基于学习技术的个性化自适应在线学习分析系统设计

陆玉书

摘  要 教育信息化伴随着信息技术的不断更新发展成为教育改革创新的热门话题，大数据产生并在多个领域迅速推广。如何应用自适应的学习方式来促进学生个性化学习成为研究关键点，而通过学习分析技术获取学习者的学习风格和特点更是成为核心。以Windows 7操作系统为开发平台，以Visual Studio 2010为开发工具，以SQL Server 2008为数据库开发平台，以ASP.NET为开发技术，以IIS网络应用信息服务为应用服务器，基于C#语言开发的B/S模式的学习分析技术，对个性化自适应学习系统进行分析，构建并设计其结构和功能模块。

关键词 学习分析;个性化自适应学习系统;初中语文;教育信息化

中图分类号：G434    文献标识码：B

文章编号：1671-489X（2021）17-0029-03

0  引言

教育信息化和学习数据分析技术的发展，把业界各种信息化的教育教学平台推到研究的浪潮中。那么，如何充分利用信息化手段来记录教学过程，并把这些数据变成有效的教学反馈信息和继续学习的知识，进而指导教学过程，优化教育资源，并为教学决策、学习优化服务，最后实现学习绩效提高？这一切引起教育者以及学习者的关注[1]。学习分析技术主要的教育价值在于能充分发挥学习过程数据的反馈价值，为教育大数据背景下的个性化教学发展提供新途径。然而，目前许多网络学习系统（如Blackboard、Moodle 、Sakai等）在学习资源、教学方法、学习进度等方面的呈现和展示几乎千篇一律，完全忽略了学生的个性化差异[2]。自适应学习分析系统能自动诊断学习人员能力，根据每个学习人员不一样的学习活动记录为其制定专属的学习风格，推荐不同类型的学习内容和方法，从而真正做到为学习人员提供个性化学习服务。本研究主要以初中语文个性化自适应学习系统的设计开发作为研究主体，为自适应在线学习分析系统提供学习技术的个性化服务。

1  系统总体建构设计

本系统用的是B/S结构，结合系统的功能和模块设计，各种功能模块配合设计、系统的前端设计选择采用母版页的思路和CSS样式表。根据该系统分析的配置方案，结合软件分层开发的设计思想，用户使用浏览器来发送请求，浏览器在收到用户的请求后发给服务器，当服务器接收到请求后，相应的数据由Web浏览器反馈给发送请求的用户，从而实现数据从服务器端到浏览器的传输。系统选择SQL Server 2008作为后台数据库开发平台，存储平台的资源和用户的数据，记录平台使用者的使用过程和学习数据，并对数据进行有效分析处理，以反馈给学习者，并及时更新和完善平台的相关功能。系统的功能模块设计如图1所示。

个性化自适应学习系统主要满足于初中语文学习者个性化自适应学习的需要，系统框架可以分为两条线：一条是根据不同年级学习者的需求设计初中一到三年级三个阶段的学习模块，每个年级下分为古诗词、文言文、现代文和写作等内容模块;另一条是根据初中语文的学习内容分为古诗词、文言文、现代文和写作四大内容模块，如图2所示。用户可以根据自身发展需求选择合适的内容和模块，可以直接确定学习内容而不限制任何年级，这样的学习对象就是所选模块里整个初中语文的所有包含内容;也可以根据实际需要选一个适合自己的年级，再进入该年级的模块学习。不同的学习者也可以根据自己的学习需求，向系统请求开设另外的内容模板，系统管理人员经过审核后对申请者作出请求反馈。

2  功能模块设计

2.1  数据库设计

根据整个系统的功能和使用者的需求来设计后台数据库系统，整个系统的数据库系统主要是通过四个数据表来管理相应的数据信息：用户信息表，包含用户名、密码和邮件等基本用户个人信息以及用来存储用户人际关系的同学或者同事等同伴信息;共享资源信息管理数据表，包含信息资源的标题、资源类型、上传下载等资源基本信息;用户评价信息管理数据表，包含评价的发布者、发布时间以及评论的內容和对象等基本信息;用户交互信息管理数据表，包含交互的时间、对象和内容等基本信息。

2.2  信息发布

初中语文个性化自适应学习系统的明显优势在于借助信息技术进行信息的实时传递，使用户能够及时了解最新信息;而不是像传统的教学模式，一个领域的新动态出来后要通过一级一级传递，存在很显著的滞后性。现有的很多平台对于信息和资源公开这一块做得还不是很完善，大多平台都更偏向于教学活动和教学效果的建设。根据这个现状，本研究的学习系统主要功能模块包括最新的初中语文相关教学新闻动态的平台发布和相关用户的提醒关注。比如一个最新的中考语文信息动态出来，平台可以智能地优先传输到初三及要参加中考的学生个人模块中，可以通过短信或者邮件等自动提醒用户及时查看。

2.3  资源管理

一个开放式的在线学习系统最大的优势在于可以最大限度地进行资源共享，用户不仅可以自动访问第三方平台用户数据，还可以在本平台里和其他用户单独或者群体共享。可以借鉴QQ或微信的群模式来创建一个虚拟的共同学习班级或者交流社区，大家可在感兴趣或者有共同话题的群体中进行交流学习和资源共享。用户也可以根据自己的教学需求来建立自己的学习圈，添加自己的个人教师和同学好友，方便以后的交流和学习，好友和非好友的功能权限也不一样。这样大家可以把这个平台当成学习的一个虚拟小社区，而自己就是自己的个人社区的最高权限管理者。同时，用户可以在系统的各功能模块中上传下载文件、图片、音视频等各种多媒体资源，可以根据个人的需求和看法进行个性化的增删查改、收藏、智能搜索等个性化编辑操作，优化自己的个人学习平台园地。系统中的相关资源会显示被收藏量、下载量等一些基本使用信息，可以给用户提供使用和资源共享参考，可以从一些硬性数据的角度给学生基本的数据分析和筛选。

