大学生学习动力模型研究及学习原动力挖掘

阮淑萍

（武汉船舶职业技术学院公共课部，湖北武汉 430050）

大学生学习动力模型研究及学习原动力挖掘

阮淑萍

（武汉船舶职业技术学院公共课部，湖北武汉 430050）

鉴于当今对大学生学习动力的研究缺乏对各因素间相互制约相互影响的分析。提出大学生学习动力三层结构体系，给出了人工智能概率推理数学模型。旨在综合各种制约学习的动力因素，研究分析各因素间的相互关系，依托MYCIN信认度测量方法，对学习原动力及其相互制约对学习的贡献度和负面影响度进行深入地分析，以期深入挖掘学习原动力，研究给出学习动力的科学评判标准，为现代教育理论的发展作支撑。

大学生；学习原动力；层次结构；数学模型；学习贡献度；智能分析

0 前言

驱动学习的动力因素非常多，学习动力系统是一个复杂的系统，学习动力对学习的贡献度是一个不确定的因素。从近年来学者对该课题的研究分析，大多数学者在宏观上将学习动力分内部动力和外部动力并进行了总体分析，微观上仅对学习动力的单个因素进行单独分析，忽略了各因素间相互制约相互影响对学习的贡献度。在数据评判标准方面也只是按百分比进行自我意识的判断，没有科学的标准和评判法则。如文献［1］设计了一种力学动力模型研究学习动力，没有对此模型的合理性进行科学分析，文献［2］提出预测模型以回归分析理论研究学习动力，但缺乏各因素间的相互制约相互影响分析。鉴于此，提出大学生学习动力模型研究。旨在综合各种制约学习动力的影响因素，以智能分析方法，对各种因素及其间相互制约对学习的贡献度和负面影响度进行深入地分析，进一步挖掘影响学习的原动力，达到提高教学质量的目的。

1 学习动力层次分析

现代大学生的培养目标为：培养专业领域知识以适应社会对专业技能的需求，培养具有科学研究创新能力，培养能适应社会所需求的组织管理能力及具有一定文体艺等特长的综合素质能力。从教育人的角度出发，为达到这一目标，必须全方位发掘各种学习动力，并研究分析，充分调动一切动力因素，提高教学质量。

学习动力的制约因素有很多，如：学习兴趣、学习目的、学习态度、学习勤奋度、功利追求、生存需求、求知欲望、探索精神、父母的希望、亲朋的鼓励、感恩投报、报效祖国、优秀学生先进事迹的激励、爱情激励、任务激励、学习氛围与校风的影响、学习环境的影响、教师的引导、同学与学长的引导与鼓励、个人精神修养、优良传统教育的传承与感染、贫困生的励志精神、农村学生的环境突破、学习奖惩激励等等。

除此以外，学习还有负面作用力。如：网络与游戏的诱惑、享乐诱惑、好逸恶劳的习惯、安逸的生活环境、高消费的吸引、恋情的沉迷等等。

通过研究分析，对以上学习动力因素根据其相互间的作用关系进行分类为：学习原动力、直接学习动力、学习取向。学习原动力是现实世界中存在的一种间接影响学习的制约因素，学习原动力分为内部原动力和外部原动力，如图1所示；直接学习动力是一种对学习起直接作用的制约因素，直接学习动力有：学习兴趣、学习目的、学习态度、学习收益（功利）；学习取向为学生对某方面知识的学习偏向［3］。如：公共政治课学习取向、公共基础课（大学英语、大学语文、大学计算机）学习取向、专业课学习取向、专业技能课学习取向、综合素质能力学习取向等五个方向。学习取向也是学习动力的一种行为表现形式。不同的学生在这五种学习取向方面的表现是不一样的。如：有的学生在五个方面的学习动力都很强，而有的学生只在几方面表现出动力强劲，有的学生对专业课学习动力强，而忽视专业技能的培养，而有的学生则恰恰相反。所以要研究学生学习动力必须从多层次多方面进行分析。

图1 学习原动力分类图

图2 学习动力层次关系结构图

学习原动力、直接学习动力、学习取向具有三层结构关系，如图2所示。各层制约关系为：学习原动力决定驱动直接学习动力，直接学习动力决定驱动学习取向。

2 学习动力智能分析模型

2．1 学习动力数学分析模型

学习是在学习动力激发下所产生的适应性和指向性的获取知识的行为和过程。故由学习动力驱动学习的数学动力模型为：

其中f为激发函数，xi为学习原动力，是自变量，yi为学习取向，是因变量。yi之间不是独立的，也是相互制约的。f是一复杂的概率函数，其函数规律通过逆向工程（如：座谈会、问卷调查、案例分析）进行系统调查和智能分析得出。

2．2 学习动力智能分析算法

学习动力的智能分析算法有两种，一种是对单个学习原动力进行独立分析，这是一种较简单的分析方法，也是常用的分析方法。另一种是对多个学习原动力的相互作用进行分析，这是一种复杂的分析方法，有一定的难度和复杂性，目前研究的成果不多。下面对这两种分析方法进行探讨。

2．2．1 学习原动力独立分析法 该分析方法是对某个学习原动力设计相应的问题，采用问卷调查或座谈的方式获取采样值，计算采样值的百分比，依照给定的阈值进行评判得出结论。

