基于大數(shù)據(jù)的個性化學(xué)習(xí)模式構(gòu)建

周顯春 譚瑞梅

摘要：隨著高等教育的大眾化，出現(xiàn)了人才缺少和畢業(yè)生過剩的矛盾。如何解決人才供求之間的問題成了一個迫切問題。人類社會已經(jīng)進(jìn)入大數(shù)據(jù)時代，教育部門或組織擁有大量的學(xué)習(xí)行為、學(xué)生習(xí)慣等數(shù)據(jù)。利用大數(shù)據(jù)技術(shù)發(fā)掘每個學(xué)生的學(xué)習(xí)潛能，給學(xué)生推薦個性化學(xué)習(xí)資源，滿足學(xué)生的個性需求，不僅可以緩解學(xué)生認(rèn)知超載、網(wǎng)絡(luò)迷航等問題，還可以激活學(xué)生學(xué)習(xí)興趣。

關(guān)鍵詞：教育大數(shù)據(jù);個性化;學(xué)習(xí)模式;推薦

中圖分類號：G642? ? ? ? 文獻(xiàn)標(biāo)識碼：A

文章編號：1009-3044（2021）36-0054-03

開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）：

Construction of Personalized Learning Model Based on Big Data

ZHOU Xian-chun1， TAN Rui-mei2

（1.School of Information and Intelligence Engineering，Sanya University， Sanya 572022， China; 2.School of Law and Sociology，Sanya University， Sanya 572022， China）

Abstract： With the popularization of higher education， there is a contradiction between the lack of talents and the surplus of graduates. How to solve the problem between talent supply and demand has become an urgent problem. Human society has entered the era of big data， and education departments or organizations have a large amount of data on learning behaviors and students' habits. Using big data technology to explore each student's learning potential， recommend personalized learning resources to students， and meet students' individual needs，can not only alleviate students' cognitive overload、network lost and other problems， but also activate students' interest in learning.

Keywords： big data in education;personalization;learning model;recommendation

1 基于大數(shù)據(jù)的個性化學(xué)習(xí)模式構(gòu)建的意義

國發(fā)〔2015〕32號《國務(wù)院關(guān)于大力推進(jìn)大眾創(chuàng)業(yè)、萬眾創(chuàng)新若干政策措施的意見》要求全社會推進(jìn)大眾創(chuàng)業(yè)、萬眾創(chuàng)新，提升全民的創(chuàng)新能力，其關(guān)鍵還是人才培養(yǎng)方式。培養(yǎng)創(chuàng)新性人才需要采用個性化教育，對大學(xué)生進(jìn)行個性化教育則是實現(xiàn)這一重要任務(wù)的根本途徑，唯有因材施教才能使人的潛在能力得到充分發(fā)揮[1～2]。

當(dāng)前，國內(nèi)外利用機(jī)器學(xué)習(xí)算法對個性化學(xué)習(xí)研究多集中在個性化學(xué)習(xí)路徑推薦、個性化學(xué)習(xí)系統(tǒng)、個性化教學(xué)方法、個性化學(xué)習(xí)評價模型等幾個方面。姜強(qiáng)等[3]基于大數(shù)據(jù)背景下，利用大數(shù)據(jù)技術(shù)，如Apriori或其改進(jìn)算法AprioriAll通過個性信息和群體類似信息挖掘個性化的學(xué)習(xí)路徑。周海波、周清清[4～5]根據(jù)對學(xué)生基本情況、心理特征分析的基礎(chǔ)上給學(xué)生推薦適合學(xué)生的學(xué)習(xí)資源，包括學(xué)習(xí)視頻、習(xí)題等。牟智佳[6]等為了客觀評價學(xué)習(xí)效果，利用層次性聚類方法構(gòu)建層次性評價體系。這些研究，無論是學(xué)習(xí)路徑的實現(xiàn)、推薦系統(tǒng)的功能實現(xiàn)，還是個性化學(xué)習(xí)方法、學(xué)習(xí)效果的評價方法都忽視一個核心內(nèi)容，即學(xué)生的學(xué)習(xí)特征，包括學(xué)習(xí)風(fēng)格、學(xué)習(xí)習(xí)慣等特征與知識點之間的前后之間是有本質(zhì)區(qū)別的。學(xué)生個性化特征不具有時序性，而知識點的學(xué)習(xí)是有前后關(guān)系、并行關(guān)系。哪個知識點必須先學(xué)，哪些知識點可以隨便選擇，需要對知識點進(jìn)行分析，建立知識點圖譜，建立他們之間的序列關(guān)系，才能推薦更能滿足學(xué)生個性化的學(xué)習(xí)資源和學(xué)習(xí)路徑[7]。

