網絡漢語學習中個性化學習系統的研究

廖繼莉

(華中師范大學文學院，湖北武漢，430079)

網絡漢語學習中個性化學習系統的研究

廖繼莉

(華中師范大學文學院，湖北武漢，430079)

為了給學習者提供個性化的學習方案，本文在漢語學習網站中導入了個性化學習系統。這一系統包含得分反饋和課程安排兩個模塊，得分反饋模塊的作用是生成一個包含得分和錯題解析的網頁反饋給學習者，課程安排模塊則運用一維的模糊控制器，根據學習者的得分判斷其知識水平，并為其安排相應難度的教育內容。這一個性化學習系統的實現可以提高網絡漢語學習系統的智能性，有效地促進漢語學習。

個性化學習 網絡學習系統 模糊控制 知識水平 課程難度

引 言

隨著信息化時代的進程，利用網絡和多媒體技術可以促進第二語言教學的發展已成為大多數人的共識。周小兵指出網絡學習是一種“最方便、最高效、最自由的學習方法”，原因在于網絡上資源可以共享，且不受時空限制，能夠調動學生的積極性和互動性。其次具有形象性和多樣性，趣味性強，方便因材施教，而且學生地位轉變，降低了學習漢語的難度。這些網絡教學的特點和作用都有助于漢語的學習[1]。對外漢語教學界也開始利用網絡進行漢語學習網站的建設和多媒體課件的研制工作，并取得了豐碩成果。如國家漢辦開發的網絡孔子學院[2]、外研社推出的空中孔子課堂[3]、中山大學國際漢語學院開發的“漢語階梯網”[4]等。這些漢語學習網站內容豐富，方式多樣，極大地激發了學習者學習漢語的興趣。

在教育現場，學習者的個性、興趣、學習習慣和知識水平各不相同，這就導致同一個教育背景下不同的學習者學習同一個教育內容所花的時間和遇到的問題不同。因此，網站課程的學習難易程度和內容需求要考慮不同學習者的需求，因為過難的內容會挫傷學習者的積極性，過于簡單的內容對學習者來說又缺少挑戰，只能是浪費時間。雖說目前大多數漢語學習網站在資源鏈接和互動環節等方面很有特色，但從教育內容來看，各網站提供給不同學習者的教育內容大體是一致的，最多區分了初級、中級、高級三個等級的學習者，但對同一等級內的不同學習者一般不做區分，這樣就很難適應不同學習者的需求，不能為他們安排適當的教育內容，因而不能有效地促進漢語學習。針對這一問題，本文提出的解決方案就是在漢語學習網站中導入個性化學習系統，以期為學習者提供個性化的學習方案，特別是為不同的學習者提供相適應的教育內容。

個性化學習系統的導入理由及其結構

(一)導入理由

個性化學習就是分析學習者的個性、興趣、學習習慣和知識水平等對學習有影響的因素，給每個學習者提供適當的教育內容和學習環境的一種機制。針對如何在網絡上提供適當的教育內容這一問題，研究者們進行了廣泛的研究和探討，一般采用的方法是考慮學習者的個性化情況，如學習風格、學習行為、認知方式等。通過統計分析這些個性化情況以達到安排適當教育內容的學習系統，如“eTeacher”[5]和“TSAL”[6]。

以上研究雖然考慮了學習者的個性化情況，卻忽視了學習者的知識水平這一個性化學習中最重要的因素。加之學習系統中大量的超鏈接結構給學習者帶來了很大的信息負擔，造成迷失方向，認知超負荷，信息過多等問題[7]。為此，一些研究者[7][8][9][10]指出必須考慮學習者的不同知識水平。在他們的研究中，主要采用問卷調查和面談等方式，運用多種技術手段，如XML技術、項目應答理論等，來為不同的學習者提供相應的學習路徑和教育內容，并開發出一些網絡學習系統，對這些系統的評價都證明了考慮到學習者知識水平的個性化學習系統能有效地促進學習。

基于上述分析，本文認為應該考慮學習者的知識水平和教育內容的難易程度兩個方面，在網絡漢語學習中導入個性化學習的機制。與先行研究不同的是，在學習者知識水平的評價方面，本文是根據學習者的練習和考試得分來進行評價的，這樣可以避免受到問卷調查和面談等方式中學習者有限的語言水平的影響。

