袁路妍

（紹興職業(yè)技術(shù)學(xué)院 信息工程學(xué)院，浙江 紹興 312000）

一、引言

自適應(yīng)學(xué)習(xí)系統(tǒng) （Adaptive Learning System,ALS）通過(guò)其自身的領(lǐng)域知識(shí)庫(kù)、用戶特征庫(kù)和專家?guī)鞛閷W(xué)習(xí)者提供個(gè)性化的學(xué)習(xí)資源[1]。系統(tǒng)的關(guān)鍵是推薦的學(xué)習(xí)資源要能夠與學(xué)習(xí)者本身的知識(shí)水平、學(xué)習(xí)偏好相匹配，推薦技術(shù)的運(yùn)用是能夠使學(xué)習(xí)者將要學(xué)習(xí)的知識(shí)與原有的知識(shí)達(dá)到主動(dòng)、快速的銜接，幫助學(xué)習(xí)者發(fā)現(xiàn)他們所需學(xué)習(xí)資源。

常用的推薦技術(shù)包括“協(xié)同過(guò)濾推薦、基于內(nèi)容推薦、關(guān)聯(lián)規(guī)則推薦及混合推薦四種”[2]。其中，協(xié)同過(guò)濾推薦[3]是依據(jù)用戶對(duì)項(xiàng)目的評(píng)分矩陣實(shí)現(xiàn)個(gè)性化推薦，但在系統(tǒng)實(shí)際運(yùn)行中大部分用戶很少參與項(xiàng)目評(píng)論，且新用戶的不斷增加，使得評(píng)分矩陣出現(xiàn)稀疏性問(wèn)題，導(dǎo)致推薦準(zhǔn)確率不高?；趦?nèi)容的推薦，是計(jì)算項(xiàng)目特征與用戶興趣模型相似度進(jìn)行推薦。用戶興趣模型的建立依賴學(xué)習(xí)者的歷史數(shù)據(jù)，故存在系統(tǒng)冷啟動(dòng)問(wèn)題?；谝?guī)則的推薦[4]，依據(jù)用戶瀏覽歷史作為推薦意見(jiàn)，分析用戶和興趣之間的關(guān)系，并制定相應(yīng)的規(guī)則，該方法簡(jiǎn)單明了，但同樣存在系統(tǒng)冷啟動(dòng)問(wèn)題，這使得難以保證為新用戶推薦資源的質(zhì)量。混合推薦是融合了各種推薦技術(shù)的優(yōu)點(diǎn)而提出的新型推薦技術(shù)[5]，與單一某種推薦模式相比，具有較高的可用性，如楊武等人[6]關(guān)于新聞推薦的研究。

可見(jiàn)，推薦技術(shù)的選擇直接影響主動(dòng)推薦學(xué)習(xí)資源的質(zhì)量及適應(yīng)性學(xué)習(xí)能否實(shí)現(xiàn)，現(xiàn)有的推薦技術(shù)未能夠很好地將領(lǐng)域知識(shí)模型及學(xué)習(xí)者模型充分考慮進(jìn)去，導(dǎo)致知識(shí)推薦質(zhì)量不高。為此，筆者對(duì)領(lǐng)域知識(shí)模型、學(xué)習(xí)者模型作了系統(tǒng)化、多維度的建模并構(gòu)建了兩者之間的匹配規(guī)則，依據(jù)學(xué)習(xí)者的學(xué)習(xí)能力、知識(shí)水平、學(xué)習(xí)方式、學(xué)習(xí)偏好推薦學(xué)習(xí)資源。為提升關(guān)聯(lián)規(guī)則的有效性，對(duì)領(lǐng)域知識(shí)模型、學(xué)習(xí)者模型均采用本體技術(shù)進(jìn)行構(gòu)建。為避免冷啟動(dòng)問(wèn)題，系統(tǒng)依據(jù)Felder-Silverman學(xué)習(xí)風(fēng)格量表[7]測(cè)試新用戶學(xué)習(xí)風(fēng)格，并結(jié)合基本注冊(cè)信息完成學(xué)習(xí)者模型的初始化。

