在線學(xué)習(xí)者學(xué)習(xí)風(fēng)格測量初探

宋　陽　江　玲　任其華　佟延秋

【摘要】文章研究的目的是通過在線學(xué)習(xí)者的瀏覽行為來測量在線學(xué)習(xí)者的學(xué)習(xí)風(fēng)格，研究中作者借助于 Hopfield 神經(jīng)網(wǎng) 絡(luò)分析在線學(xué)習(xí)者在利用網(wǎng)絡(luò)課程進行學(xué)習(xí)的過程中所建構(gòu)出的概念圖來確定學(xué)習(xí)者的學(xué)習(xí)風(fēng)格。

【關(guān)鍵詞】學(xué)習(xí)風(fēng)格；概念圖；神經(jīng)網(wǎng)絡(luò)

【中圖分類號】G420 【文獻標(biāo)識碼】B 【論文編號】1009—8097（2009）01—0099—03

一 簡介

學(xué)習(xí)者的學(xué)習(xí)風(fēng)格一般用來描述學(xué)習(xí)者在進行信息加工 的（包括接受、存儲、轉(zhuǎn)化和提取）過程中所習(xí)慣采用的不 同方式。試驗表明，學(xué)習(xí)者的學(xué)習(xí)風(fēng)格對學(xué)習(xí)者的學(xué)業(yè)成就 會產(chǎn)生明顯的影響 （Kim & Michael, 1995） [1]。因此，采用 與學(xué)習(xí)者學(xué)習(xí)風(fēng)格相匹配的教學(xué)策略和教學(xué)方法，能夠讓學(xué) 習(xí)者對信息保持的時間更長而且更容易提取與遷移；另外， 同那些與采用的教學(xué)策略和教學(xué)方法相抵觸的學(xué)生相比，這 些學(xué)生能以更加積極的態(tài)度面對課程的教學(xué)目標(biāo)（Riding & Grimly, 1999） [2]。

學(xué)習(xí)者的個性差異給網(wǎng)絡(luò)課程的教學(xué)設(shè)計者帶來了一個極大的挑戰(zhàn)，即如何在網(wǎng)絡(luò)課程教學(xué)設(shè)計過程中創(chuàng)建一個并 不帶有明顯的對某種特定學(xué)習(xí)風(fēng)格傾向的網(wǎng)絡(luò)課程或?qū)W習(xí)資源。

AHT（Adaptive Hypermedia Technology），即適應(yīng)性超媒 體技術(shù)被認為是解決許多包含在超媒體學(xué)習(xí)環(huán)境中學(xué)習(xí)問題（如認知負擔(dān)和學(xué)習(xí)者迷航）的最有效的策略。適應(yīng)性超媒 體技術(shù)的核心理念是按照學(xué)習(xí)者的個性特征設(shè)計與開發(fā)教學(xué) 內(nèi)容和教學(xué)資源。然而，目前對大多數(shù)教育超媒體系統(tǒng)的研 究主要集中在學(xué)習(xí)資源和學(xué)習(xí)環(huán)境的構(gòu)建上，很少關(guān)注學(xué)習(xí) 者的個性差異。一個基于 Web 的教學(xué)系統(tǒng)必須包含關(guān)于學(xué)習(xí) 者學(xué)習(xí)風(fēng)格的信息以為學(xué)習(xí)者提供最優(yōu)化的教學(xué)資源 （Carver，Howard & Lane，1999）[3]。 在傳統(tǒng)的面授教學(xué)條件下，學(xué)習(xí)資源以印刷材料為主，而在當(dāng)今的網(wǎng)絡(luò)學(xué)習(xí)環(huán)境中，學(xué)習(xí)資源都是以超媒體方式呈 現(xiàn)的。由于傳統(tǒng)教材同超媒體教材在教學(xué)內(nèi)容安排上的邏輯 結(jié)構(gòu)不同，因此利用傳統(tǒng)學(xué)習(xí)風(fēng)格測量方法得出的數(shù)據(jù)來開 發(fā)基于 Web 的學(xué)習(xí)資源顯然是不適合的。即便是目前已有的 某些在線學(xué)習(xí)者學(xué)習(xí)風(fēng)格測量方式，仍然還是通過要求學(xué)習(xí) 者完成在線調(diào)查問卷來收集學(xué)習(xí)者的學(xué)習(xí)風(fēng)格信息。本研究 應(yīng)用神經(jīng)網(wǎng)絡(luò)方法，對在線學(xué)習(xí)者在使用超媒體課件進行學(xué) 習(xí)的過程中所體現(xiàn)出的瀏覽行為確定學(xué)習(xí)者的學(xué)習(xí)風(fēng)格，而不需要學(xué)習(xí)者完成測量量表。

