国外开放学习者模型的研究问题及其建议*

万海鹏 徐 鑫 王 琦 乔爱玲

国外开放学习者模型的研究问题及其建议*

万海鹏1徐 鑫1王 琦2乔爱玲1[通讯作者]

1．首都师范大学 教育学院，北京 100048；2．北京外国语大学 人工智能与人类语言重点实验室，北京 100089）

开放学习者模型作为自适应学习系统的关键模块，其研究受到了学界的广泛关注。而深入理解开放学习者模型，对促进自适应学习系统中个性化学习支持的实现与优化具有重要意义。然而，当前国内对于开放学习者模型的研究关注不足。为此，文章通过对33篇外文文献的内容分析，梳理了开放学习者模型设计要素的研究现状，并分析了开放学习者模型应用效果的实证研究特征。在此基础上，文章总结出开放学习者模型存在服务的开放对象过于单一、效果验证方式相对有限、实践应用以服务高等教育为主等问题，并从开放内容设计、开放形式设计、访问权限设计三个角度提出改进建议，以期助力基于开放学习者模型的自适应学习系统研究在我国的本土化落地应用。

开放学习者模型；学习者模型；自适应学习系统；内容分析

引言

随着大数据、学习分析等技术的发展，自适应学习已成为在线学习的一种重要学习方式，其可为在线学习过程提供自适应学习诊断、动态组织的学习资源、适应性学习路径、可视化学习导航等个性化学习支持[1]，从而更加精准、有效地提升在线学习的质量，以实现“因材施教”的在线学习体验。针对自适应学习系统，Brusilovsky[2]提出通用模型并得到了广泛认可，包括领域模型、学习者模型、教学模型和自适应引擎四个模块。其中，学习者模型是刻画与表征学习者个体状态的关键[3]，其依托对学习者个人信息、学习过程记录、学习偏好、知识状态等信息的存储与分析，辅助学习者了解自己、反思学习过程，进而提高学习动机[4]。

以往存储于学习者模型内部的信息是不公开的，学习者无法知晓学习者模型包含的信息内容，难以了解自身的学习情况、认知与元认知的发展过程。然而，允许学习者掌握自身学习过程信息，可为其提供反思的机会[5]，是学习者实现自我完善、自我提升的重要途径。而Bull等[6]提出的开放学习者模型（Open Learner Model，OLM），可支持学习者模型内容信息透明化，促进学习者自我监控与反思。可见，深入理解开放学习者模型对促进在线学习的高质量发展具有重要意义。然而，本研究通过文献调研，发现当前开放学习者模型的相关研究多来源于国外，而国内对此模型的研究关注不足。为此，本研究以2008～2021年Web of Science（WOS）核心数据库中的相关文献为研究对象，采用内容分析法对其进行分析，以揭示开放学习者模型研究的发展脉络，助力基于开放学习者模型的自适应学习系统研究在我国的本土化应用。

一 研究设计

1 文献检索与筛选

本研究的数据来源于WOS核心数据库，检索条件为：主题=（“Open* learner* model*” OR “Open* student* model*” OR “Open* user* model*” OR “Open* social student* model*” OR “Open* social learner* model*”），选取时间跨度为“不限～2021年12月”，共获得156条记录，检索结果中最早的记录为2008年。为了得到准确数据，文献纳入和排除的标准如下：①必须是对开放学习者模型设计要素或应用效果进行明确阐述的文献，排除仅简单引用开放学习者模型却没有详细介绍其要素或实证应用的文献；②必须是经过同行评审的期刊论文，排除会议论文、书稿、报告；③考虑到开放学习者模型是自适应学习系统的关键模块，因此必须是与自适应学习研究主题相关的文献。依据文献纳入和排除标准，本研究最终得到样本文献记录33条，并按照文献标题字母顺序进行编码。

表1 文献编码表

2 文献编码过程

目前，对开放学习者模型的研究主要包括要素设计类研究和应用实证类研究。其中，前者主要依据Bull等[7]提出的开放学习者模型建模框架（Student Models that Invite the Learner In，SMILI），该框架包含开放内容、开放形式、开放对象和开放目的四个要素；而后者从操作流程上看，包含真实问题、方法运用、数据分析、结论诠释等环节[8]，通常涉及研究假设、研究对象、研究周期、研究方法、观测指标等要素。

