基于知識點網絡的在線學習者有效學習行為的仿真

何俊穎

（云南開放大學 云南省昆明市 650223）

在線學習者的學習效果，一直是開放教育所研究的重點問題。在開放教育中，在線學習者的學習效果，而學習效果的優劣既受到所獲取的學習資源的影響，更與學習活動中知識的序列設計密切相關[1]。本文設計了基于知識點網絡的在線學習仿真系統，對在線學習者的有效學習進行研究，對比章節線性順序知識點學習[2]和知識點網絡學習的不同學習效果。

1 知識點網絡的構建

知識點是學習活動中的最小單元，分布于整個課程的各個章節。目前，在線學習資源設計時，課程知識點一般按照知識點的先學關系分章節實施教學。學習者在學習過程中，也是按照按章節順序對學習內容線性選取，沒有區分重點，難點內容以及這些重難點內容與其他知識點之間的關系[2]。這樣，學習者在學習過程中就出現有學習浮于表面，抓不住重點的問題。

針對這種情況，本文提出，構建知識點網絡，不僅關注知識點的先學關系，更關注知識點間的關系。簡要知識網絡拓撲圖[3]如下所示。

其過程是：首先，將課程內容剝離成相對獨立不同的知識點，形成知識點列表，如圖中所示：p1-p5和p21-p23均為獨立知識點；其次，分析各知識點之間的關系，關注每個知識點的緊前與緊后知識點，形成學習順序列表，如圖中所示：箭頭所示為知識點學些順序；最后根據順序列表，構建知識點關系網絡，尋找緊前與緊后知識點大于等于3 的知識點，定義為重點與難點，如圖中所示：P2緊前與緊后知識點為5，p3緊前與緊后知識點為3，因此p2、p3為重難點知識且p2比p3難度系數大。

2 在線學習仿真系統的設計

以下主要從關鍵Agent、主要數據庫表單的設計以及Agent 間的通信協作方式三個方面介紹仿真系統的設計：

2.1 關鍵Agent設計

通過前對學習者的學習過程、學習習慣進行梳理，對現行學習支持服務的分析，設計出兩類Agent 模型。分別是是在線學習者Agent_stu 和學習支持服務導師Agent_tea。

學習者在在線學習過程中，學習能力、社交能力以及基礎能力的不同對在線學習結果有重要的影響。學習能力主要表現在認定關鍵知識點的能力以及尋找有效學習路徑的能力；社交能力主要表現在尋求老師幫助與向同伴學習的能力；基礎能力主要表現在應用互聯網、信息技術的能力。這三種不同維度的能力，決定學習者的學習效果，詳細能力維度細分如表1 所示。

表1

表2

表3

在模擬仿真系統中，學習支持服務導師Agent_tea 主要是為Agent_stu 提供幫助，可以模擬在真實學習過程中老師對在線學習者的幫助，不同的Agent_tea 主要的不同是社交能力的不同，也就是為Agent_stu 提供幫助的主動程度會有所差異[4]。

2.2 主要數據庫表單的設計

在仿真系統中，主要用到的數據表單有學習者數據表、學習支持導師數據表，學習狀態數據表、知識結點數據表，表中羅列出用到的基本數據字段。

2.2.1 學習者數據表：主要記錄Stu_Agent 的基本信息

如表2 所示。

表4

表5

2.2.2 學習支持導師數據表：主要記錄Tea_Agent 的基本信息

如表3 所示。

2.2.3 知識結點數據表：主要記錄課程所有的知識點的基本信息

如表4 所示。

2.2.4 學習者狀態數據表：主要記錄學習者在仿真系統中的學習狀態

如表5 所示。

2.3 Agent間的通信協作方式

多Agent 間的通信協作是保證多個Agents 能在一起共同工作的關鍵。同時，協作可以提高單個多Agent 系統整體行為的性能，增強多Agent 系統解決問題的能力，使系統具有更好的靈活性。

在模擬仿真系統中所使用的協作方式結果共享方式，Agent 使用通信黑板(Blackboard)發布信息、公布處理結果和獲取有用信息。黑板就是各Agent 間交換信息、數據和知識的共享區域。黑板可以用在任務共享和結果共享的系統中，它提供了一種比較靈活、迅速和高效的通信方式。

仿真系統中Agent 之間不發生直接通信，僅通過黑板系統接受信息，包括同類型Agent_stu 與Agent_tea 之間。因此，在仿真系統中每個Agent_stu 獨立完成自己的學習任務，在需要尋求Agent_tea的幫助時，將自身狀態信息放置于黑板公共區域中。因此，每個Agent_stu 在完成學習任務時，是基于自身初始學習能力值得不同，在任何時刻的解決問題均取決于當時它本身擁有學習能力或Agent_tea 能夠提供的有效知識路徑上的幫助。這種方式的代價是Agents間的通信量比較大。

3 實驗驗證及分析

3.1 實驗驗證流程及規則

在模擬仿真系統中，投放多個Agent_stu，不同Agent_stu 的學習能力，社交能力以及基礎能力都會有所差異，對同一學習對象，可以呈現不同的學習效果。這樣就可以簡單抽象出在線學習者在學習過程中不同的學習過程與效果。

同時，在仿真系統中會按照師生比投放多個Agent_tea。通過對Agent_stu 的學習狀態描述（學習者狀態數據表），系統可以得到Agent_stu 學習相對應的知識點情況。在知識點網絡中，當前知識點i 的學習情況主要遵循有如下規則[5]：

規則1：Agent_stu 當前目標是知識點i，Agent_stu 需要學習知識點i 所有的緊前知識點；

規則2：若緊前知識點沒有全部出現在學習狀態表中，Agent_tea 對Agent_stu 提供幫助，知識點i 的緊前知識點作為學習目標；

規則3：若緊前知識點沒有全部出現在學習狀態表中，那么Agent_stu 學習知識點i；

規則4：難度系數大的知識點，Agent_stu 需要多次遍歷知識點i；

規則5：知識點覆蓋率要計算所有Agent_stu 遍歷知識點的完成率；

規則6：重難點重復覆蓋率要計算所有Agent_stu 遍歷重難點知識點的完成率。

學習者狀態表中的Master 字段，表示的是Agent_stu 對某一知識點的掌握狀態，是一個邏輯值，學習者掌握賦值為1，反之則為0。

3.2 實驗驗證效果

選取《商務數據分析》課程中98 個獨立知識點，其中18 個是重難點，本仿真驗證系統，投放100 個Agent_stu 和3 個Agent_tea（師生比1:3，在真實的在線學習環境中，有效的學習支持導師可能小于這一師生比）。在仿真過程中，主要通過比較知識點覆蓋率和重難點重復覆蓋率，得到在線學習者的仿真學習效果。基于知識點網絡的知識點覆蓋率和重難點重復覆蓋率分別為95%和90%，而章節線性順序的知識點覆蓋率和重難點重復覆蓋率分別為80%和60%，顯然基于知識點網絡的在線學習者仿真學習效果要更好。

4 結束語

本文提出了一種基于知識點網絡的在線學習者仿真方法，并比較了章節線性順序在線學習者的學習效果，進而得到基于知識點網絡的在線學習者學習效果要更好的結論，并為開放教育中學習者的學習資源提供了新的設計思路。