基于大數據的在線學習內容個性化精準推薦分析

肖葉枝， 王鵬， 黃成云， 曾鈺， 夏爽， 劉曉

(廣東電網有限責任公司 教育培訓評價中心， 廣州 510520)

0 引言

隨著時代的發展和進步，催生了一種新的教育模式——在線教育。在線教育可以不受地域限制，共享網上的所有資源，并且在線教育中不受學員人數的限制。在線教育不僅是一種教育方式，同時也是提高教育質量、實現教育公平的一種手段[1]。

但是，在線學習系統通常包含大量的學習內容，學習者往往很難找到最符合自己需求的學習路徑，這種現象降低了在線學習系統的個性化優勢。在線學習的推薦系統可以自動識別學習者的個性化需求，積極推薦滿足用戶需求的學習路徑?？梢?，推薦系統可以極大地提高在線學習的個性化服務水平[2]。

1 個性化學習推薦現狀分析

信息超載是由信息技術迅速發展所帶來的問題，用戶需要在海量的信息中用最快的時間獲得自己想要的信息，否則信息的使用效率非常降低。個性化推薦技術的出現有效的解決了該問題。最具有典型的是基于知識和內容的推薦技術以及協同過濾和混合推薦技術[3]。

協同過濾推薦技術預測當前用戶偏好的過程充分利用了其他和當前用戶相似的用戶。這種技術充分體現了集體的智慧。該技術有兩種模式。其一，將一些和當前用戶偏好相似的其他用戶的偏好作為預測當前用戶偏好的依據。其二，其他用戶的偏好依據是當前用戶的偏好。故此推薦技術又可以說是基于用戶和項目的協同過濾推薦技術。

將學員偏好項目作為項目推薦的依據是基于內容推薦技術的推薦策略。通過彌補各推薦方法的不足是混合推薦技術的一大優勢，這些推薦技術各有利弊。不用專業知識便可預測用戶潛在的偏好項目，并且推薦效果會隨用戶的增加而加強，可用來推薦藝術品或影像作品。當然，這種技術也有一定的局限性，體現在項目冷啟動和稀疏性方面。基于知識的技術優化了上述缺點，但是這種方法需要使用專業知識。這種方法的推薦效果會隨用戶交易數據的增加而加強，結論直觀。這種技術不能對藝術品及影像作品進行推薦，主要是其受限于提取推薦對象屬性的方法[4]。

混合推薦技術對上述提到的方法進行了整合，采用了他們的優點，弱化他們的弊端。由于教育行業的特殊性，需要考慮推薦的內容與學習者自身學習情況的匹配度以及學員的個性化需求，所以個性化推薦技術在在線教育的應用中還不是很多，個性化推薦服務在教育領域方面的應用需要進一步提升[5]。

2 個性化學習路徑挖掘分析

2.1 數據分析決定學習推薦

通過大數據分析學習行為，能夠準確識別學習者特征、預測學習結果，給予個性化學習干預和指導，實現一種更為靈活方便和精準的在線學習模式，學習者能自我控制學習路徑、內容、時間和地點，有利于提高創造力、想象力和競爭力。但是，學習者往往很難找到最符合自己需求的學習路徑，這種現象降低了在線學習的個性化優勢。為完成學習目標，激發學習興趣，保證教育質量，除了提供精細化、精品化的課程資源外，學習者需要學習一系列有先后次序的內容，即構成了個性化學習路徑[6]。

2.2 個性化學習路徑

在個性化學習路徑推薦研究領域，美國匹茲堡大學Peter Brusilovsky在MOOC(慕課)學習平臺中依據奧蘇伯爾的有意義學習理論，采用模糊神經網絡方法判斷知識水平、動機、態度興趣偏好推送學習內容，實現學習路徑定制。意大利薩勒諾大學的 Acampora 提出將文化基因算法作為個性化學習路徑求解策略，實現對學習者自身知識結構、學習目標、個人偏好等因素分析，達到為學習者定制個性化學習路徑的目的。

個性化學習系統通過可以進行大數據分析的工具，收集學習者在整個學習進程中的輸入和選擇的數據。通過該系統可以記錄、跟蹤和掌握學習者的學習特點、需求和學習行為等基礎資料。最后，通過大數據分析生成該學習者的學習路徑，以此為學員提供更加準確和個性化的學習指導。在學員角度，可以更高效、扎實地掌握知識，促進深度學習，提高學員主動接觸并理解知識的效率及能力[7]。

2.3 個性化學習路徑結構模型

學習風格和知識水平是學習者兩個重要的個體差異特征，預示著不同的學習行為表現，是實現個性化推送的重要依據。個性化學習路徑挖掘及推送力求做到三點[8]：

(1)學習風格的確定。采用明確的主觀判斷和貝葉斯網絡問卷調查的方法，提取學習行為模式的內隱學習方法，推斷學習風格。通過兩種方法的結合可實現個性化學習路徑的準確推送。

(2)知識水平估測。測評學員的知識能力是教育領域中一個永恒不變的焦點論題，知識水平往往會隨著學習的積累而隨時間變化，一方面利用項目反映理論的Logistic模型、等級反應模型和布魯姆教學目標分類理論，綜合測試學習者對知識點的掌握情況和目標測試、練習的難度分布，實現對學習者在各知識概念上的水平評估；另一方面利用人工智能算法，如矩陣分解(Matrix Factorization)算法、隱馬爾科夫模型(Hidden Markov Model，HMM)，實現依據學習行為數據(案例學習時間、數量與點擊次數、問題解答時間與嘗試次數等)實時跟蹤診斷學員的知識水平，實現從概念知識理解等級和難度級別兩個維度動態地呈現學習對象[9]。

