自適應學習系統(tǒng)中學習者特征模型及建模方法述評

[摘要]文章主要通過文獻分析法，總結(jié)歸納自適應學習系統(tǒng)中學習者特征模型的建模方法，研究國內(nèi)外自適應學習系統(tǒng)及其中關鍵的模型——學習者特征模型，比較分析國內(nèi)外學習者特征模型建模的異同，以期為自適應學習系統(tǒng)的研究和開發(fā)提供幫助。

[關鍵詞]自適應學習系統(tǒng)；學習者特征模型；建模方法

[中圖分類號]G40-057 [文獻標識碼]A [論文編號]1009-8097(2012)05-0077-04

信息化時代的學習更加注重個性化、自主化，自適應學習便應運而生。自適應學習系統(tǒng)始于自適應超媒體系統(tǒng)，同時又具有智能導學系統(tǒng)的特征，在技術(shù)功能上是以往的網(wǎng)絡學習系統(tǒng)所無法比擬的，同時也是未來遠程學習發(fā)展的趨勢。自適應學習系統(tǒng)之所以是智能、先進的，主要是系統(tǒng)能夠根據(jù)學習者特征，利用自適應導航技術(shù)為學習者提供個性化的學習路徑，動態(tài)的呈現(xiàn)學習內(nèi)容、學習資源，以及提供學習診斷和學習策略等。自適應學習系統(tǒng)包含三個模型：學習者模型、領域知識模型、適應性引擎，其中學習者模型的構(gòu)建是自適應學習系統(tǒng)研究和應用的重點，學習者特征是學習者模型的關鍵因素，學習者特征的完整性、準確性直接關系到系統(tǒng)能否為學習者提供與學習者相適合的學習策略、學習內(nèi)容和學習資源等，進而又會關系到學習者個性化學習的實現(xiàn)與否。然而，從目前的研究來看，現(xiàn)有的自適應學習系統(tǒng)的學習者特征模型還不夠系統(tǒng)，在采用建模方法和確定學習者特征要素上，有待于進一步完善和補充。從而更好地滿足學習者在自適應學習系統(tǒng)中的個性化、智能化需要。一 相關概念

自適應學習系統(tǒng)是一個為滿足學習者個性化學習需要，根據(jù)學習者特征，為學習者提供個性化路徑，并能夠向?qū)W習者動態(tài)呈現(xiàn)學習內(nèi)容與學習資源的學習系統(tǒng)。自適應學習系統(tǒng)中的學習者特征要素是自適應學習系統(tǒng)實現(xiàn)其功能的關鍵。不同的學者對自適應學習系統(tǒng)中的學習者特征要素有不同的觀點，例如Brusilovsky Peter教授認為，學習者特征包括學習者知識、興趣、目標、背景和個性特征；我國有學者指出自學習者特征包括學習目標、學習風格、用戶的前提知識或背景知識、用戶的知識狀態(tài)、學習經(jīng)歷、信心、動機等。筆者結(jié)合當前的相關研究，認為自適應學習系統(tǒng)中的學習者特征包括：學習者知識：前提知識、背景知識、知識狀態(tài)；學習目標：目標、動機；學習經(jīng)歷；學習風格：興趣、偏好、個性特征。二 學習者特征模型建模方法

在各種自適應學習系統(tǒng)和智能導學系統(tǒng)中，由于建模角度不同，學習者特征模型的建模方法也是多種多樣的。LocNguyen、Phung Do認為自適應學習系統(tǒng)中學習者特征模型建模方法有鉛板模型、覆蓋模型、微分模型、攝動模型和計劃模型等。Tai-Yu Lin認為自適應學習系統(tǒng)的常用建模方法有覆蓋學生模型、微分模型、攝動學生模型、基于約束的學生模型。以下是對幾種典型學習者特征模型建模方法的總結(jié)：

1 覆蓋模型、微分模型、攝動模型

覆蓋模型、微分模型和攝動模型都是基于學習者知識建模的。在建模方法上，微分模型和攝動模型是基于覆蓋模型的。它們之間具有相似之處，也存在著一定的差異。

覆蓋模型(Overlay Model)假設學習者行為和專家行為的不同是由缺乏技能造成的，因此將學習者知識簡單認為是專家知識的子集，其中的學生模型是通過將學習者的行為同專家相比較建立的(如圖1所示)。