(二)個性化學習系統的結構

漢語學習網站中個性化學習系統的結構如圖1所示。學習者進入漢語學習網站的主頁，系統從“學習者ID管理文件”和“學習信息記錄文件”中調出學習者的登錄信息和以往的學習信息，顯示在漢語學習網頁上。在學習者自主學習的過程中，個性化學習的機制開始發揮作用。本文所指的個性化學習主要包含得分反饋和課程安排兩個模塊，其中得分反饋模塊的目的是收集學習者練習、考試的回答信息，將其保存在“練習、考試得分文件”中；課程安排模塊的目的是根據反饋的得分來判斷學習者的知識水平，為學習者安排合適的教學課程，同時將這些學習信息保存在“學習信息記錄文件”中。下面對這兩個模塊的運作步驟作具體的說明：

圖1 漢語學習中個性化學習系統的結構

1.得分反饋模塊

要想為學習者提供個性化的學習方案，首先要針對學習者的學習提供及時的反饋。本文所指的反饋主要是對練習、考試答案及解釋的一個反饋。學習者學習了漢語教育內容之后，在線進行練習或考試，并在規定時間內提交試卷。一般來說，學習者的得分越高，說明對所學內容的掌握程度越高，知識水平也就越高，反之，得分越低說明學習者對所學內容的掌握程度越低，相應的知識水平也就越低。針對系統做出的反饋，學習者可以把握自己的學習狀況，自行判斷下一步是該繼續學習新課還是復習已學內容，這樣因學習產生的焦慮程度也會減少。

得分反饋模塊的具體步驟如下：

第一，從漢語學習網頁中收集學習者的練習、考試回答信息。

第二，比較學習者的答案和正確答案，生成一個包括學習者的得分和錯題解析的網頁，即時地反饋給學習者。

第三，將反饋信息，如得分、練習時間等保存在“練習、考試得分文件”中。

第四，將以上反饋信息傳送到課程安排模塊。

2.課程安排模塊

網絡學習中采用個性化學習系統的最大目的就是給每個學習者安排適當難度的教育內容。但是，在安排合適的教育內容之前，必須對學習者的知識水平進行評價。因此，我們考慮在漢語學習網站中設置課程安排模塊，對學習者的知識水平和教育內容難易程度的等級進行劃分，然后采用模糊控制算法建立兩者之間的對應關系，給學習者安排適當難度的教育內容(詳細論述參見第三部分)，這樣就能在網絡漢語學習中實現個性化、智能化學習的目標。

課程安排模塊的具體功能和步驟如下：

第一，根據得分反饋模塊傳送的得分來評價學習者的知識水平。學習者的得分都是確定的數值，該模塊采用模糊化的方法將具有確定數值的得分劃分為“優秀”、“良好”、“及格”、“不及格”、“放棄”五個知識水平等級。

第二，區分教育內容的難易程度。既然學習者的知識水平劃分為五個等級，教育內容的難易程度也應該有相應的等級。這主要是依據教師的經驗和意見來進行設定，目前也設定為五個等級，分別是“很容易”、“容易”、“中等”、“難”、“很難”。

第三，將學習者的知識水平和教育內容的難易程度進行匹配。上述知識水平和教育內容難易程度的五個等級都是采用具有模糊性的語言來描述的，要實現兩者之間的對應關系，不能采用以往的一對一的線性對應函數，而要采用具有“if-then”推論形式的復數控制規則，也就是說，兩者之間的對應關系是非線性的模糊數學關系。

第四，給學習者安排合適的教育內容。根據知識水平等級和教育內容難易程度等級的對應關系，為每個學習者安排適當的教育內容，并將這一內容輸出到漢語學習網頁中。

第五，將以上步驟中的學習信息，如學習者的知識水平等級，對應的教育內容難易程度等都記錄在“學習信息記錄文件”中。

個性化學習系統中模糊控制理論的運用

(一)模糊控制器的設計

根據第二部分所述，我們在漢語學習網站中導入了包含得分反饋模塊和課程安排模塊的個性化學習系統，為具有不同知識水平的學習者提供個性化的教育內容。這一過程是如何實現的呢？本文應用模糊控制理論[11]采用計算機程序來模擬經驗豐富的漢語教師的教學行為，對學習者的知識水平和教育內容難易程度這類具有一定模糊性、主觀性的語言信息做出客觀的評價和判斷。這樣就能使這類定性思考和判斷方法定量化，合理地進行教育內容的提示，便于新教師或學習者在教學中自由操作。

一般來說，在實際的漢語學習過程中，我們的教學控制思維可以用語言描述為“如果學習者的得分比目標得分低的話就降低課程難度，如果學習者的得分比目標得分高的話就加大課程難度，如果學習者的得分等于目標得分，課程難度就維持目前的難度”。問題就在于如何通過計算機程序來實現這種教學控制思維，下面進行具體的說明：

1.變量的設定

本研究的控制目的是根據學習者的得分來為他們安排適當難度的教育內容，并使其保持在一個穩定狀態下。這時，我們要考慮目標得分和學習者的實際得分之間的差，即狀態變量。控制時就以這個值作為輸入，來判斷下次課程的難度是比初始難度高還是低，還是維持不變。也就是說，控制量是實際的課程難度與初始難度的偏差。

