一种自适应性在线自主学习模型研究

刘兴红，梅佳星，张军翔，徐 琦

(湖北师范大学 计算机与信息工程学院，湖北 黄石 435002)

0 引言

随着计算机网络技术的快速发展和在线学习资源的不断丰富完善，在线学习已没有年龄、地域、职业等限制。在网络环境几乎能找到你想要的大多数的相关课程，从管理到运动，从音乐到书法，从厨师料理到美容美发，在线学习是全球性的。学习者除了在老师的控制或指导下进行在线学习外，还有更多的是自主学习。但由于在线方式多种多样，学习者的学习可以通过在线课程也可能是社交媒体，可以是企业自己的学习平台也可以是学校的学习管理系统。在各种各样的学习平台中，学习者的学习也容易出现各种各样的问题，从而使学习者在网络中迷茫，甚至偏离方向。

人工智能等技术的出现并逐渐应用到教育中来，在线自主学习又有了新的进步，自适应学习理论有了新的应用。自适应学习是通过一种以计算机、网络平台等作为互动教学设备，在学习者的学习过程中提供诊断测试，了解每一个学习者的学习情况，根据每个学习者独特的需求来安排教学资源的教育方式。循环往复，来达到自适应学习的效果，提高学生学习的效率。

1 在线自主学习

信息加工理论认为自主学习是一种循环往复的检验探索过程，而心理学家们普遍认为，自主学习的主要动机是自我信念，建构主义学者则认为自主学习是指学习者对自己的学习目标、学习方法、学习内容以及所使用学习材料的控制权，也就是说学习者的选择程度是自由的。

在线自主学习应该是学习者在网络环境下进行自我管理的一种学习行为。自动控制理论下，在线自主学习是一种带有反馈功能的闭环控制系统。

1.1 在线学习资源的特点与利弊

现有的网络教育资源具有丰富、共享、良好的交互性能、多样的媒体展示、逼真的虚拟表现等优点。但也存在资源繁多、条理不清、容易迷航、检索困难、搜索效率低等不利的问题。丰富的在线教学资源支持学习者在线搜索，为学习者探究学习提供了方便，同时也为学习者提供多种交流方式。但由于检索困难、搜索效率低，使学习者面对庞杂的学习资源无所适从，甚至在网络中迷航，最终会对学习失去信心和兴趣。

1.2 学习者在线学习特点及行为特性

1.2.1 在线学习特点[1]在线学习是学习者在自主学习环境下参与学习活动，实际上整体参与程度较低，由于学习者容易受到网络环境中各种信息的干扰，只有在一定条件的监控下才能让学习者投入到在线学习中来。对教学内容进行结构化设计和组织更能满足学习者对教学资源的需求，因此，在设计、安排、组织教学内容的过程中，了解和掌握学习者的学习动机和行为是有必要的。经研究发现，在线学习者的学习特点有以下两种：1)学习过程容易受到学习者认知结构的影响。学习者在选择新的学习知识点时，一般习惯于选择熟悉的知识领域进行在线自主学习。2)学习的随意性让学习不受控制。在线学习可以做到学习随时随地进行，不受时间、空间的限制，使得学习时间可控，可随意调配，学习更灵活、更方便，同时也使学习易失去控制。

1.2.2 在线学习学习者行为特征[2]学习者的学习习惯和风格各有不同，每一个人都具有不同的学习行为特征：有的学习者喜欢在浏览的同时做笔记；有的学习者却偏好非常仔细地阅读每一个知识点细节；有的学习者喜欢先快速、多次、反复地阅读相关知识点，然后再选择性地精读其中的内容等。

学习者行为特征通常有学习风格特性(场定向风格、认知表征风格)和学习行为特性差异(性别特征、年龄特征、学习层次特征)。自主学习的行为特征主要有：1)学习者的学习是有计划、有目标。自主学习者的目标意识较强，他们的学习目的很明确，对自己需要什么不需要什么、希望达到什么标准等，都十分清晰。同时对如何合理安排学习来完成学习任务，也能形成一个大致的学习计划。2)能够积极思考、全神贯注地学习。在学习时，自主学习者能够高度集中注意力，大多数人具有相当强的抗干扰能力。3)学习积极主动。有疑难问题时积极提问，对不同观点敢于质疑，乐于反思、及时总结。

1.3 在线自主学习的特点及自适应学习需求

1.3.1 在线自主学习的特点 在线自主学习兼具了在线学习和自主学习的特点，因此，自主学习时更多的是强调学习者的一种心理状态。在线自主学习过程中，由于在线自主学习的学习者不善于管理和监控自己的学习过程，没找到正确的或适合自己的学习方法和措施，学习只是在应付，享受不到学习的快乐，使学习失去节奏感。所以在线自主学习的效率极低、对学生的自制力要求高、学习效果差。

1.3.2 自适应学习需求 随着在线学习在使用的广度和深度上的不断的增加，功利性获取知识不再是在线学习主要的目标，出于修心养性、陶冶情操的在线学习需求也在持续增加。构建支持协同创新和个性发展功能的网络环境，促进在线学习者自身能力的提高，在线学习已经普遍地融入学习者的生活、休闲和工作。越来越多的在线学习被认为是具有建构意义的、分布式的和基于特定情境的学习。随着在线学习影响的扩大,代表在线学习的核心表征从自主性逐渐向自适应性变化[3]。

