袁 霄,陳俊文 ,沈一峰 ,王永固
(1.浙江省教育技術(shù)中心,浙江 杭州 310023;2.浙江工業(yè)大學(xué) 教育科學(xué)與技術(shù)學(xué)院,浙江 杭州 310023;3.浙江學(xué)海教育科技有限公司,浙江 杭州310023)
當(dāng)下初中生學(xué)業(yè)負(fù)擔(dān)調(diào)查結(jié)果顯示,學(xué)習(xí)壓力大、課業(yè)負(fù)擔(dān)重已經(jīng)成為初中生普遍存在的問題。盡管我國的素質(zhì)教育制度提出減負(fù)提質(zhì)要求已久,但由于受到教育價(jià)值觀和家長、社會(huì)等多方面因素的制約,初中生學(xué)業(yè)負(fù)擔(dān)重的問題一直無法得到改善。
移動(dòng)互聯(lián)、大數(shù)據(jù)、云計(jì)算、人工智能等新興技術(shù)的出現(xiàn),將智慧教育提升到一個(gè)空前矚目的階段,也為解決學(xué)生過重的學(xué)業(yè)壓力問題提供了新的策略。信息技術(shù)在課堂教學(xué)中應(yīng)用的日益深入,促進(jìn)了傳統(tǒng)課堂教學(xué)形式的變革,對提升學(xué)習(xí)者的學(xué)習(xí)質(zhì)量與效率產(chǎn)生了積極影響。利用大數(shù)據(jù)技術(shù)采集和分析學(xué)習(xí)者學(xué)習(xí)所產(chǎn)生的數(shù)據(jù),可對學(xué)習(xí)者在學(xué)習(xí)過程中的努力程度、學(xué)習(xí)態(tài)度、智力水平、領(lǐng)域能力、交互協(xié)作等多維度進(jìn)行測量[1],通過深層次挖掘有價(jià)值數(shù)據(jù)信息,揭示其內(nèi)在的學(xué)習(xí)規(guī)律。將大數(shù)據(jù)技術(shù)引入到教育領(lǐng)域勢必帶來新一輪的教育變革,利用教育大數(shù)據(jù)分析技術(shù),可對學(xué)生的學(xué)習(xí)效果做出及時(shí)準(zhǔn)確的反饋,提供個(gè)性化服務(wù)干預(yù),有利于促進(jìn)教與學(xué)[2]。
本研究以電子書包為載體,嘗試開發(fā)基于數(shù)據(jù)分析的初中生自適應(yīng)學(xué)習(xí)系統(tǒng),根據(jù)每一個(gè)學(xué)習(xí)者的需求和能力為其提供個(gè)性化學(xué)習(xí)服務(wù),以期減輕初中生學(xué)業(yè)負(fù)擔(dān)。
學(xué)習(xí)者模型是對學(xué)習(xí)者狀態(tài)特征信息的抽象描述,涉及學(xué)習(xí)者的基本信息以及學(xué)習(xí)過程中呈現(xiàn)的興趣偏好、認(rèn)知能力、學(xué)習(xí)態(tài)度等狀態(tài)量。如何準(zhǔn)確描述和量化學(xué)習(xí)者模型,直接影響自適應(yīng)學(xué)習(xí)系統(tǒng)資源推薦質(zhì)量及自適應(yīng)學(xué)習(xí)是否能實(shí)現(xiàn)[3]。本研究結(jié)合中學(xué)生核心素養(yǎng),采用動(dòng)態(tài)反饋數(shù)據(jù)和歷史行為數(shù)據(jù)相結(jié)合的數(shù)據(jù)表示方式,預(yù)測學(xué)習(xí)風(fēng)格,發(fā)現(xiàn)學(xué)習(xí)規(guī)律,為學(xué)習(xí)者提供個(gè)性化的學(xué)習(xí)服務(wù)。本研究提出的學(xué)習(xí)者模型數(shù)據(jù)維度包括基本信息、興趣偏好、認(rèn)知能力、信息素養(yǎng)、學(xué)習(xí)態(tài)度和學(xué)習(xí)歷史,該模型根據(jù)動(dòng)態(tài)試題難度算法和認(rèn)知能力更新算法不斷對學(xué)習(xí)者個(gè)體肖像進(jìn)行動(dòng)態(tài)更新,如圖1所示。通過采集字段,可以對學(xué)習(xí)者模型的6個(gè)維度進(jìn)行重新定義?;拘畔▽W(xué)生個(gè)人和所在班級、學(xué)校的情況,興趣偏好指學(xué)生在學(xué)習(xí)過程中對不同類型資源的使用偏好,信息素養(yǎng)指學(xué)生利用電子書包等信息工具與資源的能力,認(rèn)知能力通過學(xué)生做題情況進(jìn)行評價(jià),學(xué)習(xí)態(tài)度從學(xué)生課前、課后學(xué)生預(yù)復(fù)習(xí)情況進(jìn)行評估,學(xué)習(xí)歷史包括學(xué)生所有的在線學(xué)習(xí)軌跡。
