智慧学习视角下个性化在线学习系统设计与应用*

吴洪艳

(华南师范大学 教育信息技术学院，广东 广州 510631)

智慧学习视角下个性化在线学习系统设计与应用*

吴洪艳

(华南师范大学 教育信息技术学院，广东 广州 510631)

智慧学习是当代教育信息化的新发展，个性化在线学习系统是实现智慧学习的一种有效途径。从智慧学习视角出发，依托学习分析技术，构建云环境下的个性化在线学习系统，以实现技术与教学的深度融合，实现因材施教。该文在智慧学习、学习分析技术等理论与方法基础上，探讨了利用学习分析技术实现个性化学习的思路；进而阐述了系统功能架构，实现目标及相应的技术方法；构建了能分析学习者学习行为和知识状态，按需推送合适的学习资源，并提供适时的学习干预的个性化在线学习系统；并以大学《C语言课程设计》为案例，评估系统效用。

智慧学习；智慧学习环境；个性化学习；学习分析

一、引言

在先进的信息技术的推动下，教育信息化发展到一个新阶段，提出了智慧教育新理念。智慧教育已成为许多国家教育发展的战略目标，我国也不例外；无论政府层面还是企业、教育工作者都对其高度重视，智慧教育已在我国中小学教育活动中开展。在智慧教育理念推动下，促进了学习方式的变革，从数字化学习、移动学习向智慧学习转变。“2015年的地平线报告(New Media Consortium)”提出了适应性学习技术(软件或平台)及个性化学习是未来3-5年采用的技术和需要解决的挑战，智慧学习为实现个性化学习提供新思路。在云计算、学习分析等技术支撑下，构建智慧的学习环境有重要意义。本文从智慧学习视角出发，设计以学习者为中心的个性化、自适应的智慧学习系统，为智慧学习活动的开展提供支持，促进学习者智慧发展。

二、理论与方法

(一)智慧学习及智慧学习环境

贺斌认为，“智慧学习是一种学习者自我指导的、以学习者为中心、具有完整学习体验的新型学习范式。[1]”智慧学习是在智慧的学习环境中灵活自如地开展学习活动，学习者能方便地获取需要的、适合的资源，同伴间或者师生间能流畅地交互，能有效地全面发展个人潜能。所以智慧学习离不开智慧的、智能化的学习环境。马来西亚学者Chin阐明“利用信息技术，以学生为中心的智慧学习环境，能够适应学习者的学习风格、学习能力，支持学习者发展，支持终身学习。[2]”黄荣怀从“感知情景、辨识特征，推送内容，跟踪过程、评测成果等方面，阐述了智慧学习环境是高效的学习活动空间。[3]”

综合以上观点，本文认为，智慧学习环境是在云计算、分析技术、网络技术等信息技术支持下，能动态识别学习者个性特征(学习风格、认知能力、学习态度等)，适应性地推荐个性化的学习资源及路径，动态分析过程数据，综合评价学习成果，支持灵活的、互动的学习空间或场所。

智慧学习环境包含以下特征：

(1)泛在性、无缝性。智慧学习环境支持不同终端的无缝接入，无缝获取资源与服务；不同终端设备数据同步，可以无缝转移；支持灵活的按需开展学习。

(2)感知性。感知性是智慧学习环境的必需特征，通过情景感知获得物理位置信息；学习者特征信息(学习风格、偏好)；学习者认知状态(学习基础、掌握的知识等)；学习过程与环境的交互信息；依据感知数据智能化、适应性、个性化地呈现学习资源与个性化、多元化地评价学习结果。

(3)个性化、适应性。智慧学习的目标是实现学习者个性化的、智慧化的发展，实现因材施教。个性化教与学才能促进学习者学习智慧的发展，智慧学习环境的个性化支持与服务为个性化学习提供了实现支撑。通过对学习者的学习过程静态数据和动态数据的跟踪、记录，获得学习者特征模型，推荐适合的学习需求。按需推送满足了学习者个性化差异，实现了匹配学习者特点的适应性。推送内容可以是学习资源、学习路径、学习服务、学习朋友圈。

(4)多向交互性。智慧学习环境支持多向、流畅的交互工具。生生之间、师生之间的便利的互动交流，提升学习积极性，教师适当地干预指导，避免学习的挫败感，促进深层认知发展。

