基于學習者畫像和聚類技術的個性化教學模式推薦研究

錢乾　程美英 人工智能

關鍵詞：個性化教學；學習者畫像；聚類技術；教學模式推薦

中圖分類號：TP301 文獻標識碼：A文章編號：1009-3044（2023）08-0009-04

近年來，隨著社會經濟的快速發展，社會對人才需求呈多樣化特點。與多樣化相對應的是人才培養的個性化，個性化教學是近年來新出現的一種教學模式，即在進行教學過程中會針對每個學習者需求進行優化教學，與學習者自身特征或偏好息息相關。關注學生基礎、思維、需求差異，可有效激發學生學習動力，而非個性化教學因其對教師教學個性的弱化，造成教師職業成就感不高、學生素質片面發展以及學校教育生態缺乏活力等危害。中國高等教育已進入普及化階段，而個性化教育將成為普及化階段高等教育重要特征，將信息技術融入個性化教學全過程中，也是急需解決的關鍵問題之一。

現有關于個性化教學研究成果較多，代表性成果如下：文獻[1]指出適合學生和自己的才是最好的教學；文獻[2]指出個性化教育興起需要建立相應制度體系為其提供規則、引導或賦能；文獻[3]將用戶和資源特征差異之和作為目標函數，引入廣義回歸神經網絡完成個性化教學資源推薦；文獻[4]基于大數據分析設計了個性化教學服務系統的具體實施流程；文獻[5]從個性化教學目標、環境、方法、過程、評價等5方面優化個性化教學模式；文獻[6]引入數據挖掘技術，采用深度學習方法定位學生學習狀態，達到對學生個性化知識推薦目的；文獻[7]引入大數據技術分析學情，然后構建多維度教學評價體系，在此基礎上設計個性化教學模式，形成智慧課堂。

畫像技術來源于電子商務，是一種勾畫目標用戶、聯系用戶訴求與設計方向的有效工具，近些年在教育領域也得到廣泛應用，如文獻[8]以在線學習者為研究對象，從學習者特征、學習者行為以及學習路徑3方面構建高風險學習者畫像模型，并提供數據收集、標簽分析、畫像輸出等功能模塊；文獻[9]引入爬蟲技術抓取學習者數據，在定量分析基礎之上，采用深度神經網絡預測學習者與學習資源之間的聯系，進一步預測學習者學習資源需求；文獻[10]基于用戶畫像技術對研究性學習學生畫像構建展開研究，并提出基于可視化學習分析的學生畫像流程框架；文獻[11]研究揭示了非母語學生群體在線學習的類別差異和關鍵行為特征，相關結論能指導全球受眾的在線學習平臺課程教學設計與實施，進一步提升在線教學質量和學習體驗；文獻[12]通過對開放式教學下學習者基本信息、在線學習行為和課堂表現進行分析，結合腦認知實驗，從數據挖掘與認知心理視角發掘學習者興趣、愛好、學習能力等特點，以標簽化形式進行個性歸納和畫像，并基于學習者畫像，探討個性化教學等；文獻[13]從電子檔案袋、數字徽章、綜合學習者記錄等多維度全方位重塑大學生學習畫像，超越了傳統成績單無法展示學生全部學習經歷和成果；文獻[14]引入學習者畫像技術構建學習者綜合評價模型，以實現對學生者學習情況綜合反饋；文獻[15]引入文獻分析，以及學科知識圖譜和個性知識圖譜的映射關系構建學習者畫像模型，并從知識和能力兩方面對該模型進行檢驗等。

綜上，個性化教學和學習者畫像技術目前已取得了一系列研究成果，但將這些技術應用于教育技術專業核心課程《高級語言程序設計》中卻鮮有報道。本文以浙江省X高校教育技術專業學位課《高級語言程序設計》為例，首先采用問卷調查法獲取教師和學生個性化學習意愿；其次采用學習者畫像技術收集學生特征和需求，然后引入K-means聚類技術根據學生偏好聚集成不同學生群體，最后向不同群體學生推薦合適的教學模式，具體如圖1所示。

1 師生個性化教學意愿問卷調查

本小節主要采用問卷調查法獲取師生個性化教學意愿，調查對象為浙江省X高校教育技術專業120名學生以及相關專業課程教師，采用李克特5級量表。調查時間為2022年8月10日至2022年8月15日，采用線上問卷方式，向X高校大學1年級至大學3年級共120個教育技術專業學生和11名教育技術專業教師發放問卷，其中回收學生有效問卷112份，回收率93.33%，回收教師有效問卷11份，回收率100%，具體如表1和表2所示。由表1可知，有92%的學生覺得實施個性化教學“非常有必要”，5%的學生持“有必要”態度，僅3%學生持“無所謂”態度。由表2可知，受訪教師100%覺得“非常有必要”進行個性化教學。通過上述分析可知：本文所涉及的研究對象對個性化教育均有迫切需求。

2 個性化教學群體組建

2.1 學生特征和需求數據收集及預處理

本文以繼續以教育技術專業45名學生為研究對象，這里用S （i = 1，2，…，45） 表示第i 個學生。從兩個維度對學生實施畫像，即采用問卷調查方式獲取學生特征，以及對《高級語言程序設計》這門課程的需求，具體如表3所示。

