基于個性化推薦的高校教學模式探索

陳強 賀丹 鄧美玲

關鍵詞：個性化推薦；知識圖譜；協(xié)同過濾；內容過濾；Python

0 引言

隨著大數(shù)據(jù)時代的到來，Python語言具有簡單易學、可讀性高、應用廣泛等優(yōu)點，被廣泛應用于數(shù)據(jù)科學、人工智能、金融等領域。Python程序設計課程已成為高校許多專業(yè)的一門計算機通識課程，課程的教學目標是培養(yǎng)學生的計算思維能力，通過案例和實踐體驗引入學習Python的動力，讓學生掌握運用計算機進行問題分析和問題求解能力，合理化專業(yè)知識體系的構建，為今后結合專業(yè)需求融入最新技術及其應用。但是，課題的開設存在學時少、內容多、面向專業(yè)群廣。因此，學生在學習Python可能會面臨一些挑戰(zhàn)，主要體現(xiàn)在以下幾個方面：（1） 缺乏計算機科學基礎知識，理解變量、數(shù)據(jù)類型、語句等概念相對困難。（2） 短期內掌握所有Python語法結構和面向對象編程技術是不可能的。（3） Python提供了許多庫和框架，學生理解和使用這些庫和框架相對困難。（4） 無法深入理解Python在各個領域的應用。 （5） 教學內容和目標無法滿足學生專業(yè)要求，使得學生缺少實際的實踐機會。

在實際教學過程中，由于學生數(shù)量多，個性差異大，教師不能因材施教。因此，為了解決這一問題，有必要在教學過程中對學生實施個性化教學。個性化推薦系統(tǒng)[1]能夠根據(jù)每個學生的興趣、偏好和歷史行為等信息提供個性化學習內容。在高校教學中的應用解決了實施個性化教學的難題，可以幫助教師更好地了解學生的學習需求和進度，從而更好地開展個性化教學。

本文提出一種基于個性化推薦的Python程序設計通識課混合式教學模式，采用了基于個性化推薦、線上線下的混合式教學模式，融入了基于協(xié)同過濾、內容過濾的個性化推薦，并利用知識圖譜劃分相關知識體系的專業(yè)興趣方向。

1 相關研究

個性化推薦系統(tǒng)已廣泛應用于電子商務、社交媒體、教育等諸多領域。這些應用基于協(xié)同過濾、內容過濾、知識圖譜、深度學習等不同的算法和技術[1-2]。同時，個性化推薦系統(tǒng)在高校教學中的應用也是一個值得關注的話題。這些應用主要體現(xiàn)在推薦課程、學習資源、個性化評估等方面[3-4]。可以根據(jù)學生的興趣、學習經(jīng)歷、成績等信息為學生推薦課程。可以根據(jù)學生的學習需求和進度，為學生推薦相關的教材、視頻、在線課程等學習資源。

個性化推薦知識圖譜[2]是指根據(jù)學生的興趣、偏好和需求自動生成適合學生的信息圖。個性化推薦知識圖譜的實現(xiàn)步驟[3]如圖1所示。

1） 數(shù)據(jù)收集：收集與學生興趣相關的文本、圖像、視頻等數(shù)據(jù)。

2） 特征提取：從數(shù)據(jù)中提取與學生興趣相關的特征，如實體、屬性、關系、事件等。

3） 模型訓練：利用機器學習算法對模型進行訓練，根據(jù)學生特征和數(shù)據(jù)特征預測感興趣的知識點。

4） 知識圖譜生成：根據(jù)模型預測結果，生成學生感興趣的知識圖譜。

5） 推薦優(yōu)化：根據(jù)學生學習反饋和數(shù)據(jù)更新，不斷迭代優(yōu)化推薦算法和知識圖譜內容，提高推薦準確度和滿意度。

推薦系統(tǒng)中知識圖譜可以通過數(shù)據(jù)挖掘、機器學習和自然語言處理等技術從海量用戶和商品數(shù)據(jù)中提取并進行建模，幫助個性化推薦系統(tǒng)更好地了解用戶的需求，做出精準的推薦，為用戶提供個性化的學習和體驗。例如，在教育領域，個性化推薦知識圖譜可以幫助學生更好地理解知識點和課程內容。

2 基于個性化推薦的混合教學模式

2.1 知識圖譜構建課程知識體系

知識圖譜用于表達實體、概念及其之間的語義關系[2]。本文通過Python課程的知識圖譜進行知識體系構建、學習畫像生成再到自適應學習推薦，根據(jù)學習者在學習活動中出現(xiàn)的問題動態(tài)調整學習路徑。Python程序設計通識課程的知識體系分為4個模塊部分，如圖2所示。