(二)个性化学习的演进

个性化学习是依据学习者的差异性，以采取灵活方式满足学习者需求的学习[4]。在先进的技术支持下，学习者能以喜欢的方式，获得满意的学习资源。信息技术的推动下，个性化学习在其发展进程中不同阶段有不同的内涵。从20世纪70年代开始，个性化学习研究经历了从智能导学系统、适应性超媒体系统到适应性学习系统的发展历程。随着移动网络的普及，个性化学习拓展到移动设备上进行应用。不同时期国内外学者开展了模型构建、系统应用等研究工作。陈仕品博士[5]从认知状态、学习风格两个维度入手，构建了新的学生模型；并进而提出了适应性的教学内容组织模型，使之适应个性差异特征。姜强博士[6]在其论文中从模型构建、教学实践两大层面进行了系统研究，实现了个性化学习资源、内容序列推荐。

根据学习者的个性需求，为其提供智能化的、适合其个人的学习支持与服务。个性化、智能性、适应性正是智慧学习环境的基本特征。智慧学习环境为个性化学习开辟了新天地，使个性化学习发展到了新阶段。

(三)学习分析技术

教育信息化使在线学习系统(或平台)产生大量的数据，同时存在个性化学习发展的诉求，使得学习分析技术在教育领域应用。学习分析的本质是利用技术获取数据、分析数据，发现规律，进行干预，提高学与教的成效[7]。学习分析包括数据采集、数据分析、学生学习、听众反馈、干预五个要素[8]。

智慧学习环境要实现学习情境识别，基于个性差异推送资源， 提供个性化的学习体验、学习服务及学习诊断，多元化学习评价等目的，关键是要记录学习过程数据，分析挖掘，预测及评估。因此分析学习数据是必不可少的步骤。

对智慧学习环境中的隐性和显性数据进行深层分析，一方面可以识别学习者的学习行为模式及趋势(知识水平和认知能力)，定制个性化的学习方案，促进智慧教学；另一方面跟踪学习者与资源、工具的交互数据，为不同的学习者按需推送资源，促进个性化发展。

学习分析技术刚刚起步，国外有美国普渡大学的Signals系统，能记录、跟踪学生学习行为，识别学习等级，自动提示反馈信息[9]。由澳大利亚Wollongong等学校共同开发的SNAPP软件，可以收集、分析学生的在线时间、下载次数、发表帖子数、互动频次等数据，确定学习者的行为模式，评估学生的学习网络并分析其对学习的影响，这些分析结果可以用于调整教学为学习者提供指导，提高其学习能力[10]。国内的姜强利用大数据学习分析模型，分析学习者的学习过程和情境，发现个性需求和能力状态，提供个性化自适应学习[11]。

三、基于学习分析技术的个性化在线学习系统设计

(一)系统功能架构

在前文所介绍的智慧学习环境的理论和学习分析技术的基础上，设计了云环境下基于学习分析技术的个性化在线学习系统的框架结构，采集、分析学习过程数据，解决智能化、个性化服务支持机制，以期构建能满足学习者个性化特征的学习环境和学习资源，同时有助于教育者了解学习过程，实施指导、教学干预(如下页图1所示)。

云架构减轻了终端设备的配置要求，强大的计算、存储功能在云端进行。学习资源存储在云端，提升了其功能共享程度和服务质量水准。个性化在线学习系统的资源是通过云端获取的。该系统包含以下几部分：

1.云设施及服务

通过硬件的虚拟化和云基础服务技术，加强网络数据存储、处理能力，提高网络的灵活性和可用性。学习者描述数据库、学习过程数据库、课程数据库、学习资源数据库都存储在云端。

2.分析应用层

个性化学习是智慧学习环境的基本特征。所以基于学习分析技术记录、分析学习过程数据是必不可少的条件。通过分析学习者与在线学习系统的交互的静态和动态数据，如个人姓名、班级、媒体偏好、知识点排列的线性与非线性等，建立学习者模型，该模型用于系统适合学习者的学习资源媒体类型以及课程学习顺序，对有相同学习者模型学习者聚类分组，形成同伴关系；通过记录、跟踪学习者花费的学习时间、习题测试完成情况等数据建立学习者知识模型，该模型用于预测并反馈学习效果，并自动推送合适的学习内容；通过一段时间学习相关数据的趋势分析，教师掌握学习者学习情况，调整教学策略，实施教学干预。