二 從學(xué)習(xí)者的瀏覽行為到概念圖的映射

1概念圖簡介

概念圖（Concept Map）最早是由是諾瓦克（J.D.Novak） 博士于1971年在康乃爾大學(xué)研究兒童科學(xué)概念改變的過程時 所提出的。概念圖是根據(jù)奧蘇貝爾（David P. Ausube）的有意 義學(xué)習(xí)理論以及建構(gòu)主義學(xué)習(xí)理論構(gòu)建起來的一種幫助學(xué)習(xí) 者構(gòu)建合理的、結(jié)構(gòu)化知識的教學(xué)工具。奧蘇貝爾認為：知 識是按層次結(jié)構(gòu)組織起來的，知識之間是有聯(lián)系的。概念具 有不同的深度，非常籠統(tǒng)的概念包含著不太籠統(tǒng)的概念，而 不太籠統(tǒng)的概念中又包含非常具體的概念。因此，Novak和 Gowin指出，概念圖應(yīng)該是具有層次結(jié)構(gòu)的，人們可以用適當(dāng) 的關(guān)聯(lián)詞來說明不同層次概念之間的縱向關(guān)系，并確定不同 分支之間的橫向聯(lián)系。這正是認知結(jié)構(gòu)的漸進分化和融會貫 通特征的體現(xiàn)[4]。

概念圖（Concept Map）理論是一種關(guān)于信息的組織、表達 和分析的技術(shù)。借助它可以將一組彼此關(guān)聯(lián)但又各具復(fù)雜含義 的信息轉(zhuǎn)化成易于理解、條理化的結(jié)構(gòu)，以便進一步分析[5]。 直觀地說，概念圖就是一組網(wǎng)絡(luò)圖，圖中的每個節(jié)點表示某個 命題或知識領(lǐng)域內(nèi)的概念，各節(jié)點之間的連線表示節(jié)點之間的 相互聯(lián)系。概念圖理論致力于以下幾個方面的研究[6]：

（1） 如何選擇、劃分和表示信息節(jié)點；

（2） 信息狀態(tài)如何有效的分類和描述；

（3） 如何構(gòu)建、表述和結(jié)構(gòu)化存儲概念圖；

（4） 對于概念圖采用不同數(shù)學(xué)方法進行有針對性的分析。 在學(xué)習(xí)某一命題中的新概念過程中，通過使用概念圖， 讓新概念所表達的信息總是不斷地與學(xué)習(xí)者頭腦中原有概念 發(fā)生相互作用，并整合到學(xué)習(xí)者已有的概念結(jié)構(gòu)中去，并且 按照“漸進分化”的原則，形成一個更為緊湊的認知結(jié)構(gòu)圖 式，其結(jié)果便是學(xué)習(xí)者所構(gòu)建的認知結(jié)構(gòu)圖示逐步向這一領(lǐng)域內(nèi)的專家所構(gòu)建出的認知結(jié)構(gòu)圖式相靠近[7]。

2學(xué)習(xí)者的瀏覽行為

本研究與傳統(tǒng)的學(xué)習(xí)風(fēng)格測量方法的不同之處在于，該方法是通過觀察在線學(xué)習(xí)者的網(wǎng)絡(luò)瀏覽行為（Web Browsing Behavior，WBB）來確定學(xué)習(xí)者的學(xué)習(xí)風(fēng)格的。學(xué)習(xí)者是在 瀏覽網(wǎng)絡(luò)課程的過程中完成課程學(xué)習(xí)的，由于學(xué)習(xí)者個體間 內(nèi)部信息加工方式的差異，相應(yīng)地就會表現(xiàn)出行為模式的差 異，這些瀏覽行為也就會內(nèi)隱地包含可能代表學(xué)習(xí)者特殊喜 好或興趣的信息，將這些信息與目前已有的學(xué)習(xí)風(fēng)格類型相 對比就有可能確定學(xué)習(xí)者的學(xué)習(xí)風(fēng)格。