微分模型(Differential Model)是對覆蓋模型的進一步改進，在本質(zhì)上仍然屬于覆蓋模型。該模型把學生知識視為領域?qū)＜抑R中期望學生獲得知識的一個子集，將學習者的知識分為期望學習者獲得的知識和學習者不被期望獲得的知識。與覆蓋模型不同之處在于沒有假設學生模型與專家模型的所有差異是不被期望的(如圖2所示)。

在攝動模型(Perturbation Model)中，學習者知識不再被看成是專家知識的一個子集。它認為學習者知識加工的潛力和專家知識在數(shù)量和質(zhì)量方面是不同的。攝動模型把學生知識視為領域?qū)＜抑R和學生可能形成的錯誤知識的一個子集

2 鉛板模型(Stereotype Model)

鉛板模型，是一種簡單的描述用戶知識狀態(tài)的模型。該模型雖然比較容易實現(xiàn)，并可以快速地建立用戶模型，但其適應的粒度卻不夠細。在實際建模中，往往和覆蓋模型結(jié)合起來運用。

3 貝葉斯模型(Bayesian Models)

貝葉斯模型是利用貝葉斯網(wǎng)絡應用于學習者模型建模的方法。將其應用于學生建模中，能夠編碼學生知識項之間的因果關系，通過不斷加入后驗數(shù)據(jù)信息，可以推導出學生知識的掌握程度。根據(jù)建模技術(shù)，貝葉斯網(wǎng)絡學生建模分成三種類型：專家為中心的學生模型、效率為中心的學生模型、數(shù)據(jù)為中心的學生模型。

4 約束模型(Constraint-Based Models)

約束模型認為學生求解問題時所達到的問題求解狀態(tài)可以反映出學生所犯的錯誤。約束模型與其他學生模型是有區(qū)別的，其他模型是在學生的求解路徑上所使用的運算上“發(fā)現(xiàn)”學生的錯誤。

以上各種學習者特征模型的建模方法，各具優(yōu)缺點，在自適應學習系統(tǒng)中的學習者特征模型建模時應給予充分考慮，揚長避短。與此同時，還可以結(jié)合運用各種有效的計算機算法或人工智能技術(shù)，共同完成學習者特征模型的建模和學習者特征的獲取。三 國外自適應學習系統(tǒng)中的學習者特征模型

學習者特征模型是學習者在自適應學習系統(tǒng)中實現(xiàn)個性化學習的關鍵。模型建模的首要任務在于方法的選擇和運用。在本部分筆者主要從學習者特征模型的建模方法及學習者特征的構(gòu)成等方面對國外自適應學習系統(tǒng)中的學習者特征模型進行了研究，通過大量的文獻閱讀，并根據(jù)學習者特征模型的建模方法對多個系統(tǒng)及其學習者特征模型進行了分類比較。

1 根據(jù)覆蓋模型及其擴展模型分類

覆蓋模型及其擴展模型即上文中的覆蓋模型、微分模型、攝動模型等，依據(jù)覆蓋模型建模的自適應學習系統(tǒng)有：AHA，AHAM．AHM、XAHM，ISIS-TUTOR，HYPERFLEX，ICICLE等。

AHA(Adaptive Hypermedia Architecture)是荷蘭Eindhoven科技大學計算機系Paul DeBra教授于1998年研究出的第一代AHA系統(tǒng)。該系統(tǒng)通過適應性引擎更新用戶模型，用戶模型是基于概念的用戶模型，包含概念知識屬性，用戶通過瀏覽超媒體頁面增加知識。其突出特征是支持適應性內(nèi)容的呈現(xiàn)。AHA用戶模型中包含的學習者特征有學習者知識、學習目標、興趣等，其中缺少學習者特征重要的非智力因素學習風格。

