适应自考生校外学习的智能化网络自学系统研究.pdf

1、适应自考生校外学习的智能化网络自学系统研究摘要本文介绍了适应自考生校外学习的智能化网络自学系统的研究与设计情况，该系统可以通过跟踪学生的学习过程，采集学生的有效信息，经过数据处理，智能分析自考学生的学习特征，动态选择相应的学习方案，有效提高自考生的自学效率。关键词自考生 自学系统 教学方案 采集反馈 数据挖掘一、引言自学考试是个人自学、社会助学和国家考试相结合的一种在职校外教育形式。参加自学考试的自考生主要方式是自学，但不能忽略社会助学活动的重要性，一个社会各界用多种形式为自考生提供全方位服务的体系正在形成之中。随着网络技术在教学领域中的应用越来越广泛和深入，网络自学形式逐渐成为实现自考生圆梦

2、计划的最主要的校外社会助学形式之一。然而，目前专门为自考生设计与开发的自学网络平台数量很少，而且在当前的许多网络学习环境中，特别是在非同步的网络学习环境中，教师职责已经部分或完全内隐，教师失去了与学生交互的机会，传统教学的那种通过教师在课堂教学活动中对学生观察、测试等多种手段来调整、完成教学活动的有效方法难以在网络学习中淋漓体现。这种状况对于接受正规校内教育的学生来说，可以通过在课堂教学中与教师加强沟通、接受教师直接指导来进行补偿，而对于校外以自学为主的自考生来说就很难适应了。因而，研究自考生在网络环境下自学形式的最佳方案，研究网络环境下如何传递教师的主导作用，设计与开发适应自考生校外学习的智

3、能化网络自学系统，就成为本研究的主要课题。二、问题分析设计与开发适应自考生校外学习的智能化网络自学系统，应考虑以下问题：1提高自学效率如何提高自学效率是每位自考生在学习过程中都要面临的问题。本系统集自学、自测、自评、生生交流、师生交流、知识拓展为一体，方便了自学，提高了效率。自学考试基本内容是考试机构颁发的课程考试大纲，指定、推荐的教材和参考书，本系统不但包含了这些基本内容，还针对自学者的实际，编写习题、练习、学习活动方案和用于实践环节训练的图片、动画、录像、录音等多媒体，同时还提供自学考试在考试科学化、标准化等方面的内容，使应对考试更有针对性和效率。2适应个性化学习自考学生的构成复杂、学习过

4、程中的背景知识、学习能力、认知风格都有较大差异的局面，统一的教学内容和活动方案很难适应每一位自考生。而当前大部分网络系统采用的单一的授课模式，显然忽略了学生的情感、动机和认知等方面的差异，是以牺牲个性化学习为代价的。因而，本系统针对不同的学生，提供可选择的个性化学习方案，学生可以按照自己的需要选择学习内容，可以按照自己的特点选择学习方法，可以按照自己的时间安排学习的进度，可以按照自己的能力选择学习内容的深度。这对于帮助自考生克服学习中的困难，完成教育过程很有必要。3动态、智能地传递教师的主导作用要实现动态、智能地传递教师主导作用的功能，主要考虑以下问题：（1）采集学生信息，提供判断依据传统教学

5、的那种通过教师在课堂教学活动中对学生观察、测试等多种手段来调整、完成教学活动的方法是一种体现教师主导作用的有效方法。在网络环境下，系统应通过对学生的提问、测试、评价以及对学生与网络系统交互学习行为的自动测量等信息采集方法，为每个学生的个体差异及当前状态的判断提供数据。（2）建立学生模型，简化表征属性在网络环境下，学生的个体差异及当前状态的描述可以借助学生模型来进行。学生模型是一种用来描述学习者个体差异的结构，是学习者个体特征的一个子集，模型中的学习者个体特征要素均具有设计意义，这些设计意义有的体现在学习活动的设计中，有的体现在学习资源和学习工具的设计中。教师的教学设计方案考虑的个体特征要素属性