在基于 Web 的遠程教學(xué)系統(tǒng)中，學(xué)習(xí)者通過超媒體課件 進行學(xué)習(xí)。這類學(xué)習(xí)課件的知識點拓撲結(jié)構(gòu)大多是樹狀結(jié)構(gòu)， 學(xué)習(xí)者在樹型目錄的引導(dǎo)下進行課程的學(xué)習(xí)。從某種意義上 來講，目錄樹決定了整個課程內(nèi)容中知識點的分布結(jié)構(gòu)狀況。 使用樹狀結(jié)構(gòu)的優(yōu)點是：知識點的表示方式比較直觀，設(shè)計 導(dǎo)航的時候比較容易操作。但由此也帶來一些缺點，一般而 言，樹狀結(jié)構(gòu)的教學(xué)內(nèi)容通常是按照章、節(jié)順序建立的, 所 包含的信息量太少，這樣的組織形態(tài)實際上對于提供學(xué)習(xí)障 礙診斷并以此作為分析診斷的依據(jù)并無太大的幫助。大量的 實踐也表明,知識點之間的復(fù)雜聯(lián)系并不是僅僅通過樹狀結(jié) 構(gòu)圖就能清楚地表達出來的。從建構(gòu)主義學(xué)習(xí)觀的角度來講， 學(xué)習(xí)者的學(xué)習(xí)過程也是其自身構(gòu)建知識的過程，其結(jié)果就是 學(xué)習(xí)者按照自己的學(xué)習(xí)風(fēng)格在頭腦中構(gòu)建出一幅符合自身信 息加工特點的知識表征圖，即概念圖。

3從學(xué)習(xí)者的瀏覽行為到概念圖的映射

通過以上分析，可以將網(wǎng)頁以及它們之間的鏈接看作是概念之間的結(jié)構(gòu)關(guān)系，將網(wǎng)頁間的知識點映射為概念圖。通過網(wǎng) 頁之間的結(jié)構(gòu)方式與學(xué)習(xí)者的行為相結(jié)合，Liu 和 Lin（1999） 提出了一個基于網(wǎng)頁的概念圖課件結(jié)構(gòu)。每個網(wǎng)頁被定義為一 個概念的節(jié)點[8]。在基于 Web 的超媒體學(xué)習(xí)資源中有四種類型 的節(jié)點鏈接：C、E、X 和 J 型。C 型鏈接被定義為學(xué)習(xí)路徑的 主要流程，它被用來描述期望的學(xué)習(xí)路徑，按照課程的設(shè)計者 在不同的教學(xué)目標(biāo)中被定義；它可以用來表示同一概念圖的停 留點以及下一個概念圖的導(dǎo)入，C 型鏈接如圖 1 所示。

與 C 型鏈接不同，E 型鏈接（Explanatory-type link）是一 種解釋性的鏈接，它將學(xué)習(xí)路徑指向概念節(jié)點的子層來補充 說明帶有 C 型鏈接的主要流中的概念節(jié)點，即它將導(dǎo)入“解 釋型”的概念，可以理解為當(dāng)前概念的下層概念。 X（eXtension-typle link）型鏈接是一種可擴展的鏈接，用來支 持帶有 C 型鏈接的概念知識的擴展，可以理解為與當(dāng)前概念 所處于同一層次的概念，如圖 2 所示。J 型鏈接可以將當(dāng)前鏈

接導(dǎo)向任意的概念圖，所謂任意表示可以選擇任何的節(jié)點進入；而所謂任何一個節(jié)點則表示可以是整個基于 Web 的課程 中任何一個概念圖上的某一節(jié)點。

三 應(yīng)用神經(jīng)網(wǎng)絡(luò)確定在線學(xué)習(xí)者的學(xué)習(xí)風(fēng)格

1神經(jīng)網(wǎng)絡(luò)簡介

神經(jīng)網(wǎng)絡(luò)被用于模擬人腦神經(jīng)元的活動過程，其中包括對信息的加工、處理、存貯和搜索等過程，它具有如下基本特點：

（1） 能夠充分逼近任意復(fù)雜的非線性關(guān)系，從而形成 非線性動態(tài)系統(tǒng)，以表示某種被控對象的數(shù)學(xué)模型；

（2） 能夠?qū)W習(xí)和適應(yīng)不確定性系統(tǒng)的動態(tài)特性；

（3） 所有定量或定性的信息都分布儲存于網(wǎng)絡(luò)內(nèi)的各 個神經(jīng)元中,從而具有很強的容錯性和魯棒性；

（4） 采用信息的分布式式并行處理，可以進行快速大 量的運算[9]。

對學(xué)習(xí)者學(xué)習(xí)風(fēng)格的識別可以被理解為是對學(xué)習(xí)者個性 特征的識別問題，這一問題同模式識別的問題是類似的，它 們之所以類似，是因為它們都是根據(jù)某些特征對一個無窮的 輸入進行分類（Castellano，F(xiàn)anelli & Roselli，2001）[10]。應(yīng) 用神經(jīng)網(wǎng)絡(luò)對學(xué)習(xí)者學(xué)習(xí)風(fēng)格進行分類的優(yōu)勢如下：