2.4  师生评价

在一个互动式的学习系统中，评价是给用户一个很实用的学习参照物，用户在确定是否要选择此教师或者学习同伴前，可以去看该用户的相关学习活动及相关评价，从而有效地选择对自己学习有帮助或者有意义的同伴。教师和学生的评价功能除了对教学活动的基本评价外，还能对教师和学生在系统中的互动及其内容进行评价，可以对用户上传或下载的教学资源及相关的学科新闻动态进行评价，对用户在教学活动中产生的教育数据进行挖掘、分析与评价，再通过系统反馈给教学活动，以提升教学效率、优化学习效果。

2.5  师生互动交流

互动交流是一种最直接有用的形式。在线系统的个性化自适应学习模式中，学习者通过系统进行非面对面的交互，目前现有的学习系统很多都是简单的留言板形式发帖交流互动，大多不是即时的，都有一定的滞后性。本研究尝试在交互技术上可以有实质性的变革，借鉴微信、QQ这样各项功能相对完备的交互技术，系统有相关新动态时可以给用户发一个电子邮件，提醒用户有新动态并及时查看;并且可以同时实现在线和离线两种交互方式，可以是文本、动图、照片、语音、视频等多种形式。用户可以实时对话交流讨论，也可以离线留言备注。在一个班级式的群体交流中，教师和管理员可以看到学生每个人的互动信息，尽量让用户在有需要的时候可以获得滿足，提高学习效率，减少非面对面教学活动对象因分离式的教学活动而产生的孤独和无助，优化用户的使用效果，给用户一个最佳的数字化在线学习体验。

2.6  用户角色

在线个性化自适应学习系统要求用户通过一个平台来实现自主和个性化学习，强调学习人员是学习的主体。首先，每个学习人员都需要有自己的个人学习园地，而这个园地在系统中需要每个学习人员都拥有一个自己的账户。注册和登录模块就是此目的实现的基础，学生、教师、管理员等不同角色用户的角色功能都有所差异。这一模块也是教师和学生、学生和学生之间能够进行直接互动和沟通的基础。进入登录界面完成登录后，用户可进入个人后台进行管理。新使用者可通过点击注册按钮进入新用户注册界面，实现注册。

3  学习分析

个性化自适应学习系统可以对学生的学习过程作出个别化的适应性智能指导，有效地收集、测量、分析、报告与自主学习、自主探究过程及行为有关的各种信息，从中提取隐含的、对自主学习和自主探究有指导意义的信息、知识与模式。通过使用者对学习分析系统使用一段时间后，可以进入后台数据库的网页得到对应注册者的学习行为，了解在某个时段内网页有多少访问数量、访问了哪些网页，了解学习人员个性特征分布情况。并可以在后台数据库中的浏览课程信息表信息中得到学习人员学习课程的过程数据，包括课程学习了多少次、课程学习到哪里。对个人帖子等学习活动行为进行分析，可以得到使用者学习中讨论互动或提问最多的问题，利用学习分析技术对这些教育数据进行学习分析，知道学生的个性学习风格、学习习惯和学习兴趣等。对这些数据进行分析后，从中可以知道哪些内容是学习人员访问最多的，哪些是学习人员比较喜欢的，对比访问量最多的内容和访问量较少内容，进而分析学习人员的学习行为，并为有关课程提出改进的方案和建议，让课程开发者设计出更多更合适个性化的学习资源。

4  小结

基于学习技术的个性化自适应在线学习分析，为大数据环境下的教育实践与研究提供了更为高效的方法，迎合了当前在线个性化学习的需要，可以为在线个性化学习、教育管理、教育研究提供科学客观的依据和宽广的视野。本文所提出的基于学习分析技术的个性化在线学习系统通过分析学习人员的学习活动数据，识别学习人员的学习风格和学习规律，推送适应性的学习资源，及时给予适当的反馈干预，既满足了学生的个人学习需求，又有助于教师把握学情并动态调整教学设计，增强了学习效果。在平台后续研究维护完善中，将继续对自适应的学习分析和学习方案进行优化与提升，以更好地满足用户的自主学习和个性化发展需求。

参考文献

[1]陈玉芸.基于学习分析技术的个性化在线学习系统开发与应用[J].高教论坛，2017（3）：65-70.

[2]The New Media Consortium. Learning Analytics[EB/OL].（2014-05-06）[2020-05-08].http：//wp.nmc.org/horizon2011/.

[3]牟智佳，武法提，西蒙斯.国外学习分析领域的研究现状与趋势分析[J].电化教育研究，2016（4）：18-25.

[4]吴文峻.面向智慧教育的学习大数据分析技术[J].电化教育研究，2017（6）：88-94.

[5]罗勇.大数据背景下学习分析技术对教学模式的变革分析[J].科技展望，2017（11）：217.

[6]何克抗.“学习分析技术”在我国的新发展[J].电化教育研究，2016（7）：5-13.

[7]穆肃，左萍萍.信息化教学环境下课堂教学行为分析方法的研究[J].电化教育研究，2015（9）：62-69.

[8宗彦锞，马麟.学习分析系统的建构与设计[J].中国教育信息化，2017（3）：88-90.

[9]赵慧琼，姜强，赵蔚，等.基于大数据学习分析的在线学习绩效预警因素及干预对策的实证研究[J].电化教育研究，2017（1）：62-69.

[10]姜强，赵蔚，王朋娇，等.基于大数据的个性化自适应在线学习分析模型及实现[J].中国电化教育，2015（1）：85-92.