翟小可，李懷亮，崔春生

（1.北京理工大學(xué) 珠海學(xué)院管理與經(jīng)濟(jì)學(xué)院，廣東 珠海 519085；2.首都師范大學(xué) 信息工程學(xué)院，北京 100048；3.河南財經(jīng)政法大學(xué) 計算機(jī)與信息工程學(xué)院，河南 鄭州 450002）

隨著互聯(lián)網(wǎng)和教育信息化的發(fā)展，以學(xué)生為中心地位的e-learning系統(tǒng)無疑是未來教學(xué)模式的方向。目前的e-learning系統(tǒng)缺乏依據(jù)學(xué)生特征的個性化調(diào)整策略，學(xué)習(xí)風(fēng)格是學(xué)習(xí)情境中個體表現(xiàn)出來的比較穩(wěn)定的處理方式和學(xué)習(xí)策略傾向，反映了學(xué)生的個性類型特征。因此，針對e-learning系統(tǒng)的這一缺陷，設(shè)計開發(fā)一個能夠根據(jù)學(xué)生學(xué)習(xí)風(fēng)格進(jìn)行動態(tài)調(diào)整的自適應(yīng)e-learning系統(tǒng)顯得很有必要。

1 Felder-Silverman學(xué)習(xí)風(fēng)格模型

學(xué)習(xí)風(fēng)格（learning style）是在學(xué)習(xí)情境中個體表現(xiàn)出來的比較穩(wěn)定的處理方式和學(xué)習(xí)策略傾向。簡單地說就是每個人的主要學(xué)習(xí)方式、學(xué)習(xí)傾向、學(xué)習(xí)策略。

心理學(xué)家Felder和Silverman將學(xué)習(xí)風(fēng)格分為4個維度，分別是感知，輸入，處理和理解。其中每個維度又分為兩種風(fēng)格，分別是感知型-直覺型（感知維度）、視覺型-言語型（輸入維度）、主動性-反思型（處理維度），全局型-序列型（理解維度）。該模型一般稱為Felder-Silverman學(xué)習(xí)風(fēng)格模型[1]，包括4個維度和8種學(xué)習(xí)風(fēng)格。前兩個維度表示學(xué)生如何在學(xué)習(xí)過程中接受知識和信息的風(fēng)格，后兩種維度表示學(xué)生在學(xué)習(xí)過程中喜歡如何加工知識和信息，這4個維度不是截然分開的，每一個學(xué)生的學(xué)習(xí)風(fēng)格都是這4個維度的組合，我們只能認(rèn)為學(xué)生更傾向于那個學(xué)習(xí)風(fēng)格。

根據(jù)Felder-Silverman學(xué)習(xí)風(fēng)格模型理論，學(xué)生的學(xué)習(xí)風(fēng)格可以用一個四元組進(jìn)行形式化的表示[2]，LS表示學(xué)習(xí)風(fēng)格（learning style）的公式如下：

其中，（Ti，ei）（1≤i≤4）依次為 Felder-Silverman 學(xué)習(xí)風(fēng)格的4個維度的取值，這里Ti表示該Felder-Silverman學(xué)習(xí)風(fēng)格分類的 4個類型（Ti∈{“感知型-直覺型”，“視覺型-言語型”，“主動性-反思型”，“全局型-序列型”}），ei為模糊取值（ei∈[0，1]），它代表學(xué)習(xí)風(fēng)格在 Ti維度的取值。

舉例說明，某一個學(xué)生Longer Lee的學(xué)習(xí)風(fēng)格為：LS（Longer Lee）=[（感知型-直覺型，0.8），（視覺型-言語型，0.2），（主動性-反思型，0.6），（全局型-序列型，0.9）]則表示該學(xué)生在感知維度上偏向于直覺型，在輸入維度上偏向于視覺型，在處理維度上偏向于反思性，在理解維度上偏向于序列型。

2 學(xué)習(xí)風(fēng)格生成算法

雖然教育者早就注意到學(xué)生們在學(xué)習(xí)風(fēng)格方面有很大差異，但苦于沒有很好的測試方法，由于不能預(yù)測和量化，也不能很好地應(yīng)用在教學(xué)策略的推理上。所羅門 （Barbara A.Solomon）學(xué)習(xí)風(fēng)格量化表具有很強(qiáng)的操作性，可以進(jìn)行較好的學(xué)習(xí)風(fēng)格測試[3]。Solomon學(xué)習(xí)風(fēng)格量化表共有44個題目，而且每個題目的設(shè)計針對不同的學(xué)習(xí)風(fēng)格維度。學(xué)習(xí)風(fēng)格分為4個維度，每個維度11個問題，每一個問題有兩個答案供用戶選擇。

由于基于Solomon量化表的操作性強(qiáng)，我們結(jié)合本系統(tǒng)的需要提出了基于Solomon量化表的學(xué)習(xí)風(fēng)格生成算法，步驟如下：

