基于深度神经网络的个性化学习行为评价方法

郎 波，樊一娜

(北京师范大学珠海分校，广东 珠海 519087)

0 引 言

随着信息技术的发展，结合大数据和人工智能技术，在线学习方式成为一种越来越重要的学习方式，这种学习方式由于不受时间、地点的限制，并且为教师和学生提供了更多灵活的互动方式。在《国家中长期改革和发展规划纲要(2010-2020年)》和《教育信息化十年发展规划(2011-2020)年》中都对学习的个性化和教学的多样化提出了要求。与传统的教学方式相比，新型的在线学习方式有利于学习者综合各个孤立的知识点，从而形成完整的知识网络。这种学习方式重点突出了学习者的个性特点，例如，学习者在初期学习的时候对学习时间、学习内容、学习类型和与老师的交流方式有着明显清晰的需求，随着学习的深入，学习者也需要对自己学习之后能力水平的评估，学习前和学习后的差距，后续相关知识的跟踪学习等方面也慢慢产生出了自己的需求，但是这种需求是比较模糊，难以量化的[1]。个性化学习虽能简化学习者的成本和运作方式，但对个性化学习教学效果评价目前却缺少合适的手段[2]，尤其是个性化学习所表现出来的一些独有特征，例如：开始学习前学习者对自己具有的知识结构和范围的认知，通过一段时间学习后应该需要弥补的知识盲点、学习结束后学习能力的提升及偏好等。如果对这些个性化学习的特征把握不准，那么就很难实现真正意义上的因材施教。此外，如果用传统的人工力量去分析每一个学习者的活动，则无法面对学习平台上每时每刻产生的浩如烟海的数据。……