基于仿真教學平臺的個性化學習引導系統設計

祝 銘，楊穎雁，劉名揚

（北京交通大學 經濟管理學院，北京 100044）

0 引言

隨著教育4.0 概念的提出，信息技術與教育的聯系愈發緊密，“以學習者為中心”的個性化教育和學習已然成為世界教育發展的主流［1］。虛擬仿真技術在個性化教育及學習推薦的過程中擁有明顯的優勢，它能解決理論與實踐教學相分離的問題［2］。在以往的研究中，仿真平臺的構建通常是某一學科或體系的知識推送，理論上依舊是共性學習，沒有改變傳統的“教與學”模式，使得虛擬仿真技術在教育行業變成了教育產業化的機器，無法達到動態個性化學習的目的。基于仿真平臺的個性化知識推送系統旨在借助仿真平臺獨具的優勢，結合信息技術實現學習者的個性化學習，充分考慮學習者的個性因素，為每個學習者自身的發展提供最科學的學習方式，實現其他教學環境下無法滿足的教學模式。

1 個性化學習引導系統研究現狀

近年來，個性化人才成為當前時代需求，《國家中長期教育改革和發展規劃綱要（2010—2020 年）》中強調教育者要堅持以人為本，樹立多樣化的人才觀，尊重學生的個性，鼓勵教育者創設支持學生個性化發展的環境［3］。依托互聯網技術，以在線方式實現學生個性化學習需求，釋放教學資源。

縱觀各領域個性化推薦服務和學習仿真平臺的研究成果，可以發現平臺主要集中在對學生特定專業知識的培養上，多以知識為中心和導向，缺乏對學習者個人信息特征及系統內產生的行為記錄信息的考慮與研究。而學習需求是一種學習者為實現自身發展和滿足需求的主觀傾向，包括整個學習過程中多方面與多樣化的需求，且存在個體間的差異性［4］。但現有仿真平臺對如何滿足不同學生的學習需求探討較少，導致仿真平臺的學習不能完全滿足時代要求，存在學生學習效果不理想、教育資源利用率低等問題。因此，文章借助畫像、知識圖譜等方面研究，利用構建的仿真平臺為個性化學習引導服務提供發展思路。

2 構建框架

針對現有仿真教學平臺在個性化學習方面的不足，筆者設計了系統框架（見圖1），以具體解決共性學習環境下的個性化學習引導問題。仿真可以通過實驗觀察系統模型各變量變化的全過程，更有利于觀察學習者的學習狀況，因此常被用于教學。但是，差異化教學需要在仿真環境下才具有不同的輸入與輸出結果，且需要注意學習的持續性問題，因此系統框架構建時考慮將學習者自身數據作為輸入結果，由學習者自主選擇行為得到輸出結果，再由結果反饋作用過程，通過系統的更新迭代實現個性化學習。

使用學習者畫像作為輸入數據，充分考慮到了學習者的個人學習背景，不同學習者具有不同的學習認知、學習能力等，因此適用不同的學習方式作為學習過程處理，即相同學習環境，不同學習者的不同學習過程；采用場景化知識推送的方式作為學習過程，充分應用了仿真教學的場景化特點，讓知識用適當的方式與學習者進行匹配；得到的學習結果用知識圖譜進行記錄，將碎片化學習到的知識重整為體系，同時反作用于學習過程，讓個性化學習得以延續，即相同學習環境，同一學習者的不同學習過程；不僅學習到的知識可以被記錄、更新，學習者畫像也是一樣，通過對學習行為的分析，得到新的個人學習背景，充分考慮動態變化下的學習者，以此實現個性化學習。

3 系統設計過程

3.1 使用學習者畫像匹配不同學習需求

欲實現個性化學習，就要以學習者具體的學習需求為導向，通過對學習者個性特征的描述、學習需求的識別，提供教育資源個性化推薦服務。而以學習者為中心是當前大眾泛化學習情況下教育資源個性化推薦服務的發展基礎［5］，但是不同的學習者學習背景不同，學習認知、學習能力等會有一定差別，其適用的學習方式也會不同。為解決共性化環境下不同學習者的共性問題，可以采用對學習者進行標識的方法，使用學習者畫像勾畫目標學習者，有效聯系學習者需求與學習方法。

