深度学习背景下医学生学习习惯研究

邵向阳 许敏 李兆强

摘要：深度学习技术的深入应用推动了人工智能的快速发展，为学生学习习惯的培养提供了新的研究思路和解决方法，本文首先介绍了医学生学习习惯的现状和存在的问题，其次阐述了深度学习技术在学生学习习惯研究特别是自适应学习方面的作用，最后在GIFT框架基础上构建了《二级MSoffice高级应用》自适应学习系统，以期帮助学生养成良好的学习习惯，提高学生自我学习能力。

关键词：学习习惯 自适应学习 深度学习 学习能力

Research on the Study Habits of Medical Students under the Background of Deep Learning

SHAO Xiangyang1  XU Min1  LI Zhaoqiang2

（1. Luohe Medical College， Luohe， Henan Province， 462000 China; 2 Luohe Vocational Technology College， Luohe， Henan Province， 462000 China）

Abstract： The in-depth application of deep learning technology promotes the rapid development of artificial intelligence， and provides new research ideas and solutions for the cultivation of students' learning habits. The article first introduces the current situation and existing problems of medical students' learning habits， and then expounds the deep learning technology in students' learning habits， especially the role of the adaptive learning. Finally， based on the GIFT framework， an adaptive learning system of "Secondary MS Office Advanced Application"is built to help students develop good learning habits and improve students self-learning ability.

Key Words： Learning habits; Adaptive learning; Deep learning; Learning ability

“三个习惯”（学习习惯、运动习惯、饮食习惯）的形成对于医学生的成长有着巨大的促进作用[1]，在培养学生形成“三个习惯”、开好“三张处方”的过程中，花费了大量的时间和精力。随着移动互联网时代的到来，电子商务技术、在线学习平台的日益成熟[2]，学生越来越方便地通过智能手机在线学习、选课、借阅图书等，比如，通过慕课学习平台，学生可以随时随地进行自主学习，这些学习行为产生了大量的学习方面的数据。近年来，深度学习技术在电子商务、图像识别等方面取得了巨大的成就。因此，利用深度学习的思想分析这些数据，使之能够指导学生进行自主学习，对于培养学生养成良好的学习习惯是一项非常有意义并且可实现的工作。本文首先概述了关于医学生学习习惯的研究现状与不足，其次分析了深度学习技术在学生学习习惯研究特别是自适应学习方面的作用，最后构建了《二级MSoffice高级应用》自适应学习系统的框架，以期节约学生的学习时间，辅助学生养成良好的学习习惯。

1医学专科院校学生的学习习惯现状

学习习惯主要是指，学生在学习过程中表现出来的不易改变的、固定的学习行为模式[3-4]。这些学习行为使人们在类似的学习情境中，以大致相同的程序来解决问题。学习习惯是不需要外界鞭策的，是自发的、无意识的学习行为方式。学习习惯一旦形成，将具有一定的稳定性。简单来说就是学生在学习过程中表现出来的较为稳定的学习行为模式。

在学习习惯的养成上，当代医学生在努力学习医学知识、提升自身能力的同时，由于受时代的发展和社会环境的影响，或多或少存在一些不良习惯：手机占用时间过多，利用手机玩游戏、购物，产生手机依赖症，即使用手机在线学习，也不能完全集中注意力;不肯吃苦，缺乏艰苦奋斗、刻苦学习精神，对所学知识不求甚解;线上学习资源过多，无法甄别对自己有用的资源;不慎独，自主学习能力差，学习目标不明确，重视课前预习和课堂笔记、缺课情况严重;没有时间管理能力，不会合理安排学习时间，学习效果差。

目前，研究者研究学生学习习惯的主要方法是采用调查问卷法[5]，通過问卷调查，可以对一些影响学习效果的显性因素进行分析，但调查问卷费时费力、覆盖面有限且不能深层次挖掘数据之间的隐式联系。如何深层次地从纷繁复杂的电子数据和资源中获取影响学习习惯的隐式特征因素是实现学习习惯研究中面临的严峻挑战。

2深度学习技术在学习习惯研究中的作用

随着人工智能技术的发展，特别是深度学习[6]算法的突破，以深度学习为核心技术的自适应学习系统越来越受到业界的关注。在开源领域和商业领域均出现了大量的自适应学习平台。国外在自适应学习系统的设计与开发领域起步较早，系统发展相对成熟，业界已形成多个共识的体系框架，如通用智能导学框架GIFT（Generalized Intelligent Framework for Tutoring）。国内也有不少成型的自适应学习商业平台产品，如猿题库通过智能算法对学生的学习数据进行分析，利用自适应学习工具准确评估每一位学生的能力，从而满足其个性化的学习需求。自适应学习平台的发展对于培养学生建立良好的学习习惯具有重要的推动作用。