XAHM(XMLAdaptive Hypermedia Model)，是一種基于XML的自適應超媒體模型，該系統(tǒng)包括對學習者行為的建模(如偏好、瀏覽活動等)、對技術(shù)的建模(網(wǎng)絡、用戶終端)、對外環(huán)境的建模(時間、地點、語言、社會性問題等)。其中學習者行為不僅包括學習者的顯性方面的行為，還包括學習者隱性行為活動。XAHM用戶模型中的學習者特征包括學習者知識、學習目標、興趣、偏好、活動等，其中缺少學習者特征中重要的非智力因素學習風格。

ISIS-TUTOR，是一種智能的學習環(huán)境，支持學習打印格式化語言。它是超媒體電子文本、智能導師、探究學習環(huán)境的結(jié)合體。超文本組件為學習者學習提供適應性導航支持，學習者的學習材料包括概念展示、問題解決和案例分析，學習者利用導航可以自主選擇學習材料和路徑。學習者模型中的學習者特征包括學習者知識、個性化學習目標序列等，其中缺少學習者特征中重要的非智力因素學習風格。

依據(jù)微分模型建模的系統(tǒng)有WEST等，它是基于網(wǎng)絡的創(chuàng)作工具。WEST為學習者提供一個簡單直接的接口，并提供導航，接口以超媒體編碼形式的全貌地圖展示學習者的位置以及學習者已經(jīng)學習過哪些知識，而這些都是通過學習者在課程中自動打分和多項選擇測試得到的。學習者可以在系統(tǒng)中任意選擇學習內(nèi)容，系統(tǒng)根據(jù)學習者學習的知識內(nèi)容為其提供專家導航建議。WEST學習者模型中包含學習者的前提知識、知識狀態(tài)等，缺少學習者特征中的重要的非智力因素學習風格。

依據(jù)攝動模型建模的系統(tǒng)有：DEBUGGY、Neclle、PROUST、PASCAL、Geometry Tutor等。其中DEBUGGY是基于規(guī)則的多列減法領域知識，和基于規(guī)則的錯誤庫一起開發(fā)。錯誤庫可以收集和分析一些學生對數(shù)學測試的反應。正確的反應形成領域知識的規(guī)則，錯誤反應被存入錯誤庫中成為錯誤規(guī)則。這樣，學習者當前的減法過程可以用正確規(guī)則來解釋，也可以用錯誤規(guī)則來解釋。Neclle是一個用攝動模型建模的系統(tǒng)，提供一個基于網(wǎng)絡的交際語言學習環(huán)境。系統(tǒng)運用交際差距模型(CGM)，主要向以漢語為母語的學生教授日語。這一類的學習者模型中包含的學習者特征有正確知識、錯誤知識、學習經(jīng)歷等，缺少學習者特征中的重要的非智力因素學習風格。

2 依據(jù)鉛板模型分類

依據(jù)鉛板模型建模的系統(tǒng)有：HYPERTUTOR、WPS-Tutor、INTERBOOK等。HYPERTUTOR是只用鉛板模型描述用戶的系統(tǒng)，系統(tǒng)利用練習獲取關于用戶的信息，并用鉛板建模。學生屬于新手、中級、專家三組中的一個，而學生通過在系統(tǒng)中學習完成從新手到專家的角色轉(zhuǎn)變。HYPERTUTOR學習者模型中包括的學習者特征有：學習者知識、分組等。WPS-Tutor系統(tǒng)包括實踐學習、精細加工、分類、掌握、推斷等。系統(tǒng)首先對問題進行分類，即新手級別的、中間級別的、專家級別的，后一個級別比前一級別難度加大，學習者通過學習、晉級，實現(xiàn)從新手向?qū)＜肄D(zhuǎn)變。該建模方法簡單方便，容易實現(xiàn)，但分類力度不夠精細，不能進行復雜分析。INTERBOOK提供簡易適應性網(wǎng)絡課程創(chuàng)作工具，即能夠?qū)ORD文件轉(zhuǎn)換成適應性網(wǎng)絡課程。該系統(tǒng)的缺點為：對于領域知識模型的構(gòu)建過于簡單，并且缺乏獲取用戶知識狀態(tài)的練習和測試手段。該系統(tǒng)學習者模型中的學習者特征有：學習者知識、偏好、興趣、學習目標、學習歷史等，缺少學習者特征中的重要的非智力因素學習風格。

