程光勝

（寧夏財經(jīng)職業(yè)技術(shù)學(xué)院 寧夏 銀川 750021）

隨著國家政策的調(diào)整，職業(yè)教育生源結(jié)構(gòu)發(fā)生了很大變化，由學(xué)齡段生源進(jìn)入學(xué)齡段生源與社會生源共生共長的新常態(tài)，這對當(dāng)前規(guī)?；?biāo)準(zhǔn)化教學(xué)而言，將面臨很大的困難和挑戰(zhàn)。學(xué)習(xí)者成長背景、知識積累、認(rèn)知方式等方面的巨大差異，促使職業(yè)教育的育人方式由傳統(tǒng)整體型向個性化轉(zhuǎn)變，而構(gòu)建學(xué)習(xí)者個性化模型是實施個性化教育的關(guān)鍵。因此，在職業(yè)教育轉(zhuǎn)向個性化教育的現(xiàn)實需求下，構(gòu)建面向職業(yè)教育的學(xué)習(xí)者個性化模型，為不同學(xué)習(xí)者提供個性化的學(xué)習(xí)和適性化教育服務(wù)，顯然具有重大的理論意義和現(xiàn)實意義。

一、學(xué)習(xí)者個性化建模及其研究現(xiàn)狀

學(xué)習(xí)者個性化建模涉及教育學(xué)、IT 技術(shù)、心理學(xué)、統(tǒng)計學(xué)等多個學(xué)科，通過綜合學(xué)習(xí)者學(xué)習(xí)認(rèn)知、興趣偏好、情感因素等多個維度，實現(xiàn)對學(xué)習(xí)者特征的抽象表述，體現(xiàn)了學(xué)習(xí)者外部行為結(jié)構(gòu)和內(nèi)部心理機制，最終為個性化學(xué)習(xí)服務(wù)。個性化從人本主義出發(fā)，尊重學(xué)習(xí)者差異，體現(xiàn)人性化、多元化的教育理念。然而，個性化學(xué)習(xí)不是近幾年才出現(xiàn)的，早在春秋時期偉大的教育家孔子就提出了“因材施教”的教育思想，其中就體現(xiàn)了個性化教育和學(xué)習(xí)的元素。近幾年，在信息科技和教育的深度融合下，技術(shù)讓個性化學(xué)習(xí)有了新的突破，由理論研究轉(zhuǎn)向落地實施。

目前，相關(guān)學(xué)者從不同角度對學(xué)習(xí)者個性化建模做了研究，其中有代表性的有：岳俊芳等從學(xué)習(xí)者基本信息、學(xué)習(xí)風(fēng)格、學(xué)習(xí)興趣和知識模型四個維度構(gòu)建了學(xué)習(xí)者模型；徐鵬飛等分別從知識狀態(tài)、認(rèn)知行為、情感模型和綜合模型四個方面綜述和刻畫了學(xué)習(xí)者模型；武法提等在建模中融合學(xué)習(xí)者的場景特性，構(gòu)建了基于場景感知的個性化學(xué)習(xí)者模型；黃濤等基于經(jīng)典學(xué)習(xí)理論、人工智能技術(shù)、時空融合建模分析方法，對智能場域中的學(xué)習(xí)者建模研究趨向做了深入剖析；張濤等構(gòu)建了基于本體模型、知識模型、認(rèn)知模型、行為模型和情感模型五個維度構(gòu)成的通用型學(xué)習(xí)者模型?？梢钥闯?，學(xué)習(xí)者模型的構(gòu)建正朝著技術(shù)融合化、場景多樣化、特征多維化、模型多態(tài)化的方向發(fā)展，這些研究成果為本文的研究提供了很好的借鑒和參考。但是，上述研究大多偏重于理論層面，實踐操作太過復(fù)雜，準(zhǔn)確性也有待進(jìn)一步驗證。相關(guān)文獻(xiàn)對高職學(xué)生的行為做了分析，但是在學(xué)習(xí)者個性化建模方面的研究甚少。因此，本文基于職業(yè)教育學(xué)生的學(xué)習(xí)特點，從可操作性、可量化性等角度出發(fā)，研究智能技術(shù)賦能職業(yè)教育學(xué)習(xí)者個性化建模，以期為職業(yè)教育環(huán)境下的個性化學(xué)習(xí)和適性化教育提供精準(zhǔn)服務(wù)，也為職業(yè)教育借助智能技術(shù)實施智慧教育、培養(yǎng)高技能人才提供理論和實踐方面的探索。