1）將Solomon量化表的答案填入統(tǒng)計表，并按照學(xué)習(xí)風(fēng)格維度統(tǒng)計選項(xiàng)的總計個數(shù)α，如表1所示。

表1 一個基于Solomon量化表的學(xué)習(xí)風(fēng)格生成算法示例Tab.1 An example of learning style generation algorithm based on Solomon quantization table

2）按照“（較大數(shù)-較小數(shù)）+較大數(shù)的字母”的規(guī)則，生成4個維度上的分值。表示為：

其中 α 取值為 11、9、7、5、3、1，e 取值為 a，b。 因此為每一種量表 Ti的取值可能為 11a、9a、7a、5a、3a、a、11b、9b、7b、5b、3b、b中的一種。若得到字母“a”，表示屬于前者學(xué)習(xí)風(fēng)格，且“a”前的系數(shù)越大，表明程度越強(qiáng)烈；若得到字母“b”，表示屬于后者學(xué)習(xí)風(fēng)格，且“b”前的系數(shù)越大，同樣表明程度越強(qiáng)烈。例如：在活躍型/沉思型量表中得到“8a”，表明測試者屬于主動型的學(xué)習(xí)風(fēng)格，且程度很強(qiáng)烈。在視覺型/言語型量表中得到“a”，表明測試者屬于視覺型的學(xué)習(xí)風(fēng)格，且程度非常弱；如果得到“3b”，則表明測試者屬于言語型的學(xué)習(xí)風(fēng)格，且程度較弱。

3）公式（1）表示學(xué)生的學(xué)習(xí)風(fēng)格，而取之ei為模糊取值（ei∈[0，1]）。 為便于分類表示，根據(jù)步驟 1）得到的取值，定義公式（3）如下：

于是，將ei量化到區(qū)間[0，1]內(nèi)。為了計算和推理的方便，我們簡單處理，將趨向?qū)W習(xí)風(fēng)格較弱的視為0.3，趨向該學(xué)習(xí)風(fēng)格一般視為0.6，趨向該學(xué)習(xí)風(fēng)格較強(qiáng)者視為0.9。使其按照0.3的步長遞增。表1是一個基于該算法的一個部分實(shí)例， 那么該學(xué)生的學(xué)習(xí)風(fēng)格可以表示為：LS=[（T1，0.6），（T2，0.3），（T3，0.6），（T4，0.9）]。

3 系統(tǒng)設(shè)計

根據(jù)Felder-Silverman的學(xué)習(xí)風(fēng)格分類，不同的學(xué)習(xí)風(fēng)格對應(yīng)著不同的學(xué)習(xí)特征傾向和教學(xué)策略，個性的差異在一定程度上影響著學(xué)生學(xué)習(xí)的效果和效率。這意味著在e-learning教學(xué)的環(huán)境下根據(jù)學(xué)習(xí)風(fēng)格制定一定的網(wǎng)絡(luò)教學(xué)策略，系統(tǒng)促進(jìn)學(xué)生按照自己的個性特點(diǎn)去學(xué)習(xí)，從而提高學(xué)習(xí)效率。Felder-Silverman分類中8種學(xué)習(xí)風(fēng)格的學(xué)習(xí)趨向和偏好特征如表2所示[4]。

表2 Felder-Silverman學(xué)習(xí)風(fēng)格趨向和偏好特征表Tab.2 Felder-Silverman learning style trend and preference characteristic table

針對8種學(xué)習(xí)風(fēng)格的不同學(xué)習(xí)偏好特征，系統(tǒng)依據(jù)學(xué)生學(xué)習(xí)風(fēng)格自動調(diào)整界面教學(xué)內(nèi)容呈現(xiàn)和知識結(jié)構(gòu)導(dǎo)航，基于學(xué)習(xí)風(fēng)格的e-learning學(xué)習(xí)流程如圖1所示。

圖1 基于學(xué)習(xí)風(fēng)格的e-learning學(xué)習(xí)流程Fig.1 Learning process of e-learning based on learning style

4 系統(tǒng)主要功能實(shí)現(xiàn)

基于Felder-Silverman學(xué)習(xí)風(fēng)格模型的自適應(yīng)性elearning系統(tǒng)采用.NET分層架構(gòu)，開發(fā)平臺為Visual Studio 2008，開發(fā)語言為C#、ASP.NET，數(shù)據(jù)庫采用SQL SERVER 2005，學(xué)習(xí)課程內(nèi)容選用《人工智能》[5-6]。

4.1 登錄模塊

系統(tǒng)包括3個角色：管理員，教師和學(xué)習(xí)者。管理員主要功能是對系統(tǒng)權(quán)限管理，數(shù)據(jù)管理，消息管理等；教師主要功能是課程管理，試題管理，成績管理等；學(xué)生主要功能是個人信息管理，在線學(xué)習(xí)，在線交流等，如圖2所示。