3 依據(jù)貝葉斯模型分類

根據(jù)模型建模技術(shù)和方法，貝葉斯模型分為三種：專家為中心的學生模型、效率為中心的學生模型、數(shù)據(jù)為中心的學生模型。依據(jù)貝葉斯模型建模的系統(tǒng)也可以按這三種分類，其中以專家為中心的學生模型建模的系統(tǒng)有：ANDES、HYDRIVE、DT-Tutor、ADELE等，該類系統(tǒng)的優(yōu)點是建模直接快速方便，缺點是機構(gòu)復雜，計算存在困難；以效率為中心的學生模型建模的系統(tǒng)有：ACT-R、SQL-Tutor、MANIC等，該類系統(tǒng)的優(yōu)點是強調(diào)效率優(yōu)先，缺點是簡化了領域知識；以數(shù)據(jù)為中心的學生模型建模的系統(tǒng)有：CAPIT等，該類系統(tǒng)的優(yōu)點是以數(shù)據(jù)為依據(jù)，節(jié)點少，利于建模，缺點是只表示顯性變量，難以表示隱形變量。模型中學習者特征一般包括學習者知識、分組等，缺少學習者學習風格等要素。

4 依據(jù)約束模型分類

依據(jù)約束模型建模的系統(tǒng)有：EER-Tutor、SQL-Tutor、WETAS、KERMIT、NORMIT等。其中EER-Tutor是一個網(wǎng)絡智能導學系統(tǒng)，它用約束模型建模，通過一個網(wǎng)絡接口進入數(shù)據(jù)庫。這種模型是不明確的、開放式的，因此EER-Tutor學生模型也被稱為開放式學生模型。SQL-Tutor是學習數(shù)據(jù)庫和SQL的問題解決學習環(huán)境。在開始部分，SQL-Tutor為學生選擇一些問題，系統(tǒng)根據(jù)學生的回答，分析錯誤，更新學生模型；根據(jù)學生模型，教學模塊產(chǎn)生適當?shù)姆答仯蝗绻麑W生還不能做出正確回答，系統(tǒng)則會提供更加詳細的反饋信息，直到學生能夠做出正確的回答，學生退出系統(tǒng)或者進行下一個問題。此學習者特征模型包含的學習者特征有：學習者正確知識、錯誤知識、學習經(jīng)歷、學習目標等，缺少學習風格方面的考慮。

本部分經(jīng)過大量相關文獻的分析，對自適應學習系統(tǒng)及學習者特征模型進行了歸納和分類。在此研究過程中，我們發(fā)現(xiàn)國外自適應學習系統(tǒng)在學習者特征模型建模方法的大多采用單一方法，當然也有一些系統(tǒng)采用多種學習者模型建模方法結(jié)合的方式建模，比如鉛板模型和覆蓋模型結(jié)合：INTERBOOK、AVANTI等，約束模型和貝葉斯模型結(jié)合：SQL-Tutor等。在學習者特征包含的要素上，以上四大類學習者特征模型在建模過程中大都只關注了學習者特征中的學習者知識，雖然也有一些系統(tǒng)在學習者特征模型建模過程中，還關注了學習者特征中的非智力因素——興趣、偏好、學習風格等，如AHA、INSPIRE、AES-CS、CS-383。但大都缺少學習者特征中的學習風格要素。四 國內(nèi)自適應學習系統(tǒng)中的學習者特征模型

我國對自適應學習系統(tǒng)中學習者特征模型建模研究，無論是理論上研究還是實踐開發(fā)上，都稍晚于國外。國內(nèi)在學習者特征模型建模方法的采用上，有的較為明顯，如覆蓋模型、鉛板模型、貝葉斯模型、動態(tài)模型等，而有的則無明顯的建模方法；在學習者特征的要素分析上，有的較為全面，而有的則更關注某些關鍵要素，如學習風格的分析和運用。針對這樣一種情況，本部分主要從建模方法和學習者特征要素兩個維度歸納分析了國內(nèi)學習者特征建模的現(xiàn)狀。

