基于大數據技術的個性化自適應學習平臺研究

郭淑華

（浙江廣廈建設職業技術學院，浙江 東陽 322100）

1 個性化學習相關簡介

個性化學習在中國最早起源于古代著名思想家孔子提出的“有教無類”教學思想。我國在《教育信息化十年發展規劃（2011—2020年）》中提出：努力為每一名學生和學習者提供個性化學習、終身學習的信息化環境和服務，“育人”過程要以學生為中心。個性化學習作為一種新學習方式，適應課改要求，全面促進學生的發展。

隨著移動互聯網技術和教育信息化的深入發展，各類在線學習平臺層出不窮，但傳統網絡教學平臺只是提供知識的倉庫，簡單地將繁多的電子學習資源統一存放在一個龐大的資源數據庫中，類似于將課本搬到網絡上，將授課形式從線下轉變為線上，其缺乏知識體系，零散分布，缺乏邏輯性，機械地呈現學習資源，忽略學習者需求，未實現個性化推薦學習服務[1]。

現有的教學平臺過于注重對教學環節相關功能的設計和開發，忽視了用戶學習體驗，沒有給學習者提供一個符合自身特點的、良好的學習環境，未體現“以學生為中心”的設計理念。面對 “千篇一律”的學習平臺和不斷增長的海量學習資源，學習者將面臨“學習迷航”的困惑，只能被動地接受平臺提供的各種學習資源，已然激不起學習興趣，如何提高教學效果與學習質量是值得深思的問題[2]。

將大數據技術和教育深度融合，分析學生當前的認知水平、學習行為及學習目標，及時推薦相應學習資源，實現因材施教、精準服務，促進學生的個性化發展，建立自適應學習平臺，是現代教育改革面臨的重要挑戰。國內關于自適應個性化學習的理論研究較多，但自適應學系統實證研究較少，因此，個性化教育未得到更好的實施，更多地停留在淺層的實施面上。同時，自適應學習的研究都集中于分析如何以技術手段實現個性化推薦學習服務，忽略了學習者的自主選擇、主動調整以及自主評價等輔助元素的作用。

本文重點圍繞“以學生為中心”的理念，從實際情況出發，利用大數據技術動態調整，為學習者提供個性化學習服務。以“大學計算機基礎”課程為例，有針對性地向每一位學習者推薦適合其自身的學習資源，注重學生的自我分析、自我調整、主動選擇，實施動態自我干預，讓學生變被動學為主動學。該服務探究如何學習的問題，真正實現“以學為本”的自我調節，構建自適應學習平臺，為個性化教育實踐提供一定的參考[3]。

2 國內外關于自適應學習的研究現狀

自適應學習是指一種在技術支撐下進行動態調整，智能地向學習者推送學習資源，實現個性化學習輔導的方式。特點是能根據學習者表現及其交互，對學習內容、學習資源以及學習過程等多方面因素進行動態預測及科學、適時調整，以學習者為主體，提供與學習者能力相適應個性化服務，實現最優學習效果。

個性化自適應學習研究在國外起步較早，如美國的Peter Brusilovsky教授對學生的知識水平、興趣偏好及學習背景進行用戶建模，先后開發了ELM-ART，InterBook，TaskSieve等自適應學習系統，以適應學習者與系統交互過程中的個性化學習需求；荷蘭DeBra教授、澳大利亞Wolf教授陸續開發了AHA!，iWeaver等個性化教育系統；還有Knewton，Knowre等都是著名的自適應學習平臺。

2000年，余勝泉教授[3]最早提出在線教育發展的趨勢是適應性學習，以個性化學習為重點，強調Internet、自適應測試、人工智能等新型技術在教育中的作用。2015年，姜強等[4]基于大數據的個性化自適應在線學習分析模型進行研究，產生系列研究成果，在國內處于領先水平，具有一定影響力。國內對個性化自適應學習系統的研究更多地停留在理論層面探討，雖然也陸續開展了小規模的實踐研究，但主要集中在自適應學習系統整體建模、設計和開發研究，先進技術在自適應學習系統中的應用研究等。

