王彧欣

天津商務職業(yè)學院，天津300350

個性化學習是當前時代背景下教育改革的重要方向之一。2010 年5 月5 日《國家中長期教育改革和發(fā)展規(guī)劃綱要 （2010-2020 年）》中明確指出要“樹立多樣化人才觀念，尊重個人選擇，鼓勵個性發(fā)展，不拘一格培養(yǎng)人才”，這是以“以人為本”教育理念為切入口的教育改革要求。 經(jīng)過近十年的教學改革與實踐， 高職教育在教學方法和教學內(nèi)容方面的改革取得了一定的成效。 隨著互聯(lián)網(wǎng)行業(yè)的蓬勃發(fā)展及 “互聯(lián)網(wǎng)+”概念的提出，高職院校應當順應時代發(fā)展要求，充分利用信息技術(shù)資源，將整合優(yōu)質(zhì)教育教學資源作為實現(xiàn)學生與知識之間快速聯(lián)通的基礎， 再結(jié)合2019 年國家印發(fā)的《國家職業(yè)教育改革實施方案》中所明確提出的“實現(xiàn)學習成果的認定、積累和轉(zhuǎn)換”指導思想，從大力推進學生個性化學習的角度，構(gòu)建一個能夠?qū)崿F(xiàn)資源共享、智能化教學過程監(jiān)督與考核、資源推送、就業(yè)指導為一體化的個性化教學平臺。

一、個性化學習平臺搭建

傳統(tǒng)的教學是以教師為中心，以課堂教授為主要方式。 然而隨著教育改革地不斷深化， 教學理念地不斷創(chuàng)新。 特別是2000年， 由美國學者提出的翻轉(zhuǎn)課堂理念的普及與推廣， 各個國家和地區(qū)的教育工作者在實踐教學中加以驗證，到如今，教育應當以學生為中心的教育理念已深入人心。 個性化平臺建設正是基于這種教育理念應運而生的一種新的教學模式。

個性化平臺的建立旨在推動信息技術(shù)與職業(yè)教育的深度融合， 通過以學生為中心個性化自主學習， 促進職業(yè)教育質(zhì)量的提高。 個性化學習平臺主要應用于學校的第二課堂，根據(jù)學習者的學習動機和需求，采用智能優(yōu)化算法對學習者的個人優(yōu)勢、學習習慣、學習特點、學習成效等進行數(shù)據(jù)挖掘， 從而推送更適合學習者的個性化信息，真正達到因材施教的目的。

（一）個性化學習平臺業(yè)務框架

個性化學習平臺以職業(yè)指導為教學方向，將學生的知識水平、職業(yè)能力和獨立人格作為三大教學目標。 首先根據(jù)崗位群的學習目標， 針對學習者制定不同的學習策略，并在學習過程中進行個性化指導；既要向?qū)W習者提供一個資源匯集型的自主學習空間， 又要根據(jù)學習者個人的具體特性推薦切合其偏好的個性化學習資源， 促進學習者與內(nèi)容以及學習者之間的有意義互動。 個性化學習平臺主要包括學習資源模塊、課程考核模塊、學生個性分析模塊和崗位追蹤模塊（如圖1 所示）。

（二）個性化學習平臺運行機制

1．學習資源模塊

在學習資源模塊中， 分為內(nèi)部資源模塊、外部資源模塊和資源共享模塊。 其中內(nèi)部資源來源于對學校教學資源的整合，目的在于深化并延伸教學計劃范圍內(nèi)各學科知識點。 外部資源模塊的資源主要來自于網(wǎng)絡爬蟲抓取來的最新技術(shù)以及管理員和教師的主動管理， 該模塊圍繞的是專業(yè)知識拓展學習及綜合實踐內(nèi)容。 資源共享模塊用于學生之間資源共享及交流使用，給與學生自主學習及相互交流的空間。 在學生的學習過程中， 系統(tǒng)會記錄學生的學習喜好，如資源類型偏好、學科偏好、資源來源偏好、學習時間偏好等，將這些信息提供至個性分析模塊和崗位追蹤模塊， 提供數(shù)據(jù)分析基礎。

