葛子剛　楊麗華　馬煥新

【摘 要】

自適應(yīng)學(xué)習(xí)系統(tǒng)在設(shè)計(jì)時(shí)必須考慮學(xué)習(xí)者的學(xué)習(xí)特征。其中，學(xué)習(xí)風(fēng)格和認(rèn)知風(fēng)格探討得較多。為了跟蹤現(xiàn)有研究在設(shè)計(jì)自適應(yīng)學(xué)習(xí)系統(tǒng)時(shí)如何考慮這兩個(gè)學(xué)習(xí)特征，文章篩選出發(fā)表于SSCI和SCI收錄期刊的相關(guān)文獻(xiàn)，從理論依據(jù)、數(shù)據(jù)類(lèi)型、數(shù)據(jù)來(lái)源、自適應(yīng)算法、自適應(yīng)模式（動(dòng)態(tài)或靜態(tài)）、系統(tǒng)應(yīng)用目標(biāo)和效果評(píng)估等多個(gè)維度進(jìn)行考量。發(fā)現(xiàn)多數(shù)只考慮其中一個(gè)因素，做孤立的探討，鮮有將二者同時(shí)納入自適應(yīng)學(xué)習(xí)系統(tǒng)的設(shè)計(jì)，采納的數(shù)據(jù)來(lái)源也比較單一，難以做到動(dòng)態(tài)自適應(yīng)。完善的自適應(yīng)學(xué)習(xí)系統(tǒng)應(yīng)充分考慮學(xué)習(xí)者的學(xué)習(xí)特征和學(xué)習(xí)過(guò)程中的其他因素。

【關(guān)鍵詞】 學(xué)習(xí)風(fēng)格；認(rèn)知風(fēng)格；學(xué)習(xí)系統(tǒng)；動(dòng)態(tài)自適應(yīng)

【中圖分類(lèi)號(hào)】 G40-057 【文獻(xiàn)標(biāo)識(shí)碼】 A 【文章編號(hào)】 1009-458x（2018）3-0062-08

自適應(yīng)學(xué)習(xí)（Adaptive Learning）獲得了全世界的矚目。這一概念的關(guān)鍵點(diǎn)在于“自適應(yīng)”三個(gè)字，如Lee和Park（2008）認(rèn)為任何照顧到學(xué)習(xí)者個(gè)人需求的教學(xué)形式（面授或遠(yuǎn)程）都可以被稱(chēng)作“自適應(yīng)的”。學(xué)界一般用adaptive來(lái)表達(dá)“自適應(yīng)的”，間或用adaptable來(lái)指代。有學(xué)者則認(rèn)為有必要分清這兩個(gè)詞的名詞形式“Adaptivity”和“Adaptability”。如Burgos、Tattersall和Koper（2007）認(rèn)為，Adaptivity指的是教學(xué)系統(tǒng)可以根據(jù)學(xué)習(xí)者的需求調(diào)整教學(xué)內(nèi)容，而Adaptability指的是學(xué)習(xí)者自己根據(jù)需求選擇學(xué)習(xí)內(nèi)容。隨著遠(yuǎn)程教育技術(shù)的發(fā)展，自適應(yīng)學(xué)習(xí)又有了進(jìn)一步的需求，一個(gè)強(qiáng)大的自適應(yīng)學(xué)習(xí)系統(tǒng)是自適應(yīng)學(xué)習(xí)能夠獲得成功的關(guān)鍵。自適應(yīng)學(xué)習(xí)系統(tǒng)有不同的術(shù)語(yǔ)表達(dá)：“自適應(yīng)超媒體系統(tǒng)”（Adaptive Hypermedia System， AHS）、“自適應(yīng)教育超媒體”（Adaptive Educational Hypermedia， AEH）（?zyurt & ?zyurt， 2015）和“適應(yīng)性學(xué)習(xí)支持系統(tǒng)”（Adaptive Learning Support System， ALSS）（高虎子， 等， 2012）等。但基本認(rèn)同一個(gè)自適應(yīng)的教學(xué)系統(tǒng)應(yīng)該可以為學(xué)習(xí)者提供個(gè)性化的教學(xué)策略、教學(xué)內(nèi)容、教學(xué)資源、教學(xué)支持和教學(xué)界面等（?zyurt， ?zyurt， Güven， & Baki， 2014）。

自適應(yīng)學(xué)習(xí)系統(tǒng)的設(shè)計(jì)可以依據(jù)的因素很多，不過(guò)基本上都是圍繞學(xué)習(xí)者的因素，如學(xué)習(xí)者的現(xiàn)有知識(shí)水平、智力水平、學(xué)習(xí)風(fēng)格、認(rèn)知風(fēng)格、學(xué)習(xí)動(dòng)機(jī)和自我效能感等（張舸， 等， 2012）。其中，學(xué)習(xí)風(fēng)格和認(rèn)知風(fēng)格受到較多的關(guān)注。學(xué)習(xí)風(fēng)格（Learning Style）可以簡(jiǎn)單定義為學(xué)習(xí)者偏好的學(xué)習(xí)方式（Truong， 2016）。稍復(fù)雜點(diǎn)的定義認(rèn)為，學(xué)習(xí)風(fēng)格指的是包含認(rèn)知、情感和生理因素的綜合概念，其能相對(duì)穩(wěn)定地表明學(xué)習(xí)者是如何對(duì)學(xué)習(xí)環(huán)境進(jìn)行感知、交互并做出回應(yīng)的（Keefe， 1979）。在Keefe給出的這一定義中，我們發(fā)現(xiàn)學(xué)習(xí)風(fēng)格和認(rèn)知風(fēng)格是緊密相關(guān)的。認(rèn)知風(fēng)格指的是個(gè)體在對(duì)信息進(jìn)行加工的過(guò)程中表現(xiàn)出的較為連貫的特征（Kozhevnikov， 2007； 馬軍朋， 等， 2016）。有學(xué)者認(rèn)為學(xué)習(xí)風(fēng)格應(yīng)歸類(lèi)于認(rèn)知風(fēng)格，認(rèn)知風(fēng)格是在實(shí)際中的表現(xiàn)（Riding & Rayner， 1998； Papanikolaou， Mabbott， Bull， & Grigoriadou， 2006）；有學(xué)者認(rèn)為兩者雖然相關(guān)但有巨大區(qū)別，因?yàn)檎J(rèn)知風(fēng)格是和信息處理機(jī)制相關(guān)的相對(duì)穩(wěn)定的個(gè)體風(fēng)格，而學(xué)習(xí)風(fēng)格則可以依據(jù)學(xué)習(xí)情境而產(chǎn)生變化（Peterson， Rayner， & Armstrong， 2009）。不論如何，在設(shè)計(jì)自適應(yīng)學(xué)習(xí)系統(tǒng)時(shí)只考慮學(xué)習(xí)風(fēng)格和認(rèn)知風(fēng)格中的一個(gè)都是有失偏頗的。