國內外在自適應學習平臺實現個性化教育的研究方面取得了一定的成果，在理論和實踐上都對于其他學者的研究有重要指導意義。但是更多自適應學習的研究都忽略了學習者主動制定學習計劃、選擇學習過程、自主評價以及其他輔助元素的作用，因此，突出學習者本體，探究自我調節、自適應的個性化學習平臺具備一定的研究意義。

3 基于大數據技術自適應個性化學習平臺設計

3.1 大數據對自適應個性化學習平臺支持

大數據為個性化學習環境的構建提供了技術支持，能夠分析學習者需求，挖掘學習者特征，預測學習行為，智能推送個性化教學資源，定制學習路徑，使因材施教真正成為可能[5]。

（1）豐富學習資源及呈現形式。大數據技術實現海量資源收集檢索，能滿足學習者對拓展知識、完善知識體系的各種需求，并能實現以文字、動畫及視頻等更生動的多種媒體呈現形式。

（2）量身定制學習路徑及空間。在大數據技術支撐下，以學習者為中心，分析知識體系，構建前沿后繼知識體系，設計拓展多種多樣的學習路徑，給予學習者足夠的選擇權和自主權，量身定制屬于學習者的專屬學習空間。在大數據背景下，人工智能發展，可以為學習者提供更多、更逼真、更形象的交互，實現學習者互相交流、師生交流，降低學習孤獨感的同時，提升學生積極性及學習時效性[6]。

（3）提供科學化學習診斷。在大數據背景下，構建自適應個性化平臺，更加關注學習者的情感態度，追蹤學習行為，捕捉學習情緒，為每位學習者定制科學和個性化的診斷。

（4）精準學習策略及方法。利用大數據技術對學習者進行分析，找出隱含關系，準確預測學習發展趨勢，為學習者精準規劃合適的學習策略，提供人性化的學習方法，量身定制，因材施教。

3.2 自適應個性化平臺設計原則

（1）為學習者提供多樣化學習路徑。在基于大數據的自適應個性化學習平臺設計過程中，要考慮學習者的自我需要、差異化及多選擇性，豐富學習資源，提供自主選擇，調動學習積極性，營造便捷、充裕的學習環境，滿足學習者不同學習領略的需求。同時，應用監控分析技術，智能推薦適合的學習資源，量身定制、自主選擇學習路徑。

（2）促進學習者的自主構建。利用大數據技術進行學習行為數據分析，判斷原有知識構建，提供各學習要素，使學習者不斷完善自身的知識體系。

（3）尊重學習者的自身發展。個性化學習體現在“學”，完全以學生為中心，所以，設計的核心原則是尊重學習者的實際需求，全面促進個體自身發展。在對學習策略、資源及工具的設計過程中，以學習者個體為單位，滿足學習者個性化、差異性學習需求[7]。

4 基于大數據技術構建自適應個性化學習平臺

本學習平臺基于大數據技術構建，具有3個典型特征：（1）能夠依據學習者學習風格推送符合其學習偏好的知識呈現方式。

（2）能夠分析學習者與平臺交互數據的各顯性及隱性關系，自適應地調整學習資源，動態地選擇個性化學習路徑。

（3）能夠通過自適應題庫提供精準的個人學習報告，在系統智能推薦的同時，能引導學生自我認知，激發學習者的自主選擇，主動調整學習過程，完善自身知識體系。

“大學計算機基礎”是一門核心的大學基礎課程，旨在提升大學生計算機信息技術應用能力，培養學生信息素養，為各專業學習提供信息技能服務。根據因材施教的原則，以“大學計算機基礎”課程為例，設計、構建自適應個性化學習平臺，參與者多，適應面廣，具有基礎課程代表性和較高的研究、推廣價值[8]。