二、領(lǐng)域知識(shí)模型構(gòu)建及特征表示

1.領(lǐng)域知識(shí)模型構(gòu)建

領(lǐng)域知識(shí)模型是關(guān)于領(lǐng)域知識(shí)的知識(shí)，是自適應(yīng)學(xué)習(xí)系統(tǒng)的核心組件，其內(nèi)容涵蓋課程教育目標(biāo)、學(xué)習(xí)資源、課程結(jié)構(gòu)、教學(xué)策略、練習(xí)測(cè)試題庫(kù)等。本文將教育目標(biāo)、知識(shí)點(diǎn)、學(xué)習(xí)資源、測(cè)試試題作為領(lǐng)域模型的核心要素，然后利用本體技術(shù)實(shí)現(xiàn)領(lǐng)域模型的構(gòu)建，其結(jié)構(gòu)圖如圖1所示。在模型構(gòu)建時(shí)分析出各要素之間的關(guān)系（先后、父子、兄弟），并分析要素的屬性（難度系數(shù)、預(yù)設(shè)學(xué)習(xí)時(shí)間、媒體類型等）且進(jìn)行語(yǔ)義標(biāo)注。將問(wèn)題、知識(shí)點(diǎn)作為搜索關(guān)鍵詞，采用語(yǔ)義搜索、全文搜索技術(shù)搜索其對(duì)應(yīng)的試題、媒體材料庫(kù)（圖片、視頻、文本），建立問(wèn)題、知識(shí)點(diǎn)與試題、媒體材料庫(kù)之間的物理和邏輯關(guān)聯(lián)。

圖1 領(lǐng)域模型的一般結(jié)構(gòu)

2.領(lǐng)域知識(shí)模型特征表示

（1）學(xué)習(xí)資源對(duì)象風(fēng)格表示

假定學(xué)習(xí)資源對(duì)象 （Learning Resource Style）在Felder學(xué)習(xí)風(fēng)格的四個(gè)維度都存在值，則學(xué)習(xí)資源對(duì)象風(fēng)格可以表示成一個(gè)四元組：

其中，＜Fi,Xi＞（1≤i≤4）表示知識(shí)對(duì)象在 Felder學(xué)習(xí)風(fēng)格中某個(gè)維度的取值，F(xiàn)i表示風(fēng)格類型（Fi∈{直覺(jué)型/感知型，視覺(jué)型/言語(yǔ)型，活動(dòng)型/反思型,全局型/序列型}），Xi的取值為-1或1。Xi的取值一般在資源創(chuàng)建時(shí)由教師予以設(shè)定。

（2）領(lǐng)域知識(shí)的難易程度表示

領(lǐng)域知識(shí)對(duì)象的難度等級(jí)是在課程資源創(chuàng)建時(shí)由任課教師創(chuàng)定，依次為“容易”“普通”“較難”，形式化表示為：

三、學(xué)習(xí)者模型構(gòu)建及特征表示

1.學(xué)習(xí)者模型構(gòu)建

“學(xué)習(xí)者模型是對(duì)學(xué)習(xí)者的若干特征信息的抽象描述,包括其在學(xué)習(xí)過(guò)程中呈現(xiàn)出來(lái)的知識(shí)狀態(tài)、目標(biāo)、背景、認(rèn)知風(fēng)格和愛(ài)好等”[8]。如何準(zhǔn)確地描述和量化學(xué)習(xí)者的特征信息直接影響主動(dòng)推薦學(xué)習(xí)資源的質(zhì)量以及適應(yīng)性學(xué)習(xí)是否能實(shí)現(xiàn)。學(xué)習(xí)者的特征數(shù)據(jù)主要包含學(xué)習(xí)者主動(dòng)反饋的信息數(shù)據(jù) （也稱之為顯示數(shù)據(jù)反饋）和學(xué)習(xí)者與系統(tǒng)交互的歷史行為數(shù)據(jù)（也稱為隱式數(shù)據(jù)反饋）。顯示數(shù)據(jù)反饋主要讓學(xué)習(xí)者在注冊(cè)系統(tǒng)時(shí)填寫問(wèn)卷的方式，缺點(diǎn)是對(duì)用戶存在比較大的干擾性，優(yōu)點(diǎn)是可以實(shí)現(xiàn)系統(tǒng)前推測(cè)學(xué)習(xí)者的風(fēng)格。隱式數(shù)據(jù)反饋主要依據(jù)學(xué)習(xí)者的歷史學(xué)習(xí)記錄提取用戶興趣特征，優(yōu)點(diǎn)是對(duì)學(xué)習(xí)者不存在干擾性，能夠?qū)崟r(shí)反映學(xué)習(xí)者的興趣變化，缺點(diǎn)是無(wú)法實(shí)現(xiàn)系統(tǒng)前推測(cè)學(xué)習(xí)風(fēng)格。為此本系統(tǒng)學(xué)習(xí)者模型構(gòu)建采用顯示數(shù)據(jù)反饋和隱式數(shù)據(jù)反饋相結(jié)合，其數(shù)據(jù)維度包含學(xué)習(xí)者基本信息、學(xué)習(xí)風(fēng)格、學(xué)習(xí)者認(rèn)知水平、學(xué)習(xí)歷史、學(xué)習(xí)偏好?！皩W(xué)習(xí)者模型表示方法與領(lǐng)域知識(shí)密切相關(guān)，領(lǐng)域知識(shí)是使用本體技術(shù)構(gòu)建，因此學(xué)習(xí)者個(gè)性化特征也應(yīng)該采用本體技術(shù)”[9]。