6、越丰富，这种教学设计理论就越先进，这个教学方案的质量就越高，针对性也就越强。然而，在实际操作时，并非所有的学习者特征都具备教学设计意义，特别是在网络环境下测量的复杂程度和测量的效度都会受到限制，并且很多个体特征都是随时间和情境变化的，系统不可能也没必要测量全部的学习者特征。因而，本系统根据网络学习的特点，简化了学生模型，将最具有教学设计意义的几种学习者个体特征要素转化为学生模型的若干属性，并根据这些属性的不同参量值界定学生模型的不同类型。前述的信息采集的主要数值正是这些属性的参数化描述，然后再借助数据挖掘计算判断出每个学生所接近的学生模型的类型。（3）细化教学方案，增加可选择性用学生模型来描述

7、学习者的相同特征和个体的差异，目的是为了根据学习者相同特征来设计通用教学方案，然后再根据学习者之间的差别在某些教学环节上增加可选择性，以此来适应每个学习者。教学方案包括了教学目标、学习活动的描述、学习环境的描述和知识传递的描述等，这些都可以通过分层分级、多种表征、多种组织、多种任务、多种形式等方法来增加其可选择性，以适应个性化学习。（4）动态智能判定，传递主导作用动态、智能地判定学生模型的类型，提供可选择的个性化学习方案，便是智能自学系统的关键所在。网络环境下，教师的主导性工作，其一是指早已定制在系统的存储单元中的各种教学方案和学习资源；其二是指专业课程教师可以随时根据系统提供的某些学生模型判

8、断结果，手动介入系统的开放式教师界面，增添、删改当前的教学方案和学习资源，存入系统，不断动态积累完善系统；其三是指教师与学生的在线或异步的网上交流，从而实现了网络环境下教师主导作用的传递。三、系统设计1.整体结构设计本系统的整体结构如图 1 所示，第一部分是学习内容页面，其中包括学习资料和可选择性教学方案，学习者通过学习内容页面来进行自学。完成学习后系统会对学习者进行相关的测试并记录其成绩。第二部分是信息采集分析模块，动态收集到的信息会记录在后台数据库里面，通过数据挖掘分析，总结出该学生的当前学习特性和学习风格，建立出当前的学生模型。第三部分是学习仓库，其中包括学习策略库和学习资源库。根据得到

9、的学生模型，系统到已有的学习策略库中去选择与其对应的学习策略和可选择性教学方案。在学习资源库里面存储了大量的学习资料，并按一定的规律分类。第四部分就是学习页面的智能生成系统，当得到最适合学习者的学习策略和教学方案以后，系统会自动对学习资料进行选取和搭配，组织成新的学习内容和可选择性教学方案，然后展示给学习者。不同的学习者所看到的学习内容形式可能有所不同，是最适合其学生模型的。课程教师也可动态参与学习仓库的内容修改和与学生的网上交流工作。2主要模型设计（1）自考生特征模型学习者的特征涉及智力因素和非智力因素两个方面。与智力因素有关的特征主要包括知识基础、认知能力和认知结构变量；与非智力因素有关的

10、特征则包括兴趣、动机、情感、意志和性格。自考生与一般学生不同，他们水平参差不齐，学习基础不同，学习环境各异，因此对于自考生，更要体现出个性化学习的特点，针对每位学习者执行不同的可选择性教学方案。受理论和实践两方面的制约，为简化特征模型，本研究从以下方面考虑：从学习风格上来区分，自考生可大致分为三类：其一，稳定型。此类学习者学习状态稳定，积极自觉，能很好地把握学习时间，制定自己的学习计划。其二，情绪型。此类学习者学习状态起伏不定，随其兴趣和情绪的变化，学习的热情也高低不一。其三，消极型。此类学习者学习状态低下，怠慢松懈，对自学没有信心，学习积极性较差。从知识水平上来区分，自考生又可分为高、中、低

11、三类。通过因素和相关性分析，大体上可以将学生模型的属性定义为若干项，并根据其各项数值分为若干类型。（2）可选择性教学方案模型针对不同模型类型的自学者，系统通过对教学目标、学习活动、学习环境和知识传递等方面的分层分类，组合成若干对应的学习策略和可选择性教学方案模型，系统再据此匹配学习资源的内容与类型，提供给自考生网上自学。系统会定期动态收集学习者学习信息，定期进行学习模型归类，选取最适合的学习方案模型，目的在于不断调整自考生的学习状态，提高其自学效率，激发其学习兴趣和增强其自学信心。3系统工作流程分析（1）学生特征测量系统首先要获取学习者的基本状况、学习现状，以判断学生的学习特征。需要收集的数据