本文中，我們將目標得分70分設為初始值S0，將從得分反饋模塊中得到的學習者第n回練習或考試的得分設為Sn，這樣狀態變量S就等于S0減去Sn，即S]S0-Sn。由于教育內容的難易程度分為五個等級，我們將初始難度D0設為第三個等級“中等”，這樣控制量D就等于Dn和初始難度D0之間的偏差，即D]Dn-D0。

2.模糊子集和模糊控制規則的設定

根據以上設定的變量，輸入值是學習者的得分，輸出值是下次課程內容的難易程度，我們可以得出這是一個一維的模糊控制器。在這個系統中，我們將狀態變量S和控制量D的語言值的模糊子集設為{正大，正小，零，負小，負大}，簡記形式為PB、PS、ZO、NS、NB。這五種模糊子集具體的含義如表1所示：

表1 狀態變量S和控制量D的五種模糊子集

關于下次課程的安排，我們有如下五條模糊控制規則：

規則1：if S]PB，then D]NB；

規則2：if S]PS，then D]NS；

規則3：if S]ZO，then D]ZO；

規則4：if S]NS，then D]PS；

規則5：if S]NB，then D]PB。

以規則1為例，意思就是如果目標得分與實際得分的差S為PB(很大)時，下次課程的難度偏差D就為NB(很小)。

3.隸屬函數的設定

如果已經得知學習者的得分，那么如何推導出下次課程的難易程度呢？在進行推論之前，有必要設定合適的隸屬函數。隸屬函數指的是論域X中的元素x對模糊變量A的隸屬程度。由于客觀事物具有過渡性和模糊性，人們對其定性的描述常常會帶有主觀因素，因此隸屬函數的設定需要結合專家的理論和操作人員的實際經驗來進行。

考慮到學習者的得分Sn的范圍是[0～100]，狀態變量S的范圍就是[-30～70]，可以離散化為[-30，-20，-10，0，10，20，30，40，50，60，70]的11個等級。由于教育內容的難易程度分為五個等級，初始難度是第三個等級，因此控制量D的范圍就是[-2；2]，可以離散化為[-2，-1，0，1，2]的5個等級。在模擬經驗豐富的教師的指導行為的基礎上，我們將S和D的模糊子集PB、PS、ZO、NS、NB的隸屬函數設定如下，其中除了S的模糊子集PB采用的是半正態分布外，其余的模糊子集都采用了控制靈敏度較高的三角形隸屬函數。

S: D:

這樣就可以使離散化了的精確量(如學習者的得分)與表示模糊語言的模糊量(學習者的知識水平)之間建立起對應關系。

4.輸出結果的計算和檢索表的生成

上文中提到的5條模糊規則是一組多重條件語句，可以表示為從狀態變量S到控制量D的五個模糊關系R1,R2,R3,R4,R5。其中，R1指的是狀態變量S屬于PB的程度和控制量D屬于NB的程度這兩個模糊集合的直積，其他的4個關系可以依次類推。

R1=μPB(S)×μNB(D),R2=μPS(S)×μNS(D),R3=μZO(S)×μZO(D)，

R4=μNS(S)×μPS(D),R5=μNB(S)×μPB(D)

將R1～R5這五個關系進行“并運算”，可以求出總的模糊關系R。這個R的值如下：

R=R1∨R2∨R3∨R4∨R5

={μPB(S)×μNB(D)}∨{μPS(S)×μNS(D)}∨{μZO(S)×μZO(D)}

模糊控制規則的矩陣表達式求出之后，將采樣得到的狀態變量S作為模糊控制器的輸入，通過模糊決策就可以得到相應的控制量D。由于狀態變量S有11個離散化等級，相應的控制量D也有11個值。計算過程和結果如下：

D1=[0 0 0 0.5 1]

以上得到的D1～D11還只是一個模糊向量。在我們的實際教學中，要將這些推論所得到的模糊值轉換為明確的控制訊號，需要進行一個解模糊化的過程，也就是將它變成一個精確值。這里，我們采用最大隸屬度法來確定以上模糊集合的精確值。結果如下：

D1]2，D2]1，D3]1，D4]0，D5]-1，D6]-1，

D7]-1，D8]-2，D9]-2，D10]-2，D11]-2。

為了縮短計算時間，加快系統的響應速度，我們將作為輸入的狀態變量S的離散化等級與作為輸出的控制量D的精確值對應起來，制成如表2所示的模糊控制檢索表。并且將此表寫入計算機程序中，在漢語學習時只需對學習者實際得分與目標得分的偏差S進行采集，然后查表就可獲得控制量D。