建立學習者畫像模型，可以根據不同場景下的語義組合剖析學習者應當關注的相關領域和學習需求，產出學習效果評價。其中，由于學習者信息的來源不同，獲取信息的方式具有差異性，可將學習者數據拆分為不同類別，以多維度進行描述，從而成為個性化推薦中的核心構成。

在仿真平臺上，用戶的大量數據可以被記錄下來，基于畫像用于標識與持續更新的要求，若能將用于構建畫像的數據分類為固定屬性數據、動態行為數據兩大塊，有助于解析學習者的學習需求。

用來描述短時間內不會因行為而改變的學習者信息的數據被稱為固定屬性數據，如姓名、年齡、性別、學號等識別個人身份的數據；科研方向、興趣愛好等構成能區別他人的個性化數據；還有專業技術能力、創新水平、科研水平等作為事前了解學習者能力方面的數據，這些數據并不會在一次行動中就輕易改變，但是學習者在平臺上的基本信息具有一定穩定性。可以在用戶注冊時獲取大部分，也可以通過新手任務這類初始化行動獲得。這樣可讓平臺與學習者接觸之初就能夠有一定判別和大致分類。

另一類能夠隨著學習者行為而發生動態變化的數據被稱為動態行為數據。此類數據的動態更新使畫像能夠不斷更新，可以使個性化推薦保持與學習者的契合，從而符合平臺學習需求。可將此類數據分為，如學習者團隊定位、決策風格、團隊參與度、互動社交風格等有關團隊的合作互動類數據和學習時長、學習方法偏好、知識接受方式偏好、知識認知水平等描述個人學習行為的數據，在動態中找準定位，科學預測學習者從團隊到個人的知識需求，從而為學習者個性化的引導提供幫助。各類數據具體內容見表1。

表1 學習者畫像數據具體內容

學習者畫像中固定屬性信息與動態行為信息的結合、三加二個維度的組合、不同維度的學習者數據差異構成了學習者的個體特征與標識，學習者畫像的形成、學習者的構架與描述得以在具體場景中為個性化學習需求判斷提供相應依據。

3.2 個性化學習判斷

文章中的個性化學習判斷依賴上文所述的學習者用戶畫像構建。知識推送技術應用于數字圖書等領域以來，憑借其獨特的個性化需求獲取力度及高效的知識傳播能力成為數字圖書館信息服務的重要組成部分［6］。知識推送也是完成學習引導功能的重要部分。筆者針對不同學習者的用戶畫像及個人知識圖譜對個人的學習習慣以及知識掌握程度等進行初步判斷。

學習者首次接觸該學習引導系統時，無法準確得知其個人知識圖譜及對各種知識的準確掌握程度。學習者的數據信息具有多維、交叉融合的特征，基于用戶畫像技術構建教育資源個性化推薦服務模型需要利用聚類耦合分析、深度挖掘等相關數學方法完成針對學習者數據信息的分析、處理過程［7］。通過形成的學習者初步用戶畫像，結合其具體學習場景進行知識推送，該過程屬于場景化知識推送，而個性化的特征無法得到很好的體現。

在學習者后續多次使用該學習引導系統的過程中，通過前期積累的用戶行為數據對用戶畫像進行更新和細化，同時借助生成的個人知識圖譜來分析其知識掌握情況，進行更加全面的個性化判斷。

3.3 個性化知識推送

在進行個性化學習判斷之后，應當依據判斷的結果對學習者進行個性化的知識推送。個性化知識推送是個性化學習引導系統中的重要功能部分。以新零售創業仿真模擬平臺為例，知識推送可分為以下幾個階段。