2 個性化學(xué)習(xí)模式核心概念界定

1）知識點題庫：與一般題目不同的是以知識點為基本單位的題庫，最重要的特征是存儲在系統(tǒng)中的知識點是有前后關(guān)系，表示知識點循序漸進(jìn)的關(guān)系，完全符合人的認(rèn)知規(guī)律。

2）Apriori算法：最早是由 Agrawal 等人提出的。最初提出的動機(jī)是針對購物籃分析問題提出的，其目的是發(fā)現(xiàn)交易數(shù)據(jù)庫中不同商品之間的聯(lián)系規(guī)則。這些規(guī)則刻畫了顧客購買行為模式，可以用來指導(dǎo)商家科學(xué)地安排進(jìn)貨，庫存以及貨架設(shè)計等 [8]。而且它也是一種迭代算法，利用它的子項Lk-1來計算出它下一項，反復(fù)地迭代直達(dá)候選集為空，停止執(zhí)行[9]。

3）個性化：從教育學(xué)的視角出發(fā)，個性化是人的個性特質(zhì)，每個人都有差異，表現(xiàn)為不同學(xué)生對同一個學(xué)習(xí)內(nèi)容采取的學(xué)習(xí)行為不同。也就是說，雖然學(xué)習(xí)目標(biāo)、內(nèi)容大同小異，但是每個學(xué)生實現(xiàn)的方式、選擇途徑、使用方法不同，產(chǎn)生的學(xué)習(xí)效果不同。

4）個性化學(xué)習(xí)：以學(xué)生為主，教師為輔。學(xué)生根據(jù)自己的具體情況，如知識基礎(chǔ)、心理特征、學(xué)習(xí)態(tài)度、學(xué)習(xí)能力來選擇性學(xué)習(xí)。

5）個性化推薦系統(tǒng)：推薦系統(tǒng)是自動聯(lián)系用戶和物品的一種工具，它通過研究用戶的興趣愛好，來進(jìn)行個性化推薦。近年來，推薦系統(tǒng)在日常生活中已經(jīng)廣泛應(yīng)用，如在京東、淘寶、天貓、亞馬遜等企業(yè)。為了提高推薦效果，如提供用戶響應(yīng)時間和推薦的正確性，很多學(xué)者也對基于各種推薦算法（包括深度神經(jīng)網(wǎng)絡(luò)）的個性化推薦系統(tǒng)進(jìn)行的深入研究[10]。

6）學(xué)習(xí)模式（Learning style）[11]，“學(xué)習(xí)模式”概念思想闡述產(chǎn)生于20世紀(jì)70年代，近年來普及迅速。它含有假定的條件，學(xué)生在這種情況下可以讓學(xué)習(xí)效果達(dá)到最佳狀態(tài)，并且學(xué)生的學(xué)習(xí)情況能夠被教師評價。

3 基于大數(shù)據(jù)的個性化學(xué)習(xí)模式構(gòu)建內(nèi)容

基于Apriori算法個性化學(xué)習(xí)模式的構(gòu)建，立足學(xué)生內(nèi)心的需求，將大數(shù)據(jù)技術(shù)與教育學(xué)原理相結(jié)合，在尊重教學(xué)規(guī)律的基礎(chǔ)上，利用先進(jìn)信息技術(shù)讓學(xué)生找到符合自己需要的資源和匹配自己習(xí)慣的學(xué)習(xí)方式，從而能夠有效提升學(xué)習(xí)效果。

3.1 基于大數(shù)據(jù)的個性化學(xué)習(xí)模式構(gòu)建的目標(biāo)

首先，完成學(xué)生檔案、心理特征和個性化學(xué)習(xí)數(shù)據(jù)收集、分析，然后對個性化學(xué)習(xí)模式和實踐進(jìn)行探索，并突出對影響學(xué)生個性化學(xué)習(xí)內(nèi)容的要素研究與探索，最后以新生學(xué)習(xí)的計算機(jī)應(yīng)用基礎(chǔ)課為案例開展實踐活動，研究個性化學(xué)習(xí)模式的建構(gòu)及其實踐途徑。

1）探索個性化學(xué)習(xí)、基于大數(shù)據(jù)個性化學(xué)習(xí)的現(xiàn)狀，揭示基于大數(shù)據(jù)的個性化學(xué)習(xí)特征。

