学习资源智能推送的满意度调查研究

张芬芬 许新华 王世纯

摘  要： 研究了人工智能技术在学习资源智能推送的应用现状和未来需求。采用问卷调查的形式，对不同专业的学习者进行调查，并采用SPSS17.0对数据进行分析。研究发现，基于人工智能技术的学习资源的推送有80%的学习者认为比较符合自身需求，只有8%的学习者认为完全符合自身需求。因此，在改善学习资源智能推送的满意度上，可以对深度学习技术进行优化，并以需求为导向个性化地推送学习资源。

关键词： 人工智能; 智能推送; 学习资源; 个性化学习

中图分类号：G434          文献标志码：A      文章编号：1006-8228（2019）08-71-03

Abstract： In order to understand the application status and future needs of artificial intelligence technology in learning resource intelligent push， this paper uses questionnaires to investigate learners of different professions and analyzes the data with SPSS17.0. The research finds that using artificial intelligence technology to push learning resources， 80% of the learners think that it is basically in line with their own needs， and only 8% of the learners think that it is completely in line with their own needs. Therefore， to improve the satisfaction of intelligent push of learning resources， deep learning technology can be optimized， and the learning resources should be demand-oriented personalized pushed.

Key words： artificial intelligence; intelligent push; learning resource; personalized learning

0 引言

因材施教或因材促學，是古今中外教育研究者共同的理想和追求，更是学习者内心对个性化学习方式的渴望[1]。当今机器学习和人工智能技术飞速发展，2016年3月，AlphaGo对战世界围棋冠军、职业九段选手李世石，以4：1的总比分获胜，许多成果表明，人工智能进入到一个新的发展阶段，人工智能也成为当今教育技术研究的热点。

智能推送系统，通过大数据挖掘和人工智能等技术，为学习者提供高效、方便、快捷的资源服务，在数字化时代提供一个获取资源的新方式。

基于人工智能技术的智能推送系统可以根据学习者的学习风格和偏好来有针对性地提供学习资源，还可以根据与学习者学习方式相似的其他人来为学习者提供指导。面对海量资源，学习资源的智能推送不仅能大量缩减寻找有用信息的时间，还能提高学习者的学习效率，弥补学习者在课堂上的不足和满足学习者的兴趣。因此，为了探究学习资源的智能推送是否符合当代大学生的需求，本研究采用问卷调查法，对不同专业的学习者进行了调查。

1 相关概念

1.1 人工智能

人工智能（Artificial Intelligence，AI），AI的名称得以确定但还没有明确的定义，目前能被人们所接受的定义主要有两个方面，首先是能够表现出与人类智慧及行为类似的计算机系统，其次是在真实的环境中能够采取合理方式解决复杂问题的系统[2]。目前，人工智能技术被广泛应用在多个领域。

1.2 学习资源

学习资源是教育工学中的重要组成部分，它包括所有可以用以提高学习效果的人力、物力和各种资料[3]。设计、选择或使用这些学习资源的目的在于使人们更好地进行学习。在本文中，学习资源具体指的是学习者需要的学习资料和知识方法，如音频、视屏和文本资料等。

1.3 深度学习

深度神经网络（Deep Neural Networks，DNN），也称为深度学习，其概念源于人工神经网络的研究，是人工智能领域的重要分支，目前在语音识别和图像识别任务中展示出其突破性的成果[4]。现阶段以Google开源的TensorFlow框架最为活跃，为加速深度学习的发展，Google发布了深度学习框架TensorFlow并宣布将其开源，在短短两年内，在GitHub上，TensorFlow就成为了最流行的深度学习项目[5]。TensorFlow在图形分类音频处理推荐系统和自然语言处理等场景下都有非常丰富的应用。

2 研究过程

2.1 研究目标与假设

本研究是为了探究学习资源智能推送的满意程度，因为大学生在对资源的选择上自由度较高，所以问卷调查对象以不同专业领域的大学生为主;人工智能虽然现阶段处于发展阶段，但是在教育领域并没有得到大力的发展，对于学习资源的合理推送，并没有完全达到学生个体的需求。

2.2 研究问卷的设计

⑴ 设计过程

问卷调查法为本文的主要研究方法。为保证本研究结果的公正、客观，在进行调查问卷设计之前，笔者查阅了相关文献和资料，为本文提供了理论基础和科学依据。然后初步编写了适合本研究的调查问卷，并请专业教师对其进行了审核，随后笔者遵照老师的意见在对问卷的内容进行了适当的修改。之后进行小范围的前测，对信度和效度较低的题目进行剔除和修改，最终形成完整的问卷。