網絡學習系統中認知風格測量工具的研究

常青

（錦州醫科大學　公共基礎學院，遼寧　錦州　121000）

網絡學習系統中認知風格測量工具的研究

常青

（錦州醫科大學公共基礎學院，遼寧錦州121000）

在網絡教育中，學習者的認知風格可以明確的反映出學習者應該采取何種學習方式，它也對網絡的學習活動和學習媒體的設計有著重要的影響，所以，確定網絡學習者的認知風格類型就變得尤為重要。在網絡學習系統中，測量學習者的認知風格類型，通常會使用CSA（認知風格分析系統）。它的測量結果與被測試者的反應時間有著重要的關系，所以在實際的應用中，就會有一些不確定的因素影響測試結果。文章通過對網絡學習系統以及系統中學習者的學習行為屬性進行研究分析，同時借鑒了專家的意見以及一部分已有的研究成果，確定了與認知風格相關的學習行為屬性，主要通過數據挖掘技術，設計出基于網絡學習系統的認知風格測量工具。

認知風格；數據挖掘；決策樹

1　概念

1.1認知風格

認知風格是一個變量，標志著每個人的個體差異。有的人用語言符號的形式來表現運用信息，有的人用圖形的形式來表現信息。認知風格的研究領域范圍廣泛，有的研究是針對問題的解決，有的研究是針對學習，有的研究是針對知覺特點等，彼此間也存在很大的差異性。雖然有人提出過認知風格類型的分類如此之多，主要是因為認知本身太過復雜，不過也會認為如此多的認知風格類型劃分，并不利于深入性的研究。

在網絡學習的模式中，學習是通過自已的原有知識或經驗，與個性化的學習系統進行交互，以此來獲取知識與能力的過程。學生可以組織、制訂、執行自己的學習計劃，自行的對學習策略進行選擇，還可以控制全部的學習過程，對學習成果進行自我評價。它充分的考慮到了教學行為和學習行為的個人化。它根據各學生不同的需求，對教學資源進行不同的組合。學生的學習過程受本人支配。學生在這一系統的學習中，不僅掌握了所學的知識，同時也掌握了學習的方法。

2　個性化網絡課程設計

最終形成的學習效果與教學資源的組合形式有著非常重要的關系。交互界面的設計對學習者認知呈現出的效果，會與界面讓學習者所看到的窗口大小、標題、材料的整體配合效果，以及每個界面展示出學習材料的多少、布局等因素有關。圖像型的學習者比文本型的學習者表現要好，這主要來取決于各個媒體的表達特征。例如，通過視頻的方式來進行學習，圖像、聲音和視頻的表現方式對圖像型學習者更有幫助。所以，通常會認為不同認知風格的人會從與自己風格相適應的學習資源中獲益。本文所設計的網絡課程，是基于二維認知風格理論基礎之上的，通過分析學習者的認知風格類型，利用學習模式和媒體資源的不同組合，形成9種（3×3）不同的學習課程，提供給9種不同認知風格的學習者，從而促進學習者實施有效學習。

學習模式設計的策略，主要是為了給具有不同特點的學生，提供更適合他們的網絡課程，從而設計出的三種不同的學習模式。它彌補了具有不同特點的學生在認知上的不足，換句話說，就是網絡課程在面對不同的認知風格學習者，可以采用不同的結構、不同的學習次序和不同的使用方式。

3　數據挖掘

數據挖掘，它可以從數量多，或者不完全，甚至是模糊的數據內，提取出有用的信息和知識，這些信息和知道隱含在這些數據中，而人們事先并不知道［1］。它可以挖掘出數據的潛在模式，指導決策，并找出最有價值的信息。數據挖掘過程如下：

（1）數據挖掘的結果是要在大型的數據庫中，發現令人產生興趣的有用信息，必須要明確定義和挖掘目標信息［2］。

（2）對數據進行準備。首先根據用戶的需求，在原始的數據庫中提取數據，確定要操作的對象。再對數據做預處理，也就是對已經提取出來的數據進行加工，篩查，檢查數據的完整性、一致性。最后將這些數據轉換成一個適合于挖掘算法的分析模型。

當學生認識了自己的錯誤解法，學生就多了一種對錯誤的“免疫力”。而當學生分辨出對錯后，教師沒有“見好就收”，而是“乘勝追擊”。引導學生反思為何會犯錯，思考經歷了這次犯錯糾錯活動以后要注意些什么？學生學會將活動所得經驗不斷內化和概括，最終遷移運用到其他活動和學習中去。

