基于深度学习的个性化学习模型设计

刘中宇+高雨寒+胡超

摘 要：现阶段人们的学习呈现碎片化、微型化、多任务和浅层读图的特征。如何促使学习者进行信息深度加工、构建结构化知识体系，有效、准确地获取学习资源，满足其个性化学习和高阶思维能力发展的需求，成为目前的研究焦点。文章在阐述和研究个性化学习、深度学习内涵的基础上，认为个性化学习系统的核心是个性化学习过程，将它与深度学习过程融合，一方面提出基于深度学习的个性化学习模型，以期提高个性化学习的效果；另一方面指出该模型包括学习交互界面、实践共同体社区、深度学习过程、智能导学过程和评价五个核心模块，以便为进一步研究提供方向。

关键词：个性化学习；深度学习；学习系统

中图分类号：G434 文献标志码：A 文章编号：1673-8454（2016）08-0082-05

一、问题提出

互联网技术和移动技术的飞速发展，使得网络覆盖更广、上网速度更快，为网络学习与移动学习提供了稳定的学习环境。据中国互联网络信息中心（CNNIC）2015年7月发布的第35次《中国互联网络发展状况统计报告》显示，我国网民规模达6.68亿，手机网民规模为5.94亿，在整体网民中占比达88.9%，手机已经成为我国网民的第一大上网终端[1]，人们更倾向选择网络和移动设备作为学习的工具。

大规模在线开放课程MOOC的出现引起了全球范围内教育的变革，它以大规模、在线、开放三大特征吸引着全球的学习者。Coursera的注册人数每天都在增加，截至目前有14，875，712位学员注册，有1291门课程对全球免费开放[2]。我国“本土”慕课—“学堂在线”，在过去一年选课人数超过57万次[3]。MOOC课程的特征是学习目标单元化，学习知识碎片化，学习内容富媒体化。一门课程分成若干个单元，再将一个单元划分为若干知识点以5-15分钟的图片、音乐或视频的形式展示。目前倡导的微课教学、关注微信和微博课程公众号的微学习，更是以碎片化的理念来组织学习。

碎片化学习呈现的是短时间、单任务、独立知识点的学习方式，学习者在生活和工作间隙实现随时随地的被动接受与主动获取知识，它能有效的利用碎片化时间，快速达到学习目的，调动大家参与的积极性，在广泛的碎片化学习过程中，每位参与者既是学习者也是知识的贡献者，营造了一种泛娱乐化学习氛围。

然而，碎片化学习往往具有知识内容单一、浅阅读的特征，学习者对知识的理解停留在浅表的感受层面。有学者在研究碎片化学习对认知障碍影响的调查中显示：51.4%的学生不认可以碎片化学习取代系统学习，认为长期碎片化学习将影响逻辑思维能力的发展[4]。在信息量巨大的网络环境中，学习者难以保持逻辑、系统的长时间记忆，各种推送消息、弹出窗口让学习的焦点不停的在页面间切换，对知识的注意更多的是感官的“浏览”活动。这样的学习活动难以引入深度的学习、构建知识的联系及发展创造力。因此构建“深度”的个性化学习环境就成为攻克浅层学习的关键。然而如何在学习者的认知轨迹中挖掘学习者的学习偏好？如何有效的引导学习者进行信息组织加工、构建知识结构和对问题的反思与知识的迁移，促进其高阶思维能力的发展？如何建立知识与个体之间的关联，达到私人订制的个性化学习推送，实现职业发展的个性化学习和终身学习的需要？都是个性化学习研究关注的焦点。

二、个性化学习与深度学习概述

1.个性化学习的内涵及现状

我国古代教育家孔子最早提出个性化学习的理念——“因材施教”。在网络技术资源极其丰富的环境中，学习者也呼吁能获得“私人订制”的学习体验。因此如何实现以人为本、以培养创新人才为目标的个性化学习成为教育者关注的焦点。个性化学习是相对传统教育教学模式而言，它能尊重学习者的个体差异，根据学习者学习方式、掌握技能、兴趣爱好、学习目标等提供符合学习者特征的学习策略，同时还能帮助学习者更好的了解自我，促进资源的有效利用、学习效果的提高和个体的个性发展。个性化学习可以使每一个学习者的潜能得到最大限度的发展，获得成功体验和生存效能感[5]。

