學(xué)習(xí)資源智能推送的滿意度調(diào)查研究

張芬芬 許新華 王世純

摘? 要： 研究了人工智能技術(shù)在學(xué)習(xí)資源智能推送的應(yīng)用現(xiàn)狀和未來需求。采用問卷調(diào)查的形式，對不同專業(yè)的學(xué)習(xí)者進(jìn)行調(diào)查，并采用SPSS17.0對數(shù)據(jù)進(jìn)行分析。研究發(fā)現(xiàn)，基于人工智能技術(shù)的學(xué)習(xí)資源的推送有80%的學(xué)習(xí)者認(rèn)為比較符合自身需求，只有8%的學(xué)習(xí)者認(rèn)為完全符合自身需求。因此，在改善學(xué)習(xí)資源智能推送的滿意度上，可以對深度學(xué)習(xí)技術(shù)進(jìn)行優(yōu)化，并以需求為導(dǎo)向個性化地推送學(xué)習(xí)資源。

關(guān)鍵詞： 人工智能; 智能推送; 學(xué)習(xí)資源; 個性化學(xué)習(xí)

中圖分類號：G434? ? ? ? ? 文獻(xiàn)標(biāo)志碼：A? ? ? 文章編號：1006-8228（2019）08-71-03

Abstract： In order to understand the application status and future needs of artificial intelligence technology in learning resource intelligent push， this paper uses questionnaires to investigate learners of different professions and analyzes the data with SPSS17.0. The research finds that using artificial intelligence technology to push learning resources， 80% of the learners think that it is basically in line with their own needs， and only 8% of the learners think that it is completely in line with their own needs. Therefore， to improve the satisfaction of intelligent push of learning resources， deep learning technology can be optimized， and the learning resources should be demand-oriented personalized pushed.

Key words： artificial intelligence; intelligent push; learning resource; personalized learning

0 引言

因材施教或因材促學(xué)，是古今中外教育研究者共同的理想和追求，更是學(xué)習(xí)者內(nèi)心對個性化學(xué)習(xí)方式的渴望[1]。當(dāng)今機(jī)器學(xué)習(xí)和人工智能技術(shù)飛速發(fā)展，2016年3月，AlphaGo對戰(zhàn)世界圍棋冠軍、職業(yè)九段選手李世石，以4：1的總比分獲勝，許多成果表明，人工智能進(jìn)入到一個新的發(fā)展階段，人工智能也成為當(dāng)今教育技術(shù)研究的熱點。

智能推送系統(tǒng)，通過大數(shù)據(jù)挖掘和人工智能等技術(shù)，為學(xué)習(xí)者提供高效、方便、快捷的資源服務(wù)，在數(shù)字化時代提供一個獲取資源的新方式。

基于人工智能技術(shù)的智能推送系統(tǒng)可以根據(jù)學(xué)習(xí)者的學(xué)習(xí)風(fēng)格和偏好來有針對性地提供學(xué)習(xí)資源，還可以根據(jù)與學(xué)習(xí)者學(xué)習(xí)方式相似的其他人來為學(xué)習(xí)者提供指導(dǎo)。面對海量資源，學(xué)習(xí)資源的智能推送不僅能大量縮減尋找有用信息的時間，還能提高學(xué)習(xí)者的學(xué)習(xí)效率，彌補(bǔ)學(xué)習(xí)者在課堂上的不足和滿足學(xué)習(xí)者的興趣。因此，為了探究學(xué)習(xí)資源的智能推送是否符合當(dāng)代大學(xué)生的需求，本研究采用問卷調(diào)查法，對不同專業(yè)的學(xué)習(xí)者進(jìn)行了調(diào)查。

1 相關(guān)概念

1.1 人工智能

人工智能（Artificial Intelligence，AI），AI的名稱得以確定但還沒有明確的定義，目前能被人們所接受的定義主要有兩個方面，首先是能夠表現(xiàn)出與人類智慧及行為類似的計算機(jī)系統(tǒng)，其次是在真實的環(huán)境中能夠采取合理方式解決復(fù)雜問題的系統(tǒng)[2]。目前，人工智能技術(shù)被廣泛應(yīng)用在多個領(lǐng)域。

1.2 學(xué)習(xí)資源

學(xué)習(xí)資源是教育工學(xué)中的重要組成部分，它包括所有可以用以提高學(xué)習(xí)效果的人力、物力和各種資料[3]。設(shè)計、選擇或使用這些學(xué)習(xí)資源的目的在于使人們更好地進(jìn)行學(xué)習(xí)。在本文中，學(xué)習(xí)資源具體指的是學(xué)習(xí)者需要的學(xué)習(xí)資料和知識方法，如音頻、視屏和文本資料等。

1.3 深度學(xué)習(xí)

深度神經(jīng)網(wǎng)絡(luò)（Deep Neural Networks，DNN），也稱為深度學(xué)習(xí)，其概念源于人工神經(jīng)網(wǎng)絡(luò)的研究，是人工智能領(lǐng)域的重要分支，目前在語音識別和圖像識別任務(wù)中展示出其突破性的成果[4]?，F(xiàn)階段以Google開源的TensorFlow框架最為活躍，為加速深度學(xué)習(xí)的發(fā)展，Google發(fā)布了深度學(xué)習(xí)框架TensorFlow并宣布將其開源，在短短兩年內(nèi)，在GitHub上，TensorFlow就成為了最流行的深度學(xué)習(xí)項目[5]。TensorFlow在圖形分類音頻處理推薦系統(tǒng)和自然語言處理等場景下都有非常豐富的應(yīng)用。

2 研究過程

2.1 研究目標(biāo)與假設(shè)

本研究是為了探究學(xué)習(xí)資源智能推送的滿意程度，因為大學(xué)生在對資源的選擇上自由度較高，所以問卷調(diào)查對象以不同專業(yè)領(lǐng)域的大學(xué)生為主;人工智能雖然現(xiàn)階段處于發(fā)展階段，但是在教育領(lǐng)域并沒有得到大力的發(fā)展，對于學(xué)習(xí)資源的合理推送，并沒有完全達(dá)到學(xué)生個體的需求。

2.2 研究問卷的設(shè)計

⑴ 設(shè)計過程

問卷調(diào)查法為本文的主要研究方法。為保證本研究結(jié)果的公正、客觀，在進(jìn)行調(diào)查問卷設(shè)計之前，筆者查閱了相關(guān)文獻(xiàn)和資料，為本文提供了理論基礎(chǔ)和科學(xué)依據(jù)。然后初步編寫了適合本研究的調(diào)查問卷，并請專業(yè)教師對其進(jìn)行了審核，隨后筆者遵照老師的意見在對問卷的內(nèi)容進(jìn)行了適當(dāng)?shù)男薷?。之后進(jìn)行小范圍的前測，對信度和效度較低的題目進(jìn)行剔除和修改，最終形成完整的問卷。