随着信息技术特别是互联网的飞速发展,学生的学习环境、学习资源,甚至是学习方式发生了巨大的改变。各种基于网络的微课程学习平台如雨后春笋般出现,为学生的学习活动提供了大量的支持。但是,这些资源总体是松散的、复杂的,不能为学生提供精确的学习策略和高效的学习指导。自适应学习是这种情境下的一种解决策略。通过学习模型、内容模型等的构建与比对,我们期望通过自适应引擎,为不同学习基础、特征的学生学习提供动态的内容呈现,使其在适合自己的轨道上进行学习。本文以自主研发的自适应学习系统为例,探讨其模型构建和系统框架的设计,为其他系统的建设提供参考。
自适应学习(Adaptive Leaning)是以学习者为中心,通过数据挖掘分析学习者的个性特征、学习风格和认知水平等特点,系统个性化地推送不同的学习资源、学习路径,以满足学生个性化学习的需求。
自适应学习系统是从智能教学系统发展而来的,可以认为是人工智能在教育领域中的新应用。自适应学习系统通过其自身的领域知识库、用户特征库和专家库为学习者提供个性化的学习资源。系统的关键是推荐的学习资源要能够与学习者本身的认知水平、学习偏好相匹配;推荐技术的运用能够使学习者将要学习的知识与原有的知识达到主动、快速的衔接,进而帮助学习者发现他们所需学习资源。
模型构建是系统实现机制的基础,是理论研究与程序设计、具体实施的桥梁。在大量文献研究的基础上,我们提出了以下参考模型,详见图1。我们认为,自适应学习系统的参考模型至少应该包括五个模块的内容,即领域模型、学习者模型、自适应模型、呈现模型和自适应引擎。
领域模型是自适应学习系统的核心部分,是自适应学习系统根据用户模型进行知识的自适应呈现的前提。领域模型通常是一些结构化的呈现,包括知识列表、课程树等数据。领域模型决定了学生学习知识的脉络,是学习路径形成的基础。
建立学习者模型的目的是建立学习过程中的学习者特征,分析学习者实际学习需求,以便提供与之相适应的最佳学习路径。一般而言,学习者模型由静态模型和动态模型两个部分组成。静态模型一般指学生长期、比较稳定、不会或者不易发生改变的特征信息,如常规学籍信息、学生学习风格描述等信息。动态模型主要指学生在学习的过程中短时、不稳定、容易发生变化的动态信息,主要包括学习者交互访问记录、学习经历、认知水平、学习行为等。
自适应模型规定了系统如何根据用户模型中的信息访问知识列表产生适应性的动作,以及如何对学习者模型进行修正的一套规则。
自适应引擎对应着系统的实现,根据用户模型选择、组装和呈现页面,执行适应性规则,实现根据用户学习行为历史记录修改与维护用户模型等。通常自适应引擎需完成知识点排序、动态的学习状态记录、计算最优的学习路径等任务。
扫一扫,获取定制方案