二、學(xué)習(xí)者個性化建模分析

為了準(zhǔn)確刻畫學(xué)習(xí)者個性化模型，借鑒王小根等人的文章綜述，本文從學(xué)習(xí)者、模型構(gòu)建、建模技術(shù)三個層面對學(xué)習(xí)者個性化模型展開具體分析。

（一）學(xué)習(xí)者對象

本文的研究對象是職業(yè)院校學(xué)生，結(jié)合職業(yè)教育的實際，從知識維度、認(rèn)知維度、情感維度等方面進(jìn)行詳細(xì)分析。

職業(yè)教育的目標(biāo)是培養(yǎng)高技術(shù)技能型人才，服務(wù)地方經(jīng)濟和社會發(fā)展。因此，學(xué)習(xí)者在汲取知識的同時，更注重技能水平和職業(yè)素養(yǎng)的提升。隨著人工智能時代的到來，社會產(chǎn)業(yè)結(jié)構(gòu)面臨深度變革，跨界融合將是常態(tài)。因此，職業(yè)教育在人才培養(yǎng)上更趨向復(fù)合型、創(chuàng)新型、全面發(fā)展型，反過來，人才輸出的外在特征就是：具備大國工匠和能工巧匠的知識、技能和素養(yǎng)，更加凸顯知識、技能和素養(yǎng)作為高素質(zhì)技術(shù)技能人才的重要性。因此，知識、技能、素養(yǎng)是一個重要的維度，是學(xué)習(xí)者模型需要重點體現(xiàn)的內(nèi)容之一。

隨著不斷的學(xué)習(xí)和鍛煉，學(xué)生的認(rèn)知水平也會發(fā)生變化。所謂認(rèn)知，就是對其自身的理解和洞察，具體包括感知、思維、期望、行為判斷等。張莉等針對高職院校學(xué)生的自我認(rèn)知進(jìn)行了調(diào)查分析，在個體層面，性別、民族是影響認(rèn)知的主要因素；在教育層面，認(rèn)知差異主要表現(xiàn)在專業(yè)、班干部經(jīng)驗、獎學(xué)金獲得等方面；家庭背景層面，家庭類型、父母職業(yè)、家庭經(jīng)濟收入等會顯著影響學(xué)生認(rèn)知水平。伴隨著高職學(xué)生生源的多樣化，認(rèn)知水平的差異性會越來越明顯。因此，在構(gòu)建學(xué)習(xí)者個性化模型時，認(rèn)知水平是刻畫學(xué)習(xí)者的重要內(nèi)容之一。

學(xué)習(xí)情感體現(xiàn)了學(xué)習(xí)者對待學(xué)習(xí)的興趣、態(tài)度和相應(yīng)的行為反映。相關(guān)研究表明，在實踐教學(xué)中，學(xué)習(xí)者的快樂感與活動過程和認(rèn)知參與度存在高度的相關(guān)性。作為類型教育的職業(yè)教育，教學(xué)和學(xué)習(xí)體現(xiàn)雙重特性，即教育性和職業(yè)性，而這種職業(yè)性就是通過不斷的參與實踐活動逐步培養(yǎng)和積累的，外在表現(xiàn)就是職業(yè)能力。吳志華等從興趣、參與度等情感因素實際驗證了其與學(xué)生的實踐活動、職業(yè)能力有顯著的正向相關(guān)性。因此，職業(yè)教育環(huán)境下的學(xué)習(xí)者，在構(gòu)建個性化學(xué)習(xí)模型時，情感因素是一個很重要的度量內(nèi)容，豐富的情感激勵會促進(jìn)學(xué)習(xí)者的學(xué)習(xí)興趣、享樂和積極參與，反之，會讓學(xué)習(xí)者感覺不到學(xué)習(xí)的快樂，從而導(dǎo)致不同的學(xué)習(xí)效果。

