基于大數據的在線智能輔助學習系統的研究

周斯譯 楊雅涵 王建武 邢國春

摘 ?要：大數據作為信息產業持續高速增長的新引擎，它為我們提供了豐富的網絡信息資源，并且正在滲透到當今的每個領域之中，成為重要的生產因素。尤其在教學領域的使用，受到廣泛關注。憑借網絡自主學習是學習者獲得知識的重要來源，在線輔助減少時空局限性，步步引誘從而增加學習者的主動性，直到完成學習者的目標任務。文章主要通過對大數據，輔助學習，和學習系統模型的鉆研，結合案例分析對于系統功能進行初步的說明。希望對學習系統的完善，能對未來的教學環境有所幫助。

關鍵詞：大數據;輔助學習;系統模型

中圖分類號：G434 ? ? ? ? 文獻標志碼：A ? ? ? ? 文章編號：2095-2945（2019）18-0040-02

Abstract： As a new engine for the sustained and rapid growth of the information industry， big data provides us with rich network information resources， thus infiltrating into every field today and becoming an important production factor. Especially in the field of teaching， it has received extensive attention. Online autonomous learning is an important source for learners to acquire knowledge. Online assistance reduces time and space limitations and lures learners step by step so as to increase learners' initiative until the completion of learners' goal tasks. This paper， through the study of big data， auxiliary learning， and learning system model， combined with case analysis， provides an explanation of the function of the system. It is hoped that it will be helpful to the improvement of the learning system and the teaching environment in the future.

Keywords： big data; Auxiliary Learning; system Model

隨著信息技術、網絡技術的迅猛發展，用智能學習系統進行在線學習，對學習者的學習生活產生了顯著的影響。能充分調動學習者的積極性并且引發學習者的興趣愛好從而高效完成學習目標。網絡上有學習者需要的部分信息資源，但信息大多是零散分布，需要通過瀏覽器搜查，會浪費更多的時間并且難以得到較為完整的有用信息。學習者通過自發性的搜索自學內容從而更精準的抓住知識點，因此更需要一個自主學習的平臺，可以通過在線學習系統提供豐富的多媒體學習資料、個人用戶的學習記錄、測驗錯題庫等數據庫，來明確學習內容和掌握進度。真正做到因材施教、個性化學習。

1 大數據及關聯的學習系統

大數據，是憑仗一般的慣例軟件工具進行捕獲、管理和解決的數據集合，而且無法在一定時間內實現，是需要新處理形式才能具備更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的信息資產。大數據的特點就是容量大、速度快、多樣、價值密度低。但大數據最明顯的特點是處理要求必須是在線的。大數據的處理進程是在恰當工具的輔助下，對同構、異構的數據源進行抽取和集成，結果按照一定的規范進行統一存儲，并應用合適的技術對存儲的數據進行剖析、整理，從中提取有益的知識并利用合理的形式將結果展示給終端用戶。根據大數據網絡環境下自主學習行為與模式研究，基于大數據環境下，憑借自主學習可以提高學習者的學習效率和綜合知識掌握能力。大數據時代的到來，為我們提供了豐富的信息資源，也為教學研究提供了大容量、多樣化、快速度、高價值的支撐數據。

大數據和學習的深度融合成為發展的必然，《教育信息化“十三五規劃”》中明確指出，要依附網絡學習空間逐漸完成對學習者日常學習情況的大數據采集和剖析。這里，需要采集和進行分析的內容主要類別是課堂數據與系統數據。（1）課堂數據包含的是學習者在傳統課堂的學習過程中所產生的學習行為及對應的相關數據，通常包括：出勤率，課堂發言次數，以及回答問題的準確率，課外作業完成度，周考，月考，期末考等階段測驗分數等等。（2）系統數據所代表的是學習者在使用學習系統在線產生的數據。譬如，使用學習系統的在線學習時長、參加線上討論活躍度、下載視頻資源和課件次數、學習系統在線檢測、學習時長段、學習偏好等等。（3）數據來源：課堂數據需要教育者的現場記錄或者主觀評分，系統數據是互聯網學習平臺根據學習者的學習情況進行自動檢測。

2 在線的智能輔助學習系統

在網絡環境下，學習者自主學習的知識內容得到充分的保障，使新的教學形式愈加有效的發揮，可以有效地調動學習者的學習積極性與主動性，提升了學習者的個性化和相互之間的協作學習意識。學習者使用學習系統進行在線學習后，學習系統能記錄學習者在線學習時所產生的多樣學習數據，智能學習系統的核心功能之一就是針對學習者的個性化特征為其推薦最佳學習方法，這也是衡量智能學習系統功能的重要指標。其中，學習者的特征是算法的輸入，以學習者知識結構和水平、行為偏好為輸入，學習方法是算法的輸出，大多采用蟻群算法，因為蟻群算法中的啟發信息和信息素參數非常適合綜合參數的建模。蟻群算法是一種代表群體的智能算法，通過模擬蟻群覓食的過程來求解最佳路徑。具體過程為：螞蟻邊找尋食物邊留下“信息素”，信息素會被其他螞蟻識別，走過的螞蟻越多則此路徑上信息素越多，最佳路徑由此形成。可以將學習者視為螞蟻，學習目標則可以看作想要獲取的食物，學習者對知識點的評分就是信息素，推薦路徑可以看作覓食的最佳路徑，即適應學習者的最佳學習方法。

