基于個性化學(xué)習(xí)路徑的大學(xué)計算機基礎(chǔ)課程體系構(gòu)建

摘?要：本文是在對開設(shè)的大學(xué)計算機基礎(chǔ)課程及不同交叉專業(yè)學(xué)科知識點的重新梳理、有效匹配的基礎(chǔ)上，通過對學(xué)生認(rèn)知能力的評估、領(lǐng)域模型的構(gòu)建、個性化學(xué)習(xí)路徑推薦及網(wǎng)絡(luò)學(xué)習(xí)評估模型等四個部分建模，重構(gòu)了一個個性化的、適合不同學(xué)習(xí)風(fēng)格、滿足交叉學(xué)科專業(yè)需求的全新大學(xué)計算機基礎(chǔ)課程體系。

關(guān)鍵詞：計算機基礎(chǔ)教學(xué);個性化學(xué)習(xí);課程體系

一、緒論

大數(shù)據(jù)時代的到來，使網(wǎng)絡(luò)學(xué)習(xí)資源（包括在線課程、慕課資源等）呈指數(shù)級增長，大量的學(xué)習(xí)資源導(dǎo)致信息過載與網(wǎng)絡(luò)迷航讓學(xué)習(xí)者對網(wǎng)絡(luò)學(xué)習(xí)感到焦慮，浪費了大量的學(xué)習(xí)時間卻達(dá)不到應(yīng)有的學(xué)習(xí)效果。如何為學(xué)習(xí)者提供高品質(zhì)的個性化學(xué)習(xí)內(nèi)容推薦，讓學(xué)習(xí)者能夠根據(jù)自己的需求學(xué)習(xí)、依據(jù)學(xué)習(xí)者的認(rèn)知水平幫助其找到適合自己的學(xué)習(xí)內(nèi)容和方法，依據(jù)學(xué)習(xí)者的學(xué)習(xí)風(fēng)格找到適合自己的環(huán)境和學(xué)習(xí)伙伴、讓學(xué)習(xí)者能夠及時有效地得到專業(yè)老師的幫助和指導(dǎo)，進(jìn)而提升學(xué)習(xí)者在網(wǎng)絡(luò)上自主學(xué)習(xí)的積極性，使網(wǎng)絡(luò)學(xué)習(xí)更加輕松、便捷、高效。本文以個性化學(xué)習(xí)系統(tǒng)理念為基礎(chǔ)，以計算思維為核心思想，將大數(shù)據(jù)處理、物聯(lián)網(wǎng)和云端資源存儲的概念、原理、方法與非計算機專業(yè)的科研需求和應(yīng)用需求進(jìn)行有機整合，進(jìn)而對開設(shè)的大學(xué)計算機基礎(chǔ)課程以及不同專業(yè)課程的學(xué)習(xí)資源進(jìn)行有效匹配與重組，構(gòu)建全新的大學(xué)計算機課程學(xué)習(xí)體系，以滿足非計算機專業(yè)學(xué)生對學(xué)習(xí)大學(xué)計算機基礎(chǔ)課程的個性化學(xué)習(xí)需求。

二、學(xué)生認(rèn)知能力分析與評估

根據(jù)美國心理學(xué)家布魯姆的認(rèn)知目標(biāo)分類理論，知識理解分為知識、領(lǐng)會、應(yīng)用、分析、綜合、評價等6個級別，其中前3個屬于低階思維，后3個屬于高階思維[1]。而難度不同，級別不同的試題，對學(xué)生認(rèn)知程度所起到的貢獻(xiàn)也不相同。另外，學(xué)生對知識所掌握和理解的程度可以通過學(xué)生做題的速度以及做題得分來進(jìn)行判斷。可以將包括各種試題題型與不同難度、做題時間和回答次數(shù)等問題的測驗試題作為考察學(xué)生認(rèn)知能力的原始記錄，將這些原始記錄進(jìn)行總結(jié)和統(tǒng)計，估算出學(xué)生掌握知識的初步程度，通過在學(xué)習(xí)的三個不同階段（即開始、過程中和結(jié)束）的評估，使其對整個學(xué)習(xí)過程產(chǎn)生動態(tài)影響并可以適應(yīng)性呈現(xiàn)出來。在學(xué)習(xí)開始時，要盡量了解學(xué)生的認(rèn)知能力和先驗知識，先要對學(xué)習(xí)的歷史數(shù)據(jù)進(jìn)行分析比較（比如練習(xí)、交流反饋、信息檢索等），根據(jù)評估初步判斷出學(xué)習(xí)者的認(rèn)知能力，通過動態(tài)組織和呈現(xiàn)適合學(xué)習(xí)者的學(xué)習(xí)內(nèi)容，給出個性化導(dǎo)學(xué)策略，對整個學(xué)習(xí)過程進(jìn)行有效干預(yù)。

