本文關(guān)鍵詞：適應(yīng)性和個(gè)性化學(xué)習(xí)系統(tǒng)研究前沿——與國(guó)際著名教育技術(shù)專家金書軻教授對(duì)話，由筆耕文化傳播整理發(fā)布。

基于大數(shù)據(jù)的牛頓平臺(tái)自適應(yīng)學(xué)習(xí)機(jī)制分析

微信   作者: SDSZ教科研  2016-06-22 11:35

在線教育－全文略讀：com/resources/blog/adaptive-learning/visualizing-personalized-learning/>[14]賈積有,馬小強(qiáng).適應(yīng)性和個(gè)性化學(xué)習(xí)系統(tǒng)研究前沿——與國(guó)際著名教育技術(shù)專家金書軻教授對(duì)話[J]...

引言

隨著大數(shù)據(jù)理念的深入人心，教育大數(shù)據(jù)呈“爆炸式”增長(zhǎng)之勢(shì)。教育大數(shù)據(jù)產(chǎn)生于各種教育活動(dòng)，與傳統(tǒng)教育數(shù)據(jù)相比，教育大數(shù)據(jù)的采集具有更強(qiáng)的實(shí)時(shí)性、連貫性、全面性和自然性[1]，其分析處理和應(yīng)用服務(wù)更加多元化、智能化、個(gè)性化。學(xué)生和教師是教育領(lǐng)域的兩大核心主體，教育大數(shù)據(jù)通過用數(shù)據(jù)說話使個(gè)體真正認(rèn)識(shí)自己，將真正推動(dòng)教學(xué)和學(xué)習(xí)的個(gè)性化[2]。在教育大數(shù)據(jù)的支持下，教師可以關(guān)注到每個(gè)個(gè)體的學(xué)習(xí)行為和學(xué)習(xí)軌跡、預(yù)測(cè)學(xué)習(xí)結(jié)果、診斷學(xué)習(xí)需求和問題，從而基于數(shù)據(jù)開展因材施教；學(xué)生可以了解到自己的偏好、知識(shí)缺陷、能力缺陷、發(fā)展目標(biāo)等，并能夠獲取適合自己的學(xué)習(xí)資源和學(xué)習(xí)指導(dǎo)服務(wù)。

[4]。

1 牛頓平臺(tái)的自適應(yīng)原理

自適應(yīng)學(xué)習(xí)強(qiáng)調(diào)學(xué)習(xí)環(huán)境的適應(yīng)性，要求創(chuàng)設(shè)的個(gè)性化學(xué)習(xí)環(huán)境能夠最大限度地適應(yīng)學(xué)習(xí)者的不同特征，并以此來開展個(gè)別化學(xué)習(xí)和針對(duì)不同能力的學(xué)習(xí)者進(jìn)行“因材施教”[6]。在牛頓平臺(tái)看來，自適應(yīng)學(xué)習(xí)系統(tǒng)應(yīng)保持適應(yīng)的持續(xù)性，可以對(duì)學(xué)生的學(xué)習(xí)表現(xiàn)和活動(dòng)完成質(zhì)量給予及時(shí)反饋，以在正確的時(shí)間基于正確的內(nèi)容提供合適的學(xué)習(xí)指導(dǎo)，來最大化學(xué)生獲得學(xué)習(xí)內(nèi)容的可能性；同時(shí)基于給定活動(dòng)的完成情況，自適應(yīng)學(xué)習(xí)系統(tǒng)應(yīng)能持續(xù)性地逐步引導(dǎo)學(xué)生進(jìn)入下一個(gè)活動(dòng)。

[7]�；诮逃窂揭�(guī)劃技術(shù)和學(xué)生能力模型，牛頓平臺(tái)構(gòu)建了自適應(yīng)學(xué)習(xí)的基礎(chǔ)框架，以最大程度地實(shí)現(xiàn)個(gè)性化。

1 基礎(chǔ)結(jié)構(gòu)

2 數(shù)據(jù)模型

[9]：

[10]�；谧赃m應(yīng)本體，研究者和教師就能對(duì)典型的課本內(nèi)容進(jìn)行概念映射和標(biāo)注。利用這種標(biāo)注好的課本內(nèi)容數(shù)據(jù)，，結(jié)合學(xué)習(xí)交互數(shù)據(jù)、心理測(cè)驗(yàn)數(shù)據(jù)，牛頓平臺(tái)就能自動(dòng)為學(xué)生生成個(gè)性化的知識(shí)圖譜。