自网络教育开展以来，自主开放的教育形式，让不少研究者开始关注基于网络环境下个性化学习的研究。目前，国外对个性化学习系统主要分为两种：智能教学系统和自适应学习系统。国内对个性化学习的研究也比较多，从研究的内容，可分为本体的资源库研究、数据挖掘技术研究和学习风格研究三大类。如黄海江等人研究基于本体资源的个性化学习[6]，对资源进行语义描述从而建立与学习者特征的联系。如刘美玲[7]、刘向丽[8]分别从数据挖掘和学习风格角度研究个性化学习的系统，依据学习者的历史数据和表现行为设计并推荐学习者感兴趣的学习内容。随着网络环境的变化，基于网络的个性化学习模式也在不断更新。从研究的依托环境来看，现阶段研究的个性化学习有远程学习的个性化学习、网络教育的个性化学习、关于e-Learning的个性化学习及基于移动学习的个性化学习等，他们从技术创新和环境支持角度构建个性化学习模型。

2.深度学习的内涵及现状

深度学习最早提出是在20世纪50年代，美国学者Ference Marion和Roger Saljo研究学生阅读学术文章的过程和结果发现，学生在信息加工的过程中存在深层次和浅层次的区别。随后，在1975年他们发表的论文中明确提出深层学习（Deep Learning）和浅层学习（Surface Learning）的概念[9]。目前对深度学习的概念没有统一的界定，但对深度学习本质内涵及特征的认识日趋一致。概而言之，深度学习是一种学习方式，是通过理解、归纳、分析、综合、评价的手段达到有意义的学习目的，在元认知的基础上批判性的接收和学习新知识，构建知识间的联系，进行知识的迁移和应用，促进高阶思维能力的发展。深度学习要求学习者具有主动探索精神、批判性思维、学习迁移和创造能力。国内对深度学习的研究还停留在理论研究和探索阶段。国外对深度学习注重从实践教学中探索和总结促进深度学习的策略和方法，如John Biggs 和 Catherine Tang 合著的《Teaching for Quality Learning at University》中结合教学实践，阐述了深度学习的定义、过程和评价方法，提出利用SOLO分类法来测量学生的理解水平，认为深度学习法是提高教学质量的有效方法[10]。

三、个性化学习的学习形态

1.个性化学习系统应用要求

个性化学习系统是支持开展个性化学习活动的环境，个性化学习是指以学习者为中心，根据学习者的需求、风格、能力等自由选择学习目标的学习过程，理性的个性化学习环境表现为以下特点：

（1）丰富的学习资源。与传统统一授课教学模式相比，个性化学习根据学习者的能力和风格等特点提供有差异的学习课程、学习材料、认知工具和学习空间等。

（2）自动化的学习管理。基于网络的个性化学习，能自动监控学习行为、活动和结果的轨迹并保存在数据库中，形成个性化电子档案袋，便于挖掘学习者特征，实现个性化学习。

（3）自由的学习空间。为学习者提供自由的选课机制，不限地域、时间、次数反复学习的机会。

（4）虚拟的学习社区空间。基于网络的虚拟学习环境，非面对面的学习交流具有匿名的特点，学习者不必担心因失败被他人嘲笑的后果，为学习者提供了一个畅所欲言、开放的学习共同体空间。

2.个性化学习系统工作流程

个性化学习系统常见的工作流程为：用户首次使用系统时需填写用户信息和问卷，形成基本的用户偏好和学习风格，在学习过程中监测学习者学习行为，通过数据挖掘、数据分析等来构造并逐步完善学习者模型、建立学习者与课程知识库间的联系，从而实现个性化推荐，形成个性化的学习路径，如图1所示。系统由环境、资源和技术组成，大都具备课程学习、资源下载、测试与跟踪、实时监控的功能，分析学习者的特征信息、测试结果、学习任务完成情况等，并将它们及时反馈给学习者或教师，帮助他们进一步提高教与学，利用数据挖掘技术实现个性化推荐的学习服务。其实系统的核心还是个性化学习的过程，但他们过多的注重技术，没有将深度学习的理念引入到个性化学习活动的设计过程，没有考虑学习者如何在个性化学习环境中对知识进行信息加工，如何实现知识的建构、迁移、评价和创新。

四、基于深度学习的个性化学习模型的构建

1.模型整体设计

根据系统工作流程和研究的领域架构，将深度学习的个性化学习系统的结构分为了五部分：学习交互界面、深度学习过程、实践共同体社区、智能导学过程和评价中心，如图2所示。学习交互界面是学习者与系统沟通的直接通道，需要结合视觉与心理学的研究；实践共同体社区是解决和深入探讨同一类问题而联系在一起分享信息和生活经验的群体，为学习者提供交流讨论、知识迁移及创造的场所，是深度学习不可缺少的部分；深度学习过程是学习者学习过程的探究，需要更多学习策略与认知策略的支持；智能导学过程是指在系统提供的数据库资源的基础上，通过数据挖掘和分析，建立学习者特征模型，为学习者提供个性化导学的学习策略，需要数据处理和算法分析的研究。评价即是对学习效果的评价，学习效果的好坏是评价学习系统的唯一标准，需从多维度展开。