（二）模型構(gòu)建

由于人們對模型認(rèn)知的偏差，學(xué)習(xí)者個性化模型在不同階段有不同的側(cè)重點。最初，人們將學(xué)習(xí)者模型定義為關(guān)于學(xué)習(xí)者的認(rèn)知狀態(tài)，與此同時，在以教為主導(dǎo)的理念下，學(xué)習(xí)者個性化模型被視作為知識和行為的集合。在信息技術(shù)未能與教育教學(xué)有效融合的教學(xué)環(huán)境下，探討學(xué)習(xí)者個性化模型構(gòu)建是否有必要，也引起相關(guān)學(xué)者的質(zhì)疑。

近些年來，隨著建構(gòu)主義、聯(lián)通主義等學(xué)習(xí)理論的發(fā)展，以及大數(shù)據(jù)、人工智能等技術(shù)的推動，催生了教育信息科學(xué)與技術(shù)，目的是借助現(xiàn)代信息技術(shù)探求底層教育規(guī)律，還原教育過程，刻畫教育主體，從而推動教育邁上新的臺階，促進(jìn)教育整體革新。信息技術(shù)的發(fā)展給學(xué)習(xí)者模型的構(gòu)建帶來新的契機，使得模型由之前的知識模型、認(rèn)知模型轉(zhuǎn)向適應(yīng)不同學(xué)習(xí)者狀態(tài)的自適應(yīng)型，這是一種“以學(xué)習(xí)者為中心”的教學(xué)設(shè)計理念，促進(jìn)學(xué)習(xí)者的自主探索和協(xié)作交流學(xué)習(xí)。但是，對于學(xué)習(xí)者而言，學(xué)習(xí)者模型是“不可見”的，是“透明”的，難以激發(fā)學(xué)習(xí)者對學(xué)習(xí)內(nèi)容、重難點或不足之處進(jìn)行反思。在此基礎(chǔ)上，一種開放型的設(shè)計理念應(yīng)運而生。在這種理念的驅(qū)動下，包括學(xué)習(xí)者模型、各種資源庫、在線課程建設(shè)、教學(xué)模式等，都基于“開放型”進(jìn)行重構(gòu)，表現(xiàn)在學(xué)習(xí)者模型中，就是促進(jìn)學(xué)習(xí)者更好地自我反思、評估和監(jiān)控。

上述各種學(xué)習(xí)者模型都是側(cè)重某個或某些方面的，從學(xué)習(xí)者的全面發(fā)展來看，仍然不能反映學(xué)習(xí)者特征的全貌。因此，如何構(gòu)建更加全面的、準(zhǔn)確反映學(xué)習(xí)者特征的學(xué)習(xí)者模型，成為學(xué)習(xí)者建模關(guān)注的焦點。

（三）建模技術(shù)

從當(dāng)前學(xué)習(xí)者個性化建模所采用的技術(shù)來看，主流的技術(shù)主要有：機器學(xué)習(xí)技術(shù)、數(shù)據(jù)挖掘技術(shù)、大數(shù)據(jù)分析技術(shù)、人工智能技術(shù)等。并且為了提升模型的精度，這些技術(shù)在建模過程中會被綜合應(yīng)用。因此，在技術(shù)層面，它們之間在某些方面沒有明顯的界限，甚至在某些技術(shù)領(lǐng)域是交叉重疊的。