 

圖1  知識(shí)圖譜（源于《牛頓平臺(tái)技術(shù)白皮書》）

圖2  學(xué)生響應(yīng)事件數(shù)據(jù)結(jié)構(gòu)示意圖

目標(biāo)管理是對(duì)學(xué)生學(xué)習(xí)結(jié)果數(shù)據(jù)的分析和處理。牛頓平臺(tái)能夠?yàn)閷W(xué)生提供可持續(xù)更新的學(xué)習(xí)目標(biāo)檔案，檔案內(nèi)容包括學(xué)生未學(xué)習(xí)的內(nèi)容、已學(xué)習(xí)的內(nèi)容、知識(shí)概念掌握的狀態(tài)水平、成績(jī)排名以及如何學(xué)得更好的推薦信息。隨著學(xué)生使用平臺(tái)的時(shí)間變長(zhǎng)，檔案將會(huì)變得越來越智能。目標(biāo)檔案數(shù)據(jù)的存儲(chǔ)與交換格式，包括知識(shí)概念名稱、所屬模塊、目標(biāo)分?jǐn)?shù)、開始時(shí)間、目標(biāo)時(shí)間、推薦模塊候選集、模塊推薦數(shù)量等。

2 牛頓平臺(tái)的核心技術(shù)

1 項(xiàng)目反應(yīng)理論（Item Response Theory，IRT）

項(xiàng)目反應(yīng)理論將學(xué)習(xí)者對(duì)測(cè)試項(xiàng)目的反應(yīng)（應(yīng)答）通過表示測(cè)試項(xiàng)目特性的參數(shù)和被測(cè)試學(xué)習(xí)者能力的能力參數(shù)及其組合的統(tǒng)計(jì)概率模型來表示，其中表示項(xiàng)目特性的參數(shù)主要有難度系數(shù)和區(qū)分度[11]。傳統(tǒng)的項(xiàng)目反應(yīng)理論一般針對(duì)問題、項(xiàng)目來設(shè)計(jì)相關(guān)參數(shù)，且運(yùn)用過程中通常存在兩大誤區(qū)：一是認(rèn)為學(xué)生的能力是個(gè)常量，二是傾向于用一個(gè)參數(shù)來表示學(xué)生的能力。

考慮到能力的發(fā)展變化以及多種能力之間的相互連接，牛頓平臺(tái)對(duì)傳統(tǒng)的項(xiàng)目反應(yīng)理論進(jìn)行了擴(kuò)展，并從問題層級(jí)的表現(xiàn)來對(duì)學(xué)生的能力建�！J(rèn)為學(xué)生的能力參數(shù)會(huì)隨時(shí)間而變化；同時(shí)，對(duì)學(xué)生能力的表征不再局限于某個(gè)唯一的參數(shù)，而是通過利用聚焦于概念層面的知識(shí)圖譜來對(duì)學(xué)生能力進(jìn)行評(píng)估和表征。

2 Knewton API

 

圖3  牛頓平臺(tái)與第三方應(yīng)用集成框架

3 牛頓平臺(tái)的自適應(yīng)服務(wù)

1 差異化引導(dǎo)的自適應(yīng)學(xué)習(xí)過程

牛頓平臺(tái)提供差異化的學(xué)習(xí)輔導(dǎo)服務(wù)，即利用項(xiàng)目反應(yīng)理論對(duì)學(xué)生的學(xué)習(xí)狀態(tài)進(jìn)行測(cè)試評(píng)估，基于學(xué)生問題層面的表現(xiàn)而不是整體測(cè)試成績(jī)來對(duì)學(xué)生的能力進(jìn)行建模。對(duì)于理解不同問題所帶來的貢獻(xiàn)，項(xiàng)目反應(yīng)理論并沒有同等看待，而是針對(duì)每一個(gè)問題提供了包含問題信息和答題者個(gè)人能力信息的貢獻(xiàn)計(jì)算解釋。下文將以一個(gè)差異化引導(dǎo)任務(wù)為例，來闡述牛頓平臺(tái)的實(shí)時(shí)自適應(yīng)學(xué)習(xí)過程[13]。

 