2.模型主要功能模块分析

（1）学习交互界面模块

学习者的学习活动和学习结果都需通过界面与系统数据建立交互联系，因此系统的界面设计不仅要有良好的视觉效果，还需要考虑学习者的偏好和行为习惯，在用户的体验上做到“别让我等，别让我想，别让我烦”[11]，在技术上能够满足自适应多种终端的快速、正常响应。避免因系统的操作而增加学习者的认知负担，使学习者在学习活动过程中保持愉快的心情、便捷的操作和快速的获取服务。

Pieter Desmet和Paul Hekkert[12]将用户体验分为三个层次：感知体验、理解体验和情感体验。以学习者为中心的交互设计，建立从第一眼与界面的初步感知，到实际操作的交互体验，最后产生情感的共鸣，在界面的友好与交互中创设学习的情境，激发学习者的学习兴趣。

（2）实践共同体社区模块

实践共同体由领域、社团、实践三个基本元素构成[13]，是指在涉及的领域有共同文化背景、目标、意义和实践，对领域问题有相互影响、相互学习、相互联系的人的实践集合，他们在一起分享信息、想法、工具等，在实践中开发、分享和保持知识。基于网络的实践共同体能打破地域、时空的限制，延伸网络虚拟空间，方便学习者在共同学习任务和共同兴趣驱动下积极、主动地参与信息分享、知识交流和经验讨论，还能消除网络学习的孤独感。在社区内发起讨论主题，社区内成员可以自由发言，新成员和老成员间的经验交流能激发学习者的积极性，保持对未来学习的新鲜感和努力程度，促进学习者对知识的组织加工、知识创新和思维能力的发展，实现深度学习。

（3）深度学习过程模块

深度学习的过程在功能模块上又包括个性化学习路径的选择、监控中心、资源的调度和学习结果等模块。学习者在首次注册使用时填写基本信息、学习倾向、原有知识水平等，系统根据用户信息推荐个性化的学习课程，也可以自主选择课程、制定个性化的学习路径和计划。在多次登录和课程学习之后，对监测的个性化学习行为和学习结果信息进行决策分析，可实现个性化学习需要预测，提供更接近真实的个性化学习需要，帮助学习者制定和完善学习计划。学习者可以自主的选择学习课程，根据自身的媒体倾向选择学习平台提供的资源形式，根据自己的时间和学习目标制定学习计划并实施。但学习者的深度学习过程表现为：注意与预期、元认知准备、学习情境创设、选择性知觉、知识习得、批判与重构、知识迁移、评价和创新等阶段，如图3所示。在知识习得阶段之前的学习表现为注意、识记和理解，还是浅层学习的表现，批判与重构阶段之后的学习涉及元认知的认知、高级概念的理解、创新和高阶思维能力发展，属于深度学习。

批判与重构知识：信息加工过程中，学习者在元认知理解的基础上主动批判性地学习新知识，建立新旧知识之间的联系。在这个过程中，运用多样的学习策略如实践共同体社区相互分享学习经历，或运用其他交流工具进行交流协作，帮助学习者进行知识的重新组织和意义建构，实现知识的整合。

迁移：学习者利用获得的新知识来解决其它的同类问题。迁移分两种形式：一种是直接迁移，是不需要信息加工，直接把获得的新知识运用到实际问题中。另一种是间接迁移，对学习者的要求更高，需要将获得的知识总结转化为概念、方法或思想用以处理复杂的问题。迁移是建立在对知识深刻理解基础上思考、领会学会学习的方法。学习者可借助实践共同体社区在提出问题与解决问题的过程中实现对知识的迁移。

创造：是学习的高阶阶段，学习者在学习过程中不断评价、总结，根据自己的学习目标和学习结果等进行反思，将知识的迁移能力进一步升华，实现知识的创造。创造是在物质积累的程度上产生的，是量到质的变化。在此过程中，学习者需要运用学习的分析工具、评价工具和共同体社区成员反馈的信息，不断积累、分析、反思和评价，实现“质”的飞跃。

（4）智能导学模块

系统的数据库资源中有课程资源库、学习策略库、课程知识库、学习工具库、元数据、知识本体库和实时监测学习行为的学生信息库。对学生信息库历史数据进行预处理，通过数据挖掘等手段创建或更新学习者特征模型，并建立学习者与资源之间的联系即形成导学策略。根据导学策略建立资源的算法推送机制，通过元数据标注形成元数据信息，然后将这些元数据信息存储在元数据库中，元数据库通过知识映射到知识本体库，将学习者领域认知能力与知识本体库之间建立对应联系，根据标注的知识属性特征主动推送资源到特征用户，实现个性化的学习路径。其实现过程如图4所示。智能导学过程的核心价值是建立领域知识本体的标注和基于数据挖掘建立特征模型与资源的联系。