第一階段，場景化知識推送，結合學習者的初步用戶畫像對其進行知識推送。結合用戶實際學習場景及自身決策類型（如穩健、冒進）進行個性化知識推送。在該階段，為學習者推送的知識大多為攻略型知識，無須深究其背后的理論基礎。

第二階段，個性化知識推送，結合更新后的學習者用戶畫像及個人知識圖譜進行知識推送。結合學習者的個人知識圖譜，判斷出其知識存在不足或薄弱的環節，在適當的場景下對這些缺乏的知識進行精確化推送。該階段不僅需要推送攻略型知識，還需要推送其背后的理論知識。

3.4 學習反饋

學習反饋是對學習者學習結果的數據進行收集、處理，并得出反饋結果的部分。該部分對于更新用戶畫像及形成個人知識圖譜具有重要意義。首先，制定該仿真實驗中的場景化知識圖譜，并通過對各個參與者的行為數據進行分析得出的不同結果，制定每個學習者的個性化知識圖譜，與場景化知識圖譜進行對比，能夠清晰地分析出該學習者當前在哪些方面知識掌握有所不足，以此為依據制定個性化學習需求。其次，需要對學習者行為數據進行收集、處理、分析，繪制出學習者的個人知識圖譜。對學習者進行初步的學習類型劃分及個性化學習需求的定制，并基于其需求進行個性化學習引導，需要將結構化的行為數據進行非結構化處理，分析出各個學習者在當前時刻具體的學習狀態。

3.5 學習者畫像更新提升推薦準確性

在經歷場景知識推送與學習者學習過程后，如果只論學習時長，學習者自身也一定會發生變化，導致發生了改變的學習者與先前構建的學習者畫像就不構成完全匹配，后續對學習者的知識推薦仍然按前者運作，就會產生偏差，也與本研究個性化思想相違背。因此，學習者畫像需要隨著學習者行為數據的變化而不斷更新。這是學習者的“升級”過程，也是系統推薦的更新過程，以學習者為中心，隨其信息趨于準確而逐漸完善系統推薦機制［8］。學習者信息不斷更新也是維度中數據的變化或數據搭配的改變，而這一改變往往可以視作一個新的學習者接受系統的個性化引導。畫像的及時更新能夠智能引導個性化學習，讓其準確性保持在某一穩定范圍內。

在經歷場景知識推送與學習者學習過程后，形成動態行為數據，或更新動態行為，以此為依據對比原有動態行為信息達成學習反饋。學習進度、學習專注度、知識認知水平、知識聯系水平等可體現學習者迄今為止學習狀態與結果的信息可作為單獨輸出部分，用于客觀評價學習效果。將已有數據與本次過程數據結合后展開分析，得到的信息與原有畫像進行比對，新老行為信息的對比碰撞則是更新學習者畫像，實現精確個性學習引導的過程。

學習者系統行為引起的畫像更新集中為動態行為信息的迭代。動態行為信息多不具備穩定性，每個操作、學習過程的進行都會讓其中數據產生變化，就動態行為信息中個性屬性數據而言，學習者團隊定位與決策風格一定程度上不會在每一次過程后有所更新，但團隊參與度、互動社交程度等會體現在學習者的每個團隊行為數據中，當達到一定量變時就會引起質變，使團隊定位、決策風格等方面得到更新，且量的積累無需太大。與此同時，用戶的固定屬性信息也不可忽略，行為人的一切行為，包括管理決策行為，不僅受外在環境的影響和制約，同時還與管理者個人及團隊成員的背景特征有關，在較長時間內屬性信息也會發生改變，如學業等級由本科四年級變為研究生一年級，這一改變則會造成行為信息中數據出現較大變化。因此，固定屬性信息與動態行為信息的改變都是畫像更新的基礎。