圖1 學(xué)習(xí)者個(gè)體肖像動(dòng)態(tài)更新模型
將該模型應(yīng)用于自適應(yīng)學(xué)習(xí)系統(tǒng)的開發(fā),實(shí)現(xiàn)基于學(xué)習(xí)者認(rèn)知能力、學(xué)習(xí)態(tài)度等進(jìn)行個(gè)性化推薦的功能,難點(diǎn)在于確定學(xué)生認(rèn)知水平和試題難度。試題難度分為絕對難度和加權(quán)難度兩類,絕對難度由題目的正確率決定,不同的題目之間通過布置的作業(yè)形成了一個(gè)網(wǎng)狀結(jié)構(gòu),利用PageRank等分布算法,從絕對難度構(gòu)成的矩陣V0可以推算出題目的加權(quán)難度Vn。
認(rèn)知能力更新算法以學(xué)習(xí)者的認(rèn)知能力為基礎(chǔ),以推薦給學(xué)習(xí)者試題的相對難度和學(xué)習(xí)者答題對錯(cuò)進(jìn)行認(rèn)知能力的更新,具體算法為:
其中R為學(xué)生掌握的認(rèn)知能力,γ為隨時(shí)間的遺忘率(如0.95/周),ν為做對題目所新增的認(rèn)知能力。
知識(shí)模型是關(guān)于領(lǐng)域知識(shí)的元認(rèn)知模型,是自適應(yīng)學(xué)習(xí)系統(tǒng)研究和應(yīng)用的依據(jù),本研究將知識(shí)屬性作為知識(shí)模型的核心要素。結(jié)合學(xué)習(xí)者的學(xué)習(xí)目標(biāo),構(gòu)建網(wǎng)狀結(jié)構(gòu)的知識(shí)樹,以樹狀進(jìn)行關(guān)聯(lián),可以計(jì)算不同知識(shí)點(diǎn)之間的親密程度,知識(shí)樹最末端的知識(shí)點(diǎn)會(huì)鏈接不同難度的題目資源,其具體框架如圖2所示。以各學(xué)科知識(shí)樹為基礎(chǔ),以知識(shí)點(diǎn)為節(jié)點(diǎn)鏈接題目資源,并形成“知識(shí)點(diǎn)-習(xí)題”多層次的管理機(jī)制,如圖3所示。其中,題庫的知識(shí)點(diǎn)標(biāo)簽化是整個(gè)知識(shí)模型構(gòu)建的重點(diǎn)和難點(diǎn),自適應(yīng)學(xué)習(xí)支持系統(tǒng)在題庫標(biāo)簽化的過程中,采用大數(shù)據(jù)和人工智能相結(jié)合的方法,自動(dòng)輸出題目的知識(shí)點(diǎn)標(biāo)簽,具體步驟如圖4所示。對采集的題目進(jìn)行數(shù)據(jù)預(yù)處理和人工標(biāo)簽后,采用機(jī)器學(xué)習(xí)方法,根據(jù)題目文本信息對題目進(jìn)行自動(dòng)化的標(biāo)注。
圖2 學(xué)科知識(shí)模型架構(gòu)
圖3 建立知識(shí)點(diǎn)-習(xí)題多層管理機(jī)制步驟示意圖
圖4 知識(shí)點(diǎn)標(biāo)簽化流程示意圖
自適應(yīng)推薦是自適應(yīng)學(xué)習(xí)系統(tǒng)的核心功能,其基礎(chǔ)是形成基于學(xué)習(xí)者個(gè)體的動(dòng)態(tài)化的知識(shí)圖譜,以顯示學(xué)習(xí)者與不同知識(shí)點(diǎn)之間的關(guān)聯(lián)性。知識(shí)圖譜的本質(zhì)是將不同種類的信息鏈接得到關(guān)系網(wǎng)絡(luò),將復(fù)雜的學(xué)習(xí)者和知識(shí)點(diǎn)以多對多的關(guān)系通過數(shù)據(jù)挖掘、信息處理、知識(shí)計(jì)量和圖形繪制顯示出來[4],來顯示學(xué)習(xí)者個(gè)體的知識(shí)動(dòng)態(tài)發(fā)展規(guī)律。