对应于以上两个方面的研究，本研究的两名研究者首先以SMILI框架和实证研究要素为参照，每人独立地精读其中一半文献，梳理开放学习者模型设计要素及其应用效果实证研究特征，并形成分析编码维度。接着，针对两名研究者各自形成的分析编码维度，本研究邀请领域专家进行协商讨论，最终形成指向开放学习者模型设计要素和应用效果实证研究特征的文献编码表，如表1所示。最后，参照上述编码表，两名研究者互换文献进行阅读并编码，对于编码结果存疑的地方，由两名研究者共同协商讨论直至编码结果一致。

二 研究分析

1 开放学习者模型设计要素的研究现状

为明晰开放学习者模型设计要素的研究现状，本研究对样本文献中直接或间接提及开放学习者模型设计要素的29篇文献进行了分析，结果如表2所示。其中，对于没有直接给出开放学习者模型名称的文献，就用运行该开放学习者模型的学习系统名称来代替。

（1）多指标维度的开放内容

由表2可知，当前开放学习者模型中开放的主要内容是学习者个体特征和与学习内容相关的信息，且每项内容都包含多个具体的指标。有超过半数研究中涉及的学习系统（=18，占62.1%）支持学习者查看个体特征，几乎所有研究中涉及的学习系统都支持查看与学习内容相关的信息。然而，目前开放学习者模型所开放的内容仍以认知、行为相关要素为主，而缺乏对学习者情绪情感、体质健康等非智力因素的开放。

（2）多类型结合的开放形式

由表2可知，当前开放学习者模型的可视化呈现形式丰富多样，大部分学习系统（=15，占51.7%）采用两种及以上可视化呈现设计形式。其中，技能表因其可以对学习者与专家学习状态之间的差距进行直观性表征[9]，而成为了常用的形式。同时，雷达图、网络图、饼图、树状图、词云等形式也常被采用，特别是网络图，能帮助学习者清晰地理解和梳理知识之间的逻辑关系，为查漏补缺的学习路径规划提供支持。

（3）相对局限单一的开放对象

由表2可知，绝大部分研究提及学习者本人拥有访问开放学习者模型内容的权限，并支持学习者之间进行学习进度、学习表现等方面的比较；同时，有近一半的研究提及允许教师访问开放学习者模型的内容。但样本文献并未提及面向学习同伴、家长或教育管理者的开放权限，学习同伴只能通过社会比较功能查看其他学习者的匿名信息，因此设计适合不同利益相关者访问开放学习者模型内容的机制是未来研究的重点。

（4）用于视觉表征的色彩编码

由表2可知，色彩编码是开放学习者模型中常用的视觉表征要素，用不同颜色来区分学习者的不同学习状况，吸引学习者注意或突出要强调的信息。例如，在相关研究[10]中，橙色表示自评情况、绿色表示学习目标，便于学习者直观了解自己当前知识掌握状态与学习期望的差距。

表2 开放学习者模型设计要素的研究现状分析结果

（5）增进情感交流的社会比较

由表2可知，目前只有约一半的学习系统（=17，占58.6%）提供了社会比较功能。而有研究指出，学习者可以通过社会比较功能了解学习同伴的学习进展和学习成效，并与学习同伴进行比较，以促使自身产生期待效应和行动力，进而提高学习动机和学习投入程度[11]。由此可见，后续研究需加强社会比较功能的设计，为在线学习过程提供更加丰富的情感支持。

（6）助力精细化路径指引的学习导航

由表2可知，绝大部分学习系统（=25，占86.2%）可通过开放学习者模型直接导航至与知识概念相关联的内容，抑或将学习者引导至学习活动、学习案例、学习回顾、学习笔记、论坛交流等学习工具界面，而融入学习过程需求的适应性学习导航缺乏相关探索。

（7）覆盖五类水平的交互程度

依据Hooshyar等[12]划分的五种权限类型（查看、合作、建议、编辑、协商），本研究对样本文献进行了分析。由表2可知，所有运行开放学习者模型的学习系统均提供了查看层面的交互，部分学习系统提供了编辑和协商层面的交互，而合作和建议层面的交互还有待深入研究。

表3 开放学习者模型应用效果的实证研究特征分析结果

2 开放学习者模型应用效果的实证研究特征分析

为深入分析开放学习者模型应用效果的实证研究特征，本研究对样本文献中涉及实证研究过程的25篇文献进行分析，对包含多个实证研究的文献进行独立呈现，分析结果如表3所示。