圖2 自適應(yīng)e-learning系統(tǒng)登錄界面圖Fig.2 Login interface of the adaptive e-learning system

4.2 學(xué)習(xí)風(fēng)格生成模塊

作為系統(tǒng)的首次使用者，系統(tǒng)需要分析學(xué)生的學(xué)習(xí)風(fēng)格進(jìn)一步來設(shè)定個性化的教學(xué)風(fēng)格，學(xué)習(xí)風(fēng)格獲取采用的Solomon的學(xué)習(xí)風(fēng)格量化表和本文給出的Solomon量化表的學(xué)習(xí)風(fēng)格生成算法。學(xué)生在認(rèn)真作答問卷提交之后，就可以得到該學(xué)生的四維學(xué)習(xí)風(fēng)格，如圖3所示。系統(tǒng)根據(jù)學(xué)習(xí)風(fēng)格的各自特點(diǎn)，設(shè)計符合學(xué)習(xí)風(fēng)格特點(diǎn)的個性化的內(nèi)容呈現(xiàn)機(jī)制。

4.3 自適應(yīng)學(xué)習(xí)風(fēng)格的學(xué)習(xí)界面

系統(tǒng)根據(jù)學(xué)習(xí)風(fēng)格記錄中學(xué)習(xí)風(fēng)格類型，選擇符合學(xué)習(xí)風(fēng)格的學(xué)習(xí)導(dǎo)航和學(xué)習(xí)媒體內(nèi)容呈現(xiàn)，系統(tǒng)具有適應(yīng)學(xué)生學(xué)習(xí)風(fēng)格的特點(diǎn)，這便于激發(fā)學(xué)習(xí)興趣和學(xué)習(xí)熱情。如圖4所示，對于趨向于感知型，視覺型，思考性，全局型學(xué)習(xí)風(fēng)格特點(diǎn)的學(xué)生的學(xué)習(xí)中心主界面顯示，采用了知識點(diǎn)結(jié)構(gòu)導(dǎo)航，F(xiàn)lash動畫和圖片的媒體表現(xiàn)。

圖3 學(xué)生的學(xué)習(xí)風(fēng)格生成界面圖Fig.3 Interface of the learning style generation

圖4 符合學(xué)習(xí)風(fēng)格的學(xué)習(xí)內(nèi)容呈現(xiàn)界面圖Fig.4 Interface of present study conternt to meet learning style

5 結(jié)束語

符合學(xué)生個性化特征的自適應(yīng)[7]e-learning系統(tǒng)能夠自動調(diào)整網(wǎng)絡(luò)教學(xué)策略，并且能充分利用e-learning系統(tǒng)的豐富教學(xué)媒體和友好交互模式，極大保證網(wǎng)絡(luò)教學(xué)質(zhì)量。本文開發(fā)的基于Felder-Silverman學(xué)習(xí)風(fēng)格的自適應(yīng)性e-learning系統(tǒng)能夠?qū)W生的學(xué)習(xí)風(fēng)格自動調(diào)整界面的內(nèi)容呈現(xiàn)方式和知識結(jié)構(gòu)導(dǎo)航，符合個性化的e-learning趨勢，系統(tǒng)發(fā)布后運(yùn)行穩(wěn)定，學(xué)生反饋良好。

[1]Felder R M，Silverman L K.Learning and teaching styles in engineering education[J].Engineering Education，1988，78（7）:674-681.

[2]Alfonseca E，Rosa M.Carro， Martin E， et al.The impact of learning styles on student grouping for collaborative learning:a case study[J].User Modelling and User-Adapted Interaction，2006（9）:377-401.

[3]Solomon.Index of Learning Styles Questionnaire[EB/OL].[2011-03-20].http://www.engr.ncsu.edu/learningstyles/ilsweb.html.

[4]張建平，陳仕品，張家華.網(wǎng)絡(luò)學(xué)習(xí)及其適應(yīng)性學(xué)習(xí)支持系統(tǒng)研究[M].北京：科學(xué)出版社，2010.

[5]王萬森.人工智能原理及其應(yīng)用[M].北京：電子工業(yè)出版社，2006.

[6]Franzoni A.L.，Assar， S.Student learning styles adaptation method based on teaching strategies and electronic media[J].Educational Technology and Society， 2009，12（4）：15-29.

[7]周巧俏，湯云巖，海曉濤.基于改進(jìn)自適應(yīng)遺傳算法的分布式電源的選址和定容[J].陜西電力，2010，38（6）：40-44.ZHOU Qiao-qiao，TANG Yun-yan，HAI Xiao-tao.Location and sizing of distributed generation based on improved selfadaptive genetic algorithm[J].Shaanxi Electric Power，2010，38（6）：40-44.