2）建設(shè)個性化學(xué)習(xí)資源，如以知識點為基本單位建立學(xué)習(xí)內(nèi)容題庫等。

3）完成學(xué)習(xí)個性化心理特征與個性化學(xué)習(xí)內(nèi)容的相關(guān)性分析。

4）通過課題研究，建構(gòu)一整套科學(xué)完善的基于大數(shù)據(jù)的個性化學(xué)習(xí)模式。

3.2 基于大數(shù)據(jù)的個性化學(xué)習(xí)模式構(gòu)建的內(nèi)容

針對學(xué)習(xí)者個性化學(xué)習(xí)內(nèi)容不完善的情況，本研究首先利用Apriori算法研究知識點與個性化特征的關(guān)系，分析學(xué)習(xí)者個性化特征與個性化學(xué)習(xí)路徑的相關(guān)性，然后對這種相關(guān)性進(jìn)行驗證。具體研究內(nèi)容如下：

1）分析個性化心理特征內(nèi)容，如課程學(xué)習(xí)目標(biāo)、學(xué)習(xí)行為習(xí)慣、學(xué)習(xí)興趣點、學(xué)習(xí)目標(biāo)或動機(jī)等方面，然后采用問卷調(diào)查或訪談的方法收集學(xué)習(xí)者具體的個性化心理特征，最后把個性化心理特征進(jìn)行量化處理;

2）完善基于知識點題庫建設(shè)，構(gòu)建了序列知識點題庫。

3）收集學(xué)習(xí)者的上線學(xué)習(xí)、測試、交作業(yè)、討論等學(xué)習(xí)數(shù)據(jù)和個人基本信息，還有自評、同學(xué)互評、老師評價信息，采用Apriori算法首先分析學(xué)習(xí)個性化特征與個性化學(xué)習(xí)內(nèi)容的關(guān)系。

4）對個性化特征與個性化學(xué)習(xí)內(nèi)容的相關(guān)性進(jìn)行實證研究。首先對學(xué)習(xí)者分成兩組，第一組學(xué)習(xí)者自己選擇學(xué)習(xí)內(nèi)容、控制學(xué)習(xí)進(jìn)度，第二組利用大數(shù)據(jù)技術(shù)（如：Apriori算法）挖掘每個學(xué)習(xí)者的個性化特征，為其提供個性化的學(xué)習(xí)內(nèi)容（與該學(xué)習(xí)者相關(guān)的知識點集合），并且在其學(xué)習(xí)的過程中有一個根據(jù)學(xué)習(xí)情況調(diào)整學(xué)習(xí)內(nèi)容的過程。在學(xué)習(xí)期間穿插知識點、單元、期末測試，比較第一、二組的學(xué)習(xí)成績。同時收集第二組學(xué)習(xí)者對個性化系統(tǒng)為其提供內(nèi)容的滿意度，然后通過學(xué)習(xí)成績和學(xué)習(xí)者的滿意度來驗證相關(guān)性的意義。

3.3 基于大數(shù)據(jù)的個性化學(xué)習(xí)模式構(gòu)建方法

1）文獻(xiàn)研究法：在CNKI、萬方數(shù)據(jù)知識服務(wù)平臺查閱“個性化學(xué)習(xí)模式”“大數(shù)據(jù)技術(shù)”“Apriori算法”等關(guān)鍵詞的相關(guān)文獻(xiàn)和分析，了解此大數(shù)據(jù)技術(shù)、個性化學(xué)習(xí)及大數(shù)據(jù)技術(shù)在個性化學(xué)習(xí)中應(yīng)用理論研究進(jìn)展和未來發(fā)展趨勢，熟悉大數(shù)據(jù)分析技術(shù)、個性化學(xué)習(xí)、學(xué)習(xí)模式等相關(guān)概念，找到當(dāng)前個性化學(xué)習(xí)模式存在的問題，總結(jié)歸納出研究的理論基礎(chǔ)、研究內(nèi)容和目標(biāo)，為基于大數(shù)據(jù)的個性化學(xué)習(xí)模式研究夯實理論基礎(chǔ)。