本研究使用Neo4J表示知識(shí)點(diǎn)的關(guān)聯(lián)關(guān)系和掌握程度,形成學(xué)習(xí)者學(xué)習(xí)能力模型,如圖5所示:圓點(diǎn)表示每個(gè)學(xué)生,矩形框表示知識(shí)點(diǎn),每條連線上的grasp為學(xué)生對某個(gè)知識(shí)點(diǎn)的掌握度。基于學(xué)習(xí)者學(xué)習(xí)能力模型,構(gòu)建動(dòng)態(tài)化可實(shí)時(shí)更新的知識(shí)圖譜,以表現(xiàn)學(xué)習(xí)者個(gè)體不同級別的知識(shí)點(diǎn)的掌握程度,基于學(xué)習(xí)者個(gè)體的知識(shí)圖譜,有利于學(xué)習(xí)者進(jìn)行查漏補(bǔ)缺。
圖5 學(xué)習(xí)者學(xué)習(xí)能力模型
基于知識(shí)圖譜,本研究采用了兩種自適應(yīng)推薦方法進(jìn)行個(gè)性化學(xué)習(xí)內(nèi)容的推薦:
該方法分析學(xué)習(xí)者的學(xué)習(xí)行為,通過對題目關(guān)鍵詞的抓取,了解學(xué)習(xí)者知識(shí)點(diǎn)掌握情況(包括學(xué)習(xí)具體知識(shí)點(diǎn)及對應(yīng)題目難度),更新學(xué)習(xí)者知識(shí)圖譜,并根據(jù)多目標(biāo)下的排序匹配算法推薦個(gè)性化的學(xué)習(xí)內(nèi)容,如圖6所示。
圖6 基于學(xué)習(xí)者個(gè)體知識(shí)薄弱點(diǎn)的自適應(yīng)推薦
其具體推薦步驟如下:
(1)提取學(xué)生的相關(guān)薄弱知識(shí)點(diǎn),按知識(shí)點(diǎn)掌握程度由低到高進(jìn)行排序。例如有三個(gè)弱知識(shí)點(diǎn)a、b、c,aster_score(a) (2)從題庫中提取相關(guān)的知識(shí)點(diǎn)的題目,按如下算法進(jìn)行選擇:①先從題庫中選擇包含a、b、c三個(gè)知識(shí)點(diǎn)的題目,放入待選列表;②再從題庫中選擇a、b、c兩個(gè)相關(guān)知識(shí)點(diǎn)的題目,放入待選列表;③最后從題庫中選擇只包含一個(gè)知識(shí)的題目,放入待選列表。 (3)在待選列表中對題目的相關(guān)難度進(jìn)行判斷,選擇該題目首次做題正確率作為判斷依據(jù)。 (4)對學(xué)生在對知識(shí)點(diǎn)的掌握程度和題目難度進(jìn)行ELO的概率計(jì)算。 (5)如果做題正確概率大于0.5,則表示學(xué)生有較大的可能作對該題目,可以進(jìn)行相關(guān)推薦。 (6)按正確概率的高低選擇,可以對題目的整體難度進(jìn)行控制。 如圖7所示,該方法結(jié)合學(xué)習(xí)者的學(xué)習(xí)行為,對學(xué)習(xí)者的個(gè)體特征進(jìn)行分析,挑選具有高相似度的學(xué)習(xí)同伴,基于學(xué)習(xí)同伴的錯(cuò)題集進(jìn)行協(xié)同推薦。 圖7 基于學(xué)習(xí)者同伴的協(xié)同推薦 具體推薦步驟如下: (1)根據(jù)被推薦學(xué)生的做題情況,每個(gè)學(xué)生對所有題目進(jìn)行向量編碼 (2)根據(jù)學(xué)生的做題情況的向量,找出最相似的K個(gè)學(xué)生,向量的相似度可以使用的余弦夾角進(jìn)行。 (3)從選擇的K個(gè)學(xué)生的做題向量中,找出被推薦學(xué)生沒有做過 (標(biāo)記為0)。但是其他學(xué)生做錯(cuò)的題目(標(biāo)記為-1),有一個(gè)學(xué)生推薦則次數(shù)加1。 (4)把題目按K個(gè)學(xué)生的推薦總次數(shù)排序推送給被推薦學(xué)生。 本研究設(shè)計(jì)開發(fā)的自適應(yīng)學(xué)習(xí)系統(tǒng)以平板為載體,服務(wù)端采用微服務(wù)架構(gòu),客戶端采用MVP模式和組件式架構(gòu),支持離線和實(shí)時(shí)模式的大數(shù)據(jù)分析,學(xué)習(xí)系統(tǒng)以分布式集群部署,分為基礎(chǔ)設(shè)施平臺(tái)建設(shè)、平臺(tái)服務(wù)建設(shè)、接入層建設(shè)、服務(wù)層建設(shè)、應(yīng)用層建設(shè)和管理后臺(tái)建設(shè),功能獨(dú)立又具有關(guān)聯(lián)性,具有強(qiáng)可靠性。