圖1 個性化學習平臺業(yè)務框架

其中網(wǎng)絡數(shù)據(jù)的爬取首先依靠教師篩選適合學生瀏覽的最近資訊網(wǎng)頁， 平臺維護工程師根據(jù)教師所提出的需求， 寫出基于目標網(wǎng)頁特征的爬蟲代碼， 每天定時獲取網(wǎng)頁最新內(nèi)容并將其存入數(shù)據(jù)庫， 實現(xiàn)推送內(nèi)容的實時更新， 具體實現(xiàn)如圖2 所示。 頁面的爬取主要采用python 語言編寫，在代碼中導入urllib2 包，使用Request 方法構(gòu)造服務器請求對象并通過urlopen 方法向目標服務器發(fā)送請求， 以獲取返回的類文件對象。 之后再通過調(diào)用re 包下的compile 方法完成頁面內(nèi)容的抓取， 并適時整理格式存入數(shù)據(jù)庫中。

2．課程考核模塊

高職教育要求重視對學生的職業(yè)技能培養(yǎng)， 在考核過程中要確保對學生的職業(yè)技能和文化素養(yǎng)考核全覆蓋， 故在個性化學習平臺的課程考核模塊中， 將課程考核分為理論測驗和實踐測驗兩部分， 教師可以根據(jù)課程具體性質(zhì)及需要自由調(diào)整理論與實踐之間比例。 學生完成課程學習后，必須首先要通過理論測驗， 才能進入相應的實踐測驗， 且只有當前階段所有課程的理論和實踐測驗全部合格才能夠開展下一階段的課程。 同時學生的測驗成績也被推送至個性分析模塊和崗位追蹤模塊， 用于對學生的課程推薦分析及崗位適應性分析。學生的測驗成績是本平臺大數(shù)據(jù)分析的重要數(shù)據(jù)來源之一， 在本平臺的智能優(yōu)化算法分析中，當學生通過測驗后，將同時將學生的答卷時間、 測驗成績和測驗次數(shù)三項數(shù)據(jù)推送到個性分析模塊， 根據(jù)算法平臺的對數(shù)據(jù)擬合結(jié)果，分配以不同的權(quán)重，以對學生的推送結(jié)果進行一次次不斷的糾正。

3．個性分析模塊

個性分析模塊是個性化學習平臺的核心模塊， 由性格測試模塊和行為分析模塊構(gòu)成， 其中性格測試模塊是由學生主動完成的心理測驗， 根據(jù)性格類型分析學生所適合的崗位、課程及學習方式等，行為分析模塊是利用系統(tǒng)記錄的學生在學習平臺上的學習軌跡、課程考核成績等數(shù)據(jù)，從側(cè)面分析學生學習效果。 在該模塊中應用智能優(yōu)化算法， 綜合分析處理多方面收集的各項數(shù)據(jù)，并將分析結(jié)果分類整合，推送給學生、教師和企業(yè)。

個性分析模塊首先需要大量的訓練數(shù)據(jù)為數(shù)據(jù)支撐， 此部分的數(shù)據(jù)必須為獲取的已畢業(yè)學生數(shù)據(jù)， 通過大數(shù)據(jù)分析得出畢業(yè)學生的性格特征和學習軌跡對其工作狀態(tài)的影響。

建立：

圖2 網(wǎng)絡爬蟲實現(xiàn)圖

求取目標函數(shù)：

Fmax=maxFi

其中w 為權(quán)重系數(shù)，a 為特征因子，要求各項系數(shù)之和為1。 通過求取目標函數(shù)maxFi獲得學生最適應的職業(yè)路線， 用于推送適合學生的資訊及課程。

4．崗位追蹤模塊

高職院校所肩負的主要職責是為行業(yè)企業(yè)培養(yǎng)投身于實際生產(chǎn)、服務和管理過程的高素質(zhì)技能型專門人才，個性化學習的崗位追蹤模塊就是為企業(yè)方、校方和學生三者之間搭建的以就業(yè)為導向的服務模塊，主要包括崗位需求模塊、就業(yè)推薦模塊和就業(yè)追蹤模塊。 崗位需求模塊面對企業(yè)用戶，企業(yè)用戶在該模塊中根據(jù)自身企業(yè)需求，維護崗位需求，協(xié)助高職院校有目的、有計劃地培養(yǎng)人才、考核人才；就業(yè)推薦模塊是通過大數(shù)據(jù)分析結(jié)果，將學生和崗位對接，一方面為學生提供適合的崗位，另一方面為企業(yè)提供適合的人才，并將實際錄用結(jié)果反饋回數(shù)據(jù)庫提供數(shù)據(jù)分析依據(jù)；就業(yè)追蹤模塊是對就業(yè)情況的持續(xù)追蹤，主要反映學生對崗位的真實適應性，為課程推薦和學生就業(yè)推薦提供數(shù)據(jù)依據(jù)。