1） Python 基礎知識：主要包括Python 的語法、變量、數(shù)據(jù)類型等。

2） Python 進階知識：包括高級特性、面向對象編程、GUI編程等，是Python深入學習的知識。

3） Python 實踐操作：Python 有許多工具和框架可以幫助提高開發(fā)效率和改善代碼質量，常見的工具有PyCharm、Anaconda等。

4） Python 應用方向：包括網(wǎng)絡爬蟲和數(shù)據(jù)抓取、人工智能和機器學習、數(shù)據(jù)分析和科學計算等。

通過知識圖譜構建的Python 程序設計通識課程的課程知識體系，學生能夠清晰地了解并掌握該門課程所需學習的各方面知識。

2.2 協(xié)同過濾的個性化推薦

協(xié)同過濾是一種通過用戶和項目之間的交互數(shù)據(jù)推薦可能感興趣的項目的推薦算法[4]。本文通過協(xié)同過濾算法對歷史課程知識點學習情況，根據(jù)每個學生的測試結果，利用協(xié)同過濾算法，預測學生沒有掌握的知識點，推薦相應的課程學習相應的方式。

1） 收集學生線上測試數(shù)據(jù)。通過收集學生對課程不同知識點的答題情況，根據(jù)學生的自測結果將學生做錯的題目對應的知識點檢索出來，生成對應的0-1矩陣。

2） 找到相似的學生，將目標學生可能沒有掌握的知識點檢索出來。利用基于最近鄰居的協(xié)同過濾推薦算法，根據(jù)用戶之間存在的相互依賴關系，檢索出學生可能沒有掌握的知識點，并依據(jù)預先設定好的知識點相似度進行篩選。

3） 最后將推薦的知識點集合推薦給目標學生。對知識點內容進行整理，通過梳理課程知識點之間的框架關系，分別錄入題庫并做好標記。然后將這些知識點內容作為作業(yè)任務布置推薦給該學生。

通過協(xié)同過濾算法推薦的課程學習資源能夠對學生的學習起到引導作用，有助于提高學習效率和學習成績。

2.3 內容過濾的個性化推薦

基于內容的過濾方法基于項目的描述和用戶偏好的配置文件[5]。本文使用內容過濾算法根據(jù)學生用戶的偏好進行推薦感興趣的知識點。內容過濾的學習內容模型如圖3所示。模型基本思想從學習內容的難易度、交互性、其他3個方面過濾，從用戶的角度進行思考，得出一個反饋的過程，方便學生用戶學習。

內容過濾的個性化推薦根據(jù)用戶登錄時間、當前的學習內容、已經(jīng)學習內容、學習主題等歷史數(shù)據(jù)不斷更新學生用戶的相關偏好、學習習慣等，從而獲得準確的用戶信息，從而推薦相應的課程學習資源給學生用戶。

2.4 線上線下混合式

利用現(xiàn)有線上豐富的教學資源，將個性化推薦教學與混合教學模式相結合，以因材施教為導向，旨在達到用戶學習效果最大化。混合教學方式是基于現(xiàn)有豐富的多媒體網(wǎng)絡設備而產(chǎn)生的一種線上線下相結合的教學模式。

Python程序設計通識課程課內共有32學時，其中理論24學時，實驗8學時。課內學時安排在線下完成，理論學時著重介紹基礎知識和經(jīng)典案例，實驗學時則用于指導學生進行實際操作。此外，還有部分內容通過課外線上完成，例如利用課堂派、雨課堂、學習通等平臺。Python程序設計是一門實踐性很強的課程，理論知識豐富，但多數(shù)需要通過上機實驗來深化理解和應用。通過分析現(xiàn)有課程實驗課教學實踐，可以將該課程的實驗內容分為兩大主體部分：一是Py?thon IDE工具的基本操作實驗，二是通過專業(yè)經(jīng)典案例進行操作與實現(xiàn)。針對不同專業(yè)，設計了不同的實驗案例，設置了不同形式的實驗內容，以提供多樣化的選擇。不同專業(yè)Python程序設計通識課的經(jīng)典案例詳見表1。

3 教學考核及個性化評估

個性化考核評估[6]是一種根據(jù)個體獨特特征和能力來評估和衡量個體的方法。它關注個人的素質、技能和潛力，而不僅僅是他們在團隊或組織中的表現(xiàn)。在教育領域，采用個性化的方法對學生的學習進度、能力和興趣進行評估，為每個學生提供量身定制的教育和支持，以滿足他們的學習需求和發(fā)展?jié)摿ΑＭㄟ^使用不同的評估方法和工具，如調查問卷、互動提問、能力測試、學業(yè)表現(xiàn)評估、行為觀察等，教育者可以更好地了解學生，并根據(jù)其特點和需求進行相應的教學和指導。對于本課程的考核，我們結合過程性評價與結果性評價兩個方面，從多角度獲取評估數(shù)據(jù)進行個性化評估。過程性評價包括考勤與課堂表現(xiàn)、作業(yè)和測驗、學習日志、實驗與報告等；結果性評價主要包括大作業(yè)（項目或論文報告）。采用個性化評估有助于我們關注學生個體的潛力和發(fā)展方向，鼓勵學生在學習過程中發(fā)揮主動性和自主性，根據(jù)自己的興趣和需求選擇學習內容和方法，進而提升學習動機和效果。

4 結束語

在高校教學中實施個性化教學，有助于教師更好地了解學生的學習需求和進度，從而實現(xiàn)因材施教。本文提出了一種基于個性化推薦的Python程序設計通識課混合教學模式。該模式能夠依據(jù)學生的興趣、需求和能力，推薦符合其個性化需求的課程、學習資源和學習路徑，對學生的學習起到積極的引導作用，有助于提高學習效率和學習成績。