4.1 學習平臺架構

基于大數據技術的個性化自適應學習平臺架構設計，主要采用經典3層線性架構：Web表示層、業務邏輯層和數據訪問層，如圖1所示。其中，Web表示層向中間邏輯層發送請求，中間層查詢、更新數據庫存儲層后響應請求，以提高系統可擴展性及可維護性。自適應學習平臺的數據庫構建具體如下：

圖1 基于大數據技術的自適應個性化學習平臺架構

（1）知識庫。平臺要實現其強大的個性化學習功能，需要構建具有語義及支持自適應的知識庫。采用知識圖譜（Knowledge Graph）技術構建知識庫，以期完善平臺科學的知識體系、從前繼與后續表達知識之間關聯，從而優化平臺推理方式、提高運行效率等。本平臺以“大學計算機基礎”課程為例，依據計算機相關專業建立知識庫，并考慮到基礎模塊知識。同時，分析各專業對計算機能力的不同需求，構建專業適應知識模塊[9]。

（2）學習者模型庫。本平臺參考IMS LP，IEEE PAPI等多種學習者模型規范基礎，主要從基本信息、學習目標、認知水平、學習行為及學習風格5個維度構建學習者模型。自適應學習平臺根據學習者差異化偏好的學習特征，在學習者模型中進行匹配，從知識庫中搜索、推薦學習資源，供給學習者學習。

（3）自適應題庫。以IRT為理論基礎構建試題庫，采用自適應的遺傳算法組卷原理，每個學習者建立適合自己能力的個性化測驗，能更準確、迅速地測量出每個學習者的真實水平。同時，題庫內容需結合高校計算機等級考證、融合等級考試等典型題庫，優化算法，調整自適應因子，完善自適應題庫。

整個平臺采集學習者在平臺上的學習行為數據，利用大數據技術，結合解析學和AI技術，分析個人學習情況和學習目標，通過數據挖掘技術及算法分析，為學習者設計學習路徑，實現個性化的最優資源學習推薦。同時，學習者可根據學習數據進行分析，尋找與目標或興趣相同的同伴進行交流和學習，實時進行自主學習調整，改被動學習為主動選擇，體現以學為本的教育理念[10]。

4.2 自適應學習個性化推薦流程

該平臺的核心功能主要包括：學習數據采集、個性化智能推薦、大數據分析、交互過程、干預策略及業務處理等，如圖2所示。其流程如下：學習者注冊登錄、經過能力評估、生成學習行為數據、結合數據挖掘技術提取有價值信息、使用大數據算法分析學習者個人特征、構建學習者模型庫、利用協同過濾推薦算法進行個性化學習資源推送。

在學習個性化資源過程中，可通過交互窗口，以實現平臺自適應功能。交互過程中，一方面，可收集學習者的交互數據；另一方面，與知識庫為基礎進行匹配，可挖掘交互行為背后隱含的學習行為，通過分析引擎綜合分析學習者知識體系，有針對性地策劃學習策略。

結合學習行為及交互數據，根據不同分析目的調用不同分析工具，通過自適應題庫進行個性化測試評估，建立數據與學生行為關聯，結合多學科技術預測學習者的學習行為和結果，最后，通過評價反饋或人工干預對學習者提供學習策略與指導。

圖2 學習平臺的自適應個性化推薦流程

5 結語

在當今“數據驅動學校，分析變革教育”的大數據時代，教育將迎來大變革，改學生被動學習為主動學習?；诖髷祿治龅淖赃m應在線學習平臺能夠實現真正的“因材施教”，平臺的自適應功能創造不同的學習情境，為學習者量身定制學習策略及路徑，實現一人多方案，一人一指導，滿足“個性化學習”需要。

本文基于大數據技術，結合學習行為分析技術，在實現個性化智能學習推薦基礎上，重視激發學習者學習動機，借助于自適應題庫、知識庫關聯分析，指導學生自我發現、自我選擇、自我調整學習策略，建立自適應學習平臺，保障學習者更加自由、平等地實現可持續發展。