不過(guò)可惜的是，通過(guò)檢索現(xiàn)有文獻(xiàn)，本文研究者發(fā)現(xiàn)目前對(duì)于自適應(yīng)學(xué)習(xí)系統(tǒng)的設(shè)計(jì)中將學(xué)習(xí)風(fēng)格和認(rèn)知風(fēng)格同時(shí)納入考量的很少，少數(shù)研究雖然意識(shí)到了兩者的重要性，但也僅是點(diǎn)到為止，并沒(méi)有對(duì)此做深入研究。考慮到現(xiàn)有研究的不足，本文將對(duì)現(xiàn)有相關(guān)文獻(xiàn)進(jìn)行梳理，以期為自適應(yīng)學(xué)習(xí)系統(tǒng)的進(jìn)一步研究提供思路。

一、文獻(xiàn)回顧

（一）自適應(yīng)學(xué)習(xí)系統(tǒng)

自適應(yīng)學(xué)習(xí)系統(tǒng)的構(gòu)建并非易事，要考慮的因素很多，如學(xué)習(xí)者的不同需求、不同特征（包括學(xué)習(xí)風(fēng)格、認(rèn)知風(fēng)格等）以及技術(shù)手段等。最難應(yīng)對(duì)的就是學(xué)習(xí)者的特征，因?yàn)槊總€(gè)學(xué)習(xí)者都是不同的個(gè)體，個(gè)體之間差異或大或小，為教學(xué)系統(tǒng)能否真正地提供個(gè)性化的教學(xué)帶來(lái)了挑戰(zhàn)。正如Fischer（2001）指出的，教學(xué)系統(tǒng)的設(shè)計(jì)難點(diǎn)就在于設(shè)計(jì)階段如何能保證最后的成品可以滿(mǎn)足學(xué)習(xí)者在學(xué)習(xí)過(guò)程中的個(gè)性化需求。對(duì)于自適應(yīng)學(xué)習(xí)系統(tǒng)來(lái)說(shuō)，理想化的狀態(tài)下應(yīng)能夠基于某些數(shù)據(jù)通過(guò)一定的算法自動(dòng)地為學(xué)習(xí)者提供人性化的學(xué)習(xí)內(nèi)容（Perkowitz & Etzioni， 2002）。

如前所述，自適應(yīng)學(xué)習(xí)系統(tǒng)可以依據(jù)眾多因素形成自適應(yīng)規(guī)則。就現(xiàn)有文獻(xiàn)而言，納入設(shè)計(jì)考量范圍的因素有學(xué)習(xí)/教學(xué)目標(biāo)和任務(wù)、學(xué)習(xí)者現(xiàn)有知識(shí)水平、學(xué)習(xí)者人口統(tǒng)計(jì)學(xué)方面的背景、學(xué)習(xí)者學(xué)習(xí)興趣、學(xué)習(xí)者與學(xué)習(xí)系統(tǒng)的交互、學(xué)習(xí)風(fēng)格、認(rèn)知風(fēng)格等（Akbulut & Cardak， 2012）。如何收集與這些因素相關(guān)的數(shù)據(jù)是一個(gè)基本問(wèn)題，常用的方法有問(wèn)卷或者通過(guò)學(xué)習(xí)者在系統(tǒng)中留下的學(xué)習(xí)痕跡進(jìn)行收集和判斷。問(wèn)卷過(guò)于直接，而且在學(xué)習(xí)過(guò)程中會(huì)打斷學(xué)習(xí)者的學(xué)習(xí)進(jìn)程（Kobsa， 2002），所以更理想的做法是由系統(tǒng)自行對(duì)學(xué)習(xí)者的學(xué)習(xí)痕跡進(jìn)行收集和判斷，從而進(jìn)行動(dòng)態(tài)調(diào)整。根據(jù)這些數(shù)據(jù)，通過(guò)一定的算法，判定學(xué)習(xí)者屬于何種類(lèi)型（比如學(xué)習(xí)風(fēng)格的不同類(lèi)型、認(rèn)知風(fēng)格的不同類(lèi)型等），為學(xué)習(xí)者提供相應(yīng)的學(xué)習(xí)內(nèi)容等信息?，F(xiàn)有文獻(xiàn)提出了不少自適應(yīng)學(xué)習(xí)系統(tǒng)可以使用的算法，如模糊神經(jīng)網(wǎng)絡(luò)（Neural-fuzzy Network）（Zatarain， Barron-Estrada， Reyes-Garcfa， & Reyes-Galavia， 2011）、蟻群算法（Ant Colony System）（Yang & Wu， 2009）和人工蜂群算法（Artificial Bee Colony Algorithm）（Hsu， Chen， Huang，& Huang， 2012）等。

（二）學(xué)習(xí)風(fēng)格和認(rèn)知風(fēng)格

學(xué)習(xí)風(fēng)格對(duì)于教學(xué)的重要性已經(jīng)被很多學(xué)者所證實(shí)。如Reiff（1992）曾指出，學(xué)習(xí)風(fēng)格會(huì)影響學(xué)習(xí)者的學(xué)習(xí)過(guò)程、教師的教學(xué)過(guò)程以及學(xué)習(xí)者和教師之間的交互；教學(xué)設(shè)計(jì)和學(xué)習(xí)干預(yù)需要考慮到學(xué)習(xí)者的學(xué)習(xí)風(fēng)格（Coffield， Moseley， Hall， & Ecclestone， 2004； 姜強(qiáng)， 等， 2015）。還有不少研究則證實(shí)了學(xué)習(xí)風(fēng)格對(duì)于教學(xué)的積極效果（Graf， Lin， & Kinshuk， 2007；Tseng， Chu， Hwang， & Tsai， 2008； Hwang， Sung， Hung， & Huang， 2013）。