2）調(diào)查法/問卷調(diào)查法，調(diào)查學(xué)生基本情況，包括基本情況、心理特征，課前測試學(xué)科知識基礎(chǔ)并可以進(jìn)行不同階段性的學(xué)習(xí)情況數(shù)據(jù)對比，做好數(shù)據(jù)分析的第一步。學(xué)生調(diào)查/問卷的內(nèi)容必須要保證符合教育教學(xué)原理，必須科學(xué)且有針對性。同時，通過收集學(xué)生的階段性、過程性、水平測試成績，為實證研究做好數(shù)據(jù)準(zhǔn)備。

3）實驗法，可以把同一個年級的一個行政班分為A班和B班或者一個專業(yè)分成幾個行政班，不同實驗班級采用不同的教學(xué)方式、教學(xué)內(nèi)容，加強(qiáng)過程性考核并對比其差異性，同時解釋差異性產(chǎn)生的原因。

4）行動研究法，根據(jù)研究的需要制訂教學(xué)計劃、規(guī)劃教學(xué)內(nèi)容，采用適當(dāng)?shù)慕虒W(xué)方法，把研究和實踐活動結(jié)合起來，研究理論緊密聯(lián)系實際，對研究中出現(xiàn)的任何問題，追索原因并制訂解決方案或計劃及時解決，從而完善教學(xué)研究。通過教學(xué)名師、中堅力量教師的“幫、帶”的引領(lǐng) ，以點連成線，線構(gòu)成面，全面推動教學(xué)理論在實踐中應(yīng)用效果研究，教師將根據(jù)個人的實際教學(xué)情況或者學(xué)情調(diào)整、修改并總結(jié)歸納實踐成果，撰寫教學(xué)論文和申請相關(guān)教學(xué)課題。利用階段性教學(xué)研究成果逐步完善教學(xué)研究內(nèi)容實現(xiàn)途徑，迭代出基于大數(shù)據(jù)及時的學(xué)生個性化學(xué)習(xí)模式實現(xiàn)路徑、方法等。

5）數(shù)理統(tǒng)計、分析法，研究所收集的數(shù)據(jù)采用Excel收集，存儲在MySQL數(shù)據(jù)庫，完成數(shù)據(jù)清理后使用大數(shù)據(jù)平臺進(jìn)行統(tǒng)計、分析，根據(jù)分析結(jié)論結(jié)合學(xué)生個性化需求為學(xué)生推薦個性化的學(xué)習(xí)路徑及學(xué)習(xí)資源。

3.4 基于Apriori算法個性化學(xué)習(xí)模式構(gòu)建

從2018年秋學(xué)期開始，基于Apriori算法的個性化學(xué)習(xí)模式構(gòu)建歷經(jīng)3年設(shè)計、實踐。該模式基于大數(shù)據(jù)技術(shù)、結(jié)合學(xué)生的基本特征、學(xué)科知識點的邏輯結(jié)構(gòu)關(guān)系，分為課前、課堂、課后三部分，具體內(nèi)容如圖1所示。

1）課前部分。首先需要根據(jù)學(xué)習(xí)目標(biāo)確定完成目標(biāo)需要掌握的知識點的集合。其次，根據(jù)知識點和試題的關(guān)聯(lián)性生成診斷性試卷，對學(xué)生進(jìn)行認(rèn)知能力測試，得到完成學(xué)習(xí)目標(biāo)但是沒有掌握的知識點，同時根據(jù)所羅門學(xué)習(xí)風(fēng)格測試內(nèi)容、學(xué)情調(diào)查表判讀學(xué)生的學(xué)習(xí)風(fēng)格、學(xué)習(xí)能力等特征。再次，根據(jù)前一步的知識點集合、學(xué)生個性化特征，采用Apriori聚類算法完成個性化路徑推薦及對應(yīng)知識點的資源推薦。主要采用網(wǎng)絡(luò)學(xué)習(xí)平臺實現(xiàn)，目前采用傳智播客的學(xué)習(xí)平臺完成知識的傳授。

2）課堂教學(xué)?？梢酝ㄟ^智能設(shè)備收集學(xué)生學(xué)習(xí)狀態(tài)，如起立、趴桌子打瞌睡、書寫、玩手機(jī)、閱讀、舉手、聽講，還有學(xué)生表情數(shù)據(jù)，如中性、憤怒、驚訝、高興。通過這些數(shù)據(jù)分析數(shù)據(jù)學(xué)習(xí)的專注度。同時，通過學(xué)生自學(xué)、教師面對面?zhèn)€性化指導(dǎo)、同學(xué)互助完成課前預(yù)習(xí)遇到的問題或疑難。師生互動后，針對沒有掌握的知識發(fā)送診斷性題目完成知識的轉(zhuǎn)化。