3深度学习背景下自适应学习模型设计

本文在仔细研究比较国内外现有智能导学系统的基础上，选用GIFT系统框架作为设计实现《二级MSoffice高级应用》自适应学习的基础框架。核心功能是根据学生的具体情况智能地为学生提供教学的内容，实现个性化学习，引导学生养成良好的学习习惯。

学生首次登录系统，系统会初始其学习特征：将其状态设置为“未知”，将知识和技能特征设置为“生手”。学生在学习之前，系统会对其进行课前评估。如果课程评估结果低于课程预期，系统会分析测评内容，找到需要进一步学习的知识点，并将相关学习资源提供给学习者让其学习。之后再次进行知识点测试，如果测评未通过，则推送更多、更详细的学习内容供学生学习，直到测试通过。测试通过后更新学习者的学习状态。课程评估达到课程预期后，会对学习过程进行反思，找出有效学习模式和策略，给出评估结果让学生了解自己的学习状态，同时更新系统内学习者、教学策略、教学资源等相关数据的信息。

4  自适应学习模型的实现

本文笔者首先在GIFT内创建课程，然后根据设计好的自适应学习过程设置课程属性及对象。

4.1课前评估

课前评估包含基本情况调查和期望老师反馈调查两部分，其中基本情况调查主要是调查学生年龄、生活习惯、身体状况、电脑技能等基本情况;老师反馈调查主要是考查学生的学习动机和学习能力。

4.2自适应学习

本文将以二级MSoffice高级应用中常考的邮件合并知识点为例，介绍知识点的自适应学习过程：首先介绍学习目标，然后给出实现学习目标的相关基础知识测评，测评提交后，系统会给出结果和学习建议，测评未达标就提示需要复习基础知识。最后，系统为学习者推送需要学习内容，学习者需要进一步学习“页面设置”，系统就推送该部分内容。学习过之后还会进行知识点测评，直到全部答对，方可进行下一步学习。

4.3课程回顾

学生学习结束之后，模型会给出一个反馈，让其了解自己的学习过程。

5.自适应学习模塊应用效果分析

为分析本系统的应用效果，验证其是否能够有效地实现自适应学习和促进学生良好学习习惯的养成。本文采用问卷调查法对漯河医学高等专科学校2020级各专业使用过该系统且计算机等级考试二级MSoffice高级应用考过的100名学生为调查对象，调查结果如表1中所示，通过统计数据可以看出，62%的学习者认为该系统有助于其备考学习;75%的学习者认为系统推送的相关学习资料确实是其需要加强学习的内容;71%的学习者认为系统中的课程反馈能够帮助其了解自己的学习状态和进度。同时，统计数据显示，关于系统功能的各项调查项目中“很符合”和“符合”的累计占比较大，说明学习者对本导学系统的认可度较高。从而验证了本文中的自适应学习系统确实有利于学生了解学习状态，实现了自适应学习。

6  结语

随着大数据、人工智能技术的快速发展，深度学习背景下的自适应学习系统为解决学习资源过多问题和提升学习资源有效利用率提供了新的研究思路和发展方向。本文笔者在GIFT智能导学系统的基础上，设计并实现了《二级MSoffice高级应用》的自适应学习系统，它能够根据学生的实际情况，智能地为学生提供学习内容，实现个性化教学，提高了学习效率。同时学习过程评估果反馈给学生，使其了解自己的学习状态，帮助学生养成良好的学习习惯。应用效果调查结果显示，该系统有利于学生了解自身学习状态及提高自适应学习能力。在研究如何为学生提供精准的学习资源和培养学生建立良好学习习惯方面具有一定的参考价值。

参考文献

[1] 马永超，赵志军.“三个习惯”人才培养新模式在教育教学中应用的探索[J].卫生职业教育，2020，38（12）：30-31.

[2]刘红军.基于大数据技术的深度学习模型构建[J].电子技术，2020，49（11）：130-131.

[3]殷宝媛，武法提.智能学习系统中学习习惯建模的方法研究[J].电化教育研究，2020，41（4）：55-61.

[4]刘洪翔.促进创造力培养的大学生学业评价研究[D].长沙：湖南师范大学，2019.

[5]胡晓宇.新时代背景下医学生人文素质教育认知度调查研究 ——以某医学院校为例[D].沈阳：中国医科大学，2019.

[6]曹中.基于深度学习的智能导学系统设计[D].北京：北京交通大学，2020.