3.6 個性化知識圖譜構建

學習者經過學習過程會形成學習結果，學習結果并不一定作為考核的標準，但是需要記錄下學習者的學習結果，而每個人在這個過程中的學習效果并不相同，因此需要構建個性化的知識圖譜。用知識圖譜來接收學習結果作為輸出，一是因為知識圖譜可以更好地接收知識體系，讓學習者和系統分別明確知識的運用情況；二是因為其容易作為結果反饋場景化學習，使系統具有迭代更新的功能，為學習者提供真正的個性化學習環境。

共性的知識圖譜是個性化知識圖譜的基礎，涉及具體學科，需將共性知識圖譜落在構建領域事件知識圖譜上，意在識別本體——事件的識別與抽取及事件關系抽取［9］，因此需要將知識碎片化。現有的知識碎片化是將領域中重要概念進行歸納并設置類之間的層級關系，而在仿真學習系統中不僅要將學科知識碎片化，還需考慮學習者在實踐中對實踐結果有影響的其他因素，即需對知識進行分類，從學習者的實際操作中收集數據來識別學習者具體學會的知識。

基于此，我們將在實踐性學習中所需的知識分為資料性知識、策略性知識、經驗性知識。資料性知識，顧名思義是靜態的、規則性的知識，在實踐經營的仿真系統中，學習者必須知曉規則，輔以學科的相關理論知識才能完成基本內容；策略性知識代表依據形勢發展而制定行動方針的依據，改善在已經知曉理論知識的情況下仍然不能在實踐競爭中勝出的現狀；經驗性知識表示從多次實踐中得到的知識或技能的依據，以及在實踐性學習中學習者多次進行實踐而積累的知識［10］。按照知識的分類，構建仿真系統的知識圖譜（見圖2）。

圖2 知識圖譜構建

個性化知識圖譜在共性知識的圖譜之上進行構建，學習者通過一輪實踐可以得到自己在資料性知識、策略性知識、經驗性知識方面的成果，形成自己的個性化知識圖譜，從中可以看到學習者的學習結果，即知識的獲取結果。得到該結果后，要為學習者的持續性學習收集數據，以便實現動態的個性化學習。

3.7 個性化知識圖譜反作用于場景個性化知識推送

學習者在一輪實踐中已經獲取到的知識，可作為基礎數據庫反作用于場景化知識推送。關于場景化知識推送，不僅要考慮用戶畫像的作用，還要將已經收集到的個人知識圖譜作用其中，表現為循環迭代的過程，真正實現個性化學習。

用戶畫像意在挖掘學習者的學習風格等，而個人知識圖譜意在收集學習者學會的知識與未學到的知識。從學習者角度講，在經過一輪實踐后可以明確自己的優勢與劣勢；從教學者角度看，關注學習者未實現學習目標的理論知識點。場景化知識可以從以上兩個出發點進行知識推送。

對于系統敏捷迭代開發來講，對收集系統中已有的個人知識圖譜進行聚類，可以得到整體性知識薄弱點或其他新知識誤區，增加該知識點的場景化知識推送設置與收集點，采用敏捷開發，解決現有仿真教學中因共性學習環境而被忽略的個性化教學問題。

4 結語

文章借助虛擬仿真平臺在教育領域的優勢，并結合目前該領域存在缺乏個性化學習引導的缺陷，首先提出了個性化學習引導系統的總體架構；然后以學習者需求為導向，并結合從數據中挖掘出的學習者關鍵信息及畫像維度，進行了學習者用戶畫像的初步構建；接著憑借學習者用戶畫像，對其實現個性化知識推送并進行反饋，在學習反饋階段通過對學習者行為數據的挖掘和處理對用戶畫像進行更新，并根據其學習結果生成個性化知識圖譜反作用于場景化個性推送，最終實現了個性化學習引導系統的構建，以此來解決仿真平臺的教育教學中缺乏個性化的問題。隨著大數據、人工智能等技術的發展，仿真模擬平臺憑借其能夠充分結合理論與實踐的優勢，將越來越多地被應用于教育教學領域，而個性化學習是未來教育避不開的主題。通過虛擬仿真平臺實現個性化學習是未來信息技術與教學融合的一個重要創新點與研究點。