2.1 智能學習系統實現過程

學習者模型：主要需要反映出不同學習者之間的差異，學習者模型包括了個人信息、學習情況、學習偏好、課程體系，知識水平。個人信息包括學習者的姓名、性別、年齡、學校、愛好。學習情況包括學習者的學習內容、學習時間段、學習次數、學習類別、作業完成、測驗結果、討論等。學習偏好就是指學習者比較偏愛某一方面的學習，學習者偏向于在什么時間段進行學習和多長時間的線上學習。通過學習情況分析出學習偏好，然后根據其偏好，系統進行定向的個性化學習推薦。課程體系包括學習的課程、學習的知識框架等。領域模型：領域模型在不同領域的學習中有不同的含義，領域模型主要是通過一定的方式估算學習者對某一領域知識的掌握程度并將其存儲。自適應引擎：通過學習者模型自適應引擎可以分析出學習者的知識水平以及知識接收能力。結合領域模型等對學習者的學習進行跟蹤、檢測、調整。知識結構和水平檢測：知識結構和課程體系、領域模型密不可分。學習者的知識水平可以通過定期的檢測或者作業等情況，分析出具體的結果。學習效果評價：當完成某階段的學習內容，系統需要對學習者的學習水平進行評價。通過系統分析給出評價等級，評價等級主要依據學習者掌握知識的準確性。依據系統給出學習效果的評價，確定下一次是否要向學習者推薦本次學習或已學知識的相關內容，為學習者提供最優學習路徑。學習過程模型見圖1所示。

2.2 案例分析

兩組學生記憶考研高頻詞匯的第一章，甲組在學習后不進行復習，經統計，一天后記憶率變成36%，一周后只剩下13%，乙組按照記憶規律復習，一天后保持記憶率98%，一周后保持86%。綜上，乙組的記憶率明顯高于甲組。

學習者在學習一個新知識是有遺忘規律的：遺忘的進程很快，并且先快后慢。觀察曲線走向，可得知，所學習的知識在第一天過后，如不抓緊復習，就只剩下原來的25%。伴隨天數的增加，遺忘的速度逐漸減慢，遺忘的數量也就減少。通過資源庫對學習數據進行匯總，可以將學習內容每天推送給學習者，學習者通過對數據的學習，從而產生這個學習庫，學習庫對學習者而言分為錯題庫和高頻庫，錯題庫和高頻庫分別記錄學習者的缺陷和常用知識。對于日常生活學習庫而言，不光對于自己的學習庫來進行推送，甚至可以將所有的學習用戶的學習庫進行一個數據分析和數據匯總，這樣就可以分析成一個高頻的庫，通過這個高頻的庫我們可以憑借彈送的方式來進行推送，然后統計對彈送的接受率進行分析，不斷地完善日常學習庫。艾賓浩斯只是一個記憶學習的輔助手段，我們要將這種輔助的手段更加的科學的利用到專業的學習方式之中。根據遺忘曲線所產生的規律，我們將學習者產生的錯題庫和系統歸納總結的高頻常考庫以一定的時間周期繼續推送給學習者，將重新完善學習數據庫，幫助學習者更好規劃下一步學習內容。根據以上規律，按照循環復習法，不斷鞏固。再去檢測學習者是否掌握學過的學習內容。并監督提醒學習者不斷打卡進行復習，找到最適合學習者復習的周期。其優點在于對事件的安排，可以進行復習和定策，并且這兩種行為可以隨時或者一同進行。可以抓住記憶的黃金時段，更加了解學習用戶的知識薄弱點，從而進行針對性的訓練。

3 結束語

大數據時代為學習者提供了海量的信息資源，同時為教師的教學研究提供了大容量、多樣化、快速度、高價值的支撐數據。在智能輔助和學習系統的幫助下，學習者自主學習的知識得到有利的保障，使得利用網絡教學的這種全新教學模式高效運用，充分調動學習者的學習積極性，激發學習者在完成學習目標后的成就感。在該學習系統中，系統會按照學習者的選擇為其準備不同的學習方式、不同難度的教學內容。完成學習目標后，系統將會通過自適應測試檢驗學習者的認知水平，成為下次登錄學習新內容的重要依據，并提出學習建議;在學習系統模型和大數據架構的基礎上，搭配在線學習，錯題周期性復習的關卡，設計出基于大數據的在線智能輔助學習系統，結合記憶英語單詞的案例分析，能夠提高學習者的單詞量。在后續研究中，將不斷完善學習模型的搭建，使得針對不同的學習內容，富有更好的彈性和包容性，以順應教學發展的需求。

參考文獻：

[1]邢國春.基于大數據網絡環境下自主學習行為與模式研究[J].情報科學，2018（6）：84-88.

[2]gh and Chris Reed，Centra Software A White Paper.Achieving Success with Blended Learning，http：//www.centra.com[DB/OL]，2015-7-9.

[3]Len Silverston. The Data Model Resource Book[J]. Revised Edition，Volume 1.John Wileysons，Inc. 2014（9）：33-36.

[4]楊帆靜.基于大數據的智慧學習系統模型的研究[J].太原師范學院學報（自然科學版），2018，17（02）：63-67.