在學(xué)科層面，彼此之間還是有一定界限的。機器學(xué)習(xí)是人工智能的一個重要分支，而且是最能體現(xiàn)“智能”的一個分支，也是發(fā)展最快的一個分支，因此專門形成了一個獨立的學(xué)科，致力于研究如何通過計算的手段，利用經(jīng)驗來改善系統(tǒng)的性能。數(shù)據(jù)挖掘是從大量數(shù)據(jù)中提取或“挖掘”知識，從這個角度來講，數(shù)據(jù)挖掘可以視作知識發(fā)現(xiàn)，作為以應(yīng)用驅(qū)動的一門技術(shù)，在不斷的發(fā)展過程中，逐步形成了自身的基礎(chǔ)理論及知識體系，從而產(chǎn)生了數(shù)據(jù)挖掘這一學(xué)科，并在電子商務(wù)、經(jīng)濟管理、生物醫(yī)學(xué)等領(lǐng)域得到廣泛應(yīng)用。大數(shù)據(jù)分析技術(shù)是伴隨著大數(shù)據(jù)的出現(xiàn)而產(chǎn)生的一種從海量數(shù)據(jù)中抽取有價值的潛在知識的技術(shù)，這種分析技術(shù)與傳統(tǒng)的數(shù)據(jù)分析技術(shù)存在本質(zhì)的差別，包括具體的存儲和處理模式，通過分析幫助決策者發(fā)現(xiàn)隱藏的關(guān)系和模式，從而獲取大數(shù)據(jù)中的大價值。人工智能是研究理解和模擬人類智能、智能行為及其規(guī)律的一門學(xué)科，目的是讓機器像人一樣會聽、會看、會說、會思考、會學(xué)習(xí)和會行動，最終讓“零智商”的機器以類似于人類發(fā)展的方式發(fā)展成人的“高智商”，這也是人工智能發(fā)展的目標(biāo)。

上述學(xué)科與教育科學(xué)融合，從而產(chǎn)生了不同技術(shù)在學(xué)習(xí)者個性化建模中的應(yīng)用，比如知識圖譜、個性化推薦、學(xué)習(xí)預(yù)警等，從而使得學(xué)習(xí)者個性化模型所包含的特征更加全面豐富、模型應(yīng)用更加精準(zhǔn)高效。

三、學(xué)習(xí)者個性化模型構(gòu)建

在智能學(xué)習(xí)環(huán)境下，學(xué)習(xí)者可以通過網(wǎng)絡(luò)、電子設(shè)備突破時空限制實現(xiàn)碎片化和自主化的學(xué)習(xí)，在方便學(xué)習(xí)的同時，其學(xué)習(xí)行為也會被記錄和存儲下來。開展對學(xué)習(xí)行為的分析，可以識別學(xué)習(xí)者的學(xué)習(xí)規(guī)律和認(rèn)知過程，分析學(xué)習(xí)行為與學(xué)習(xí)績效之間的關(guān)系，對實施教學(xué)干預(yù)、開展精準(zhǔn)教學(xué)能夠提供有力支持。李月等通過挖掘?qū)W生自主學(xué)習(xí)行為模式，得到高低成就學(xué)習(xí)者之間在學(xué)習(xí)行為上存在顯著差異，以縮小規(guī)?；虒W(xué)和個性化教學(xué)之間的矛盾。對學(xué)習(xí)行為及其相關(guān)數(shù)據(jù)的分析，可以深層次探究學(xué)習(xí)者個性化特征和元素，為學(xué)習(xí)者個性化建模提供重要的數(shù)據(jù)和信息支撐。因此，本文以學(xué)習(xí)行為數(shù)據(jù)為主體，構(gòu)建學(xué)習(xí)者個性化模型。具體建?？蚣苋鐖D1 所示。

圖1 學(xué)習(xí)者個性化模型構(gòu)建框架

（一）構(gòu)建知識模型

每一門課程都有完備的課程標(biāo)準(zhǔn)，課程標(biāo)準(zhǔn)針對每一個教學(xué)單元，都會抽取具體的知識點和技能點，這樣學(xué)生對于將要學(xué)習(xí)的知識點和技能點就非常明確。但是，唯一的缺陷就是知識點和技能點之間缺乏有機聯(lián)系，這樣對于學(xué)習(xí)者來講，就形成不了完整的知識和技能體系。Google 公司于2012 年提出了知識圖譜的概念，利用知識圖譜就可以對當(dāng)前具體的知識點和技能點搭建鏈接關(guān)系和鏈接重構(gòu)，從而形成“課程——專業(yè)——專業(yè)群”間的完備的知識和技能圖譜體系。