二、個性化學習平臺數(shù)據(jù)分析原理

個性化學習平臺是一個整合了學習資源、課程考核、學習推送、就業(yè)推薦的智能化綜合平臺， 其核心思想是通過平臺記錄學生的學習行為習慣、個性特征等數(shù)據(jù)，通過大數(shù)據(jù)智能優(yōu)化算法挖掘出學生的潛在優(yōu)勢，將其與企業(yè)提供的崗位信息相匹配，用科學的方法分析出適應于每個學生個體的學習路徑和就業(yè)方向， 在達到智能化因材施教的目的同時， 為企業(yè)輸送高質(zhì)量人才。 個性化學習平臺的數(shù)據(jù)流圖如圖3 所示。

圖3 個性化學習平臺數(shù)據(jù)流圖

（一）數(shù)據(jù)來源

個性化學習平臺采集的數(shù)據(jù)主要用于輔助數(shù)據(jù)、數(shù)據(jù)訓練、結(jié)果預測三部分。

輔助數(shù)據(jù)來自于崗位需求模塊中企業(yè)填寫的崗位需求單， 是由企業(yè)直接提供的最新行業(yè)需求， 用于崗位與學生素質(zhì)要求之間的匹配。

訓練數(shù)據(jù)來自于崗位追蹤模塊和課程考核模塊。 首先整理由崗位追蹤模塊中獲取的學生就業(yè)反饋訓練數(shù)據(jù)和學生畢業(yè)后的多年就業(yè)追蹤訓練數(shù)據(jù)， 將數(shù)據(jù)轉(zhuǎn)化為結(jié)構(gòu)化的綜合就業(yè)結(jié)果數(shù)據(jù)， 再將綜合就業(yè)結(jié)果數(shù)據(jù)擬合到學生的個性分析數(shù)據(jù)中， 通過大數(shù)據(jù)智能優(yōu)化算法挖掘出學生的個性信息與工作崗位之間的潛在聯(lián)系。同時系統(tǒng)不斷采集課程考核模塊中的數(shù)據(jù)， 將學生各個課程考核結(jié)果反饋回算法挖掘結(jié)果中， 用以驗證學生個性信息與工作崗位之間聯(lián)系的正確性， 并自動優(yōu)化挖掘結(jié)果。

結(jié)果預測部分是將訓練結(jié)果應用到在校學生的個性分析數(shù)據(jù)中， 挖掘出學生適合的崗位方向、 課程資源、 學習方式等信息， 按照角色需要和學習階段把相應的信息分別推送至學生、教師和企業(yè)。 其中學生個性化信息來自于課程考核模塊、 學習資源模塊和個性分析模塊， 課程考核模塊中采集的是學生的考核成績及考核次數(shù)數(shù)據(jù)， 學習資源模塊中需要采集的是學生的學習行為習慣數(shù)據(jù)， 包括學生的資源瀏覽和分享偏好、 課程種類偏好和學習時間偏好等能夠從側(cè)面真實反應學生學習習慣和性格特征的數(shù)據(jù)， 在該系統(tǒng)中將這部分數(shù)據(jù)稱為學習軌跡數(shù)據(jù)。 個性分析模塊的來源分為行為分析數(shù)據(jù)和性格特征數(shù)據(jù)兩部分， 行為分析模塊是通過梳洗考核成績數(shù)據(jù)和學習軌跡數(shù)據(jù)， 將其整理成為行為分析方面的有效數(shù)據(jù)， 性格測試模塊將采集的學生在線心理測試結(jié)果， 按照心理測驗規(guī)則轉(zhuǎn)化為性格特征數(shù)據(jù)。

（二）智能優(yōu)化算法的應用討論

智能優(yōu)化算法的原理是通過模擬或解釋自然現(xiàn)象中發(fā)展過程的一種迭代算法，對待解決問題的數(shù)學描述不要求凸性或可微性等條件，具有通用性、高效性、魯棒性等優(yōu)點。 其過程是先將問題進行編碼，目的是將實際問題映射成可進行啟發(fā)式操作的數(shù)據(jù)結(jié)構(gòu)， 再選取一組解作為迭代的初始狀態(tài)， 根據(jù)停止判斷準則和目標優(yōu)化函數(shù)進行迭代尋找最優(yōu)解。 目前在解決實際問題中， 應用比較廣泛的智能優(yōu)化算法有遺傳算法、粒子群優(yōu)化算法、蟻群算法、模擬退火算法等。