（3）根據所要挖掘的數據功能類型或特點，選擇與之相適應的算法，對篩查和轉換后的數據集進行挖掘。

（4）對數據挖掘的結果進行解釋和評估，再轉換成為可以被用戶所理解的、合理的知識。

4　認知風格測量工具設計

4.1認知風格測量工具的基礎結構

認知風格測量工具要求具有基于兼容WindowsXP以上的操作系統，后臺為兼容SQL Server 2000以上的數據庫管理系統。認知風格測量工具主要包括數據收集和認知風格評價兩個部分。

4.2認知風格測量工具設計流程

學生者學習過程的信息收集模塊，其實就相當于一個基于多代理理論的跟蹤器。當學生登陸網絡學習系統時，跟蹤器也同時啟動，并對學生的學習行為進行跟蹤和記錄。數據處理模塊通過對跟蹤器所收集到的數據進行加工處理，從中提取出有效的數據。分類模塊通過所建立的決策樹，對所提取的有效數據進行分類。結果評價模塊對分類結果進行分析，根據分類的結果向用戶推薦參考信息。

4.3解決方案

本文設計了多個數據收集模塊以及以決策樹的分類算法為基礎的認知風格測量模塊。數據收集模塊是將學生的相關屬性數據建立關系化量表，再概念化，從而形成的概化量表。認知風格測量模塊的具體工作步驟為：

（1）明確挖掘的對象和目標。通過跟蹤器收集挖掘對象，儲存學生學習行為信息到用戶數據庫中，通過以上的信息，對學生的認知風格來確定挖掘目標。

（2）數據的采集。在現實的學習環境中，以及個性化的網絡學習系統中，采集各類有關數據信息。其中的一部分數據需要處理有關數據才可以獲取，其余部分的數據需要對學生進行調查后才可以獲取。

（3）數據的轉換。將采集到的不同數據信息，合成轉換為數據分析模型，以便將采集到的數據適用于本工具的挖掘。

（4）數據的分類挖掘。先選擇一個合適的挖掘算法，并且通過恰當的程序設計來實現這一算法。再對轉換后的數據對象進行處理，來得到決策樹對學生的認知風格進行測量。

（5）獲取分類的規則與結果的分析。用于對使用工具所獲得的學生認知風格測量結果，進行分析與評估。

5　認知風格測量工具開發

5.1數據收集模塊

數據收集模塊，將收集到的學生在線學習行為形成數據，并將其存儲于數據庫中。每當學習者登陸學習系統時，數據收集模塊就自動的啟動，同時開始記錄下學習者的學習行為。該模塊是認知風格測評工具的基礎，根據個性化網絡學習系統的用戶分析模型，確立采集數據類型，同時它也是認知風格測量工具的數據源，它所收集到的信息質量和數量會直接的影響認知風格測量工具的準確性。

5.2認知風格決策樹的實現

（1）數據的預處理。通過對學生在線學習行為的數據采集，可以獲得兩類記錄，即第一類，運用個性化網絡學習系統的學習模式所選擇的記錄。第二類，運用媒體類型的記錄。

數據的預處理，主要是將數據庫所獲取的兩類學習行為記錄通過集成、變換與歸納，最后所形成的待挖掘的數據集。第一類記錄中獲取的，是學生的學習模式（線性模式、分支模式以及學習者自主模式）。從第二類記錄中獲取的是學生所選擇的使用多媒體的組合方式（單一文本、講課視頻、PPT、文本、交互式超媒體）。

（2）建立決策樹。經過預處理的數據包括一個類別項（認知風格類型）和三個影響分類的屬性項（學習行為的數據）。我們選取某大學的600名大一學生作為數據樣本，生成訓練集來構造決策樹。

5.3認知風格測量工具效果分析

通過對使用了認知風格測量工具的網絡學習系統的某大學860名學生的跟蹤調查，可以對網絡學習系統的結構以及媒體的設計策略起到一定的指導作用。對網絡學習系統的學習者來講，可以使他們確定個人的認知風格類型，再針對自己的不足之處，進行與之相適應的強化練習。得到的決策樹，對于理想學習者的分類正確率非常高。對于非理想學習者的分類正確率不夠理想。而非理想學習者的不準確部分，在實際操作中相當于增加了部分不真實的理想學習者，這與實際情況是一致的。

主要參考文獻

［1］鄧英，李明.Web數據挖掘技術及工具研究［J］.計算機工程與應用，2001（20）.

［2］曲紅亭，申瑞民.基于數據挖掘的個性化學習導航系統的設計與實現［J］.計算機工程，2003（8）.

10.3969/j.issn.1673-0194.2016.11.145

G420

A

1673-0194（2016）11-0242-02

2016-02-19

2015年遼寧醫學院教學改革研究一般項目（YA2015037）。

常青（1980-），女，遼寧錦州人，錦州醫科大學公共基礎學院講師。