在知識圖譜構(gòu)建上，借助人工特征選擇，使用機器學(xué)習(xí)技術(shù)可以實現(xiàn)知識之間的聚類、分類等，從而生成有效的知識圖譜。但是，從效率和準(zhǔn)確性上來講，還有待進(jìn)一步改進(jìn)。隨著深度學(xué)習(xí)的深入研究，為知識圖譜的構(gòu)建提供了強大的技術(shù)支持，利用深度學(xué)習(xí)可以實現(xiàn)知識抽取、知識表示、知識推理和知識融合。隨著課程及專業(yè)領(lǐng)域內(nèi)新知識的增加，知識圖譜需要統(tǒng)一更新，借助深度學(xué)習(xí)的計算優(yōu)勢可以實現(xiàn)知識圖譜動態(tài)性和整體性調(diào)整，從而保證知識圖譜是最新的。

知識抽取是構(gòu)建知識圖譜的第一步，具體需要完成的工作有實體抽取、關(guān)系抽取和屬性抽取，抽取技術(shù)可以使用基于語言模型的詞向量，如Word2Vec、GloVe 等，也可以使用基于深度神經(jīng)網(wǎng)絡(luò)的方式，比如CNN 或RNN?；谏疃葘W(xué)習(xí)的知識抽取，具備特征抽取自動化、序列建模能力強的優(yōu)勢，因此誕生了很多具體的知識抽取技術(shù)。在抽取出知識后，對知識進(jìn)行提煉形成本體構(gòu)建，用以反映知識之間的特定關(guān)系，比如同義詞、層次及所屬關(guān)系等，然后在此基礎(chǔ)上構(gòu)建有效的知識表示，主要代表性的模型有距離模型、TransE 模型、雙線性模型、神經(jīng)網(wǎng)絡(luò)模型等，從而形成符合計算機處理的模式。知識之間有確定的顯性關(guān)系，也有不確定的隱性關(guān)系，通過知識推理（比如邏輯推理、統(tǒng)計推理、神經(jīng)網(wǎng)絡(luò)推理等），可以發(fā)掘這種隱性的知識關(guān)系，從而使形成的知識網(wǎng)絡(luò)更加豐富和完善。由于知識在不同的語境中體現(xiàn)不同的意義，因此通過知識推理階段產(chǎn)生的知識關(guān)系可能存在沖突或重疊，通過知識融合（實體鏈接、實體對齊）可以豐富知識的存量，提高知識圖譜的質(zhì)量。

通過系統(tǒng)化的知識圖譜，學(xué)習(xí)者在學(xué)習(xí)過程中學(xué)習(xí)了哪些知識點，這些知識點之間的關(guān)系如何，就可以使用類似于Neo4j 這樣的NoSQL 數(shù)據(jù)庫進(jìn)行存儲，形成知識模型后，基于Neo4j 的有向圖結(jié)構(gòu)，實現(xiàn)便捷的可視化展示，這樣學(xué)習(xí)者就可以看到目前的知識掌握程度。同時，基于語義網(wǎng)絡(luò)的知識圖譜，可以根據(jù)學(xué)習(xí)者對知識點的學(xué)習(xí)數(shù)據(jù)建立學(xué)習(xí)者學(xué)習(xí)興趣模型，一方面實現(xiàn)學(xué)習(xí)者與知識點之間的關(guān)聯(lián)，另一方面實現(xiàn)知識點與知識點之間的關(guān)聯(lián)，從而搜索到學(xué)習(xí)者潛在感興趣的知識點以及可能需要學(xué)習(xí)的知識點。

（二）構(gòu)建能力模型

學(xué)生能力是一個被廣泛使用但又難以界定的一個概念，不管是能力內(nèi)涵還是外延在不同的環(huán)境和場景中，內(nèi)容都非常豐富。事實上，能力在橫向上具有知識、認(rèn)知、態(tài)度、價值、情感等多維度性，在縱向上由下到上具有特征和特質(zhì)、技能和才能，展現(xiàn)出多層次性。針對學(xué)生的能力構(gòu)建能力模型，要體現(xiàn)能力的上述特征和特性，同時要重視道德在能力中的首要地位。因此，針對教育環(huán)境下的學(xué)生主體，能力模型是以德性塑造為靈魂和核心，是一個包含態(tài)度、價值觀、情感、知識、技能的多維度的綜合體。