（1） 模糊識別能力和對數(shù)據(jù)的充分理解能力；

（2） 歸類能力和從特定樣本中的學(xué)習(xí)能力；

（3） 具有額外參數(shù)的升級能力；

（4） 執(zhí)行速度使它們成為理想的實時應(yīng)用；

2應(yīng)用 Hopfield 神經(jīng)網(wǎng)絡(luò)測量在線學(xué)習(xí)者的學(xué)習(xí)風(fēng)格

1982 年 J．Hopfield 提出了可用于聯(lián)想存儲器的互連網(wǎng)絡(luò)， 這個網(wǎng)絡(luò)被稱為 Hopfield網(wǎng)絡(luò)模型，也稱 Hopfield模型。 Hopfield 神經(jīng)網(wǎng)絡(luò)模型是一種反饋神經(jīng)網(wǎng)絡(luò)，從輸出端到輸入 端有反饋連接，其網(wǎng)絡(luò)模型結(jié)構(gòu)如圖 3 所示。Hopfield 網(wǎng)絡(luò)可 用于聯(lián)想記憶，如果把穩(wěn)定狀態(tài)視為一個記憶樣本，那么從 初狀態(tài)向穩(wěn)定狀態(tài)收斂的過程就是尋找記憶樣本的過程。初 態(tài)可認為是給定樣本的部分信息，收斂過程可認為是從部分 信息找到全部信息，這樣就實現(xiàn)了聯(lián)想記憶。具體地講，就 是合理選擇權(quán)系數(shù)，使得網(wǎng)絡(luò)的穩(wěn)態(tài)恰好為聯(lián)想存儲的一組 穩(wěn)態(tài) M。如果網(wǎng)絡(luò)的初態(tài)在 M 中，則網(wǎng)絡(luò)的狀態(tài)不變；如果 不在 M 中，希望網(wǎng)絡(luò)所達到的穩(wěn)定狀態(tài)應(yīng)該為 M 中與初值在 Hamming 距離意義最近的狀態(tài)。

圖 4 和圖 5 分別是領(lǐng)域內(nèi)專家所構(gòu)建出概念圖和學(xué)生在 學(xué)習(xí)過程中所構(gòu)建的概念圖。由此，我們可以將圖 4 和圖 5 的概念圖轉(zhuǎn)化為 M 和 S，分別作為 Hopfield 網(wǎng)絡(luò)的穩(wěn)定狀態(tài) 和輸入樣本，這樣就可以對學(xué)習(xí)者在學(xué)習(xí)過程中所帶有的學(xué) 習(xí)風(fēng)格進行測量。

四 結(jié)論

文章提出一種新的測量在線學(xué)習(xí)者學(xué)習(xí)風(fēng)格的途徑，采用 結(jié)構(gòu)比較簡單的 Hopfield 網(wǎng)絡(luò)進行學(xué)習(xí)風(fēng)格的識別是可行的。

參考文獻

[1] Kim. J & Michael, W. B. (1995). The relationship of creativity measures to school achievement and preferred learning and thinking style in a sample of Korean high school students [J]. Educational and Psychological Measurement, 1995, 55:60-71.

[2] Riding, R., & Grimly, M. (1999). Cognitive style and learning frommultimediamaterialsin11-yearchildren[J].British Journal of Educational Technology, 1999,30:43-59.

[3]Carver,C.A.,Howard,R.A.&Lane;,W.D.(1999).Enhancing student learning through hypermedia courseware and incorporation of student learning styles [J]. IEEE

Transactions on Education, 1999, 42:33–38.

[4]張倩葦.概念圖及其在教學(xué)中的應(yīng)用[J].教育導(dǎo)刊.2002,11:25.

[5] Oughton JM, Reed W M. The influence of learner differences on the const ruction of hypermedia concepts a case study [J].Computers in Human Behavior, 1999,15:11-50.

[6] Herl H E, ONeil H F, Chung W K, et al. Reliability and validity of a computer2based know ledge mapping system to measurecontentunderstanding[J].ComputersinHuman

Behavior, 1999.15:315-333.

[7] 徐洪林,康長運等.概念圖的研究及其進展[J].學(xué)科教 育,2003, 3:39-40.

[8] Liu, M. C. & Lin, H. L. (1999). A concept map based web page structure analysis and design for adaptive learning[A]. Proceedings of 1999 Taiwan Area Network Conference (TANET99)

[C].Taiwan: National Sun Yat-sen University Press, 1999:28-32.

[9] 李士勇.模糊控制神經(jīng)網(wǎng)絡(luò)和智能控制論[M]. 哈爾濱:哈 爾濱工業(yè)大學(xué)出版社,1998:101-1031.

[10]Castellano,G.,Fanelli,A.M.&Roselli;,T.Mining categories of learners by a competitive neural network[EB/OL],