基于教育心理學與數據挖掘的自主學習App的設計與實現

聶肖松王靜業

1.東北財經大學；2.大連外國語大學

本文在總結現有學習類App特點的基礎上，提出了一款基于教育心理學與數據挖掘的自主學習App的設計與實現思路，引導學生用戶開展學前診斷性評價、學中輔導與監控、學后自編測驗幫助學生用戶加強元認知及自我認知，引導用戶形成并完善自主學習方法。

1 自主學習的概念及學習類App的現狀

陶行知先生說過：“我以為好的先生不是教書，不是教學生，乃是教學生學”。課堂教學是教師引導學生以教學大綱和課本為目標，由淺入深，層層推進，建構學科思維的過程；自主學習則是學生自己明確目標、設置學法、把握學習難點的自主發現、自行建構的過程。大學是中國學生對于上述兩種學習方式的一個相對清晰的分界點：大學之前的小初高階段側重于教師引導下的課堂教學，這樣的情況在廣大的鄉村地區更為普遍，大學開始中國學生需要在課堂教學與自主學習中尋找平衡點，并逐步注重自主學習，為研究生以及職業生涯的自我提升做準備；中國學生的研究生時代仍然存在課堂教學，但是自主學習的比重隨著年齡和學習階段的增長在不斷增長。傳統課堂教學注重知識的傳授，而非學習方法的傳授；而自主學習的學習效果則十分依賴學習方法。

自主學習呈現學習過程無監督、學習內容多元化、學習形式無紙化等特點，近年來各個廠商分別推出了多學科、多類型的自主學習App來提升學生用戶的自主學習效果。經調查，現有學習類App超過100款，集中于以下幾類：

(1)公開課堂：網易公開課、騰訊課堂等；

(2)學科知識：化學、物理實驗室AR等；

(3)課外閱讀：微信讀書等；

(4)外語學習：懶人英語、扇貝單詞、百詞斬等

這些App中以外語學習融入的學習方法最為豐富，其中包括了記憶曲線、文字視圖聽說結合等方法。以上幾類App不能滿足學生用戶在閱讀課外讀物時啟發式閱讀、個別化指導以及診斷性評價，最終達到深度閱讀的目的；本文開發的自主學習App基于教育心理學、數據挖掘等多學科內容，設計學前診斷性評價、學中輔導與監控、學后自編測驗幫助用戶形成自主學習方法，純凈、簡單、易用的基于數據挖掘和可視化的自主學習平臺；通過真實模擬讀書過程，培養用戶的讀書習慣，最終使用戶形成良好的閱讀習慣。

2 費曼學習法

費曼學習法是美籍猶太裔物理學家理查德·菲利普斯·費曼（Richard Phillips Feynman，1918—1988年）提出的，被認為是最高效的學習方法，分為四個步驟：確定學習目標，對相關的知識點進行學習，在這個環節主要是學習的過程；模擬教學；發現知識盲點，講解過程中遇到不明白的地方，馬上回顧完善知識點；簡化類比[1]。近年來中國學者還提出拆分、聯想和追本溯源等更加豐富的總結回顧的方法。

3 相關技術

3.1 App技術

前端采用基于Android平臺技術，后端采用基于Django框架技術。Android是一個開源的開發平臺。該平臺使用的App程序，具有占用存儲空間小、性能穩定的特點，非常適用于移動端的程序開發。Django是一個基于Python的高級全能型框架，功能完善、文檔齊全、開發敏捷、配置簡單，能夠快速地完成項目開發；提供了強大的數據庫訪問組件，自助式后臺管理，使數據庫操作和完整的后臺數據管理變得異常容易[2]。

3.2 數據挖掘

數據挖掘是從大量數據中挖掘有趣模式和知識的過程。數據包括數據庫、數據倉庫、Web、其他信息存儲庫或動態地流入系統的數據。數據挖掘是數據庫研究、開發和應用最活躍的分支之一[3]。數據挖掘包括分類、聚類、線性回歸等技術。

4 需求分析

4.1 總體需求

本系統以“基于數據挖掘與可視化的自主學習”為主題，引導用戶在自主學習前開展自我診斷性評價，明確學習目標、學法，并在學習過程中勾畫難點，通過收集用戶在自主學習過程數據和數據可視化，意在打造一個幫助用戶監控自主學習過程，強化無教師的自我學習領導力，提升用戶自主學習元認知和自主學習自我意識（自我認識、自我體驗、自我監控）的App學習平臺。依托于數據挖掘和可視化的方法，本系統的學習總結性評價、學習預測性評價模塊將分別提供學習過程數據和學習狀態預測性數據，有利于用戶查看自主學習過程、自主學習狀態。

本文應用Axure技術構建系統的原型，并提出了系統的總體需求。自主學習App具體功能需求如下：

用戶中心：實現對學生用戶注冊、自我學習力評價、信息管理等功能。

書籍管理：用于讀取本地書籍、思維導圖、監控學習過程、筆記分級等功能。

學習回顧：用于可視化、數據化呈現學習過程、書籍思維導圖、重難點筆記等功能。

4.2 典型需求設計

本軟件的主要需求內容是學生用戶的自我學習力評價、學習過程評價、總結性評價及基于數據挖掘的三者循環反饋，如圖1所示。

圖1 自我學習力評價、學習過程評價、總結性評價循環Fig.1 Circle of self learning ability evaluation, learning process evaluation and summative evaluation