一方面，與學(xué)習(xí)風(fēng)格相關(guān)的理論層出不窮。很多學(xué)者根據(jù)自己的理解對(duì)學(xué)習(xí)風(fēng)格的概念做了界定（Dunn & Dunn， 1978； Keefe， 1979； 譚頂良， 1998； Reid， 2002）。Dunn （1984）對(duì)于學(xué)習(xí)風(fēng)格的構(gòu)成要素做了深入研究，認(rèn)為學(xué)習(xí)風(fēng)格的要素包括環(huán)境、情感、社會(huì)、生理和心理等。Kolb（1981）根據(jù)學(xué)習(xí)者對(duì)于學(xué)習(xí)周期（Learning Cycle）中四個(gè)環(huán)節(jié)的不同偏好，認(rèn)為學(xué)習(xí)風(fēng)格可以劃分為聚合型（Converger）、發(fā)散型（Diverger）、同化型（Assimilator）和調(diào)節(jié)型（Accommodator）。Reid（1987）則依據(jù)學(xué)習(xí)者對(duì)于學(xué)習(xí)感官的偏好將學(xué)習(xí)風(fēng)格分為視覺(jué)型（Visual）、聽(tīng)覺(jué)型（Auditory）、觸覺(jué)型（Tactile）、動(dòng)覺(jué)型（Kinesthetic）、小組型（Group）和個(gè)人型（Individual）。而Felder和Silverman（1988）提出的學(xué)習(xí)風(fēng)格模型（Felder-Silverman Learning Style Model）被廣泛認(rèn)為具有高信效度，可以用來(lái)設(shè)計(jì)自適應(yīng)學(xué)習(xí)系統(tǒng)（Akbulut，et al.， 2012； 李運(yùn)福， 等， 2015）。該模型將學(xué)習(xí)風(fēng)格分為五種：感覺(jué)型（Sensing）/直覺(jué)型（Intuitive）、視覺(jué)型（Visual）/言語(yǔ)型（Verbal）、歸納型（Inductive）/演繹型（Deductive）、活躍型（Active）/沉思型（Reflective）、序列型（Sequential）/整體型（Global），其中“歸納型/演繹型”在后續(xù)版本中被刪除。有學(xué)者認(rèn)為該模型非常適合設(shè)計(jì)自適應(yīng)遠(yuǎn)程教學(xué)系統(tǒng)（Kuljis & Lui， 2005）。

另一方面，關(guān)于認(rèn)知風(fēng)格的研究也是層出不窮。Witkin、Moore、 Goodenough和Cox（1977）將認(rèn)知風(fēng)格分為場(chǎng)依存型（Field dependence）和場(chǎng)獨(dú)立型（Field Independence）。這里的“場(chǎng)”即環(huán)境，場(chǎng)獨(dú)立型的個(gè)體不易受外界因素影響，可以把整體和部分分開(kāi)，而場(chǎng)依存型的個(gè)體則容易受到外界環(huán)境的影響，習(xí)慣于依照外部因素來(lái)行動(dòng)。在學(xué)習(xí)過(guò)程中，場(chǎng)獨(dú)立型學(xué)習(xí)者自主性強(qiáng)，喜歡獨(dú)自學(xué)習(xí)；而場(chǎng)依存型學(xué)習(xí)者則對(duì)合作學(xué)習(xí)情有獨(dú)鐘。Pask（1976）將認(rèn)知風(fēng)格分為整體型（Holist）和序列型（Serialist），整體型學(xué)習(xí)者在學(xué)習(xí)過(guò)程中多采用整體策略來(lái)看待問(wèn)題，而序列型學(xué)習(xí)者則喜歡針對(duì)每一個(gè)部分循序漸進(jìn)式地學(xué)習(xí)。Riding和Cheema（1991）在對(duì)已有認(rèn)知風(fēng)格模型歸類(lèi)的基礎(chǔ)上提出了二維認(rèn)知模型（Model of Two-Style Dimensions），將認(rèn)知風(fēng)格統(tǒng)一歸為兩個(gè)維度：整體-分析（Wholist-Analytic）和言語(yǔ)-表象（Verbal-Imagery），并開(kāi)發(fā)出一個(gè)叫作認(rèn)知風(fēng)格分析（Cognitive Style Analysis， CSA）的評(píng)估工具。他們認(rèn)為，言語(yǔ)-表象是個(gè)體表征信息的方式，而整體-分析則是個(gè)體加工信息的方式。

二、 研究方法

本研究采取文獻(xiàn)分析法。首先，收集并篩選2005-2016年間發(fā)表于SSCI和SCI收錄期刊中的相關(guān)文獻(xiàn)，然后對(duì)最終文獻(xiàn)做統(tǒng)計(jì)和歸納，并對(duì)統(tǒng)計(jì)結(jié)果進(jìn)行分析和討論，從而得出結(jié)論。SSCI和SCI是國(guó)際權(quán)威期刊論文檢索指標(biāo)，其中的文章能代表相關(guān)領(lǐng)域的權(quán)威研究成果，因此本文將文獻(xiàn)來(lái)源鎖定為這兩大檢索庫(kù)。SCI本為理工類(lèi)期刊檢索體系，本文將之納入檢索范圍主要是考慮到自適應(yīng)學(xué)習(xí)系統(tǒng)的研究并非局限于教育領(lǐng)域，其特征更偏向于多學(xué)科交叉領(lǐng)域，所以將兩大檢索庫(kù)綜合進(jìn)行檢索，獲得的文獻(xiàn)應(yīng)能更好地反映研究現(xiàn)狀。

本文檢索關(guān)鍵詞為“adaptive/adaptable/individualized/personalized learning system”“l(fā)earning style”“cognitive/thinking style”，檢索文章的標(biāo)題和關(guān)鍵詞。在對(duì)文獻(xiàn)的篩選過(guò)程中，本文將同一作者相似的研究只納入一篇，如Soflano、Connolly和 Hainey（2015a； 2015b）在同一年發(fā)表了兩篇相關(guān)研究，并且極度相似，后者是對(duì)前者的修補(bǔ)，所以本文只納入一篇。最后篩選出和本文相關(guān)的文獻(xiàn)共11篇。文獻(xiàn)統(tǒng)計(jì)概況如圖1所示。