图1 基于学习分析技术的个性化在线学习系统架构

通过学习数据分析，掌握学习者的需求及学习规律，为不同的学习者推荐适合的学习资源、学习路径，建立个性化的学习环境；同时教师根据学习分析结果预测教学效果，从而进行教学干预，优化学习过程，促进个体智慧发展。行政管理者依据线下分析结果，改善教学计划等。 所有分析可进行可视化显示，通过可视化显示，学习者了解个人学习进度、知识掌握情况；教师掌握学习状态及教学效果。管理者掌握课程发展趋势，对危险的学习者发出预警。

3.交互管理层

系统用户的管理分三类：一类是学习者，是资源的使用者；另一类是资源的开发者，如教师；第三类是系统管理者，负责系统的维护与管理。所有使用者连接系统于交互界面。

(二)系统目标及实现技术方法

对学习者而言，系统实现的目标就是个性化、适应性。能依据学习者特征，如学习风格、认知能力、兴趣偏好等适应性、个性化地推送学习内容、路径。对教师而言，系统能分析学习者学习过程信息，实施干预。目标的实现依赖学习分析技术。利用贝叶斯网络方法，建立动态学习者特征模型；通过难易等级不同的测试题获取学习者的认知水平；利用数据挖掘的聚类方法形成同伴关系；利用协同过滤推荐技术，依据学习者特征模型实现推送学习资源、路径等；利用可视化技术，使学习者了解学习进度、学习状态；利用多元统计学的因子分析和相关分析，确定影响学习绩效的因素。

(三)系统的运行流程

学习者学习流程如图2所示。首次登录后，完成所罗门学习风格测量表，形成个人学习风格，学习过程中，通过学习行为分析动态调整学习风格；学习风格、测评结果存放在个人档案袋中；依据学习风格及测评结果推荐个性化学习内容，开始在线学习；结合学习时间与测评结果给予反馈，警示学习者；学习结束后进行测评，结果存放档案袋中。

教师管理流程如图3所示。教师登录后，可以上传学习资源，可以查看学习者档案袋信息，通过学习数据分析，了解学习过程、学习状态，适时调整教学计划，进行教学干预。

图2 学习者学习流程图

图3 教师管理流程图

四、基于学习分析技术的个性化在线学习系统应用案例

(一)案例研究

以大学《C语言课程设计》课程为例，开展基于学习分析技术的个性化在线学习系统应用研究，选取岭南师范学院电子技术专业2011级的全体35名学生作为研究对象。该课程共有八章内容，第一、二章内容采用课堂教学，第三至八章内容应用基于学习分析技术的个性化在线学习系统，并辅以课堂指导。系统根据学习风格，推送学习序列。如某个学生的学习风格是序列式的、按部就班地开展学习，则系统左侧给出知识树，点击进入；同时知识点界面的右上角有调节箭头，指向前项知识或后项知识，如图4所示。

图4 学习内容导航

利用学习分析技术反馈学习进度，使学生掌握自己的学习状态，认清目前学习情况，激发学习动机，规划未来学习计划。图5表示某一名学生学习第三章内容的学习进度。学生学习每章内容后完成进行习题测试，进行其用时时间和得分情况可视化反馈。通过反馈学生可以了解哪一部分知识还没有完全掌握，需要进一步复习与巩固，同时明确自己的学习效率。教师根据这些数据，可以掌握每个学生的学习情况，进行有针对性的指导。图6表示某一名学生所学过的章节测试结果。

图5 学习进度可视化

图6 测试水平可视化

(二)效果分析

当学生学完《C语言课程设计》第一、二章内容后对全体35名学生进行前测,学完第三、四章内容进行后测。同时设计两份难度一致的测试卷用来前、后测。采用Excel2010工具对两次测试成绩进行t检验。t检验结果可以看出，前测平均成绩71.8,后测平均成绩81.3，显著概率p=0＜0.05，表示前后测平均成绩差异显著。试验结果表明，应用基于学习分析技术的个性化在线学习系统后，提高了学生的学习质量。

