基于學生畫像的個性化學習輔導策略研究

夏雪瑩 馬玉慧

(渤海大學 教育科學學院，遼寧 錦州121013)

0 前言

日臻完善的理論和日新月異的技術正在以前所未有的速度、廣度和深度改變學習者的學習方式，而人工智能和學習分析等技術的發展和應用則直接引起學習者學習行為方式的某些變化。這些理論和技術的進展一方面使得人類獲得了對學習者進行個性化教學與輔導的有效手段，尤其在基于學習分析技術進行學習者行為分析等方面展現了良好的前景；另一方面進一步催生技術對學習者的精準畫像，從而使學習者擁有一套屬于自己的學習者畫像，解決個性化的學習與輔導問題(Huang W N,2018)。

1 學生畫像與個性化學習輔導理念的融合

中共中央、國務院印發的《中國教育現代化2035》提出，教與學活動要“更加注重因材施教的教育理念”，最終實現規?；逃c個性化培養的有機結合(人民日報，2019)?！痘A教育課程改革綱要》中也明確指出，傳統的學習方式需要改變，要大力倡導積極、主動、交互式的個性化學習方式?？梢?，個性化學習理念已成為各界學者的共識，其系統設計可以實現對學生學習的實時性評估及推送和制定個性化的學習輔導和學習路徑(Zhou W J.et al，2016)。個性化的學習與輔導需要對學習者的學習狀態進行精準的識別，這就需要使用大數據技術對學習者的行為進行深度刻畫，這里的學生畫像是指對學習者的學習行為數據進行獲取與挖掘，據此建立多維標簽體系，然后基于標簽體系進行學生畫像建模，最終實現個性化學習與輔導(Fei L,& Ma Y L,2010)。

具體而言，首先收集學習者的學習行為數據并對挖掘出學習者的學情記錄進行結構化處理，接著整理出標簽化的行為特征，構建精準化的學習者的特異性標識，由此形成學習者畫像模型，據此進行認知層面的解題提示、元認知層面的監控提示及情感態度的激勵性提示，最終提高認知水平和元認知能力及學習體驗的進一步優化。

2 基于學生畫像的個性化學習輔導框架設計

為了建立一個自適應的、基于學習者畫像的個性化輔導體系，本研究設計了基于學生畫像實時更新的個性化學習輔導框架。通過結合數據處理、聚類分析等相關技術，對學習者的學習標簽進行聚類分析，使每位學習者都有一個獨一無二的畫像，并基于學習者的行為與認知、元認知和情感態度的關聯性，最終實現每一位學習者可以得到一個適合自己的反饋輔導的提示。由此實現個性化學習輔導與學習者認知、元認知的精準匹配。基于學生畫像的個性化學習輔導框架如圖1所示。

圖1 基于學生畫像的個性化學習輔導框架

從圖1可知，基于學生畫像的個性化學習輔導框架包括三個部分，分別為：數據獲取與數據處理層、畫像挖掘層和畫像應用層。

數據獲取與數據處理層是個性化學習輔導框架的基石。首先，就數據獲取而言，學習者的基本信息的數據獲取來源于平臺APP的數據庫或者基本信息資料庫，比如通過學習平臺APP一般會使用學生姓名、性別、年齡、年級等信息進行注冊，最終可導出這些基本信息。還有一些基本信息是經過一段時間的學習行為之后生成的考試成績、出勤記錄或打卡情況、布置作業的完成情況等；學習者的行為操作信息來源于學習平臺的行為數據庫。比如學習者的學習內容數據、學習的進展情況數據、做錯題的章節分布情況以及知識點的掌握情況，等等；通過資源分享保存的行為記錄、討論交流情況以及收藏點贊題目的數量，等等。其次，就數據處理而言，其主要流程包括數據的集成、數據的轉換、數據的規約、數據的清洗和數據的聚類等五個部分，將非結構化的數據轉換成可以被識別的結構化數據。數據的收集與獲取階段一定要保證數據的實時更新、準確與完整性，有助于后期的數據挖掘與數據分析處理，也使學生畫像更符合學習者狀態的真實需求。

畫像挖掘層是個性化輔導框架的核心部分。首先需要提取學習者的學習認知和行為標簽，基于關聯規則的知識發現法，構建學習者的標簽聚合，由此形成多方位、精準化的學生畫像模型。根據學習者的行為記錄來推測其認知情況和情感狀態；基于學習者的認知狀態來探尋隱性知識的掌握情況以對元認知進行提示。由此實現對學習者的認知、元認知以及情感態度的個性化輔導。

畫像應用層是基于數據獲取層和畫像挖掘層，進一步將學生畫像應用于個性化輔導領域中。比如，基于學生模型可對學習者是否掌握前驅知識或者當前知識進行認知提示；也可基于學習者認知情況，對學習者進行元認知的提示與監控調節。此外還可以通過構建學生畫像模型來對學習者的情感狀態進行適當的激勵與引導，優化學習者使用學習平臺APP的學習體驗。