圖1顯示，文獻(xiàn)作者的來(lái)源地非常集中，11篇文章中有6篇（54.55%）出自我國(guó)臺(tái)灣的學(xué)者，大陸地區(qū)僅有一篇合作的論文，而且作者排名靠后。此外，在國(guó)內(nèi)期刊檢索庫(kù)搜索后也表明此項(xiàng)研究發(fā)文率很低，多數(shù)文章都集中在學(xué)習(xí)風(fēng)格和認(rèn)知風(fēng)格的劃分和實(shí)證方面，對(duì)于如何基于兩者構(gòu)建自適應(yīng)學(xué)習(xí)系統(tǒng)很少涉及。圖1還顯示相關(guān)研究的發(fā)文期刊比較集中，最多的是兩本教育技術(shù)類(lèi)期刊：Computers & Education（36.36%）和Educational Technology & Society（18.18%）。根據(jù)Thomson Reuters公司2016年發(fā)布的年度報(bào)告，前者2015年影響因子達(dá)2.881，在SSCI收錄的231種教育和教育研究類(lèi)期刊中排在第9位（在教育技術(shù)類(lèi)期刊中的排名更靠前），值得一提的是該期刊也是SCI收錄期刊，在SCI收錄的104種電腦科學(xué)、跨學(xué)科應(yīng)用期刊中排在第14位。后者在國(guó)際教育技術(shù)類(lèi)期刊中的排名也十分靠前。表1按照期刊統(tǒng)計(jì)的11篇文獻(xiàn)被引次數(shù)對(duì)比也顯示，這兩份期刊發(fā)表的論文得到了最多的關(guān)注，因此本研究納入的文獻(xiàn)應(yīng)該能代表國(guó)際主流研究?jī)?nèi)容。在檢索源方面，SCI、SSCI及雙檢索的期刊占比差別不大，唯一一份雙檢索刊物是Computers & Education，該期刊多被認(rèn)為屬于教育技術(shù)類(lèi)期刊，其主頁(yè)只注明被SSCI期刊收錄，所以從某種意義上來(lái)說(shuō)SSCI期刊對(duì)本話題關(guān)注度更高一些。

三、結(jié)果

自適應(yīng)學(xué)習(xí)系統(tǒng)的設(shè)計(jì)對(duì)學(xué)習(xí)風(fēng)格和認(rèn)知風(fēng)格的考量可以基于的維度包括理論依據(jù)、數(shù)據(jù)類(lèi)型、數(shù)據(jù)來(lái)源、自適應(yīng)算法、自適應(yīng)模式（動(dòng)態(tài)或靜態(tài)）、系統(tǒng)應(yīng)用目標(biāo)、自適應(yīng)效果評(píng)估（Akbulut，et al.， 2012； ?zyurt，et al.， 2015； Truong， 2016）。下面將從這些維度對(duì)11篇文獻(xiàn)做分析。

（一）系統(tǒng)設(shè)計(jì)所參考的理論依據(jù)

將這11篇文獻(xiàn)在設(shè)計(jì)自適應(yīng)學(xué)習(xí)系統(tǒng)時(shí)所參考的理論進(jìn)行歸納（如表2所示）。

從表2我們看出，絕大多數(shù)文獻(xiàn)（9/11=81.8%）在設(shè)計(jì)自適應(yīng)學(xué)習(xí)系統(tǒng)時(shí)都參考了某種相關(guān)理論。其中，4篇文獻(xiàn)參考了Felder-Silverman的學(xué)習(xí)風(fēng)格模型（36.36%），2篇文獻(xiàn)參考了Myers-Briggs類(lèi)型指標(biāo)理論（18.18%），各有1篇文獻(xiàn)分別參考了Witkin認(rèn)知風(fēng)格模型理論、Pask認(rèn)知風(fēng)格模型理論、Kolb學(xué)習(xí)風(fēng)格模型理論和Keefe學(xué)習(xí)風(fēng)格理論?？梢钥闯?，在有關(guān)認(rèn)知風(fēng)格的研究中，F(xiàn)elder-Silverman的學(xué)習(xí)風(fēng)格理論仍是最受歡迎的理論。有2篇文獻(xiàn)參考了Myers-Briggs類(lèi)型指標(biāo)理論。Myers-Briggs類(lèi)型指標(biāo)理論一般被學(xué)界當(dāng)做是判斷性格類(lèi)型的指標(biāo)，闡述性格和職業(yè)間的關(guān)系，是國(guó)際流行的職業(yè)人格評(píng)估工具，其維度包括內(nèi)向（Introversion）-外向（Extraversion）、感覺(jué)（Sensing）-直覺(jué)（Intuition）、思維（Thinking）-情感（Feeling）、判斷（Judging）-直覺(jué)（Perceiving）（顧雪英， 2013）。對(duì)比這一理論和Felder、Kolb、Riding等人的理論，可以發(fā)現(xiàn)這些理論都有重合之處，所以被文獻(xiàn)參考使用并不奇怪。令人奇怪的是，該理論被1篇文獻(xiàn)當(dāng)作學(xué)習(xí)風(fēng)格理論進(jìn)行參考，而被另一篇文獻(xiàn)當(dāng)作認(rèn)知理論進(jìn)行參考。原因可能是不同學(xué)者對(duì)其解讀不同，也可能由于學(xué)習(xí)風(fēng)格和認(rèn)知風(fēng)格這兩個(gè)概念是緊密相連的，難以完全分離（Riding，et al.， 1998； Papanikolaou， et al.， 2006）。

表2還顯示，11篇文獻(xiàn)中只有2篇（Paper 4和Paper 8）將學(xué)習(xí)風(fēng)格和認(rèn)知風(fēng)格同時(shí)納入自適應(yīng)學(xué)習(xí)系統(tǒng)的設(shè)計(jì)，說(shuō)明目前主流研究對(duì)于兩者有剝離的現(xiàn)象，這其實(shí)不利于自適應(yīng)學(xué)習(xí)系統(tǒng)的設(shè)計(jì)與開(kāi)發(fā)。研讀這些文獻(xiàn)，我們可以發(fā)現(xiàn)不少文獻(xiàn)都提到自適應(yīng)學(xué)習(xí)系統(tǒng)的設(shè)計(jì)需要參考很多學(xué)習(xí)者特征，包括人口統(tǒng)計(jì)學(xué)特征、學(xué)習(xí)風(fēng)格特征、認(rèn)知風(fēng)格特征、現(xiàn)有知識(shí)水平等，所以在設(shè)計(jì)自適應(yīng)學(xué)習(xí)系統(tǒng)時(shí)容納盡可能多的參考數(shù)據(jù)就顯得尤為重要了（Akbulut，et al.， 2012）。