（5）学习评价模块

学习评价是指依据一定的指标，采取一定的手段对学生的学习过程和学习结果进行价值判断的过程。基于网络的学习评价过程可分为诊断性评价、形成性评价和总结性评价，从学习者的学习风格、认知能力、课程作业、测评结果等综合考察学习过程，根据一定的指标权重来进行判断。然而，评价的方式和指标还需根据教学目标和环境从多个维度考虑。评价方式和指标的设计可根据布鲁姆、辛普森、克拉沃斯、比格斯和克里斯等教育者的教育目标分类理论基础上，从认知、动作、情感和思维四个维度对照分类展开。基于图2系统整体设计模型的评价中心将评价的过程分为评价对象、评价策略、评价指标和评价模型的建立，最后实施评价。在本系统中应将学习资源、学习过程、学习结果和反馈信息等作为评价对象，来建立评价策略，根据实际学科情况设计评价指标、纬度等参数，建立符合实际课程和学习内容特征的评价模型。

五、结束语

个性化学习是现代教育发展的必然趋势，也是学习型社会的需要。深度学习是促进有意义学习的学习方式，是有效学习的学习过程模式。将深度学习的学习方式与个性化学习的理念相结合，目的在于促进个性化学习的深度学习，实现个性化学习的有意义学习，促进实用性和创新型人才的培养。基于深度学习的个性化学习的特点主要表现为：

（1）以学习者为中心。情境创设、资源设计与评价及学习活动过程展开是为了更好的激发个体的学习情趣，满足个体学习需要，促进个体的知识意义建构，目的是进一步挖掘个性化学习的需求，体现学习者的主体地位。

（2）注重知识的迁移与应用。学习迁移是一种学习对另一种学习的影响。美国心理学家M.L.比格指出：“学习迁移是教育最后必须寄托的柱石。如果学生在学校中学习那些材料无助于他们进一步沿着学术的程序，并且不但在目前，而且在以后生活中更有效地应付各种情境，那么就是浪费他们的许多时间。”在个性化学习中，知识的迁移应用是检验学习效果的最显著方法，更能促进有意义学习，达到深度学习的目标。

（3）促进更高层能力的发展。个性化学习和深度学习同时强调把个体的学习兴趣、特征与资源达到高度的相似匹配，有效的促进信息加工、知识构建、迁移和高级思维发展，学习者在学习过程中展现个性，实现价值，发挥创造性，充分发展人的潜能。

（4）注重自主终身的学习。深度学习和个性化学习都积极引导学习者主动探索、自主学习，注重学习者能力的培养。当今知识增长加剧、技术更新加快，唯有掌握学习方法、终身学习，才能在各种变化中游刃有余，不被时代所淘汰。

本文提出基于深度的个性化学习系统模型，希望能够在当前碎片化学习形式下提高学习效率，促进学习者构建个性化知识结构体系，一方面为个性化学习的进一步研究提供参考意见，另一方面为基于深度的个性化学习研究提供参考方向。

参考文献：

[1]CNNIC第35次中国互联网络发展状况统计报告[EB/OL].http：//www.cac.gov.cn/cnnic35fzzktjbg.htm，2015-9-3.

[2]Coursera[EB/OL].https：//www.coursera.org，2015-9-3.

[3]孙茂松，彭远红.东风渐属新桃李：写在清华大学“学堂在线”MOOC平台发布一周年之际[J].计算机教育， 2014（11）：1.

[4]张克永，李宇佳，杨雪.网络碎片化学习中的认知障碍问题研究[J].现代教育技术， 2015，25（2）：88-94.

[5]杨德华.个性化远程教学系统的模型研究[J].计算机工程与应用，2003（10）：118-121.

[6]黄海江，杨贯中.基于本体的学习内容个性化推荐[J].科学技术与工程，2007（7）：3394-3398.

[7]刘向丽.基于学习风格的个性化移动学习网站的研究与设计[D].武汉：华中师范大学，2011.

[8]刘美玲.基于数据挖掘技术的个性化学习系统研究[D].重庆：重庆大学， 2007：49-56.

[9]Marton F， S？觟lj？觟 R. On Qualitative Differences in Learning： I—Outcome and process*[J]. British journal of educational psychology，1976， 46（1）： 4-11.

[10]Biggs J.， Tang C.. Teaching for quality learning at university [M].Buckingham：The Society for Research into Higher Education&Open University Press，2011：21-22.

[11]王坚.结网@改变世界的互联网产品经理[M].北京：人民邮电出版社，2013：92.

[12] Pieter Desmet， Paul Hekkert. Framework of product experience[J].International Journal of Design， 2007， 1（1）：57-66.

[13]Wenger E.，McDermott R.& Snyder W（著），边蜻（译）.实践社团：学习型组织知识管理指南[M].北京：机械工业出版社，2003：4.

（编辑：鲁利瑞）