(1)自我學習力評價：注冊并審核通過的學生用戶首先開展自我學習力評價，包括認知能力、意識調節、人格特質；根據自我學習力評價結果提供高效學習時刻、時長等建議。

(2)學習過程評價：讀書學生用戶需自行上傳待學習文檔，系統抽取索引創建目錄；開始前系統提示設置學習目標，學習過程中系統記錄學習行為（如翻頁時間、筆記次數、內容等）；學生用戶記錄筆記時系統提示學生對學習內容和筆記進行分級（如熟悉、了解、理解、掌握、識記、記憶、分解關鍵句、關鍵詞），同時聯想筆記庫中類似內容；學習復盤時系統抽取目錄、筆記創建文檔大綱視圖便于復習；學習結束，系統呈現學習過程評價結果（學習習慣、堅持性、注意力、自覺性等），主要為意識調節、人格特質。

(3)總結性評價：費曼學習法、系統自編測驗、自我評估。費曼學習法：由系統設定若干遵從費曼學習法的典型問題：如請講述本書/本章的主要內容、本書的核心方法/核心邏輯/應用方向等；系統自編測驗：系統根據大綱視圖及筆記內容抽取關鍵詞形成題庫作為測驗內容；自我評估：學生用戶自行編寫題庫作為測驗內容并設定能力標準?？偨Y性評價結果主要為認知能力。

5 系統設計

5.1 系統模塊設計

系統劃分為前臺用戶端子系統和后臺管理子系統。前臺用戶端子系統采用了Flutter開源框架進行設計，主要包括用戶中心、書籍管理、學習回顧。后臺采用基于Django框架技術快速搭建系統的管理子系統，包括用戶信息管理、書籍管理系統、學習記錄系統、筆記系統、總結性評價系統等。前臺用戶端子系統的用戶為學生，后臺用戶為管理員。

5.2 數據庫設計

系統后臺的數據庫采用MySQL進行設計，包括用戶信息、書籍信息、筆記記錄、學習過程記錄、總結性評價記錄、學習力評價、大數據算法等數據庫實體信息。這些信息之間存在著一對一、一對多、多對多的聯系。例如，一個學生用戶只能生成一個學習力評價、一個學生用戶可以擁有多本書籍、多本書籍可以對應多本筆記等。系統中主要實體的關系如圖2所示。

圖2：系統ERD關系圖Fig.2 Entity-relationship model of system(ERD)

6 主要功能模塊

6.1 用戶信息管理模塊實現

用戶可以根據自己的需求注冊或者匿名使用本App；自我學習力評價功能需用戶注冊后方可使用，用戶完成注冊后提示用戶完成自我學習力評價。自我學習力評價包括認知能力、意識調節、人格特質三個方面，具體界面如圖1所示。

用戶點擊自我學習力評價，完成后提交，系統調用監聽按鈕提交表單數據，確認所有項目完成填寫后，調用UploSelfEval(res)方法后臺接口傳遞JSON結構化數據至學習力評價數據庫，App端顯示自我學習力評價已完成。

6.2 書籍管理模塊實現

用戶打開本地書籍后，系統首先提示確認本次學習目的。學習目的包括精讀、略讀、瀏覽、速讀。在右下方“我的”也可以自行設定其他學習目的。用戶關閉書籍后，該書籍自動存入書架便于下次閱讀。

用戶閱讀書籍記錄筆記時，系統提示用戶對筆記分級：熟悉、了解、理解、掌握、識記、記憶，并提示分解關鍵句、關鍵詞。如圖3所示。

圖3 閱讀界面Fig.3 Interface of reading book

圖4 復盤界面Fig.4 Interface of reading summary

App默認不開啟筆記云識別，本地筆記識別中內置中文詞義相似庫，為用戶提供一定準確度的聯想記憶素材。在“我的”當中開啟筆記云識別后調用百度語言處

…………理應用技術分析關鍵詞詞義相似度，提升詞義相似度匹配的準確度，為用戶提供更加準確的聯想記憶素材。

用戶閱讀單獨章節或者整本書籍后，可開展總結性評價，總結性評價由費曼學習法、系統自編測驗、自我評估，綜合評估讀書效果。

6.3 學習回顧模塊實現

用戶上傳書籍后，系統提示是否收集學習過程數據，用戶同意后收集學習過程數據。學習過程中收集的數據維度為書籍類型、讀書時刻、讀書時長、是否建立目錄、筆記分級及相應數量、讀書完畢距總結性評價時長、總結性評價結果，線性回歸算法布置于服務器端，用戶完成5次讀書和總結性評價后系統讀取數據庫中數據，以總結性評價為因變量，以書籍類型、讀書時刻、讀書時長、是否建立目錄、筆記數量、讀書完畢距總結性評價時長為自變量進行多元變量回歸，并完成用戶學習過程數據挖掘。用戶學習過程數據挖掘完畢后存放于服務器端，用戶點擊學習回顧模塊時，系統調用Review(res)方法發送請求至數據庫，數據庫返回響應數據。

學習回顧模塊為用戶呈現讀書時刻、讀書時長、筆記數量等統計維度數據；App完成數據挖掘后向用戶呈現數據挖掘結果，包括影響學習效果的學習習慣排序、推薦高效讀書時刻時長、推薦的復習時間間隔等，如圖4所示。

7 結語

本文在總結現有學習類App特點的基礎上，提出了一款基于教育心理學與數據挖掘的自主學習App的設計與實現思路，引導學生用戶開展學前診斷性評價、學中輔導與監控、學后自編測驗幫助學生用戶加強元認知及自我認知，引導用戶形成并完善自主學習方法。

引用

[1] 吳玉輝.費曼學習法在材料科學教學中的應用探索[J].科技創新導報,2019,16(29):175-176.

[2] 方阿麗.Web開發主流框架技術研究[J].無線互聯科技,2021,18(8):64-65+96.

[3] HAN Jia-wei,Micheline Kamber,PEI Jian.數據挖掘概念與技術[M].范明,孟小峰,譯.北京:機械工業出版社,2012.