（二）數(shù)據(jù)類(lèi)型和數(shù)據(jù)來(lái)源

基于參考的理論，接下來(lái)就是考慮系統(tǒng)設(shè)計(jì)中需要何種數(shù)據(jù)類(lèi)型以及如何收集這些數(shù)據(jù)了。表3歸納了11篇文獻(xiàn)的此類(lèi)信息。

從中可以看出，11篇文獻(xiàn)所使用的數(shù)據(jù)都是依據(jù)其參考的理論模型進(jìn)行劃分的，多數(shù)文獻(xiàn)都考慮了其參考模型中的所有分類(lèi)，少數(shù)文獻(xiàn)只考慮了模型中的個(gè)別分類(lèi)。值得注意的是，Paper 8的學(xué)習(xí)風(fēng)格數(shù)據(jù)類(lèi)型融合考慮了Kolb、Fleming、Felder、Biggs等人的模型分類(lèi)。這些文獻(xiàn)在文中都對(duì)數(shù)據(jù)類(lèi)型的選擇做了說(shuō)明，認(rèn)為其選擇的數(shù)據(jù)類(lèi)型適合其研究。Paper 7在數(shù)據(jù)類(lèi)型的選擇上比較模糊，也沒(méi)有具體說(shuō)明所參考的理論依據(jù)，但是表3顯示其最終選擇的數(shù)據(jù)分類(lèi)為視覺(jué)-言語(yǔ)，這一點(diǎn)頗似Riding和Cheema（1991）提出的二維認(rèn)知模型中認(rèn)知風(fēng)格系統(tǒng)兩個(gè)維度中的言語(yǔ)-表象（Verbal-Imagery）維度，Paper 7將這一認(rèn)知風(fēng)格維度用于學(xué)習(xí)風(fēng)格數(shù)據(jù)類(lèi)型的劃分。Paper 8的主題是基于學(xué)習(xí)風(fēng)格來(lái)設(shè)計(jì)自適應(yīng)學(xué)習(xí)系統(tǒng)，但是其考慮的數(shù)據(jù)卻又包含了認(rèn)知風(fēng)格數(shù)據(jù)（Sternberg思維風(fēng)格分類(lèi)）。這兩篇論文出現(xiàn)的現(xiàn)象進(jìn)一步表明學(xué)界對(duì)于學(xué)習(xí)風(fēng)格和認(rèn)知風(fēng)格的認(rèn)識(shí)很多情況下并不加以區(qū)分，混為一談，這并不利于自適應(yīng)學(xué)習(xí)系統(tǒng)的設(shè)計(jì)，因?yàn)閮烧唠m然相關(guān)但并不等同（Peterson， et al.， 2009）。

再看數(shù)據(jù)收集的方法。11篇文獻(xiàn)中只有2篇（Paper 2和Paper 6）利用收集學(xué)生和系統(tǒng)互動(dòng)或是瀏覽的行為來(lái)收集需要的數(shù)據(jù)，其余9篇文獻(xiàn)全部依賴(lài)問(wèn)卷。問(wèn)卷一般都是在學(xué)生初進(jìn)入教學(xué)系統(tǒng)時(shí)讓學(xué)生填寫(xiě)，問(wèn)卷回收后由教師或系統(tǒng)對(duì)學(xué)生的學(xué)習(xí)風(fēng)格或認(rèn)知風(fēng)格進(jìn)行判定，再據(jù)此提供相應(yīng)的學(xué)習(xí)資源、學(xué)習(xí)支持等，以達(dá)到“自適應(yīng)”。由于這種數(shù)據(jù)收集的方法大多只能靜態(tài)反應(yīng)學(xué)生的情況，我們可以判定多數(shù)文獻(xiàn)都認(rèn)為學(xué)習(xí)風(fēng)格在學(xué)習(xí)過(guò)程中是不變的，但是有學(xué)者提出學(xué)習(xí)風(fēng)格是可以依據(jù)學(xué)習(xí)環(huán)境而產(chǎn)生變化的（Peterson， et al.， 2009）。所以，這些文獻(xiàn)所談到的自適應(yīng)學(xué)習(xí)系統(tǒng)多數(shù)其實(shí)都是靜態(tài)的，并不能對(duì)實(shí)際的情況做出動(dòng)態(tài)反應(yīng)。

（三）自適應(yīng)算法和自適應(yīng)模式

表4顯示了11篇文獻(xiàn)中只有2個(gè)研究所設(shè)計(jì)的自適應(yīng)學(xué)習(xí)系統(tǒng)可以做到動(dòng)態(tài)自適應(yīng)，即真正的自適應(yīng)，其他9個(gè)研究設(shè)計(jì)的系統(tǒng)都不是真正意義上的自適應(yīng)。這一點(diǎn)前文已經(jīng)指明，問(wèn)題就在于多數(shù)研究采用的數(shù)據(jù)收集方式多是固定而唯一的問(wèn)卷量表，而沒(méi)有考慮將學(xué)生在學(xué)習(xí)過(guò)程中的學(xué)習(xí)痕跡納入數(shù)據(jù)收集的范圍。學(xué)習(xí)行為反映在學(xué)習(xí)系統(tǒng)中的學(xué)習(xí)痕跡是可以反映學(xué)生學(xué)習(xí)風(fēng)格和認(rèn)知風(fēng)格的（Soflano， Connolly， & Hainey，2015）。前文也提到學(xué)習(xí)風(fēng)格是可以依據(jù)學(xué)習(xí)情境的變化而產(chǎn)生變化的，所以自適應(yīng)學(xué)習(xí)系統(tǒng)有必要將這些動(dòng)態(tài)的數(shù)據(jù)進(jìn)行收集，納入系統(tǒng)設(shè)計(jì)的考慮范疇。

在自適應(yīng)算法方面，有3篇文獻(xiàn)（Paper 5、Paper 9和Paper 11）沒(méi)有具體說(shuō)明其設(shè)計(jì)的自適應(yīng)學(xué)習(xí)系統(tǒng)采用何種自適應(yīng)算法，也沒(méi)有說(shuō)明系統(tǒng)所使用的自適應(yīng)模塊。另有3篇文獻(xiàn)（Paper 2、Paper 3和Paper 4）雖然沒(méi)有具體說(shuō)明自適應(yīng)算法，但指明了其使用的自適應(yīng)模塊來(lái)源。5篇文獻(xiàn)（Paper 1、Paper 6、Paper 7、Paper 8和Paper 10）具體說(shuō)明了采用的自適應(yīng)算法，包括聚類(lèi)算法、多層前饋神經(jīng)網(wǎng)絡(luò)算法、決策樹(shù)、人工蜂群算法和蟻群優(yōu)化算法，其中Paper 8融合了決策樹(shù)和聚類(lèi)分析?？上У氖?，這些算法多用在對(duì)問(wèn)卷收集的數(shù)據(jù)進(jìn)行分析，沒(méi)有用于動(dòng)態(tài)數(shù)據(jù)的分析，導(dǎo)致多數(shù)研究所設(shè)計(jì)的自適應(yīng)學(xué)習(xí)系統(tǒng)還是靜態(tài)的模式，無(wú)法做到真正的動(dòng)態(tài)自適應(yīng)。