1 依據(jù)學習者特征模型的建模方法

與國外相關研究一樣，有明顯建模方法的自適應學習系統(tǒng)中的學習者特征建模方法，或采用單一的學習者特征模型建模，如鉛板模型、覆蓋模型、動態(tài)模型和貝葉斯模型等，或采用組合模型建模，如鉛板模型和覆蓋模型的組合，覆蓋模型、偏差模型、認知型模型多種模型組合等。

鉛板模型和覆蓋模型：A-Tutor。華南師范大學陳品德在總結(jié)分析國外自適應學習系統(tǒng)如InterBook、AHA、KBS、ELM-ART等的基礎上，設計開發(fā)了A-Tutor適應性學習系統(tǒng)。該設計系統(tǒng)的意圖在于提供一個通用的適應性學習支持系統(tǒng)，并不限定系統(tǒng)中具體的教學內(nèi)容。該系統(tǒng)包括的學習者特征有：背景知識、知識狀態(tài)、學習任務、偏好、學習風格、用戶一般信息、配置信息、界面狀態(tài)等。學習者特征分析比較全面，但在具體應用上，更加關注是學習者不斷變化的知識狀態(tài)。

動態(tài)模型。按照數(shù)據(jù)的生存周期，學生模型主要分為靜態(tài)模型和動態(tài)模型兩個部分，首都師范大學楊卉、王陸等學者在這個基礎上建立了兩層動態(tài)學生模型，并提出了建立在該模型基礎之上的模糊綜合評價算法，實現(xiàn)了學生學習特征的綜合評價。東北師范大學劉宇、解月光設計了基于多Agent的智能輔導答疑系統(tǒng)模型并提出了相應的動態(tài)學生模型，該模型能夠提取遠程學習者個性特征和認知能力等參數(shù)，進行評價并建立動態(tài)學生模型庫。動態(tài)模型能夠動態(tài)提取學習者特征，不斷更新學習者狀態(tài)，為系統(tǒng)實現(xiàn)個性化學習提供依據(jù)。但動態(tài)建模的實現(xiàn)存在困難，尤其是在各種計算算法的選擇和運用上更加復雜，難以控制。

貝葉斯模型。周春萍、周相泉、陳玲等幾位作者將貝葉斯網(wǎng)絡應用到學生模型的設計上，利用貝葉斯網(wǎng)絡的優(yōu)勢獲取學習者特征。此方法建模的瓶頸依然是技術(shù)實現(xiàn)。

組合模型。國內(nèi)學者孫中紅在個性化智能網(wǎng)絡教學系統(tǒng)學生模型的研究中，根據(jù)不同學生模型的特點，利用基于決策樹的遺傳算法，將學生的興趣、愛好、學習標準、歷史、知識狀態(tài)、認知能力、心理因素等信息進行數(shù)據(jù)挖掘和分類，構(gòu)建了一個綜合覆蓋模型、偏差模型、認知型模型的全面學生模型。該模型克服了單一學生模型不能對學習者的學習特征進行全面評價和分類的弊端。但此研究只限于理論層面，在具體實踐開發(fā)過程中是否能夠?qū)崿F(xiàn)及如何實現(xiàn)，有待于進一步研究。

2 依據(jù)學習者特征因素分析

國內(nèi)無明顯建模方法的相關研究是從學習者特征因素考慮建模的，如從教學設計角度、遠程學習者特征角度、學習風格的分析和運用角度等分析學習者特征。各個角度分析學習者特征要素及其建模都存在一定優(yōu)勢和不足。

從教學設計角度分析學習者特征。教學設計中的一個重要的環(huán)節(jié)就是學習者分析，其中包括學習者的知識基礎、認知特點、學習風格等特征的分析。這一角度的代表是北京師范大學楊開城教授從教學設計角度，設計學習者模型。該模型的學習者分析包括以下幾個維度：學習準備、學習興趣、學習動機、學習速度、學習風格、自主行為能力、能力傾向、價值觀、情感態(tài)度的性格表現(xiàn)、情緒性格表現(xiàn)和意志學習性格表現(xiàn)等。其中學習風格維度又包括以下要素：物理環(huán)境偏好、社會環(huán)境偏好、最佳時間和認知風格等。此模型是從教學設計角度考慮的，但是否適用于自適應學習系統(tǒng)的學習者特征模型的開發(fā)還有待于進一步研究。