圖4  同一目標(biāo)不同學(xué)生的自適應(yīng)學(xué)習(xí)過程

2 創(chuàng)建自適應(yīng)課程

牛頓平臺(tái)支持教師、家長(zhǎng)及學(xué)生創(chuàng)建自適應(yīng)課程，每門課都由創(chuàng)建者自由選擇的若干個(gè)任務(wù)組件構(gòu)成，每個(gè)任務(wù)組件內(nèi)包含一定數(shù)量的題目，并以上述方式為學(xué)習(xí)者提供不同的學(xué)習(xí)路徑。為自適應(yīng)課程選擇任務(wù)組件有兩種方式：①接受推薦。牛頓平臺(tái)基于知識(shí)圖譜和用戶教學(xué)行為數(shù)據(jù)分析，向用戶推薦其可能感興趣的任務(wù)組件，而用戶可將推薦的任務(wù)組件加入到創(chuàng)建的個(gè)性化課程里。②根據(jù)目錄樹選擇任務(wù)組件。牛頓平臺(tái)已經(jīng)內(nèi)置大量的任務(wù)組件，以學(xué)科—年級(jí)—主題—子主題等任務(wù)多維關(guān)鍵詞表征，用戶可以通過多維搜索的方式來主動(dòng)選擇任務(wù)組件以創(chuàng)設(shè)個(gè)性化課程。比如，數(shù)學(xué)學(xué)科在六年級(jí)水平上有代數(shù)Ⅰ和代數(shù)Ⅱ、數(shù)據(jù)分析和概率統(tǒng)計(jì)、幾何和三角函數(shù)、數(shù)和計(jì)算四大主題；在大主題下又有子主題，如數(shù)和計(jì)算這一主題包含數(shù)的概念、復(fù)數(shù)、比率等子主題；每個(gè)子主題又對(duì)應(yīng)一個(gè)任務(wù)組件。

4 結(jié)語

牛頓平臺(tái)開創(chuàng)了教育大數(shù)據(jù)個(gè)性化服務(wù)設(shè)計(jì)和應(yīng)用的先河，通過采集學(xué)生的在線學(xué)習(xí)數(shù)據(jù)，可精準(zhǔn)分析和預(yù)測(cè)學(xué)生的優(yōu)勢(shì)、不足、學(xué)習(xí)興趣、認(rèn)知投入水平。牛頓平臺(tái)正與合作企業(yè)在學(xué)習(xí)內(nèi)容提供、學(xué)習(xí)過程管理、學(xué)習(xí)產(chǎn)品分發(fā)以及市場(chǎng)推廣應(yīng)用等方面開展深入合作，頗具規(guī)模的在線教育生態(tài)系統(tǒng)圈已現(xiàn)雛形。牛頓平臺(tái)目前所提供的自適應(yīng)功能在很大程度上滿足了學(xué)生、教師、家長(zhǎng)以及學(xué)校管理者的需求，為學(xué)習(xí)、評(píng)估和管理帶來了極大便利。然而，本研究發(fā)現(xiàn)牛頓平臺(tái)的自適應(yīng)數(shù)據(jù)主要源于試題解答記錄，與本研究所期待的全學(xué)習(xí)過程數(shù)據(jù)還存在一定差距，故后續(xù)的研究還需對(duì)數(shù)據(jù)予以進(jìn)一步的優(yōu)化和改進(jìn)。此外，自適應(yīng)學(xué)習(xí)中有關(guān)用戶模型、位置模型、設(shè)備模型和情境模型等方面的內(nèi)容[14]，也需引起研究者的重點(diǎn)和持續(xù)關(guān)注。

 參考文獻(xiàn)

[3]BrusilovskyP. Methods and techniques of adaptive hypermedia[J]. User Modeling andUser-adapted Interaction. 1996,(2):87-129.

[7][8]Knewton Company. Heavy duty infrastructure for the adaptiveworld[OL].

<https://www.knewton.com/assets-v2/downloads/knewton-intro-2014.pdf>

[9][12]JaffeJ. Here is the deck for presenting adaptive learning in the E-educationworld[OL].

<https://lists.w3.org/Archives/Public/www-archive/2015Jan/att-0004/Knewton_W3C_presentation_V2.pdf>

[10]WilsonK, Nichols Z. Knewton technical white paper[OL]. <>

[13]Green-LermanH. Visualizing personalized learning[OL].

<https://www.knewton.com/resources/blog/adaptive-learning/visualizing-personalized-learning/>

84

標(biāo)簽：

在線教育

在線學(xué)習(xí)

  本文關(guān)鍵詞：適應(yīng)性和個(gè)性化學(xué)習(xí)系統(tǒng)研究前沿——與國(guó)際著名教育技術(shù)專家金書軻教授對(duì)話，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：208392