（四）應(yīng)用目標(biāo)和效果評(píng)估

表5顯示出11篇文獻(xiàn)設(shè)計(jì)的自適應(yīng)學(xué)習(xí)系統(tǒng)在應(yīng)用目標(biāo)上有非常集中的趨勢(shì)，基本上都是理工類(lèi)課程（只有Paper 8未明確說(shuō)明），這反映出當(dāng)前此類(lèi)研究覆蓋的教學(xué)科目較窄。此外，有3篇文獻(xiàn)（Paper 1、Paper 2和Paper 5）是基于游戲的教學(xué)系統(tǒng)設(shè)計(jì)，反映出基于游戲的教學(xué)（Game-based Learning）是當(dāng)前的熱點(diǎn)之一。在對(duì)自適應(yīng)學(xué)習(xí)系統(tǒng)的效果評(píng)估方面，有8篇文獻(xiàn)進(jìn)行了評(píng)估，所采用的評(píng)估方法多為短期教學(xué)實(shí)驗(yàn)，評(píng)估結(jié)果表明各教學(xué)系統(tǒng)在教學(xué)實(shí)踐中都是成功的。只有Paper 8的效果評(píng)估表明其系統(tǒng)采用的問(wèn)卷過(guò)于冗長(zhǎng)，學(xué)生回答問(wèn)卷時(shí)有厭倦感，不利于數(shù)據(jù)的收集，這在前文的表3中已經(jīng)得到反映，其所采取的數(shù)據(jù)分類(lèi)過(guò)于繁雜。有2篇文獻(xiàn)（Paper 3和Paper 10）沒(méi)有對(duì)自適應(yīng)系統(tǒng)做評(píng)估，其效果不得而知。

四、討論

從上文對(duì)文獻(xiàn)的各維度分析，我們可以發(fā)現(xiàn)現(xiàn)有的相關(guān)研究有如下特點(diǎn)：

第一，參考的理論比較集中和傳統(tǒng)。多數(shù)研究參考的理論是學(xué)界已經(jīng)公認(rèn)的理論模型，如Felder-Silverman學(xué)習(xí)風(fēng)格模型、Witkin認(rèn)知風(fēng)格模型等。這些文獻(xiàn)多采取拿來(lái)主義，并沒(méi)有依據(jù)自己的教學(xué)設(shè)計(jì)而做相應(yīng)的調(diào)整，不利于設(shè)計(jì)出與新教學(xué)手段和技術(shù)相匹配的教學(xué)系統(tǒng)。此外，有少數(shù)幾篇將學(xué)習(xí)風(fēng)格理論、個(gè)人性格理論和認(rèn)知風(fēng)格理論混用，忽略了不同理論針對(duì)對(duì)象的不同，不利于問(wèn)題的解決。

第二，設(shè)計(jì)的自適應(yīng)系統(tǒng)多考慮單因素，缺少多因素考量。只有兩篇文獻(xiàn)同時(shí)考慮了學(xué)習(xí)風(fēng)格和認(rèn)知風(fēng)格。自適應(yīng)學(xué)習(xí)系統(tǒng)的設(shè)計(jì)要納入考慮的學(xué)習(xí)者特征有很多，單獨(dú)基于某一個(gè)因素設(shè)計(jì)的自適應(yīng)學(xué)習(xí)系統(tǒng)并不完善。

第三，設(shè)計(jì)的自適應(yīng)學(xué)習(xí)系統(tǒng)數(shù)據(jù)來(lái)源比較單一。多采用問(wèn)卷的形式收集數(shù)據(jù)，由于各種原因難以收集到真實(shí)的數(shù)據(jù)，如Paper 8在做效果評(píng)估時(shí)就發(fā)現(xiàn)其采用的問(wèn)卷容易讓學(xué)生厭倦，從而使問(wèn)卷數(shù)據(jù)失真。同時(shí)，問(wèn)卷得到的數(shù)據(jù)也很難符合動(dòng)態(tài)自適應(yīng)的要求。這就要求我們盡量收集與教學(xué)各環(huán)節(jié)相關(guān)的學(xué)生數(shù)據(jù)。目前，教學(xué)系統(tǒng)收集的此類(lèi)數(shù)據(jù)多來(lái)自學(xué)生在學(xué)習(xí)系統(tǒng)中留下的學(xué)習(xí)痕跡（Lo， Chan， & Yeh ， 2012； Soflano， et al.， 2015）。

第四，設(shè)計(jì)的自適應(yīng)學(xué)習(xí)系統(tǒng)多為靜態(tài)的，缺少動(dòng)態(tài)自適應(yīng)模式。這些系統(tǒng)多以問(wèn)卷作為數(shù)據(jù)收集工具，而問(wèn)卷無(wú)法及時(shí)、動(dòng)態(tài)地反映學(xué)生學(xué)習(xí)風(fēng)格等方面的變化?？赡苁怯捎诙鄶?shù)研究者認(rèn)為學(xué)習(xí)風(fēng)格和認(rèn)知風(fēng)格是穩(wěn)定的，而非變化的。但有學(xué)者指出，雖然認(rèn)知風(fēng)格反映了個(gè)體相對(duì)穩(wěn)定的信息處理風(fēng)格，但是學(xué)習(xí)風(fēng)格卻會(huì)由于學(xué)習(xí)情境等因素的變化而產(chǎn)生變化（Peterson， et al.， 2009）。據(jù)此可知，這種靜態(tài)自適應(yīng)并不能很好地適應(yīng)學(xué)生行為特征的變化。