職業(yè)教育的內(nèi)涵就是培養(yǎng)學(xué)習(xí)者能夠從事特定職業(yè)或行業(yè)所需具備的知識、技能和能力，而能力是建立在知識和技能基礎(chǔ)上的，并在工作或研究等職場環(huán)境中表現(xiàn)出的個人、社會等不同層面的遷移性才能。在借鑒相關(guān)研究成果的基礎(chǔ)上，本文設(shè)計的職業(yè)院校學(xué)習(xí)者能力模型指標(biāo)體系如表1 所示。

表1 職業(yè)院校學(xué)習(xí)者能力模型指標(biāo)體系

基于上述指標(biāo)體系，通過人工或自動化獲取相關(guān)數(shù)據(jù)，采用定性、定量相結(jié)合的方式，利用大數(shù)據(jù)、人工智能等技術(shù)構(gòu)建能力模型，為學(xué)習(xí)者構(gòu)建能力畫像，從而全面反映學(xué)習(xí)者的能力概況。

（三）構(gòu)建認(rèn)知模型

認(rèn)知模型是針對認(rèn)知活動建立的模型，以反映學(xué)習(xí)者的認(rèn)知過程。從學(xué)術(shù)層面來看，目前對于認(rèn)知還沒有一個統(tǒng)一的界定。綜觀目前的各種描述，可以分為兩種：從人文角度來看，認(rèn)知是通過思維活動認(rèn)識和了解，體現(xiàn)一種思考的過程，將抽象的對象轉(zhuǎn)化成大腦可以接受的具體對象；從技術(shù)角度來看，認(rèn)知是一種計算活動，因為人腦是由很多神經(jīng)元組成的，認(rèn)知的過程是無數(shù)個神經(jīng)元協(xié)同計算的過程。要將人腦的思考過程映射到計算機環(huán)境中，通過計算機的強大計算功能模擬神經(jīng)元的協(xié)同計算過程，從而實現(xiàn)用計算機描述認(rèn)知，建立針對學(xué)習(xí)者的認(rèn)知模型。因此，構(gòu)建認(rèn)知模型，實際就是認(rèn)知在計算機中計算的過程。

目前，對于認(rèn)知計算還沒有一個確切的定義，相關(guān)研究甚少。單美賢等認(rèn)為，認(rèn)知計算是人工智能和信號處理的結(jié)合，通過認(rèn)知科學(xué)、深度學(xué)習(xí)等多學(xué)科交叉研究賦予計算機系統(tǒng)認(rèn)識、思考和感覺的能力，從而實現(xiàn)增強人類決策能力的目的。基于學(xué)習(xí)者的學(xué)習(xí)行為數(shù)據(jù)，通過認(rèn)知計算構(gòu)建認(rèn)知模型，可以重新定義學(xué)習(xí)者的學(xué)習(xí)思維過程，來幫助和改善學(xué)習(xí)者更有效地學(xué)習(xí)。

