探索式學習環境中的學習者類型自動識別

李丹丹+楊絮+張海+羅立成

● 探索式學習環境的現狀、問題與發展趨勢

探索式學習環境提供了以學生為主導的非結構化的主動學習環境。它的優點在于支持學生的主動學習，而不是教師控制型教學，缺點是如果不能識別學生的行為和需求，探索式學習環境往往會失去對學生的有效指導。因而，如何通過數據挖掘，構建學習者模型，已經成為今天教育數據挖掘中的主要研究課題。

來自微軟研究院的兩名科學家Saleema Amershi和Cristina Conati探索了一種新的方法，克服了此前研究思路的不足，這種新方法利用數據挖掘手段，自動識別通用的交互行為，并通過這些行為來訓練用戶模型。該模型與傳統的基于知識的模型或通過手動標記數據監督模型的差別在于，使用模型后，不必在觀察個體學習者的行為模式后再建模，只要將數據輸入到受監督的分類器，程序就能夠自動呈現學習者通用學習行為模式的可視化分析圖片，并能通過這張圖片分析其學習效果。這就大大節省了專家的工作量。盡管這些模型不夠精細，但仍足以提供探索式學習環境所需要的交互變量。

● 探索式學習環境案例：AIrspace CSP Applet

本文介紹的探索式學習環境名稱為人工智能空間約束滿足問題小程序（AIspace Constraint Satisfaction Problem （CSP）Applet，以下簡稱為CSP Applet）。這是一個交互式工具集合，能用算法可視化系統來幫助學生探索常見人工智能算法。

圖1顯示了一個CSP Applet中以圖形方式表示的約束滿足問題（AC-3算法）示例。最初，網絡中的所有弧都是藍色，表示需要對其進行一致性測試?！?br>