第五，設(shè)計(jì)的自適應(yīng)學(xué)習(xí)系統(tǒng)的應(yīng)用目標(biāo)集中于理工類(lèi)課程，缺少對(duì)其他類(lèi)課程的應(yīng)用探索。隨著教學(xué)技術(shù)和手段的不斷進(jìn)步，自適應(yīng)學(xué)習(xí)系統(tǒng)的適用范圍自然會(huì)得以延伸，還有待于進(jìn)一步探索。

第六，設(shè)計(jì)的自適應(yīng)學(xué)習(xí)系統(tǒng)多數(shù)被效果評(píng)估證明是有效的。這表明，自適應(yīng)學(xué)習(xí)系統(tǒng)能為實(shí)際的教學(xué)帶來(lái)積極的效果，這方面的研究是必要的。

五、總結(jié)

隨著現(xiàn)代教育技術(shù)的發(fā)展，自適應(yīng)學(xué)習(xí)系統(tǒng)的設(shè)計(jì)與開(kāi)發(fā)越來(lái)越受到重視。自適應(yīng)學(xué)習(xí)系統(tǒng)在設(shè)計(jì)時(shí)考慮的主要因素之一就是學(xué)習(xí)者的個(gè)人特征，不僅包括學(xué)習(xí)者現(xiàn)有的知識(shí)水平、學(xué)習(xí)興趣等方面，還包括學(xué)習(xí)者的學(xué)習(xí)風(fēng)格和認(rèn)知風(fēng)格。理論界對(duì)于這兩種風(fēng)格的探討由來(lái)已久，形成了很多相關(guān)理論。在學(xué)習(xí)風(fēng)格方面，F(xiàn)elder-Silverman學(xué)習(xí)風(fēng)格模型和Kolb學(xué)習(xí)風(fēng)格模型等都受到了廣泛的應(yīng)用和檢驗(yàn)，基本被認(rèn)為是有效的學(xué)習(xí)風(fēng)格模型。在認(rèn)知風(fēng)格方面，Witkin、Pask等人分別提出了各種理論。這些理論在自適應(yīng)學(xué)習(xí)系統(tǒng)的設(shè)計(jì)中也被廣泛參考?；谶@些理論，自適應(yīng)學(xué)習(xí)系統(tǒng)的設(shè)計(jì)得以收集相關(guān)的數(shù)據(jù)，并通過(guò)自適應(yīng)算法對(duì)數(shù)據(jù)進(jìn)行處理，為學(xué)習(xí)者提供個(gè)性化的學(xué)習(xí)資源。在具體的處理過(guò)程中，我們發(fā)現(xiàn)多數(shù)研究在設(shè)計(jì)過(guò)程中只側(cè)重某一種數(shù)據(jù)，而且數(shù)據(jù)來(lái)源也比較單一，無(wú)法達(dá)到動(dòng)態(tài)自適應(yīng)。本文認(rèn)為一個(gè)較為完善的自適應(yīng)學(xué)習(xí)系統(tǒng)應(yīng)充分考慮學(xué)習(xí)者本身的學(xué)習(xí)特征，并結(jié)合其他學(xué)習(xí)過(guò)程中的因素，避免現(xiàn)有設(shè)計(jì)的缺陷。

本研究也存在一些不足。首先，只考察了SSCI和SCI檢索源的期刊論文，得到的文獻(xiàn)較少，或許遺漏了其他檢索源的重要文獻(xiàn)；其次，不同學(xué)者對(duì)相同文獻(xiàn)的解讀很可能是不同的，筆者對(duì)此類(lèi)文獻(xiàn)的分析囿于自身學(xué)識(shí)的限制或許會(huì)有不當(dāng)之處；最后，由于國(guó)內(nèi)關(guān)于自適應(yīng)學(xué)習(xí)系統(tǒng)的設(shè)計(jì)研究還處于初級(jí)階段，筆者在分析中并沒(méi)有結(jié)合實(shí)際應(yīng)用中的自適應(yīng)學(xué)習(xí)系統(tǒng)，因此對(duì)文獻(xiàn)的解讀難免有與實(shí)際脫離之嫌。但筆者相信，本文對(duì)于相關(guān)文獻(xiàn)（特別是國(guó)際權(quán)威期刊文獻(xiàn)）的歸納與總結(jié)應(yīng)該會(huì)有投石問(wèn)路之效。

[參考文獻(xiàn)]

高虎子，周東岱. 2012. 自適應(yīng)學(xué)習(xí)系統(tǒng)學(xué)習(xí)者學(xué)習(xí)風(fēng)格模型的研究現(xiàn)狀與展望[J]. 電化教育研究（2）：32-38.

顧雪英. 2013. 一種跨界嘗試：MBTI在差異教育中的應(yīng)用價(jià)值[J]. 教育研究與實(shí)驗(yàn)（4）：25-29.

姜強(qiáng)，趙蔚，王朋嬌. 2015. 自適應(yīng)學(xué)習(xí)系統(tǒng)中學(xué)習(xí)者為中心視角評(píng)價(jià)學(xué)習(xí)成效實(shí)證研究[J]. 現(xiàn)代遠(yuǎn)距離教育（4）：43-49.

李運(yùn)福，傅鋼善. 2015. 網(wǎng)絡(luò)環(huán)境下學(xué)習(xí)者策略性特征群體差異研究——基于Felder-Silverman學(xué)習(xí)風(fēng)格的群體劃分[J]. 現(xiàn)代教育技術(shù)（6）：102-107.

馬軍朋，葉卓爾，林依，等. 2016. 認(rèn)知風(fēng)格影響歸類(lèi)過(guò)程中的神經(jīng)活動(dòng)—來(lái)自FMRI研究的證據(jù)[J]. 心理發(fā)展與教育（2）：139-148.

譚頂良. 1998. 學(xué)習(xí)風(fēng)格的研究及其在教學(xué)實(shí)踐中的作用[J]. 江蘇高教（5）：56-58.

張舸，周東岱，葛情情. 2012. 自適應(yīng)學(xué)習(xí)系統(tǒng)中學(xué)習(xí)者特征模型及建模方法述評(píng)[J]. 現(xiàn)代教育技術(shù)（5）：77- 82.

Akbulut， Y.， & Cardak， C. S. （2012）. Adaptive educational hypermedia accommodating learning styles： A content analysis of publications from 2000 to 2011， Computers & Education， 58（2）， 835-842.

Burgos， D.， Tattersall， C.， & Koper， R. （2007）. How to represent adaptation in e-learning with IMS learning design. Interactive Learning Environments， 15（2）， 161-170.