構(gòu)建認(rèn)知模型是建立在多模態(tài)學(xué)習(xí)數(shù)據(jù)基礎(chǔ)上的，每個學(xué)習(xí)者對學(xué)習(xí)認(rèn)知的不同，導(dǎo)致學(xué)習(xí)過程存在很大的差異性，而這種差異性就體現(xiàn)在學(xué)習(xí)過程中，而智能化的學(xué)習(xí)環(huán)境為自動化采集學(xué)習(xí)過程的實時數(shù)據(jù)提供了良好的技術(shù)手段。在智能技術(shù)賦能教育的學(xué)習(xí)環(huán)境下，學(xué)習(xí)者通過觀看視頻實現(xiàn)基本學(xué)習(xí)，通過論壇互動實現(xiàn)疑難答疑，或交流學(xué)習(xí)體會感悟，通過專題研究實現(xiàn)深度學(xué)習(xí)，通過項目任務(wù)實踐實現(xiàn)學(xué)以致用，等等。在不同的學(xué)科中，有不同的學(xué)習(xí)行為。但是，對每一個學(xué)習(xí)者來講，在學(xué)習(xí)過程中總存在一個不變的學(xué)習(xí)模式或?qū)W習(xí)習(xí)慣，而這種“不變的”模式或習(xí)慣與學(xué)習(xí)者的認(rèn)知是緊密相關(guān)的。因此，構(gòu)建認(rèn)知模型的第一步是實現(xiàn)對多模態(tài)學(xué)習(xí)數(shù)據(jù)的聚合。聚合的結(jié)果是形成有時間序列和具有特定學(xué)習(xí)情境的學(xué)習(xí)行為片段，然后針對某一時間片段和特定學(xué)習(xí)情境下的學(xué)習(xí)數(shù)據(jù)運用機器學(xué)習(xí)、行為序列分析、神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)等技術(shù)進(jìn)行建模，生成學(xué)習(xí)者的學(xué)習(xí)習(xí)慣和模式，用以反映學(xué)習(xí)者的學(xué)習(xí)認(rèn)知。

隨著知識的積累、技能和能力的提升，學(xué)習(xí)者的認(rèn)知也會發(fā)生變化，所以認(rèn)知模型要能夠適應(yīng)這種動態(tài)變化。在模型中，可以構(gòu)建反映學(xué)習(xí)者的長期認(rèn)知模型和短期認(rèn)知模型，當(dāng)認(rèn)知出現(xiàn)變化的時候，可以通過長期認(rèn)知模型反映出來，而針對學(xué)習(xí)的推薦或改進(jìn)，可通過短期認(rèn)知模型生成。

（四）構(gòu)建情感模型

情感是影響學(xué)習(xí)者學(xué)習(xí)效果的關(guān)鍵性非智力因素，學(xué)習(xí)者的情感能夠反映學(xué)習(xí)者對學(xué)習(xí)資源的偏好，也與學(xué)習(xí)者的知識、認(rèn)知等存在緊密關(guān)系。因此，通過計算機實現(xiàn)對情感數(shù)據(jù)的采集和計算也是近年來智能教育重點關(guān)注的熱點。學(xué)習(xí)者情感數(shù)據(jù)通過心理測量、行為測量、生理測量等渠道獲取，可以借助傳感技術(shù)和人工智能等技術(shù)自動實時獲取，從而形成多模態(tài)的海量情感數(shù)據(jù)，為情感模型的構(gòu)建奠定基礎(chǔ)。周進(jìn)等基于多模態(tài)情感數(shù)據(jù)建立了情感計算框架，具體計算過程為：數(shù)據(jù)標(biāo)簽、特征提取、數(shù)據(jù)建模、情感識別、情感表達(dá)，經(jīng)過該過程的計算，實現(xiàn)了情感數(shù)據(jù)從采集到處理，再到建模分析，最后可視化展示并應(yīng)用于動態(tài)學(xué)習(xí)干預(yù)和調(diào)節(jié)。

對情感數(shù)據(jù)的建模分析，根據(jù)情感數(shù)據(jù)類型的不同，可以采用不同的處理技術(shù)，比如，可以從學(xué)習(xí)空間中獲取學(xué)習(xí)者發(fā)表的觀點、體會等文本內(nèi)容，運用文本挖掘、支持向量機、樸素貝葉斯、隨機森林等識別學(xué)習(xí)者的情感傾向。相關(guān)研究也表明，相對其他的信息載體，文本含有更高的情感價值密度；對于采集到的音頻數(shù)據(jù)，可以結(jié)合聲學(xué)、神經(jīng)網(wǎng)絡(luò)、支持向量機等技術(shù)挖掘和識別情感狀態(tài)；根據(jù)視頻、圖像等捕獲到學(xué)習(xí)者的面部表情和行為動作，運用深度學(xué)習(xí)、圖像識別、卷積神經(jīng)網(wǎng)絡(luò)等技術(shù)分析學(xué)習(xí)者的學(xué)習(xí)情緒（積極情緒、消極情緒）、專注度等；根據(jù)智能化感知設(shè)備獲取學(xué)習(xí)者的生理信息（眼動、腦電、近紅外等），通過小波變換、長短時記憶網(wǎng)絡(luò)、支持向量機等識別學(xué)習(xí)者情感狀態(tài)。