三、個性化學(xué)習(xí)路徑推薦模型

本模型通過本體定義、處理和關(guān)聯(lián)構(gòu)建完成交叉學(xué)科知識的整合。以領(lǐng)域知識為基礎(chǔ)，通過對本體的多次重復(fù)、迭代和逐步求精完成本體的整體建模。首先，獲取計算機基礎(chǔ)知識領(lǐng)域的有關(guān)知識實體并建立知識鏈。知識層次化可以通過概念以及概念間關(guān)系語義進(jìn)行交叉融合實現(xiàn)。其次，概念化知識鏈，通過知識實體、屬性描述和交叉方向描述的領(lǐng)域知識內(nèi)容來實現(xiàn)交叉學(xué)科知識本體的機構(gòu)化。

如圖1，首先，將元數(shù)據(jù)進(jìn)行標(biāo)注形成的元數(shù)據(jù)信息并存儲到元數(shù)據(jù)庫中，然后通過知識映射將元數(shù)據(jù)庫中的知識映射到交叉學(xué)科知識本體庫，最后在學(xué)生領(lǐng)域認(rèn)知能力與交叉學(xué)科知識本體庫之間建立對應(yīng)聯(lián)系，同時推送導(dǎo)學(xué)策略資源。根據(jù)標(biāo)注的知識屬性特征主動推送資源到特征用戶，實現(xiàn)個性化動態(tài)的學(xué)習(xí)路徑。智能導(dǎo)學(xué)過程的核心價值是建立領(lǐng)域知識和交叉學(xué)科知識本體的聯(lián)系和基于數(shù)據(jù)挖掘建立特征模型與資源的聯(lián)系。

四、網(wǎng)絡(luò)學(xué)習(xí)評價模塊

診斷性評價、形成性評價和總結(jié)性評價是網(wǎng)絡(luò)學(xué)習(xí)評價過程的三種基本方法。本模型從學(xué)生的認(rèn)知能力、學(xué)習(xí)風(fēng)格、測評結(jié)果、推薦成功、反饋改進(jìn)等五個方面綜合考察學(xué)習(xí)過程，設(shè)定相應(yīng)的指標(biāo)權(quán)重作為評判的依據(jù)。如圖2在模型中將學(xué)習(xí)資源、學(xué)習(xí)過程、學(xué)習(xí)結(jié)果、推薦模型和反饋信息等作為上述五個指標(biāo)相對應(yīng)的輸出部分，建立對應(yīng)的評價策略，最后根據(jù)實際課程和專業(yè)學(xué)科需求來設(shè)計評價指標(biāo)、學(xué)業(yè)成績和評價參數(shù)等內(nèi)容，以此構(gòu)建更加科學(xué)、標(biāo)準(zhǔn)、有效的網(wǎng)絡(luò)學(xué)習(xí)評估模型。

參考文獻(xiàn)：

[1]EuropeanCommission（2009）.TENCompetence：PersonalCompetenceManager[DB/OL].[2009-12-01].http：//tencompetence-project.bolton.ac.uk/.

項目支持：本項目為全國高等院校計算機基礎(chǔ)教育研究會教改研究項目（項目編號2019-AFCEC-143）的階段性研究成果

作者簡介：楊卉，女，吉林人，博士，副教授，研究方向：數(shù)據(jù)挖掘、商務(wù)智能、大數(shù)據(jù)分析。