个性化学习系统学生模型的设计研究

2017-05-20范云霞

中小学电教 2017年4期

关键词：学习动机学习者个性化

☆范云霞

（湖南师范大学教育科学学院，湖南长沙410081）

个性化学习系统学生模型的设计研究

☆范云霞

（湖南师范大学教育科学学院，湖南长沙410081）

学生模型较好地反映了计算机系统对学生的认知，对学生建模的构建是实现个性化学习系统的基础。本文是在前期构建了基于知识地图的个性化学习系统模型的基础上，继续对个性化学习系统的学生模型进行构建。在分析学生模型的研究现状的基础上，介绍学习模型在个性化学习系统中的运行机制，最后对学生模型进行了构建与阐述。学生模型的构建有助于系统更准确地分辨学生的个体差异，实现个性化学习。

个性化学习系统；习模型；设计研究

随着计算机技术、信息技术及网络技术的迅猛发展，学习者利用网络学习已经成为一种不可或缺的学习方式。在网络学习中，一个好的个性化学习系统就像是一个好的教育引导者，它能更好地引导学习者掌握学习知识。学生模型是现实世界中学习者在计算机系统中的抽象表示，是个性化学习系统的核心组件之一。学习模型能够通过记录学习者的学习数据，反映学习者的学习状态、学习行为序列和学习的思维过程。学生模型准确的构建可以完整地记录学习者的个体特征信息和学习信息，并有利于学习者利用个性化学习系统实现个性化学习。因此，学生模型是个性化学习的基础，学生模型的构建在个性化学习系统的实现中占据十分重要的地位。

一、学生模型研究现状

近年来，不少研究学者对学生模型做了大量研究。陈仕品和张剑平两位学者在《适用性学习支持系统的学习模型研究》中，总结前人对学习模型研究的不足，从认知状态和学习风格两个角度对学习模型进行构建，提出了一种基于认知状态和学习风格的学生模型[1]。刘小丹和胡小红认为这种学生模型缺乏情感的支持，而情感又与一个人的情绪息息相关，因此，他们在陈仕品和张剑平两位学者构建的学习模型的基础上进行补充，在《自适应学习系统中基于情绪感知的学生模型设计》中，提出了基于情绪感知的学生模型。计算机通过表情识别技术获取和分析人的表情信息，完成对学习者学习风格的预测和实时情绪的标记，动态更新学生模型的数据[2]。在基于情绪感知的学习模型的设计中，刘小丹等学者只是从宏观的角度介绍了该学生模型，本文在此基础上继续深入研究，构建学习模型的实体关系模型。

二、学生模型在个性化学习系统中的运行机制

笔者在前期的研究中，构建了基于知识地图的个性化学习系统应用模型（如图1）。该个性化学习系统模型的数据分析模块的数据库，分为学科知识本体库、教学策略库和学习者信息库。学科知识本体库的信息通过领域知识模型来描述，教学策略库的信息通过教学策略模型来描述，学习者信息库中的信息通过学生模型描述。在个性化学习系统中，其核心要素是领域知识模型、教学策略模型、学生模型和调度器。学生模型在个性化学习系统中的运行机制图如图2所示。具体的运行机制描述为：学习者进行学习活动时，个性化学习系统实时收集和更新学生模型中的数据，调度器根据学生模型中收集的学生数据，调用教学策略和相应的领域知识，给学生提供个性化学习，最后服务于学生。

图1 基于知识地图的个性化学习系统模型

图2 学生模型在个性化学习系统中的运行机制

三、学生模型的设计

（一）学习模型的整体设计

构建个性化学习系统的学习模型，首先要知道从哪些方面对个性化学习系统进行设计，本文在深入研究基于认知状态和学习风格的学习模型和基于情绪感知的学习模型的基础上，采用如图3所示的学习模型宏观设计，给个性化学习系统提供适合学生个性化差异的教学。在该学习模型中，学生基本信息记录的是学习者的一些固定的静态信息，认知状态、学习风格、情绪状态和学习动机记录等信息都是动态变化的，这些信息都随着学习者学习活动的进行，实时和动态更新着学习模型中的数据。其中，认知状态记录的是与学习者在学习活动中知识状态的变化；学习风格是学习者表现出的对学习模式和学习方法的偏好；情绪状态可以利用计算机对人脸表情的识别，通过捕捉学习者的面部表情图像，对学习动机进行实时判断；学习动机是学习者进行学习活动以达到学习目标，维持内部学习驱动力的内部心理状态，通过对学习动机的观察，系统能够判断出当前学习任务对学习者的适应情况，进而实现调整。

图3 个性化学习系统学习模型宏观设计图

（二）学习模型的实体间的关系

由上文学习模型的整体设计可知，个性化学习系统由学生基本信息、认知状态、学生风格、情绪状态和学习动机五个要素构成，每个要素都包含不同的属性，这些属性从各个方面描述了学生的个体差异。因此，在学习模型整体设计的基础上，对每个属性进行详细设计，抽取每个要素的主要属性，整合起来就形成如图4所示的学生模型实体间的关系模型。

图4 学生模型实体间的关系模型

1.学生基本信息

学生基本信息主要分为个人信息和安全信息[3]。学习者个人信息在学生注册登陆系统时，就已经存储到学习系统中，这些信息涉及到学生的姓名、性别、年龄等大部分固定的属性。学生的基本信息在学习过程中是始终不变的。在系统中直接对这些数据进行查询，就能显示出结果。

2.认知状态

认知状态这一要素的属性，是依据知识地图中的知识点所设置的。每一个知识点都会依据教学目标设置这个知识点应该达到的认知状态（知道、理解、应用、分析、综合、评价）。根据学习者在学习过程中对该知识点的掌握情况，系统会及时动态更新，以便为学习者随时更换教学策略。

3.学习风格

学习风格描述了学习者对学习环境和学习方式的偏爱。这一要素间接影响着学习者的学习效率。根据菲尔德和希尔维曼对学习风格的分类，将学习风格分为感知型、直觉型、主动型、反思型、感觉型、言语型、全局型、序列型。系统感知学习者的学习偏好，提高学习者的学习效率。

4.情绪状态

情绪状态是利用表情识别技术，计算机通过对人的表情的识别与计算，将其转换成相应的情绪。积极的情绪对应积极的情绪状态，消极的情绪对应消极的情绪状态。人脸的表情大体可分为高兴、惊奇、悲伤、愤怒、恐惧和厌恶[4]。不同的表情对应不同的情绪指数，对情绪状态的记录，结合学习者的学习风格属性更能客观的反映学习者的学习特征。

5.学习动机

耶克斯—多德森定律表明，学习者的学习效率和学习的动机呈函数关系，效率随着动机强度呈现倒U型变化。学习动机过强或者过弱都不利于学生学习[5]。当学习者学习动机不足时，系统可以给予学生奖励，提高其学习动机；当学习者学习动机过高时，系统可以增加学习的难度，使学习者能够保持一种平衡的心态。