例：要对专业课的学习动力进行分析，先设计调查问题如下：

1）你现在成绩状况？ A、优等 B、中等偏上 C、中等 D、中等偏下 E、很差

2）你家里的经济状况； A、特困 B、较困难 C、较好 D、好

3）是否是学生干部。 A、是 B、不是

其中第1题是考察学习动力结果的参照题，2～3题是考察学习原动力的参照题。

依据学习结果与动力表明采样值进行对照分析，找出它们的因果关系，进一步计算各原动力对学习的贡献度，再根据贡献度调整给出应对措施。

这种独立分析法是当前学者普遍采用的分析法。如文后所列文献采用的就是这种方法。

3．2．2 学习原动力相互制约分析法 学习原动力相互制约分析法是在独立分析学习动机的基础上，进一步采用人工智能概率推理法分析多个学习原动力相互制约相互影响对学习的贡献度。

人工智能概率推理模型主要用于不确定性推理中，是一种数据智能分析模型。这种模型非常多，主要有主观贝叶斯法，Prospector模型，MYCIN模型等。这里使用MYCIN模型进行分析。MYCIN模型采用可信度CF（h，e）作为确定性测量，主要反映对不确定知识增加或减少信任的程度，取值范围为［－1，＋1］。关于MYCIN知识参看文献［4］。下面利用MYCIN模型对一具体实例进行分析。例：经过调查得到相关数据如表1所示。表中数据为成绩等级（优良、中、差）的人数。现要求对家庭经济条件、是否为学生干部及其相互制约对学习贡献度进行分析：1）经济特困学生成绩较好的可能性；2）经济特困且是学生干部的学生成绩较好的可能性。

表1 学习调查数据

该问题计算如下：

设经济特困生为A，学生干部为B，成绩优良的学生为C。根据题意有：被调查学生总数为50人，成绩优良的学生有10人，成绩中等的学生30人，成绩较差的学生10人。现求：CF（C，A），CF（C，A∧B）。

由表中的数据可知：P（C）＝10／50＝0．20，P（C／A）＝3／7＝0．4286，P（C／B）＝4／15＝0．2667．

所以：CF（C，A）＝（P（C／A）－P（C））／（1－P（C））＝（0．4286－0．2）／（1－0．2）＝0．2858

CF（C，B）＝（P（C／B－P（C））／（1－P（C））＝（0．2667－0．2）／（1－0．2）＝0．0834

CF（C，A∧B）＝（CF（C，A）＋CF（C，B））／（1－min（｜CF（C，A）｜，｜CF（C，B）｜））

＝（0．2858－0．0834）／（1－0．0834）＝0．4028

分析：因为CF（C，A）＝0．2858，说明经济特困学生成绩较好有一定的可能性，但可能性不大。

又因为CF（C，A∧B）＝0．4028，说明经济特困且是学生干部的学生成绩较好是可能的。

4 结语

学习动力受多种学习动机制约，有很多不确定性。这需要研究者多角度、多方向设计科学的调查问卷，在学生中进行全面的调查，获取全面的数据信息，再利用科学的智能分析方法，分析挖掘影响学习原动力。为制定科学合理的管理制度提供科学依据，为提高教学质量作贡献。

参考文献：

［1］张顺乾，张 垠，何 淼．大学生学习动力定性模型概述［J］．价值工程，2011，23：167～167．

［2］郑林科，王建利．大学生学习动机激发学习动力的预测模型研究［J］．西安石油大学学报，2008，17（4）：103～109．

［3］彭绪富．学习动力层次模型及学习原动力发掘研究［J］．福建电脑，2012，（9）：8～9，56．

［4］李 锦，魏广东．从学风看当今大学生的学习原动力［J］．校园心理，2010，8（4）：277～278．

［5］刘 娟．当代大学生学习动力的影响因素研究［J］．高校管理，2011，329（8）：168～169．

［6］戴 蓉．增强大学生学习动力的多维度思考及方法［J］．东华大学学报，2011，11（2）：148～151．

［7］吴泉源，刘江宁．人工智能与专家系统［M］．长沙：国防科技大学出版社，1995．

College students’learning motivation model research and learning motive force mining

RUAN Shu－ping

（Wuhan Institute of Shipbuilding Technology，Wuhan 430050，China）

In view of the college students’learning motivation researches now are lack of analysis of restrictions and influences among various factors，three layer structure system of college students’learning motivation is put forward and a artificial intelligence probability reasoning mathematical model is given，Designed to analyze the relationship among the factors with integrating various factors restricted learning motivation and relying on the MYCIN recognition degree measurement method perform an in－depth analysis of learning motivation and its mutual restriction on learning contribution and negative effect，in order to mine learning motivation further．The study provides scientific evaluation standard of the learning motivation which supporting for the development of the modern education theory．

college students；learning motivation；layer structure；mathematical model；learning contribution；intelligent analysis

TP181

A

1009－2714（2016）04－0087－04

10．3969／j．issn．1009－2714．2016．04．019

2016—02—18

阮淑萍（1963— ），女，湖北黄石人，副教授，主要研究方向为高等数学及应用．