具體技術(shù)框架如圖8所示。 圖8 自適應(yīng)學(xué)習(xí)系統(tǒng)技術(shù)框架 基礎(chǔ)設(shè)施平臺(tái)建設(shè)(IAAS):建設(shè)云端虛擬化計(jì)算和存儲(chǔ)基礎(chǔ)平臺(tái)。 平臺(tái)服務(wù)建設(shè)(PAAS):包括高可用的關(guān)系數(shù)據(jù)庫系統(tǒng)(RDS)、分布式NoSQL數(shù)據(jù)庫系統(tǒng)、高性能高可用高可擴(kuò)展的分布式緩存系統(tǒng)、文件存儲(chǔ)系統(tǒng)、分布式消息系統(tǒng)、內(nèi)容分發(fā)網(wǎng)絡(luò)(CDN)、分布式數(shù)據(jù)索引及檢索系統(tǒng)、日志系統(tǒng)、服務(wù)發(fā)現(xiàn)機(jī)配置系統(tǒng)、系統(tǒng)監(jiān)控等平臺(tái)化服務(wù)的建設(shè)。 接入層建設(shè):包括API網(wǎng)關(guān)、開放數(shù)據(jù)接入、實(shí)時(shí)連接接入和門戶網(wǎng)站等的建設(shè)。 服務(wù)層建設(shè):包括用戶、設(shè)備、應(yīng)用、題庫、微課、資源文件、消息等一系列基礎(chǔ)服務(wù)的構(gòu)建。 應(yīng)用層建設(shè):針對課前、課堂、課后、課外等一系列應(yīng)用的構(gòu)建。 管理后臺(tái)建設(shè):包括運(yùn)營后臺(tái)系統(tǒng)、學(xué)校前臺(tái)管理系統(tǒng)、運(yùn)維平臺(tái)的構(gòu)建。 自適應(yīng)學(xué)習(xí)系統(tǒng)借助AI進(jìn)行題目知識(shí)點(diǎn)標(biāo)簽化,同時(shí)采集學(xué)習(xí)者日常的學(xué)習(xí)日志,以形成動(dòng)態(tài)化知識(shí)圖譜,用于學(xué)習(xí)者個(gè)性化的推薦和學(xué)情監(jiān)測下教師個(gè)性化教學(xué)補(bǔ)充,流程如圖9所示。 圖9 個(gè)性化教學(xué)補(bǔ)充流程 為驗(yàn)證自適應(yīng)學(xué)習(xí)系統(tǒng)實(shí)際使用效果,本研究分別選取了杭州綠城育華中學(xué)、麗水東渡中學(xué)等14所中學(xué)開展為期兩年的實(shí)證研究。教學(xué)實(shí)踐表明,與對照班相比,實(shí)驗(yàn)班成績較以往有較大提升,學(xué)優(yōu)生與學(xué)困生的成績也都有所提高。此外,本研究研發(fā)的初中生自適應(yīng)學(xué)習(xí)系統(tǒng)輔助教師完善了課堂教學(xué),形成了一系列優(yōu)秀教學(xué)案例,推動(dòng)初中教師在數(shù)學(xué)、英語、科學(xué)等學(xué)科的課堂教學(xué)改革,落實(shí)勇于探究、理性思維、勤于反思等核心素養(yǎng)。 本研究借助初中生學(xué)習(xí)者模型、知識(shí)模型及教育大數(shù)據(jù)分析技術(shù)等開發(fā)了可以較為精準(zhǔn)地測量學(xué)習(xí)者真實(shí)學(xué)習(xí)水平及個(gè)性化推薦學(xué)習(xí)資源的自適應(yīng)學(xué)習(xí)系統(tǒng),打破了“一個(gè)尺寸適合所有人”的同質(zhì)性[3]。該系統(tǒng)目前已在全國數(shù)百所學(xué)校投入使用,8萬余名學(xué)生在自適應(yīng)學(xué)習(xí)系統(tǒng)的輔助下進(jìn)行個(gè)性化學(xué)習(xí)。通過實(shí)證研究,自適應(yīng)學(xué)習(xí)系統(tǒng)能夠有效提高課堂教學(xué)的效率和質(zhì)量。推薦2:基于學(xué)習(xí)者同伴的協(xié)同推薦
四、自適應(yīng)學(xué)習(xí)系統(tǒng)的開發(fā)與構(gòu)建
1.自適應(yīng)學(xué)習(xí)系統(tǒng)技術(shù)框架
2.自適應(yīng)學(xué)習(xí)系統(tǒng)流程
五、自適應(yīng)學(xué)習(xí)系統(tǒng)的實(shí)證研究與成效