從遠程學習者特征角度。遠程學習者特征分析，主要是著眼于遠程教育中學習者的特征分析。學者丁興富對遠程學習者特征進行了深入研究，他提出的理論分析體系包括七個維度：有關歷史和現(xiàn)狀的一般資料；有關生理、心理和行為的人口學資料；有關教育、經(jīng)濟、宗教、政治和宗教、民族和種族、社會和文化的社會學資料；有關家庭、工作單位、交通和通信的地理學資料；有關學習時間、學習地點、學習設施和通信條件的情境狀態(tài)資料；動機動力資料；有關對遠程教育院校、對學習者人生和社會生活、對學習者自身以及來自社會各界的觀點和評價資料。該理論體系不得不說全面地總結(jié)了學習者的特征，但是在學習系統(tǒng)的學習者模型的具體設計和開發(fā)時，是否需要這么多的特征及其可操作性值得商榷。

從學習風格的分析和運用角度。學習風格是學習者特征中重要的非智力因素，在眾多學習者特征模型中除了基于學習者知識建模，另一個重要的方法就是基于學習者學習風格建模。東北師范大學趙蔚教授等在2008年進行了基于語義網(wǎng)的自適應學習系統(tǒng)中用戶模型的研究，其中學習者模型包括：學習者學習風格、認知水平和興趣偏好。在2010年進行了基于Felder-Silverman量表用戶學習風格模型的修正研究。趙蔚教授研究的局限在于兩次研究中學習者模型都是采用經(jīng)典學習風格模型的Felder-Silverman模型，對學習者進行前測所采用的也是Felder-Silverman量表，在學習風格模型及其量表的選擇和運用上，缺乏本土化。西南大學博士陳仕品和浙江大學張劍平教授在2010年在分析學生模型的國內(nèi)外研究現(xiàn)狀的基礎上，提出了一種基于認知狀態(tài)和學習風格的學生模型(CS．LS學生模型)。CS－LS學生模型包括學生描述、認知狀態(tài)、學習風格和學習歷史四個維度，在學習風格維度上采用的依然是Felder-Silverman學習風格分類。以上研究，在學習者特征模型的建模上，都關注了學習者特征中的學習風格，提供了更加符合學習者個性化的特征，更加有利于自適應學習系統(tǒng)實現(xiàn)個性化學習。但是值得一提的是采用現(xiàn)有的單一學習風格模型測量學習者的學習風格，不能夠全面系統(tǒng)地表現(xiàn)出學習者的學習風格，具有一定的局限性。

綜上所述，國內(nèi)關于學習者特征模型的相關研究晚于國外研究，雖然取得了一定的成果，也存在著一些不足。國內(nèi)研究無論是理論研究還是實踐開發(fā)都落后于國外，建模方法的選擇運用上，在綜合考慮各種建模方法后，應明確選擇一種或多種建模方法進行建模，不能總是停留在特征要素的分析上；在學習者特征要素的獲取上，應熟練運用各種計算機算法或人工智能技術(shù)，實現(xiàn)學習者特征的動態(tài)更新；在學習者特征中的學習風格模型的研究上，在參考國外現(xiàn)有模型的基礎上，應進行本土化的拓展研究，構(gòu)建一個適合國內(nèi)學習者特點的學習風格模型。五 總結(jié)與展望

總的說來，國內(nèi)外的一些專家學者及研究機構(gòu)對于自適應學習系統(tǒng)的學習者特征的研究做出了比較大的貢獻，研究設計了大量各具特點的自適應學習系統(tǒng)和學習者特征模型，為未來的自適應學習研究者提供了大量可參考的文獻資料，在隊國內(nèi)外學習者特征模型的建模的研究中發(fā)現(xiàn)了一些問題，同時基于現(xiàn)有的研究，我們也看到了未來自適應學習系統(tǒng)及其學習者特征模型的研究趨勢。