（1）研究对象

从研究对象来看，目前多为高等教育群体，其中以本科生为主（=15，占48.3%），其次为研究生（=5，占16.1%）。之后，依次为小学生（=3，占9.7%）、初高中生（=3，占9.7%）或教师（=3，占9.7%）和儿童（=2，占6.5%）。本研究认为，出现这种情况可能是因为，在开放学习者模型的应用过程中，需要对开放内容、形式有一定的理解，并灵活调整教学过程。

（2）对象人数

从对象人数来看，学习者人数普遍在30人以上，其中人数为30～100人的研究占53.6%（=15），100人以上的研究占28.5%（=8），而少于30人的研究仅占17.8%（=5）。之所以出现这种情况，可能是因为开放学习者模型在支持学习者学习的过程中主要针对个体特征进行适应性展现，需要一定数量的参与者才能最大化展现开放的要素在学习过程中的支持作用。

（3）研究周期

从研究周期来看，研究时间跨度以一学期为主（=9），其次是两周（=5），随后是一节课（=2），最后是两学期、八周、七周、六周、一个月、三节课（均为=1）。由此可见，开放学习者模型应用研究的整体时间跨度偏短，后续需要进一步获取来自长时间跨度应用效果的证据。

（4）应用学科

从应用学科来看，以编程、计算机、数据库和数学等自然科学为主（=24，占85.7%），而很少涉及人文学科（=4，占14.3%）。即使在人文学科领域，也是以语言、管理学等相对容易规则化和场景化的知识为主，对于更加开放的学科领域还需要进一步探索。

（5）分组方式

从分组方式来看，采取单组前后测或两组对照方式的占71.4%（=20），且多数实验以是否使用开放学习者模型作为自变量。而采用三组与四组对照实验的占28.6%（=8），且选择了更为复杂的自变量，如Chou等[13]以不同版本或不同交互程度的开放学习者模型作为自变量。

（6）效果指标

从效果验证指标来看，主要涉及学习者的学习成效（=22）和对开放学习者模型或其运行学习系统的感知（=13）两个方面。前者包括学习成绩、学习动机、学习监控能力、元认知能力等绩效指标，后者包括接受度、满意度、有用性、易用性等自陈式指标。目前来看，在开放学习者模型具体开放要素的验证上，还缺少具体的研究设计与测量方法。

三 研究问题

基于上述对开放学习者模型设计要素研究现状和应用效果实证研究特征的分析，结合对文献的阅读凝练，本研究总结出当前国外开放学习者模型研究存在的三个问题：

1 服务的开放对象过于单一，缺少面向多层次群体开放的机制设计

开放学习者模型早期的开放设计与学习者的元认知角色有关，主要是向学习者本人开放学习进度、学习状态等过程信息，最终以促进学习者自我反思、自我规划和自我监控为目标[14]。随后，为了提升学习者模型的准确性，学习者模型开放的群体也不再局限于学习者自己，而是采用访问权限控制的方式为教师提供不同的访问内容和访问方式。基于文献内容分析，目前开放学习者模型对于学习同伴、家长和教育管理者等群体可以通过何种方式访问开放学习者模型、可以在什么时候访问开放学习者模型以及可以访问开放学习者模型的哪些内容均缺乏相应的机制设计。因此，迫切需要开展面向多层次群体灵活开放的访问机制设计研究，以通过这种多角色、多途径的访问机制来促进开放学习者模型开放程度的提升。

2 效果验证方式相对有限，模型自身及其运行系统性能常被忽视

学习者的学习成绩、学习动机、元认知能力等常被作为开放学习者模型有效性检验的指标，但已有研究中缺少诸如需要的数据量、空间复杂度、时间复杂度、系统的稳定性等与模型自身及其运行系统属性相关的指标。同时，绝大多数实证研究采用单组前后测或有无开放学习者模型介入的双组实验设计来检验其对学习效果的影响，缺乏对同一开放学习者模型采用不同的开放内容、开放形式、开放对象之间的横向对比研究。此外，几乎所有实证研究覆盖的研究周期都相对偏短，这种通过短期实证研究获得的应用效果数据不具备强有力的可信度和可解释性，因此需要加强基于长周期持续追踪过程数据的开放学习者模型应用效果验证的研究设计。

