分是用来描述试题自身特点的，如试题难度、区分度、分辨率以及所含知识点；还有一些参数是用来描述试题与学习者之间的关系的，如当前用户（学习者）是否答过此题，正确率为多少等等，这一参数可以通过后面描述的学习者本体库中进行记录和修改。有了这些参数，系统就可以有针对性的筛选适合学习者的试题，比如正确率低的试题及其相应知识点试题，可以在学习者联系环节反复多出现几次，加强学习者对该知识点的理解。

2.资源库

学习资源是学习网建设中最核心的内容，如何有效的整合这些学习资源使其得到合理的运用，是学习系统的主要任务之一，因此学习资源库的建设显得尤为重要。目前开放教育的学习资源非常丰富，从形式上包含文本型、演示文稿类型和视频动画三大类，学习资源库中学习资源首先按课程分类，由此不同的课程分布在不同的数据表中，每条学习资源以其连接的形式存放，当检索到或者系统需要调用该资源时，便通过连接将学习资源提供给学习者，同时，每条学习资源即为一条数据，其数据参数（或关键字）与上述试题库中的数据一样分两大类，一类是其自身的描述参数，如所含知识点、知识点难度、知识深度、资源类型等等；另一类是描述知识点与学习者之间关系的参数，即当前学习者学习次数，是否收藏，是否疑问等，这一类参数在处理的过程中往往会通过单独的数据库，或者是下面提到的学习者本体数据库中进行记录。学习资源库是整个系统的根基所在，有效的整合学习资源库，是构建整个系统成功的关键所在，因此，我们要不断的寻求有效整合学习资源的新方法，使学习资源得到充分的运用。

3.学习者本体库

学习者本体库是用来描述和记录学习者学习特征和学习策略的数据库，系统亦会以此为依据，通过对此数据库中的数据进行分析，寻找出适合学习者学习自身的学习资源并在其在线学习过程中适时地为其推荐这些资源。学习者本体库随学习者注册账号的同时建立，其一方面要包含学习者的一些基本特征数据，如姓名、性别、出生地、籍贯、原学历背景、原专业等，这部分数据由学习者自行提供，且基本保持不变，另一方面还要包含负责记录学习者学习轨迹的一些数据参数，如当前课程的测试成绩，已学过资源，学习效果等，其具体描述关键字即为上述试题库和学习资源库中的第二类参数，且这些参数是一直在变化的，需要随着学习者的学习情况不断地进行更新。除此之外，如果学习者通过关注微信公众号学习，大数据技术会获取其微信账号的关注动态，如浏览、关注过的新闻动态等，其关键词也会作为为学习者推荐学习资源的参考依据。当学习者毕业或者注销用户，系统会对其相应的数据库资源或与此学习者相关的一些具体参数内容进行备份，然后注销或删除当前用户及其相关数据，备份的意义是在倡导终身教育的今天，每个人都需要不断的学习来充实自己，当此用户几年后再次进入开放大学学习，其之前的学习相关数据将会被唤醒，学习系统也会以此为参考，深度挖掘学习者的学习策略和学习需求，更好地为学习者推荐学习资源。

（二）学习评价体系的完善

智适应学习系统与传统的学习相比更加具有个性化和灵活性，因此其评价体系也应随之产生变化。这就要求相关研究人员和一线工作者根据课程实际情况重新建立或完善课程评价标准，且评价标准应是符合自适应学习特征的。在这里我们可以提供一个统一的课程评价模型，如：课程学习行为得分=K1*基础知识学习得分+K2*拓展知识学习的分+K3*考核性测试得分+K4*附加得分，其中K1+K2+K3+K4=1，附加得分可以是参与直播讲座的次数、参与直播讨论的次数、参加竞赛次数、参与讨论的次数以及参与一些模拟实验的成绩等等，附加得分可以根据课程性质和学习目标灵活设置。课程教师可在统一的课程评价模型的基础上进行细化和修改，制定出符合自己课程的学习者学习行为评价标准，并以此评价标准的最终结果作为课程学习成绩。

（三）技术问题

智适应学习系统主要依赖的计算机技术即为人工智能技术和大数据分析技术，系统需要通过特定的算法对学习者本题库中的数据进行分析，通过数据挖掘技术，寻找出适合当前学习者的学习资源，并通过学习系统推送给当前用户。我们未来的发展是希望这些挖掘的数据源不仅仅靠系统中的学习者本体数据库提供，也可以将学习者个人的一系列网上学习行为，如浏览过的网页、发表过的观点涵盖的知识内容等，实现更大维度的数据分析。

（四）其他问题

除上述需要解决的问题外，笔者认为智适应学习系统要想充分凸显其智慧性，还应增加一些新的内容，一是可以开发一些与课程和知识相关的小游戏，通过游戏的手段来促进对知识的理解，能吸引学习者的学习兴趣，也能冲击当前学习资源类型单一对学习资源进一步发展的阻碍，为学习资源的进一步发展开启新的天地。二是可以研发一些具有交互性的学习资源并加入学习系统中，如一些需要人机交互的flash动画课件，当其呈现出一部分知识点的时候，需要学习者给出一定的反馈，方可进入下一环节的学习，并且根据学习者反馈不同，可能进入的学习环节也不相同，这些具有交互性的学习资源远比传统的学习资源更能得到学习者的青睐。与此同时，系统也可以积极地向学习者推荐这两类学习资源，帮助学习者从多角度认识只是习得的方法和途径，拓宽学习者的视野，提高学习者的学习兴趣，进而提升学习效率。

四、结束语

本文以开放大学学习网为基础，以开放教育学习资源的建设为契机，将自适应学习理论、智慧学习以及人工智能技术融合到开放教育学习网，设计出一种既能在网页中进行学习，也能在手机上下载APP 的智慧学习系统，即“智适应学习系统”。此系统不但能满足学习者随时随地进行学习的需求，还能记录学习者的学习特征，根据相应的学习理论，智能的为学习者推荐适合其自身特点的学习资源，从而达到学习资源的合理利用，节约学习时间，提高学习效率，优化学习效果，进而提高开放教育的教学质量。此系统的设计在一定程度上对学习网的开发建设有重要的参考价值。

虽然目前国内已有一些小的智能学习系统，但针对开放教育的智慧学习系统尚未出现，因此，笔者希望能有更多的开放教育工作者和相关技术人员能够关注此项研究，逐渐优化和完善对此系统的设计，早日研发出开放教育自己的智慧学习系统，为更多的开放教育学习者提供便利，为我国终身教育事业添砖加瓦。本文的创新之处在于将自适应学习理论、人工智能技术和大数据分析应用于开放教育资源建设中，形成了以学习理论为基础，以现代人工智能技术为支撑的智慧学习系统，对开放教育的发展具有重要意义。但本文这种智慧学习系统从理论构思到开发建设再到投入使用还有很长的路要走，中间还要克服各种各样的困难，还需要很大的技术支持，希望我们广大开放教育工作者积极参与，早日实现这一目标。