有了上述單模態(tài)下的情感分析，要實現(xiàn)對學(xué)習(xí)者情感的精準(zhǔn)識別，需要對上述信息載體的情感數(shù)據(jù)進(jìn)行多元整合實現(xiàn)多模態(tài)建模，從而提高情感識別的準(zhǔn)確度。然后，將情感信息通過可視化技術(shù)全方位展示，并通過不同時段的長期跟蹤，探索學(xué)習(xí)者的情感變化規(guī)律。最后，將情感變化規(guī)律應(yīng)用到學(xué)習(xí)上，結(jié)合學(xué)習(xí)效果，分析不同情感對學(xué)習(xí)效果的具體影響，從而可以有效地干預(yù)學(xué)習(xí)，提高學(xué)習(xí)的效果和質(zhì)量。

四、學(xué)習(xí)者個性化模型應(yīng)用

（一）根據(jù)學(xué)習(xí)者個性化模型提供個性化的學(xué)習(xí)資源

“互聯(lián)網(wǎng)+”教育在給學(xué)習(xí)者帶來學(xué)習(xí)便利的同時，海量的學(xué)習(xí)資源也讓學(xué)習(xí)者無法獲取適合自己的學(xué)習(xí)資源，出現(xiàn)了“知識過載”“學(xué)習(xí)迷航”等問題。因此，借助智能技術(shù)下構(gòu)建的學(xué)習(xí)者個性化模型，可以精準(zhǔn)刻畫學(xué)習(xí)者的知識、能力、認(rèn)知和情感，即知識掌握方面存在哪些不足，哪些方面能力還有待加強和提升，當(dāng)前的認(rèn)知對學(xué)習(xí)是否有促進(jìn)作用，情感如何影響認(rèn)知及學(xué)習(xí)效果，等等。有了上述準(zhǔn)確的信息，就可以給學(xué)習(xí)者推薦更加適性和個性化的學(xué)習(xí)資源，以及相應(yīng)的學(xué)習(xí)路徑，讓學(xué)習(xí)者無需付出額外的時間成本就可以獲知需要學(xué)習(xí)什么以及該如何學(xué)習(xí)，從而實現(xiàn)學(xué)習(xí)效率的最大化。

（二）根據(jù)學(xué)習(xí)者個性化模型實施精準(zhǔn)化教學(xué)干預(yù)

學(xué)習(xí)者是教育教學(xué)活動的主體和服務(wù)對象，把握學(xué)情是開展教學(xué)活動的前提和基礎(chǔ)，而教學(xué)內(nèi)容的組織和實施策略，與學(xué)習(xí)者的個性化特征存在密切關(guān)系。在規(guī)模化教學(xué)環(huán)境下，教師了解的僅僅是學(xué)習(xí)者的平均學(xué)習(xí)水平，而對于個體差異以及深層次的學(xué)習(xí)特征，則是難以把握的。因此，精準(zhǔn)化教學(xué)和干預(yù)的前提是建立學(xué)習(xí)者個性化模型，通過個性化模型實施個性化的指導(dǎo)和干預(yù)，做到因材施教，全面發(fā)展，讓每一個學(xué)習(xí)者都能成長成才，表現(xiàn)出個人風(fēng)彩。

（三）根據(jù)學(xué)習(xí)者個性化模型實施多元化的智慧評價

在以考試成績?yōu)閷?dǎo)向的單一學(xué)習(xí)評價環(huán)境下，學(xué)習(xí)者的全面發(fā)展未得到足夠重視。而學(xué)習(xí)者個性化模型，則從學(xué)生的知識、能力、認(rèn)知、情感等多個維度刻畫和反映學(xué)生的成長狀況，據(jù)此可建立有效多元的評價機制，以評價促成長，實現(xiàn)智慧化的評價。