表2 模糊控制檢索表

舉個例子來說，如果一名學習者的得分是40分，那么狀態變量S=70-40=30，根據表2，控制量D為-1。也就是說，給這名學習者安排的下次課程的難度要比初始難度(即第三個等級“中級”)下降一個等級，即提示給這名學習者的教育內容的難度為第二個等級“容易”。因為對于這名學習者而言，他的得分還沒有達到目標得分70分，因此需要稍微降低課程難易程度，使學習者的得分向目標得分靠攏。

(二)采用模糊控制的優點

本文運用模糊控制理論，在網絡漢語學習中實現了給不同知識水平的學習者安排不同課程內容的個性化學習系統。在個性化學習系統中采用模糊控制的優點主要有以下三點：

第一，應用模糊控制可以彈性地安排下次課程的教育內容。本文中采用的模糊控制是在模仿經驗豐富的教師的教育經驗和判斷的基礎上，通過指定下次課程的難易程度，確定學習者的得分偏差等要素的隸屬函數，開發出課程安排模塊。這個模塊的最大特征是能根據學習者的得分來安排不同的課程內容，實現個性化學習的目的。

第二，模糊控制有助于多層學習。課程安排模塊中課程教育內容的難易程度分為“很容易”、“容易”、“中等”、“難”和“很難”五個等級，對初次進入學習網站的學習者來說，系統提示的課程難度是第三個等級“中等”。經過學習，如果得分比目標得分高，則下次課程的難度要加大，如果得分比目標得分低，則下次課程的難度要減小，如果得分等于目標得分，則下次課程的難度維持“中等”。

第三，通過運行采用了模糊控制的課程安排模塊，在網絡學習中新教師也能夠開展與經驗豐富的老教師類似的教育活動，從而達到提高教師指導能力和效果的作用[12]。

結 語

每個學習者的知識水平各不相同，但大多數網絡學習系統并沒有考慮學習者的知識水平與所學的課程內容難易程度是否相適應，而是給所有的學習者都提供相同的教育內容。考慮到學習者的不同知識水平，為了給每個學習者提供適當的教育內容和學習環境，本文實現了個性化學習系統。這一機制包含得分反饋和課程安排兩個模塊。其中，得分反饋模塊的作用是收集學習者練習考試的回答信息，與正確答案進行比較，生成一個包含得分和錯題解析的網頁反饋給學習者，同時保存這些反饋信息并傳送到課程安排模塊；采用模糊控制的課程安排模塊則是綜合考慮了學習者的知識水平和教育內容的難易程度兩個方面，根據學習者的得分來判斷其知識水平，并為其提供相應難度的課程內容。

網絡漢語學習中這一個性化學習系統的實現，不僅可以在服務器中保存學習進度等個人信息，而且可以給不同知識水平的學習者安排適當的漢語教育學內容。這樣就能提高網絡漢語學習的智能性，使動態的、個性化的學習和提示成為可能。

注釋：

[1] 參見周小兵：《對外漢語教學入門》(第二版)，廣州：中山大學出版社，2011年，第163～166頁。

[2] 網絡孔子學院網址：http://www.chinese.cn/

[3] 空中孔子課堂網址：http://airclass.chineseplus.cn/onlineclass.asp

[4] 漢語階梯網網址：http://www.stepsofchinese.com/

[5] Schiaffino,S.et al (2008),eTeacher: Providing Personalized Assistance to E-learning Students,Computers&Education, vol. 51, pp. 1744-1754.

[6] Tseng, J. C. R.et al (2008), Development of an Adaptive Learning System with Two Sources of Personalization Information,Computers&Education, vol. 51, pp. 776-786.

[7] Chen C. M.& L. J. Duh (2008),Personalized Web-based Tutoring System Based on Fuzzy Item Response Theory,ExpertSystemswithApplications, 34, pp.2298-2315.

[9] Hatzilygeroudis, I. & J. Prentzas,(2004),Using a Hybrid Rule-based Approach in Developing an Intelligent Tutoring System with Knowledge Acquisition and Update Capabilities,ExpertSystemwithApplications, 26, pp.477-492.

[10] Baylari A. & Gh. A.Montazer (2009), Design a Personalized E-learning System Based on Item Response Theory and Artificial Neural Network Approach,ExpertSystemswithApplications, 36, pp.8013-8021.

[11] 關于模糊控制理論的介紹參見韓俊峰、李玉惠：《模糊控制技術》，重慶：重慶大學出版社，2003年，第1～3頁。

[12] [日]山下元，[日]清水誠一，《ファジィ理論を応用した評価システム》．《電子情報通信學會技術研究報告》．ET93-21，1993，第19～24頁。