1．遺傳算法

遺傳算法的核心思想是通過模擬基因的自然選擇、交叉和變異過程，以優(yōu)勝劣汰的方式使具有“優(yōu)良基因”的解在迭代過程中更大可能性地被選取、被遺傳下來，同時又能通過變異機制有效地跳出局部解，達到尋求全局最優(yōu)解的目的。 該算法的適用性很強，在全局搜索能力出眾，能夠找到最優(yōu)解的區(qū)域，適用于機器學習、模式識別、神經(jīng)網(wǎng)絡、控制系統(tǒng)優(yōu)化、社會科學、進化現(xiàn)象和學習現(xiàn)象等領域。

2．粒子群優(yōu)化算法

粒子群優(yōu)化算法的核心思想是通過模擬自然界群體動物的覓食或遷徙等群集行為， 群體中的個體是不斷學習自身及其他群體成員地經(jīng)驗來更改搜索方向及速度的。 粒子群優(yōu)化算法屬于群智能算法，其優(yōu)勢在于操作簡單， 但需要保證種群的多樣性，以防陷入局部最優(yōu)解，該算法適用于函數(shù)優(yōu)化、神經(jīng)網(wǎng)絡訓練、模式分類、模糊控制等領域。

3．蟻群算法

蟻群算法是模擬螞蟻在覓食過程中通過信息素將路徑信息留給其他螞蟻， 使更多的螞蟻能夠找到最短路徑的過程。 蟻群算法是一種體現(xiàn)了正反饋機制的算法，具有局部最優(yōu)解搜索能力， 該算法旅行商問題、分配問題、車間作業(yè)調(diào)度等領域。

4．模擬退火算法

模擬退火算法是一種基于概率的算法，模擬固體加溫后， 通過逐漸冷卻的過程來尋找最低能量狀態(tài)。 模擬退火算法本質(zhì)上是一種貪心算法， 由于該算法中會以一定概率接受較差解，故可以跳出局部最優(yōu)解，求得全局最優(yōu)解，該算法適用于生產(chǎn)調(diào)度、控制工程、機器學習、神經(jīng)網(wǎng)絡、模式識別、圖像處理等領域。

5．算法應用分析

從個性化學習平臺自身特點來說，由于該平臺的主要目的是在于通過多樣化數(shù)據(jù)來挖掘?qū)W生的潛在優(yōu)勢， 并將適合的信息實時推送給企業(yè)、教師以及學生，決定了該平臺的數(shù)據(jù)及信息具有維度高、 更新快的特點，那么在算法的選取上，應優(yōu)先考慮易實現(xiàn)并行化的算法以提高平臺時效性，而模擬退火算法為了保證最優(yōu)解的準確性，其過程往往采取慢降溫、多抽樣、低終止溫度等方式，導致算法運行時間比較長，不符合該平臺的需求。 同時所選取的算法還應盡量避免陷入局部最優(yōu)解的問題， 而粒子群優(yōu)化算法、 蟻群算法都存在易陷入局部最優(yōu)解的問題，由此不能滿足平臺的要求。遺傳算法除具備易實現(xiàn)并行化， 不易陷入局部最優(yōu)解的優(yōu)點外， 由于該算法的個體生存概率取決于對環(huán)境的適應度，“基因”在進化過程中亦是利用所獲得的信息自行進行組織搜索， 通過交叉變異機制獲得更適應環(huán)境的基因結(jié)構(gòu)， 故遺傳算法還具備自適應、自組織和自學習性的優(yōu)勢。 通過以上綜合分析， 本平臺擬采用遺傳算法作為核心大數(shù)據(jù)分析算法。

6．遺傳算法應用分析

本平臺采用遺傳算法進行個性化分析模塊的數(shù)據(jù)訓練， 通過遺傳算法的數(shù)學規(guī)劃模型（式3），求取式1 中的各項特征因子的權(quán)重w。

其中maxf（X）即為式2 中的目標函數(shù)，X∈R、R?U 為求取目標函數(shù)約束條件，U為該算法的基本空間，R 是U 的子集。 X 是滿足約束條件的可行解， 集合R 表示所有滿足約束條件的解所組成的可行解集合。具體算法應用過程如下：