3 基于大數據的學生畫像的模型

3.1 個性化學習數據的獲取

隨著學習分析技術、人工智能技術的迅速發展以及移動終端技術的全面普及應用，學習者的行為數據得以記錄保存下來(Sun J J,2018)。通過對行為數據的分析可以對學生狀態進行刻畫，進而提升學習者的認知水平、元認知能力以及學習體驗。對于在線學習輔導而言，構建其學生畫像主要包括如下維度：學習者基本信息數據、內容偏好數據、認知狀態數據以及學習風格數據。其中學習者基本數據可通過學習平臺數據庫系統獲得；內容偏好數據是指學習者學習行為取向，包括點擊舉一反三模板、點擊提示、搜題檢索等信息。認知狀態數據是指學習者的知識點的掌握情況，主要基于DINA的認知診斷模型獲得認知狀態情況。學習風格數據是根據學習者在學習過程中使用的媒體偏好類型以及資源選擇的偏好等來進行確定。

3.2 個性化學習多維標簽體系的構建

要想使學習者畫像能夠充分表征學習者的行為數據，其中關鍵在于對行為數據進行標注。目前出現的問題在于標簽不全與標注不準等問題(Shan,Z.,& Shao,B.,2019)。鑒于此，本研究將學習者畫像視為一個多維層次的學習者畫像模型，系統收集了學習者基本信息數據、內容偏好數據、認知狀態數據和學習風格數據四個維度的具體信息，采用四元組的形式構建標簽體系: UC = { User_ infor，User_ prefer，User_ cognition，User_ style} 。其中，User_ infor 表示學習者的基本信息情況，User_ prefer 表示學習者的內容偏好情況，User_ cognition體現學習者學習過程中的認知診斷情況，User_ style體現學習者學習過程中的學習風格情況。

3.2.1 學習者基本信息標簽

該標簽是學習者的基本信息的主要情況，如學號、姓名、年級、年齡、學科等，其形式化表示方式為: User_ infor = { ID，Name，Gender，Age，Grades，Major，…} ，這里的標簽信息可直接從學習平臺數據庫中導出即可。

3.2.2 學習者的內容偏好標簽

內容偏好標簽描述學習者知識檢索、頁面收藏、內容下載等學習行為。標簽的形式化表示為:User _ prefer = { Search，collection，Download，…} 。其中，Search 代表了學習者的知識點、題型或者試卷檢索情況，不同學習者對各自需求和感興趣的模塊進行相應檢索查閱； Collection代表其瀏覽情況，指學習者瀏覽網站的單位網頁內容時長、對相應知識的停留時長代表了知識獲取程度及學習者對易錯題的收藏行為的次數； Download 代表學習者的下載情況，表示學習者的下載行為的次數，反映了學習者對當前知識的需求。

3.2.3 學習者的認知狀態標簽

本研究中，學習者的認知狀態指描述學習者掌握知識點的情況以及學科核心素養的達成情況。通過對學習者提交測試題分析，列出表格對應名稱、內容與屬性編碼建立知識點表格，形成Q-知識點矩陣中的屬性。數據屬性根據項目所需測試內容分為知識點與核心素養。其一，以知識點為屬性，第一步選定知識點，這里需要確定試題中考察的所需要測試的知識點。第二步建立知識點表格，描述知識點所對應的編碼與具體內容，形成Q-知識點矩陣中的屬性。其二，以核心素養為屬性，第一步根據知識點所對應的核心素養，第二步建立核心素養表格，描述知識點、核心素養的具體對應情況，并進行編碼，形成Q-核心素養矩陣中的屬性。第三步構建矩陣，首先確定考察知識點之間的層級關系，可得出其疏密關系：前驅后繼關系緊密的為同一個模型的屬性；前驅后繼關系疏離的為不同模型的屬性，從而構建不同的矩陣。對于核心素養屬性，核心素養之間并沒有嚴格層級關系，因此，根據知識點所確定的層級關系對應核心素養即可。最終形成標準類的分析結果可展示出學習者在每一個知識點上的掌握狀態，將屬性點劃分為知識點、數學思想、方法與策略三類，每類分五個級別展示：危險、注意、一般、不錯、優秀，也可展示個體核心素養具備情況，最終根據個體知識點掌握狀態與核心素養具備情況綜合分析得到學習者的認知狀態。

3.2.4 學習者的學習風格標簽

本研究中的學習風格指學習者在使用學習平臺過程中，對某一道題的提示性講解趨向于采用何種方式來獲得。主要有語音性提示、視頻提示、或者文本性提示等，將其標簽形式化表示為: User_ style = { Visual，Linguistic，…} 。其中，Visual 表示善于采用視頻性提示標簽，具體通過學習者點擊觀看視頻按鈕來獲得對某個知識點的理解與應用；Linguistic表示善于采用語音性提示標簽，通過學習者點擊語音提示按鈕的次數以及回答系統提出問題的次數等動態數據來推理其聽覺學習風格。

總之，學習者行為標簽體系采用多維度從學習平臺提取出某一層次的學習行為數據，使學習者畫像數據的類型與來源更加豐富，使學生畫像的精度進一步提升，進而更好地實踐個性化學習輔導。