12、包括学习者的姓名、性别、年龄、教育程度、起始水平、学业背景、学习习惯等信息，通过调查表来测量该学生的学习特征。这些调查表的数据将与其它采集的数据一起被存储在数据库中待用。（2）学习数据采集本系统设计有实时监控学习者行为的功能，通过跟踪采集子系统进行学习数据的采集：学习者在学习过程中点击过的课程章节目；经常访问的信息的类型；搜索过的各类关键字；学习课程所用的时间；做作业和测试的过程和结果；学习的时间频率；学习者关注的学习项目等等，都是监控的内容。这些数据可以通过 web 服务器、客户端以及代理服务器来获取。在学习者进行学习的过程中，本系统会自动生成网络日志文件，它清晰地记录了学习者在网络教学平台

13、上的学习活动，并在学习者退出网络课程的时候向服务器递交数据。（3）学习测试评价根据个性化学习理念，为了能够适应学生的学习状态，本系统通过对每部分学习内容的练习测试，获得学习者的阶段性评价。此外，测试的内容不仅仅集中在知识的掌握，还涉及到对学生在情感体验、探究能力等精神方面的调查，随时掌握学生的学习状态。（4）数据信息分析系统综合以上数据，通过数据挖掘分析模块进行总结、归纳和分析，最终可以得出具有规律性和延展性的学习者特征数据。（5）学生模型建立根据数据分析的目标和数据的特征，系统总结出该学生的当前学习特性和学习风格，建立出当前的学生模型。（6）教学方案选择根据得到的学生模型，系统将其与学习策略

14、库里的已有的学生模型相匹配，选择出与此类学习模型相对应的学习策略和可选择性教学方案。教师也可在线手工介入决策过程。（7）学习资源调用根据确定的学习策略和可选择性教学方案，系统调用学习资源库里相应的学习资源输出到页面生成模块。资源包括大量的学习资料、学习支架、知识文本、相关课件、演示文稿、视频、音频、动画说明、习题测验等等。（8）学习页面生成本系统内部的学习页面生成子系统可以把提取好的学习资源按照既定的学习策略和可选择性教学方案自动安排成一套学习资料。包括组织学习内容、设定关键字查询、添加交互形式、设计测试试卷等等。生成好的学习页面将呈现给学习者，根据其学习效果的评价，系统以后会按阶段地进行学习

15、方案的改换，以适应学生状态和水平的改变。工作流程中所谓的智能化，主要是体现在根据学生的各种信息（包括自动采集的信息）利用一些方法和工具进行分析，找出与决策知识库相匹配的、具有某种潜能的模式或规则，以此来判断和决策学生的学习模式，为学生的学习行为提供指导，或帮助学生调整策略。四、结束语本研究是全国教育考试“十一五”科研规划重点课题中“适应自考生自主学习的智能化网络学习环境建设研究”课题的一部分。笔者针对自考生的特点，在网络学习中针对智能化自学模式做了一个新的尝试，测试实践表明，自考生通过这套系统，不仅能提高学习效率，取得良好的学习效果，同时又了解了自己的学习特征和最适合自己的学习策略，可谓是一举

16、两得。参考文献：1游建波网络学习行为与传统学习行为监控的比较研究J信息技术教育，2005 年，（6）：86-872何典，宋中山基于 Web 挖掘的个性化网络教育研究J计算机与现代化，2005（5）：100-102.3赵文书强化网络课件中的学习过程监控J外语电化教学，20054杨开城.学生模型与学习活动的设计.2007.5ZhaoHui Tang，Jamie MacLennan.数据挖掘原理与应用SQL Server 2005数据库.清华大学出版社，2007，（1）.6John Kauffman，Thiru Thangarathinam 著，肖奕译ASP.NET 2.0 数据库入门经典（第四版）M北京：清华大学出版社，200634（作者单位：天津师范大学）