3 实践应用以服务高等教育为主，缺乏助力基础教育的深度探索

开放学习者模型的实践应用研究主要集中在以计算机科学、数学、编程等为代表的理工类学科，而较少涉及语言、管理学等人文学科，且实践应用的对象多以大学生为主，缺乏来自基础教育领域特别是中低年级的应用证据。结合文献内容分析，目前实践应用领域过于狭窄可能受限于自适应学习系统在基础教育应用场景中不易收集学习过程数据的现实困难。受新冠疫情的冲击，在线学习已然成为大、中、小学生的常态化学习方式，因此亟需深化开放学习者模型在人文学科的研究并加大其在基础教育领域的应用力度。

四 研究建议

教育数字化转型是当前教育改革实践的主要方向，供给个性化和精准化的学习支持服务是促进学生数字化转型的重要策略[15]。作为学习者模型研究重要方向的开放学习者模型，其对于自适应学习系统中个性化学习支持的实现与优化具有不可替代的作用。为此，有效借鉴国外开放学习者模型研究的已有成果，是推动基于开放学习者模型的自适应学习系统研究在我国本土化落地应用的重要前提。结合上述研究问题，本研究认为：一方面，引入国外开放学习者模型相关研究成果后，可基于我国“在线学习”大规模普及的现实情况来拓宽开放学习者模型实践应用的学科范围、教育阶段领域，并从实践长周期、追踪持续性、指标多维化等视角来检验其应用效果；另一方面，进行开放学习者模型要素设计研究时，除了关注面向多层次群体开放的机制设计，还可以从开放内容、开放形式、访问权限三个方面进行重点突破，以积累相关研究的本土经验，进而提升我国在开放学习者模型研究领域的国际影响力。

1 关注学习者情绪情感等非智力因素的模型开放内容设计

目前，开放学习者模型中的开放内容要素研究聚焦于学习者的认知要素。然而，在线学习过程中师生长时间的时空分离容易导致学习者情感缺失，甚至会让学习者产生孤独感或厌学情绪。有研究表明，情绪情感是影响学习者认知加工和学习行为表现的关键非智力因素，在线学习场景中的积极情感体验将对学习者的学习过程和学习效果产生显著的正向影响[16]。因此，设计开放内容要素时，既要关注学习者认知发展的相关要素，如知识掌握情况、认知能力、认知策略等，还应兼顾学习者的情绪情感体验，如在线学习过程情感的愉悦度、唤醒度、兴趣度等。

2 注重基于多模态信息适配可视的模型开放形式设计

学习过程中会产生各种数据，而可视化能为这些模糊的信息提供直观的展示形式[17]，并给予合理的解释，增强学习者对学习系统的信任，并激发其内在学习动机，这是开放学习者模型的核心特色之一。近年来，以文本、语音、视频、图片、手势、表情等为代表的多模态数据成为全局化勾勒学习者画像的重要依据。由于单个模态的数据通常只能提供某种现象或过程的部分解释，因此需研究如何融合各种模态数据信息进行开放式设计，以实现对学习者知识水平、认知状态、情绪情感等的全面可视化表征，并确保表征形式与学习者所处的学习场景相适配。

3 维持开放共享与隐私保护平衡的模型访问权限设计

开放学习者模型不仅是学习者的个人学习监控工具，而且是与学习同伴、教师等利益相关群体进行信息分享与交换的载体，已成为学习者高效获取及时学习反馈的重要保障。应该说，开放共享是开放学习者模型有别于传统学习者模型的关键之所在。然而，如何在开放共享的过程中防止学习者数据信息泄露、保护学习者个体隐私安全、防止不确定性信息混淆对日常学习带来的负面影响[18]，已成为开放学习者模型研究不可回避的问题。因此，如何构建安全、可信的模型访问权限控制机制，化解开放共享与隐私保护之间的矛盾，维持模型信息开放与封闭之间的平衡，将成为未来开放学习者模型研究的重要议题。

本研究通过梳理国外开放学习者模型的相关研究成果，来揭示设计要素研究现状和应用效果实证研究特征，最终推进基于开放学习者模型的自适应学习系统研究。由于本研究只选取了WOS核心数据库中的相关文献，在数据分析结果上可能存在一定偏差。基于此，后续研究将扩大文献范围，继续追踪开放学习者模型研究的前沿进展，为基于开放学习者模型的自适应学习系统研究的本土化落地应用提供支撑。

[1]姜强,赵蔚,李松,等.个性化自适应学习研究——大数据时代数字化学习的新常态[J].中国电化教育,2016,(2):25-32.