(3)學習路徑挖掘及個性化推薦。利用 Apriori All 關聯規則算法，從群體學習行為中挖掘最佳學習路徑，同時基于學習風格、知識水平等特性實現個性化推送，解決“學習迷航”“認知過載”等問題，提高學習內驅力和學習需求[10]。

3 學習系統分析

3.1 學習系統需求

在線學習資源個性化推薦系統主要角色有：教師、學員、管理員和平臺。游客只可以瀏覽到部分學習資源(如課件、視頻、試卷等)，查詢自己想要資源的信息，只有登錄后，才能查看完整的學習資源，并決定是否報名參與課程學習。學員報名時應提供年齡、年級、愛好、郵箱等基本信息，以便平臺能夠根據用戶提供的個人基本信息和搜索學習資源的記錄提供個性化的學習資源，實現個性化學習資源推薦。在平臺中，學員選學學習資源后，課件部分采用全閉環在線學習過程監督的形式，使學員學習的時候更加用心，從而提高學習效率。平臺會記錄學員用了幾次完成全部課程學習，并根據次數完成一個評分表，間接地得到學員對學習資源的評分[11]。

3.2 學習系統功能

通過需求分析，在線學習資源個性化推薦平臺需要實現以下功能[12]：

(1)注冊登錄。為學員和教師提供注冊服務，注冊并登錄后可以使用系統的功能，同時系統獲取學員數據。

(2)信息管理。管理員對賬戶信息的管理。

(3)資源管理。教師對資源的創建、上傳、修改以及維護。

(4)資源搜索。學員根據自身的學習需要，在系統中搜索需要的學習資源。

(5)資源選擇。學員選好需要的學習資源，如果需要報名則進行報名、申請，開放性學習則直接進行學習。

(6)審核管理。管理員需要處理學員學習申請信息。

(7)資源推薦。平臺根據學員提供的年齡、年級、愛好等基本信息以及學員的搜索、在線學習等操作，為學員推薦個性化的學習資源。

(8)資源學習。學員資源申請被批準后，便可以在線學習。

(9)系統管理。管理員對系統的維護和操作。

(10)平臺管理。平臺可以記錄系統的各種操作。該系統的功能框架圖如圖1所示。

圖1 系統框架圖

3.3 學習系統架構

通過平臺需求分析，系統架構可以分為三個層次:前臺交互層、業務邏輯層和數據服務層。學習系統層次如圖2所示[13]。

圖2 學習系統層次圖

4 在線教育模式分析

4.1 MOOC模式

MOOC是一個與世界各地成千上萬的學習者聯系起來的大型網上開放課程。MOOC有兩個典型的特點:一是開放式學習。即任何人都可以參與在線課程學習;二是大規模性，即學習者不限數量[14]。MOOC主要教學模式可總結如下[15]:

(1)“以視頻(不超過20分鐘)為基本教學單位的教學知識”。由一組基本的教學單元組成的學習序列構成了一個動態可控的有機體，使學習材料在網絡學習過程中“靈活”，即學員對學習節奏有一定的主動性和控制力。

(2)借助在線交互式練習的即時反饋和由計算機自動評分的交互評價的教學模式。實現了對學習者的即時反饋和評價，它可以鼓勵和引導學員更積極地學習和思考，從而有效地提高他們的學習效率。

(3)基于“學習大數據”的個性化服務教學模式。將自動記錄所有學習者的學習過程和學習行為，并將所記錄的數據整合到“學習大數據”中。通過系統的數據挖掘和數據分析，可以發現隱藏的規則。教師能夠隨時掌握每個學員的學習動態并且能夠及時地給予指導。

(4)通過社交網絡平臺進行互動交流的教學模式。MOOC注重以社交網絡作為學習交流的平臺，以提高學員的學習興趣和學習動機。

4.2 O2O教學模式

O2O教學是以線上為主導，線下為主體的教學模式，O2O教學是線上教學和線下教學的有機融合。線上教學用于自主學習視頻、動畫等掌握基本的知識點，還用于完成部分練習題，線上教學在整個教學過程中起到了主導作用；線下輔導用于解決難點問題，查漏補缺，升華知識，線下教學在整個教學過程中起到主體作用[16]。只有將線上和線下結合起來，才是O2O的精華所在：一方面可以彌補線上教學在與學員溝通、交流等方面的不足；另一方面也可以彌補線下教學需要消耗大方面人力、物力、財力且受時間和空間限制等方面的缺點。

5 總結

基于大數據的在線學習平臺將創建一個靈活的學習環境，學員可以充分利用豐富的網絡資源，獲得輕松、個性化的學習體驗。通過本文的研究，我們可以得出以下結論:

(1)隨著教育信息化進程的深入，隨著在線學習數據不斷增多，需要開發出個性化推薦的學習系統，以便從海量、稀疏、高噪的數據中準確分析出學習者的個性化需求。

(2)本文提出的個性化推薦系統可以挖掘學習者在學習過程中的行為，了解學習者成長的軌跡和狀態，有助于掌握學習者的學習規律，促進學習者的學習。對學員進行更全面的評價和個性化的干預引導，優化學習過程，提供個性化的服務。