2.學(xué)習(xí)者模型的特征表示

（1）學(xué)習(xí)者基本信息

學(xué)習(xí)者基本信息在整個(gè)學(xué)習(xí)過(guò)程中保持不變，可形式化表示為：

（2）學(xué)習(xí)風(fēng)格

依據(jù)Felder學(xué)習(xí)風(fēng)格量表，學(xué)習(xí)者的學(xué)習(xí)風(fēng)格（Learning Style）可以表示為一個(gè)四元組：

由于其定位于中高端消費(fèi)，且配送范圍只有3千米，所以盒馬鮮生在選址上面臨著比一般商超更高的要求。這樣看來(lái)，盒馬鮮生試圖通過(guò)門店與倉(cāng)儲(chǔ)合一的模式降低成本，實(shí)則是走到了事情的反面。

其中，F(xiàn)i表示風(fēng)格類型，Yi的取值為0或1。

（3）學(xué)習(xí)者認(rèn)知水平

學(xué)生的認(rèn)知水平可以形式化表示為：

Manegelever=（M1，M2，M3，…,Mn），代表學(xué)習(xí)者對(duì)領(lǐng)域知識(shí)的掌握程度，Mi表示學(xué)習(xí)者對(duì)知識(shí)單元i的掌握程度。對(duì)每個(gè)知識(shí)單元，學(xué)習(xí)者的認(rèn)知狀態(tài)可以表示為：

其中KN表示知識(shí)點(diǎn)，A表示知識(shí)點(diǎn)是否適應(yīng)學(xué)習(xí)者、V表示知識(shí)點(diǎn)是否已經(jīng)訪問(wèn)，T表示知識(shí)點(diǎn)是否測(cè)試、AL表示知識(shí)點(diǎn)掌握程度。A、V、T取值為0或1，默認(rèn)為0；AL取值為1、2、3依次代表掌握程度為初級(jí)、中級(jí)、高級(jí)，知識(shí)點(diǎn)的掌握程度是根據(jù)對(duì)應(yīng)學(xué)習(xí)任務(wù)完成情況測(cè)試結(jié)果而定。

（4）學(xué)習(xí)歷史

學(xué)習(xí)歷史用于記錄最近訪問(wèn)學(xué)習(xí)資源情況，形式化表示為：

（5）學(xué)習(xí)偏好

學(xué)習(xí)者學(xué)習(xí)偏好（User Profile）信息主要選取用戶主動(dòng)反饋數(shù)據(jù)：學(xué)習(xí)者留言、搜索關(guān)鍵詞、用戶評(píng)價(jià)信息。將用戶偏好信息進(jìn)行分詞，提取關(guān)鍵名詞，采用向量空間模型（Vector Space Model，VSM）進(jìn)行表示，考慮到學(xué)習(xí)者主動(dòng)反饋信息是一個(gè)連續(xù)的過(guò)程，因此在提取關(guān)鍵名詞時(shí)加入“最近訪問(wèn)時(shí)間”特征。因此，最終的關(guān)鍵詞權(quán)重的計(jì)算如公式7：