4 基于多維標簽體系的學習者畫像建模

通過上一環節多維度學習標簽體系的構建，使用向量模型來進行提取標簽環節和計算標簽權重(Xiao J，et al，2019)。在本研究中，使用User_ infor = { ID，Name，Gender，Age，Grades，Major，…} 表示學習者的基本信息模型。內容偏好標簽提取時，可以將點擊模塊名稱、模塊內容的關鍵詞來表征內容偏好。考慮到隨著時間、環境的變化，學習者的內容偏好會發生改變，因此內容偏好標簽權重計算時要綜合考量偏好權重和衰減權重。在學習認知狀態標簽提取時，用節點表示學習者掌握的知識點，節點大小代表了知識點的數量，節點顏色的深淺代表知識點的掌握程度，屬于理解、應用、創新的哪一個層次。用節點間的連線粗細程度代表學習者掌握知識點間的語義關系強弱。學習者畫像可以看作個性化學習信息的標簽云，通過使用tagCloud、Tagul 等將不同權重標簽進行可視化表示(Bi Q，et al，2014)。

本研究中，基于學生畫像的個性化學習輔導主要聚焦在認知層面、元認知層面以及情感態度層面等領域，接下來進行具體闡述。

4.1 基于個性化學習的認知層面輔導

針對學習者認知層面的困惑，認知層面輔導模式應首先定位于學生新舊知識的聯接處，即要抓住提問時機：其一，要對學習者的前驅知識進行提問，把該題考察的新知識放在整個前驅知識的背景下去思考，在闡述新知識之前，要做到熟知前驅知識與當前知識的內在聯系。其二，要實現“提示內容的問題化”，即采用提問的形式來傳授知識點，及其知識點背后隱含的數學思想和數學方法。其三，提示過程中要頻繁提及思維性問題，使其與師生互動深度融合，最終使學習者養成自己提問的良好學習習慣。例如，為了促進學生深入地思考，在輔導中就應經常提及這樣一些問題：你感覺這道題和你之前學習的哪個題型比較相像？你能不能想出別的更好解題思路？其四，遇到相似題型的輔導，要引導學生思考知識點之間的區別與聯系。因此，在個性化學習輔導中也就應當經常引導學生去思考不同知識之間的區別與聯系，以便建立完整的知識結構圖。

4.2 基于個性化學習的元認知層面輔導

元認知即對認知的認知。元認知層面的輔導主要通過對學習者的元認知進行提示來達到提高學習者認知水平的目的。本研究中，通過精準定位提示的時機與模式來對學習者的元認知層面進行提示即元認知提示。從提示的時機維度來說，存在兩種類型，即什么時候提供、多久提供一次。針對什么時候提供元認知提示，這里給出以下情景即針對客觀知識提供及時反饋；全面了解學習者思維與信息處理過程稍微延遲提供反饋；不要將反饋延遲到對學習者不再產生影響的時候。針對多久提供一次反饋，要在熟知學習者的認知情況基礎之上來對認知進行調節，即學習者的學習策略行不通時，進行學習策略的指引；學習者的任務單沒有完成，要給予對照單提示；學習者的所獲學習積分發生明顯變化或者沒有變化時，要給予積分提示；學習者所獲的反映其知識點掌握數量的徽章與同伴學習徽章等級有明顯差異時，要給予徽章提示。從提示的模式維度可分三種類型：言語、文本、視頻動畫。該模塊的選擇要依據學習者的學習風格標簽顯示來進一步抉擇。比如，根據學習者的畫像可視化呈現可知其是言語傾向的學習風格，那么系統輔導可采用語音提示的形式。

4.3 基于個性化學習體驗的情感態度層面輔導

在線APP學習的情感體驗也會影響到學習者的在線學習水平?；趯W生畫像的可視化的呈現結果對學習者的學習體驗進一步優化。主要分為以下情景：其一，針對學生畫像中的認知狀態良好或者學習積分或徽章等級上升的學習者，要進行言語激勵。其二，針對學習者的特殊需求，適當地增設學習資源共享區和專項測試服務區等。

5 結語

本研究通過構建標簽融合的學生畫像模型，將學習者行為特征與個性化學習輔導之間建立一一對應關系。主要貢獻有三個方面：其一，學生畫像理念的提出，并將學生畫像與個性化學習輔導建立映射關系。其二，基于學生畫像模型設計了一個用于個性化學習輔導的框架。該框架從數據的獲取與處理開始，接著對學生畫像模型進行挖掘，最后將可視化的畫像呈現來指導輔導策略的實踐，整個流程涉及的環節比較全面。其三，將學生畫像模型應用到個性化學習輔導相關領域中，通過分析學生畫像的可視化模型，精準定位認知提問的時機對學習者的認知層面進行提示，精準定位提示的時機與模式來對學習者的元認知層面進行提示，通過情感態度層面的提示來進一步提升學習體驗。最終為當前在線學習開展大數據個性化學習輔導需要提供應用參考。