[2]Brusilovsky P. Methods and techniques of adaptive hypermedia[J]. User Modeling and User-Adapted Interaction, 1996,(6):87-129.

[3]刘清堂,吴林静,刘嫚,等.智能导师系统研究现状与发展趋势[J].中国电化教育,2016,(10):39-44.

[4]万海鹏,王琦,余胜泉.基于学习认知图谱的适应性学习框架构建与应用[J].现代远距离教育,2022,(4):73-82.

[5]张剑平,陈仕品,张家华.网络学习及其适应性学习支持系统研究[M].北京:科学出版社,2010:190.

[6][7][14]Bull S, Kay J. Student models that invite the learner in: The SMILI:() open learner modelling framework[J]. International Journal of Artificial Intelligence in Education, 2007,(2):89-120.

[8]刘选.实证研究怎么做:让研究者困惑的地方——来自华东师大第二届全国教育实证研究论坛的启示[J].现代远程教育研究,2017,(3):18-25.

[9]Xu J, Bull S. Encouraging advanced second language speakers to recognize their language difficulties: A personalized computer-based approach[J]. Computer Assisted Language Learning, 2010,(2):111-127.

[10]Chou C Y, Zou N B. An analysis of internal and external feedback in self-regulated learning activities mediated by self-regulated learning tools and open learner models[J]. International Journal of Educational Technology in Higher Education, 2020,(1):1-27.

[11]姜强,潘星竹,赵蔚,等.学习者模型可视化认同感分析与效能评测——基于社会比较理论的视角[J].电化教育研究,2019,(5):48-54、71.

[12]Hooshyar D, Pedaste M, Saks K, et al. Open learner models in supporting self-regulated learning in higher education: A systematic literature review[J]. Computers & Education, 2020,154:103878.

[13]Chou C Y, Lai R K, Chao P Y, et al. Negotiation based adaptive learning sequences: Combining adaptivity and adaptability[J]. Computers & Education, 2015,88:215-226.

[15]韩锡斌,陈香妤,刁均峰,等.高等教育教学数字化转型核心要素分析——基于学生和教师的视角[J].中国电化教育,2022,(7):37-42.

[16]李慧.面向学习体验文本的学习者情感分析模型研究[J].远程教育杂志,2021,(1):94-103.

[17]杨兵,卢国庆,邢宏根,等.在线学习系统数据可视化研究与实现——以“测测SAT平台”为例[J].现代教育技术,2017,(12):114-120、107.

[18]Hsiao I H, Brusilovsky P. Guiding and motivating students through open social student modeling: Lessons learned[J].Teachers College Record, 2017,(3):119-152.

Research Problem and Recommendations of Foreign Open Learner Models

WAN Hai-peng1XU Xin1WANG Qi2QIAO Ai-ling1[Corresponding Author]

As a key module of the adaptive learning system, open learner models attracted wide attention in the academic world. A deep understanding of open learner models is of great significance for the implementation and optimization of personalized learning support in adaptive learning system. However, the current domestic research on open learner models is not enough. Therefore, this paper analyzed the contents of 33 foreign documents, reviews the research status of design elements of open learner models, and analyzes the empirical research characteristics on the application effect of the open learner models. Based on this, problems were summarized such as the lack of diversity in user groups, relatively limited effect verification methods, practical application mainly serving higher education, and so on. This paper then puts forward improvement suggestions from three perspectives of open content design, open form design and access design, in order to effectively promote the localization application of adaptive learning system research based on the open learner model.

open learner model; learner model; adaptive learning system; content analysis

G40-057

A

1009—8097（2022）12—0093—09

10.3969/j.issn.1009-8097.2022.12.011

本文为北京市社会科学青年基金项目“适应性在线课程的构建及应用研究”（项目编号：21JYC018）的阶段性研究成果。

万海鹏，讲师，博士，研究方向为计算机教育应用、适应性学习、学习认知地图，邮箱为dnvhp@163.com。

2022年5月6日

编辑：小时