式中的t為關(guān)鍵詞ti最后一次被檢索時(shí)間與當(dāng)前時(shí)間相差的天數(shù)。

3.學(xué)習(xí)資源推薦

本系統(tǒng)關(guān)鍵任務(wù)是如何依據(jù)學(xué)習(xí)者模型個(gè)性特征數(shù)據(jù)：學(xué)習(xí)歷史（LearnHistory）、學(xué)習(xí)偏好（User Profile）、知識(shí)掌握水平（Manegelever）、學(xué)習(xí)風(fēng)格（LearnStyle）、學(xué)生基本信息（Studentprofile），以及領(lǐng)域模型個(gè)性特征數(shù)據(jù)：領(lǐng)域知識(shí)對(duì)象風(fēng)格（Object Style）、知識(shí)點(diǎn)的難度等級(jí)（Object level），實(shí)現(xiàn)學(xué)習(xí)資源、學(xué)習(xí)路徑的主動(dòng)推薦?，F(xiàn)實(shí)中沒(méi)有兩個(gè)學(xué)習(xí)者是相同的，每個(gè)學(xué)習(xí)者的教育背景不同，智力水平不同，學(xué)習(xí)方式不同，注意力跨度及遺忘時(shí)間不同，因此為每個(gè)學(xué)習(xí)者推薦有效的個(gè)性化學(xué)習(xí)資源是一項(xiàng)復(fù)雜的任務(wù)，本系統(tǒng)個(gè)性化知識(shí)推薦實(shí)現(xiàn)主要依據(jù)學(xué)習(xí)者模型與領(lǐng)域知識(shí)模型的相似度實(shí)現(xiàn)。

計(jì)算學(xué)習(xí)者模型與領(lǐng)域知識(shí)相似度的公式如下：

（1）學(xué)習(xí)風(fēng)格（LearnStyle）與知識(shí)對(duì)象風(fēng)格（Object-Style）相似度（LOS）計(jì)算見(jiàn)公式 8：

LOS的值越大，學(xué)習(xí)者的學(xué)習(xí)風(fēng)格和知識(shí)對(duì)象風(fēng)格相似度越高。

（2）知識(shí)掌握水平（Manegelever）與知識(shí)對(duì)象難度（ObjectClever）匹配程度是由兩者的差值（H）決定，見(jiàn)公式9。

（3）學(xué)習(xí)者與知識(shí)對(duì)象的相似度S計(jì)算公式如下：

其中A和B是可以自行設(shè)定的權(quán)重參數(shù)。

四、結(jié)論

自適應(yīng)學(xué)習(xí)系統(tǒng)的投入使用，可以打破“一個(gè)尺寸適合所有人”的同質(zhì)性，使每位學(xué)習(xí)者的學(xué)習(xí)內(nèi)容可以隨著數(shù)據(jù)的收集、分析和反饋加以改變和調(diào)整，實(shí)現(xiàn)高度個(gè)性化的教與學(xué)。學(xué)習(xí)者模型是ALS的核心，模型能否真實(shí)反映學(xué)習(xí)者的知識(shí)水平和興趣變化，直接影響了系統(tǒng)推薦質(zhì)量，作者在構(gòu)建學(xué)習(xí)者模型時(shí)增加了數(shù)據(jù)的維度并引入了時(shí)間遺忘機(jī)制，使得對(duì)學(xué)習(xí)者的特征刻畫更加準(zhǔn)確。由于學(xué)習(xí)是一個(gè)復(fù)雜而隱性的過(guò)程，隨著物聯(lián)網(wǎng)和大數(shù)據(jù)技術(shù)的發(fā)展，學(xué)習(xí)者模型數(shù)據(jù)的采集應(yīng)融合多種數(shù)據(jù)采集技術(shù)如學(xué)習(xí)者皮膚電測(cè)、面部識(shí)別、眼動(dòng)追蹤，從而使學(xué)習(xí)者的特征刻畫更加精確、全面，進(jìn)一步推動(dòng)教學(xué)向差異化、個(gè)性化變革。