由表3可知，學生特征指標共有5項，每項指標及其取值范圍如下，T：計算機水平（T ∈{比較高，一般}） ，T2：數學基礎（T ∈{比較好，一般}） ，T3：英語水平（T ∈{比較好，一般}） ，T4：高中是否接觸過編程（T ∈{接觸過，幾乎沒有接觸過}） ，T5：編程水平（T ∈{比較高，一般}） ；學生需求指標共3個，即T6：偏好的授課模式（T ∈{把一個復雜的項目分解開逐個求解后再綜合，按章節按部就班學習}，T7：偏好的課后作業（T ∈{富有創新性習題，與當天授課內容相關的模仿類習題}） ，T8：偏好的課后學習資源（T ∈{與當天學習知識相關的擴展性資源，能鞏固當天知識的學習資源}） 。

數據預處理會直接影響學生畫像質量，也是后期進行學生聚類的基石。因學生畫像各指標均為定性數據，這里采用模糊隸屬度函數實現定性數據定量化，同時某一學生往往具有多個不同偏好或特征，且屬于不同的量綱，當偏好在數值方面相差較大時，在分析過程中數值較大偏好的作用將被增強，影響分析客觀性，這里采用歸一化方法，引入對數函數轉換法將不同偏好數值全部落入[0，1]之間。假設r 為某一組畫像指標值，r 為其中任意值，對數轉換函數如公式（1） 所示。

2.2 基于聚類技術的學生群體組建

K-means聚類技術是一種迭代求解的聚類分析算法，其步驟是隨機選取K個對象作為初始聚類中心，然后計算每個對象與各個子聚類中心之間的距離，把每個對象分配給距離它最近的聚類中心[16]。

這里采用Spss16.0在上述學生畫像基礎之上，對教育技術專業45個學生實施聚類，設置2個聚類中心，算法經過50次迭代后，最終聚類中心和聚類結果如表4和表5所示。

由表4和表5可知，經過k-means聚類之后，學生群體1聚類中心為（1.00，0.95，0.84，0.26，1.00，0.00， 0.21，0.58） ，學生群體2 聚類中心為（1.00，0.96，0.73，0.92，1.00， 0.46，0.96，0.69） 。同時學生S1， S4， S8， S9， S11，S12， S15， S17， S20， S26， S28， S30， S31， S32， S34， S36，S37， S38， S43 被聚集到群體1 中，S2， S3， S5， S6， S7，S10， S13， S14， S16， S18， S19， S21， S22， S23， S24， S25，S27， S29， S33， S35， S39， S40， S41， S42， S44， S45被聚集到群體2中。

由上述聚類分析可知，學生群體1基礎知識較為扎實，偏向于創新性和擴展性資源，而學生群體2普遍計算機、數學、英語等基礎較為薄弱，偏向于基礎性教學。

2.3 個性化教學模式設計與推薦

課程教學模式改革要求實現理念、實踐、效果三方面的重要轉變，即把傳統的“以教師為中心”的教學觀念轉變為“以教師為主導、學生為主體”的教學觀念；把以教師灌輸為主的教學方法轉變為以導為主、雙向交流的教學方法，在互動教學中培養學生的問題意識與合作精神，培養學生質疑能力與批判性思維，引導學生“樂學、樂思”，激發學生的創造潛能；把單一的考試考核方法轉變為多樣化的考試考核方法，注重過程評價，著眼于科學全面地評價學生的綜合素質和創新能力。

《高級語言程序設計》是教育技術專業核心課程，本文設計了兩套不同的課程教學模式，以滿足不同學生群體個性化需求，具體如圖2所示。由圖2可知，對于基礎較為扎實的學生群體1，需要充分利用實踐教學、操作加深學生對所學的基本概念、基礎理論和知識的理解，通過開發全過程的全方位指導，從需求分析、算法設計到程序編寫和過程調試，以項目實訓的形式引導和幫助學生解決實際問題，將項目化教學貫穿整個課程中，然后引入小型項目開發鞏固所學知識，并輔以小組討論和線下答疑；而對于基礎較為薄弱的學生群體2，以基礎理論知識、編程思維訓練、上機操作為主，并輔以線下答疑，熟悉和掌握主要的語法規則、數據類型、數據運算、語句、系統函數、程序結構，以理論學習為主，培養學生用多函數、多文件組織程序的思維習慣，為今后的后繼課程學習和實際工作打下良好基礎。

3結束語

本文將學習者畫像和聚類技術引入到教育領域中，為個性化教學學生群體組建和教學模式改革提供了一種新穎、可操作性較強的技術手段。營造開放的教學環境，把學習的主動性交給學生，引導學生帶著問題去學習和探究，使學生真正成為課堂的主人；同時實現教學相長，充分調動和激發教與學兩個積極性。在下一步研究工作中，將繼續將畫像技術引入到教師群體中，通過獲取教師專業特質、擅長的授課模式、行為，達到師生配置最優化目的。