3）課后反饋。溫故而知新。課后的習(xí)題，不僅僅是鞏固已有知識，更多是拓展已有知識，可以和以前的知識點結(jié)合，布置綜合性試題，培養(yǎng)學(xué)生的綜合運用能力。對于基礎(chǔ)差的同學(xué)，課后習(xí)題是最后完成學(xué)習(xí)目標(biāo)的機(jī)會。根據(jù)學(xué)生完成的情況推薦不同的試題。

4 結(jié)論

本文構(gòu)建了基于Apriori算法的個性化學(xué)習(xí)模式，能夠利用推薦的個性化學(xué)習(xí)資源進(jìn)行學(xué)習(xí)，從構(gòu)建序列知識點題庫并實現(xiàn)、采用Apriori算法分析學(xué)生個性化特征與個性化學(xué)習(xí)內(nèi)容的相關(guān)性、基于Apriori算法的個性化學(xué)習(xí)模式并實證研究等三方面進(jìn)行創(chuàng)新，不僅符合學(xué)生的個性特點和需要，而且學(xué)生自主選擇適合自己的學(xué)習(xí)內(nèi)容和資源，按照適合自己的方式和進(jìn)度進(jìn)行學(xué)習(xí)。這種學(xué)習(xí)方式能促使學(xué)生個體潛能得到最大限度的發(fā)揮，非常符合當(dāng)前高校人才培養(yǎng)的需求。

從2018年開始在我校大學(xué)一年級新生中《計算機(jī)應(yīng)用基礎(chǔ)》課程中開展了“基于大數(shù)據(jù)的個性化學(xué)習(xí)模式構(gòu)建及實證研究”實證研究。其研究成果不僅改善了學(xué)生學(xué)習(xí)效率，大幅提升了學(xué)生的學(xué)習(xí)成績，而且可以緩解學(xué)生認(rèn)知超載、網(wǎng)絡(luò)迷航等問題。

參考文獻(xiàn)：

[1] 劉繼勇， 鄧敏. 個性化教育：大學(xué)生創(chuàng)新能力培養(yǎng)的根本途徑[J]. 江西社會科學(xué)， 2001（5）：129-131.

[2] 李偉光. 當(dāng)代大學(xué)生個性化教育與創(chuàng)新能力培養(yǎng)[J]. 長春師范大學(xué)學(xué)報， 2016， 35（5）：141-143.

[3] 姜強(qiáng)， 趙蔚， 李松，等. 大數(shù)據(jù)背景下的精準(zhǔn)個性化學(xué)習(xí)路徑挖掘研究——基于AprioriAll的群體行為分析[J]. 電化教育研究， 2018（2）：45-52.

[4] 周海波.基于自適應(yīng)學(xué)習(xí)平臺促進(jìn)學(xué)生個性化學(xué)習(xí)的研究[J].電化教育研究，2018，39（4）：122-128.

[5] 周清清，佘航，平萍.基于大數(shù)據(jù)評價的個性化學(xué)習(xí)平臺模式構(gòu)建研究[J].中國教育信息化，2016（15）：13-15.

[6] 牟智佳.電子書包中基于教育大數(shù)據(jù)的個性化學(xué)習(xí)評價模型與系統(tǒng)設(shè)計[J].遠(yuǎn)程教育雜志，2014，32（5）：90-96.

[7] 周顯春，肖衡，高華玲. 大數(shù)據(jù)背景下的精準(zhǔn)個性化學(xué)習(xí)路徑[J]. 現(xiàn)代計算機(jī)（專業(yè)版），2018-12-15（12）.

[8] 魏玲， 魏永江， 高長元. 基于Bigtable與MapReduce的Apriori算法改進(jìn)[J]. 計算機(jī)科學(xué)， 2015， 42（10）：208-210.

[9] 郝曉飛， 譚躍生， 王靜宇. Hadoop平臺上Apriori算法并行化研究與實現(xiàn)[J]. 計算機(jī)與現(xiàn)代化， 2013（3）：1-4.

[10] 任明.智能信息系統(tǒng) 以關(guān)聯(lián)知識優(yōu)化數(shù)據(jù)建模的方法和實踐[M]. 杭州浙江大學(xué)出版社，2012.

[11]（美）湯白斯.學(xué)習(xí)模式大發(fā)現(xiàn)[M].徐紹知，等，譯.上海：上海世紀(jì)出版股份有限公司發(fā)行中心，2014.

【通聯(lián)編輯：王力】