Coffield， F.， Moseley， D.， Hall， E.， & Ecclestone， K. （2004）. Learning Styles and Pedagogy in Post-16 Learning： A Systematic and Critical Review. London， UK： Learning and Skills Research Centre.

Dunn， R. （1984）. Learning styles ： State of the science. Theory into Practice， 32 （1）， 11-19.

Dunn， R.， & Dunn， K. （1978）. Teaching Students through Their Individual Learning： A Practical Approach. Reston： Reston Publish Company & Prentice-Hall.

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

Fischer， G. （2001）. User modeling in human-computer interaction. User Modeling and User-Adapted Interaction， 11（1）， 65-86.

Graf， S.， Lin， T.， & Kinshuk. （2007）. The relationship between learning styles and cognitive traits-Getting additional information for improving student modeling. Computers in Human Behavior， 24（2）， 122-137.

Hsu， C. C.， Chen， H. C.， Huang， K. K.， & Huang， Y. M. （2012）. A personalized auxiliary material recommendation system based on learning style on Facebook applying an artificial bee colony algorithm. Computers & Mathematics with Applications， 64（5）， 1506-1513.

Hwang， GJ.， Sung， HY.， Huang， CM.， & Huang， I. （2013）. A Learning Style Perspective to Investigate the Necessity of Developing. Educational Technology & Society， 16（2）， 188-197.

Keefe， J. W. （1979）. School applications of the learning style concept： Student learning styles. Reston， VA： National Associations of Secondary School Principals.

Kobsa， A. （2002）. Personalized hypermedia and international privacy. Communications of the ACM， 45（5）， 64-67.

Kolb， D. （1981）. Learning-style Inventory. McBer & Company.

Kozhevnikov， M.（2007）. Cognitive styles in the context of modern psychology： toward an integrated framework of cognitive style.Psychological bulletin， 133（ 3）， 464.

Kuljis， J.， & Liu， F. （2005）. A comparison of learning style theories on the suitability for elearning. In M. H. Hamza （Ed.）， Proceedings of the IASTED Conference on Web-Technologies， Applications， and Services （pp.191-197）. Calgary， Canada： ACTA Press.

Lee， J.， & Park， O. （2008）. Adaptive instructional systems. In J. M. Spector， M. D. Merrill， J. V.， Merri?nboer & M. P. Driscoll （Eds.）， Handbook of Research on Educational Communications and Technology （3rd ed.） （pp.469-484）. New York： Taylor Francis.

Lo， J-J.， Chan， Y-C.， & Yeh， S-W. （2012）. Designing an adaptive web-based learning system based on students cognitive styles identified online. Computers & Education， 58（1）， 209-222.

?zyurt， ?.， ?zyurt， H.， Güven， B.， & Baki， A. （2014）. The effects of UZWEBMAT on the probability unit achievement of Turkish eleventh grade students and the reasons for such effects. Computers & Education， 75， 1-18.

?zyurt， ?.， & ?zyurt， H. （2015）. Learning style based individualized adaptive e-learning environments： Content analysis of the articles published from 2005 to 2014. Computers in Human Behavior， 52， 349-358.

Papanikolaou， K. A.， Grigoriadou， M.， Magoulas， G. D.， & Kornilakis， H. （2002）. Towards new forms of knowledge communication： the adaptive dimension of a web-based learning environment. Computers & Education， 39， 333-360.

Pask， G. （1976）. Styles and strategies of learning. British Journal of Educational Psychology， 46， 128-148.

Perkowitz， M.， & Etzioni， O. （2002）. Towards adaptive web sites： conceptual framework and case study. Artificial Intelligence， 118（1-2）， 245-275.

Peterson， E. R.， Rayner， S. G.， & Armstrong， S. J. （2009）. Researching the psychology of cognitive style and learning style： is there really a future？. Learning and Individual Differences， 19（4）， 518-523.

Reid， J. M. （1987）. Learning style preference of ESL students. TESOL Quarterly， 21（1）， 87-111.

Reid， J. M. （2002）. Learning Styles in the ESL/EFL Classroom. Foreign Language Teaching and Research Press.

Reiff， J. C. （1992）. Learning styles. Washington， DC： National Education Association of the United States.

Riding， R. J.， & Cheema， I. （1991）. Cognitive sytle-an overview and integration. Educational Psychology， 11， 193-215.

Riding， R.J. & Rayner， S. （1998）. Cognitive Style and Learning Strategies： Understanding Style Differences in Learning & Behaviour. London， UK： David Fulton Publishers.

Soflano， M.， Connolly， TM.， & Hainey， T. （2015a）. Learning style analysis in adaptive GBL application to teach SQL， Computers & Education， 86（c）， 105-119.

Soflano， M.， Connolly， TM.， & Hainey， T. （2015b）. An application of adaptive games-based learning based on learning style to teach SQL. Computers & Education， 86（c）， 192-211.

Tseng， J. C. R.， Chu， H. C.， Hwang， G. J.， & Tsai， C. C. （2008）. Development of an adaptive learning system with two sources of personalization information. Computers & Education， 51（2）， 776-786.

Truong， HM. （2016）. Integrating learning styles and adaptive e-learning system： Current developments， problems and opportunities. Computers in Human Behavior， 55（PB）， 1185-1193.

Witkin， H. A.， Moore， C. A.， Goodenough， D. R.， &Cox;， P. W. （1977）. Field-dependent and field independent cognitive style and their educational implications. Review of Educational research， 47， 1 -64.

Yang， Y. J.， & Wu， C. （2009）. An attribute-based ant colony system for adaptive learning object recommendation. Expert Systems with Applications， 36（2）， 3034-3047.

Zatarain， R.， Barron-Estrada， L.， Reyes-Garcfa， A.， & Reyes-Galavia， O. F. （2010）. Applying intelligent systems for modeling students learning styles used for mobile and web-based systems. In O. Castillo， J. Kacprzyk & W. Pedrycz （Eds.）， Soft Computing for Intelligent Control and Mile Robotics， Studies in Computational Intelligence， 318 （pp.3-22）. Springer Berlin Heidelberg.

收稿日期：2017-05-18

定稿日期：2017-08-24

作者簡(jiǎn)介：葛子剛，碩士，副教授，碩士生導(dǎo)師；楊麗華，博士，講師；馬煥新，碩士，講師。北京郵電大學(xué)網(wǎng)絡(luò)教育學(xué)院（100088）。

責(zé)任編輯 韓世梅