（1）初始化：設置計數(shù)器t=1，最大進化代數(shù)為T，隨機樣本個數(shù)為M，對每個樣本的wij進行隨機賦值，生成具有M 個隨機樣本的初始群體P（0）。

（2） 評價：根據(jù)式1 和式2，計算M 個隨機樣本在群體P（t）中的適應度情況，根據(jù)適應度排序。

（3） 選擇運算：在群體P（t）中，選擇適應度排序為前N 的最優(yōu)個體， 將這些個體通過直接遺傳或交叉， 產(chǎn)生新的群體P’（t）。

（4） 變異運算： 將變異算子作用在P’（t）群體中，對P（t’）體中某些樣本進行變異運算，得到新一代群體P（t+1）。

（5） 終止判斷：當t=T 時，將搜索在進化過程中各代群體P（t）中具有最大適應度個體f（X）作為最優(yōu)解輸出，終止計算。

三、個性化學習平臺應用實踐

1． 個性化學習平臺應用實踐群體

為探求個性化學習平臺的應用實踐效果， 本項目以天津商務職業(yè)學院信息技術(shù)學院社團學生為首批實踐應用群體， 該群體的主要特點為學習主動性強， 熱愛所學專業(yè)，動手能力強，能夠按照老師要求完成相應任務，執(zhí)行能力較高。

2．個性化學習平臺應用實踐策略

社團教師在原有社團活動計劃基礎上，加入個性化學習平臺要素， 每次活動都留出一定時間在社團中組織學生共同瀏覽個性化學習平臺、 分享個性化平臺的使用心得、交流個性化平臺的學習經(jīng)驗。 教師在指導過程中， 可以綜合個性化學習平臺給出的學習建議和同學自身的學習需求進行方向性更加明確的指導。

同時，個性化平臺的投入使用，也是為了讓學生能夠慢慢體驗個性化學習、 逐步掌握個性化學習的方法，真正體會到、享受到個性化學習帶來的樂趣。

3．個性化學習平臺應用實踐效果及反思

以天津商務職業(yè)學院信息技術(shù)學院社團學生為例的個性化學習平臺應用實踐中，得到了社團教師及學生的一致認可， 經(jīng)過總結(jié)有以下幾點可以應用于輔助日常教學過程。

（1）知識拓展。教育教學講究因材施教，課堂教學既要保證正常的教學秩序， 符合教學大綱要求， 又要盡量滿足每一位學生的需求，那么對于學有余力的學生，就可以將難度較大的相關(guān)內(nèi)容推送給此類學生，達到個性化學習的目的。

（2）課程拓展。 面對日益嚴重的就業(yè)競爭壓力， 鄰近專業(yè)的學生希望能夠?qū)W習其他專業(yè)的相近課程以增加自己的就業(yè)優(yōu)勢，為滿足學生跨專業(yè)學習課程的需求，當學生滿足前導課程要求后， 由學院教師批復即可進行拓展課程學習。

（3）學業(yè)指導。 個性化平臺的投入使用可以輔助教師對學生進行學業(yè)指導， 平臺根據(jù)學生的使用習慣、 行為記錄以及課程成績等相關(guān)參數(shù)， 判斷學生適合的崗位類別， 同時會將相關(guān)數(shù)據(jù)推送給學生和其導師。 導師可以綜合平臺數(shù)據(jù)和平時學生表現(xiàn)以及學生所表達出的真實感受， 進行有針對性的指導。

四、結(jié)束語

在學習者使用個性化平臺學習時，該平臺可以自動將最新知識推送給學習者，并可以找到適合學習者的學習資源， 從而保證了能夠提高學習者的學習效率以及學習效果，對其縱向?qū)I(yè)成長幫助較大。 但如果學習者過分依賴平臺， 就容易起到束縛自身的反作用，造成知識面涉獵過窄的局面。所以教師在安排學習者進行學習時， 應當結(jié)合線上線下以及學習者實際情況， 最大化發(fā)揮平臺的輔助作用， 達到切實提高學習者綜合素質(zhì)的目的。

總之，個性化學習平臺的研究是以學習者為中心， 致力于建立一個能夠滿足學習者個性需求并能幫助學習者挖掘自身潛能的智能平臺， 將為教育課程改革提供新思路，帶來積極影響。 但與此同時本個性化平臺還有待于在移動端、 微信小程序方面的進一步充實， 使學習者能夠不受時間、地點、設備的限制，隨時隨地充分利用平臺提高自身。