自适应学习又可以叫做个性化学习。它使用计算机算法协调与学习者的交互，并提供定制资源和学习活动，以满足每个学习者的独特需求。自适应学习致力于通过计算机手段检测学生当前的学习水平和状态，并相应地调整后面的学习内容和路径，帮助学生提升学习效率。自适应可以用少数名师和研发团队辅助老师教学，判断出每个学生的薄弱项，为他们提供个性化学习和指导。最大化调动学生的积极性，这个是我们持续看好的。

2 自适应性在线自主学习模型

自适应学习有三个步骤：第一，要构建完善系统的知识图谱，将知识点体系标签化、结构化；第二，对用户的每个学习行为实现映射；第三，通过算法计算出最佳学习路径。

2.1 自适应自主学习优势

1)自适应学习的学习内容呈现出动态可交互，可以更好地适应学习者的学习需求，不断地激起学习者的学习兴趣；

2)自适应自主学习可以在学习者学习的过程中更详细地诊断出学习者行为中存在的问题；

3)自适应自主学习可以根据学习者的学习行为特征，制定出个性化的学习路径，提高学习效率；

4)自适应自主学习可以让学习者找出自己的不足，从而进行弥补；

然而，这两个比喻的差异之处在于冰山下面埋藏着隐形文化面积大于冰山表面的显性文化面积，但是洋葱的表皮面积却比核心面积要大。所以，“文化冰山论”更能准确地表达出人们平时看到的文化表象只是文化概念的一小部分而已，正如胡文仲在他的《跨文化交际学概论》第41页所画的冰山图一样让人一目了然。

5)自适应自主学习可以自动寻求适应人脑的学习方法。

2.2 自适应在线自主学习模型构建[4]

随着自适应技术在理论和实践领域的迅速发展，自适应控制系统也出现了多种形式，但目前自适应控制在理论上比较成熟、在应用上比较广泛的还是模型参考自适应控制和自校正控制。依据自动控制理论和自适应控制理论，自适应自主学习是一种有别于一般反馈控制的反馈控制系统。自适应在线自主学习模型如图1所示：

图1 自适应性在线自主学习模型图

3 自适应性在线自主学习的主要环节

依据自适应控制理论和自主学习理论，自适应在线自主学习模型可以看成是一个在线的自适应学习控制系统，自适应自主学习的核心是自适应性，系统依靠自适应学习评价单元调节自适应性。在线自主学习的自适应过程一般都有以下几个主要环节[5]：

3.1 获取数据

此环节的主要目的是获取学习者的数据。当学习者与自适应性学习平台交互时，系统会通过统计、记录学习者的学习行为，收集学习者的数据，得出准确的学习行为特征数据。用框架方式统计，以日志条目的形式呈现，包括学习者的学习内容、媒体选择、观看习惯、学习时长等等。

3.2 分析数据

此环节主要是存储、分析学习者的学习行为的原始数据，创建一个相关的学习者模型。在第一个环节统计数据之后，备份到数据中心，前期通过题目的设置来判断学习者学习的真实性，经过过滤，把干净的数据用作样本分析。利用样本数据和学习分析技术分析学习者的学习行为特征，构建基于学习者学习行为特征的学习者知识领域的学习者模型。

3.3 选择学习

此环节主要是根据学习者模型和学习目标来选择学习信息，更新学习者的知识点网络结构。知识点网络中的每一个节点都有掌握度和置信因子，随着学习者进入学习的时长和程度的推进，置信因子会不断变高，掌握度也会更加准确，在知识点网络中，知识点与知识点之间会形成多种关系，所以搭建一个细粒度的知识点网络结构是有一定难度的，置信因子是关键点。

3.4 展示信息

此环节是根据选择的过程和结果，将学习内容信息可视化地展示给学习者。自适应系统一般都是隐藏选择的过程详情，直观地、可视化向学习者展示最关键的信息，让学习者一目了然，可用详细的知识点列表和雷达图等方式来呈现。自适应学习内容也通过搭建内容支架为学习者提供更多的帮助。比如，先将学习者的学习内容分解成具体的一个一个的知识点模块，直到学习者完成每一模块的单独学习之后，再帮助学习者进行知识整合。自适应学习内容以知识点内容为基础，收集并分析学习者学习不同内容的数据。

除了向学习者展示信息内容，此环节还要动态地改变学习者的学习途径，比如改变用户的学习流或者解锁学习者的学习去向，给学习者更大的自由度。

3.5 输出结果

此环节主要是输出学习者的学习信息，将学习者的学习情况以一定的方式呈现出来，帮助学习者进行分析学习情况。

3.6 评价反馈

任何一个系统没有反馈是不完整的，自适应性在线学习系统根据学习情况实时分析，并自适应评价，然后反馈给系统。

4 结束语

根据在线自主学习和自适应在线自主学习特点，本研究构建了自适应在线自主学习模型，对在线自主学习的自适应过程进行了研究，对自适应学习系统的主要环节进行了探讨。研究的不足在于，还没有结合相关的实践进行实证研究，故自适应在线自主学习模型及其运行流程还有待进一步完善，在后续的研究中，我们将进一步对模型的实现和实际应用效果进行探讨和研究。