總結(jié)國內(nèi)外自適應學習系統(tǒng)中的學習者特征模型及其建模方法的研究，我們發(fā)現(xiàn)國內(nèi)外相關研究在研究和開發(fā)時間、學習者特征模型建模方法的采用、學習者特征要素的分析和確定上都存在著差異性，具體表現(xiàn)在：無論是系統(tǒng)還是學習者特征模型，國外起步早于國內(nèi)，國外相關研究多于國內(nèi)；國內(nèi)主要在參考國外研究的基礎上，重視理論的研究和創(chuàng)新，國外在理論研究的同時，注重實際的開發(fā)和應用研究D2J在學習者特征模型的建模方法上，國外自適應學習系統(tǒng)學習者特征模型建模一般都有明顯的建模方法，國內(nèi)主要關注于學習者特征要素的分析，有明顯的建模方法的較少；在各種建模方法的選擇上，或采用單一模型建模，或采用多種模型組合建模。國內(nèi)外的相關研究也存在著一致性；在學習者特征要素的分析和確定上存在爭議，國外多數(shù)研究只是關注學習者特征的某一個或幾個方面，不能全面的反應學習者特征，也就是或基于學習者知識特征建模，或者基于學習者行為特征建模，或關注學習者的學習風格等，國內(nèi)相關研究中學習者特征包含的要素很多，涉及各個方面。然而正是因為學習者特征因素過多，導致學習者特征建模可操作性不強；僅就學習者學習風格模型的選擇和運用而言，國內(nèi)外都是采用現(xiàn)有的某一學習風格模型測量學習者學習風格，尤其是國內(nèi)相關研究未進行本土化的研究，直接采用現(xiàn)有學習風格模型不能科學合理地反應學習者特征。綜上所述，學習者模型的構(gòu)建及學習者特征分析有待于進一步研究和完善。

另外，綜合國內(nèi)外現(xiàn)有相關研究成果，未來自適應學習系統(tǒng)中的學習者特征模型的理論研究和實際開發(fā)上呈現(xiàn)出以下發(fā)展趨勢：

(1)在自適應學習系統(tǒng)及其學習者模型設計上，融入多種理論，涉及各個領域，充分考慮教育學、心理學、計算機科學的有機融合。

(2)在學習者特征模型的構(gòu)建原則上，結(jié)合自適應學習系統(tǒng)研究開發(fā)實際，應充分遵循科學性、合理性、全面性、可操作性和重用性等原則。學習者特征各個因素的選擇與確定科學，要充分考慮各個因素之間的關系，結(jié)構(gòu)合理，全面考慮，并不是越多越好，結(jié)合系統(tǒng)開發(fā)實際，學習者特征模型要具有可操作性和重用性。

(3)在學習者特征模型的構(gòu)建方法上，結(jié)合實際應用，綜合選擇單一學習者模型或者組合學習者模型進行建模。學習者特征模型建模時，選擇單一建模方法，還是選擇多種模型組合建模，要實現(xiàn)學習者特征的各個要素的建模，比如學習者知識的建模、學習風格建模、學習經(jīng)歷建模和學習偏好建模等等。

(4)在學習者特征的獲取上，采用新的技術(shù)和算法，如先進的人工智能技術(shù)、貝葉斯網(wǎng)絡、遺傳算法和模糊評估算法等各種有效的計算機技術(shù)和算法。這樣，在學習者初始特征獲取后，利用各種技術(shù)和算法，能夠?qū)崿F(xiàn)學習者特征的動態(tài)獲取和更新，有利于系統(tǒng)進行動態(tài)的學習診斷。

(5)在學習者特征分析上，充分考慮到不同學習者的個性化差異，尤其是更加重視學習者學習風格的研究和探索。在現(xiàn)有的學習風格模型的基礎上，構(gòu)建切實符合自適應學習系統(tǒng)開發(fā)的學習者學習風格模型，更有助于學習者個性化學習。