同时采用问卷法主要从学习兴趣与动机、学习资源适用性、学习有效性、系统认可度等方面对全体38名同学进行调查。调查结果如图7所示。

图7 问卷调查结果

调查结果表明，90%(很满意和基本满意)的学生认为学习系统能促使他们主动学习，因为系统能提供个性化的用户界面，带给他们新鲜感；92%的学生喜欢系统提供的学习资源，因为系统根据学生的学习风格动态推送学习内容，呈现不同的学习路径，学生还是喜欢按照推荐的路径学习；86%的学生认为系统导航清晰，可以方便找到学习内容；90%的学生认为提高学习效率，节省了学习时间；94%的学生认为系统按需提供学习内容，并将学习进度、学习状态可视化呈现，有利于个性化导学，学生课前利用系统进行预习，课后进行复习，使课上、课下学习贯通，有利于提高学习能力；94%的学生认为除了系统有利于学生个性化学习外，教师还适时给以教学反馈，督促完成学习计划，满意这种学习方式。

五、结束语

智慧学习是信息化高端形态下新的学习方式，是必然的发展趋势。构建智慧学习环境让学习者主动地、有效地投入学习，获得智慧发展，是教育研究者重点关注的问题。个性化、自适应学习系统是实现智慧学习环境的一种有效途径。在学习分析技术支持下，本文所提出的个性化在线学习系统能够分析学习者学习行为，了解学习状态，给予适当的反馈干预；实现了智能化的、适应性的学习资源的推送。研究数据表明，学生更喜欢利用这样的系统来学习，充满乐趣，他们很容易获得需要的知识，从而提高学习效果。基于学习分析技术，设计更加完善，更加个性化、自适应的学习系统是我们今后努力的方向。

[1]贺斌.智慧学习：内涵、演进与趋向——学习者的视角[J].电化教育研究,2013,(11):24-33.

[2]Chin,K.W.Smart learning environment model for secondary school in Malaysia：an overview[EB/OL]. http://www.Apdia.net/projects/seminars/it-policy/cn/resources/kang-waichin/smartlearning-mimos.ppt,2010-10-10.

[3]黄荣怀,杨俊锋,胡永斌.从数字学习环境到智慧学习环境——学习环境的变革与趋势[J].开放教育研究,2012,(1):75-84.

[4]郑云翔. 信息技术环境下大学生个性化学习的研究[J].中国电化教育,2014,(7):126-132.

[5]陈仕品.适应性学习支持系统的学生模型研究[D].金华：浙江师范大学,2009.

[6]姜强.自适应学习系统支持模型与实现机制研究[D].长春：东北师范大学,2012.

[7]祝智庭,沈德梅. 学习分析学：智慧教育的科学力量[J].电化教育研究,2013,(5):5-12.

[8]曹晓明,朱勇.学习分析视角下的个性化学习平台研究[J].开放教育研究,2014,(5):67-74.

[9]Arnold,K.E.,Tanes,Z.amp; King,A.S. Administrative perspectives of datamining software Signals: Promoting student success and retention[J].The Journal of Academic Administration in Higher Education,2010,6(2):29-39.

[10]SNAPP[EB/OL].http://www.snappvis.org, 2013-05-17.

[11]姜强,赵蔚等.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.

吴洪艳：副教授，博士，研究方向为教育信息化、个性化学习(wuhongyan70@qq.com)。

2015年4月7日

责任编辑：宋灵青

Research on Personalized Learning System under the Perspective of Smart Learning

Wu Hongyan
(School of Educational Information Technology, South China Normal University, Guangzhou Guangdong 510631)

Smart learning is the new demands of contemporary education informationize. The personalized learning system is to implement a way to learn wisdom. Learn from smart learning perspective, relying on learning analysis technology, build a cloud environment personalized learning system, in order to realize the depth of the technology and teaching integration, realize to teach student in accordance of their aptitude. Based on the theory and methods of smart learning, learning analysis technology, the thesis discusses the idea of realizing the personalized learning; Then elaborated the system function structure, achieve the goal and the corresponding technical methods; It build the personalized learning system which can analysis the state of learners’ learning behavior and knowledge, according to the need to push the appropriate learning resources, and provide timely intervention. And in the final section, introduces the application of “C language program design” as a case.

Smart Learning; Smart Environment; Personalized Learning; Learning Analytics

G434

A

1006—9860(2015)06—0127—05

* 本文系中国博士后科学基金项目“云计算环境下个性化学习服务系统研究”(项目编号：2013M540658)阶段性成果。