非正式學習環境下基于移動終端的學習者模型研究

姚文貴

[摘 ? ? ? ? ? 要] ?針對非正式學習環境下學習者模型建模問題，在分析學習者模型的國內外研究現狀的基礎上，提出了一種非正式學習環境下基于移動終端的學習者模型（IL-ML學習者模型）。IL-ML學習者模型包括學習者描述、學習目的、個體興趣、學習風格和學習情境五個維度，其中個體興趣和學習情境是非正式學習環境中重要的適應性維度，個體興趣決定了非正式學習系統中的適配內容，學習情境將學習者所處的地理位置、網絡環境、設備和時間信息進行表征，使非正式學習系統的服務更具個性化。IL-ML學習者模型可根據學習者的瀏覽數據進行動態更新。該模型能較好地反映非正式學習環境下基于移動終端學習者的個體差異，為適應性學習支持系統在非正式學習環境中的應用提供決策依據。

[關 ? ?鍵 ? 詞] ?非正式學習;學習者模型;移動學習

[中圖分類號] ?G712 ? ? ? ? ? ? ? ? ? [文獻標志碼] ?A ? ? ? ? ? ? ? ? ? ?[文章編號] ?2096-0603（2019）18-0116-02

隨著現代社會對人的技能要求越來越高，人們需要不斷地學習各個領域的知識來充實自己，跟緊時代發展從而擺脫被淘汰的命運。人們選擇學習的形式多樣，其中非正式學習是典型的學習模式，非正式學習沒有固定的形式，學習的內容多樣，學習時間具有不固定性，學習者在學習過程中會表現出來各種不同的學習信息，這表現在兩個方面：一是不同的學習者在起點水平、認知結構、學習態度、學習動機、學習風格上有所不同，具有一定的差異性;二是學習者在學習的過程中的知識水平和認知技能也是不斷更新的。

一、學習者模型的國內外研究現狀

學習者模型是對學習者的個體特征和學習狀態的形式化表示。對學習者模型的研究是基于智能教學系統（ITS）展開的，智能教學系統的主要研究熱點包括學習者模型、著作系統、在線協作學習、自然語言對話、智能教學系統評估等，學習模型是研究智能教學系統教學效果的其中一個維度。所謂智能教學系統，它扮演著教師的角色，以計算機技術和人工智能技術為中介，需要識別出學習者在各種學習情境下的各種學習行為以形成反饋機制，推測和預測學習者的學習。通常，建立的學習模型需要識別出學習者初始的學習狀態，記錄學習者進入下一步學習中所會發生的學習行為，同時可以用登錄和退出時間差來記錄學習者學習和掌握知識的快慢，應用于智能教學系統的學習者模型能掃除學習的盲點，提高教師教學的效率。為了提供更有針對性和適應性的學習，有學者對學習者模型的結構進行了充分研究，覆蓋模型、偏差模型、認知模型和心理模型是最常見的幾種學習者模型。在國內，有學者在學習者學習基礎、認知能力、心理因素的基礎上設計了一個智能教學系統的學習者模型，并給出了學習者模型的動態調整算法。有學者提出在網絡智能教學系統中建立一個雙層動態學習者模型，模型的初始層采用復合認知型學習者模型，高級層利用Hopfield神經網絡算法，克服了單一學習者模型結構數據處理的障礙。有的學者以基于決策樹的遺傳算法，將學習者的學習標準、興趣、愛好、知識狀態、學習歷史、心理因素和認知能力等信息進行數據挖掘和分類，構建了一個綜合覆蓋模型、偏差模型、認知型模型或是幾種模型組合的全面學習者模型。國外的許多學者也對學習者模型進行了豐富的研究，有的學者利用對話來獲得學習者對領域知識的掌握程度，從中分析學習者學習的速度、掌握程度以及記憶能力，采用一定策略對學習者實施個別化教學。有的學者采用知識發現技術對學習者的歷史數據進行分析，防止學習者棄學。

二、非正式學習環境下基于移動終端的學習者模型

構建非正式學習環境下（Informal Learning Environments）基于移動端（Mobile Learning）的學習者模型（簡稱IL-ML學習者模型）需要解決三方面問題：一是學習者模型建模;二是初始化學習者模型;三是學習者模型的動態更新。其中，學習者模型建模的主要功能是確定學習者模型的要素，建立學習者模型的數據結構;初始化學習者模型的主要功能是初始化學習者模型的數據;學習者模型動態更新的主要功能是在學習過程中動態更新學習者模型的數據。

（一）IL-ML學習者模型構建

為了構建IL-ML學習者模型，需要先分析基于移動終端的非正式學習的特點，以明確學習者模型包含哪些要素。首先，非正式學習環境下學習者的學習目的不同，反映在學習者的知識與技能、過程與方法、情感態度與價值觀上。其次，非正式學習環境下由于學習者的背景差異、所要解決的問題不同也會產生不同的學習風格與興趣，為了充分研究非正式學習環境下基于移動終端的學習者的學習過程對學習效果的影響，為其提供個性化的學習服務，現以學習者描述、個體興趣、學習風格、學習情境五個要素構建IL-ML學習者模型。其中，學習者描述記錄了學習者的基本信息;個體興趣代表了學習者對內容的偏好;學習風格反映了學習者在學習時具有個人特色的方式;學習情境刻畫了學習者的學習環境。

1.學習者描述

學習者描述學習者的基本屬性，學習者的特征，對學習者的特征進行分析，可以為開展非正式學習活動提供依據，了解學習者的學習背景能為學習者模型的設計指明方向，描述學習者的姓名、性別、年齡、學歷和職業。

2.個體興趣

一般認為，個體興趣指的是隨著時間的遷移而不斷發展的、一種相對穩定持久且與某一特定主題或領域有關的動機取向、個人傾向或個人偏好，它與知識、價值觀及積極感情相關聯。學習者對某一個問題有興趣，就會持續地、專心致志地鉆研它，從而提高學習效果。非正式學習可以發生于各類領域、各種形式以及各個層次。

3.學習風格

現有對學習風格的分類大多是基于正式學習環境下的傳統學習者，與非正式環境下基于移動端的學習者有著極大區別。因此，在分析基于移動端的非正式學習特點的基礎上，本文依照鄧恩夫婦（Dunn R和Dunn K）的觀點，從環境、情感、社會、生理和心理這五個方面對非正式環境下基于移動端的學習風格進行分類。

4.學習情境

學習情境理論認為學習是一個參與情境的過程，是一個基于情境而展開的過程，它時時刻刻都處于情境當中。而隨著學習者在移動終端上的學習參與度與日俱增，情境與學習需求的關聯準確度直接決定了學習資源推薦質量的高低。學習者模型的整體框架中已經對學習者的基本信息、學習目的、學習風格和學習興趣進行了歸類，因此在學習情境中主要對學習者具體現實環境進行描述，這其中包括學習時間、地點、設備信息、網絡狀況，網絡狀況描述了學習者的網絡類型以及連接速度，這些都會影響學習者的學習情緒。

（二）模型初始化

學習者模型的初始化包括靜態屬性和動態屬性兩個方面，依據學習者模型先初始化后使用的原則，需要分步驟對學習者模型進行初始化。根據學習者模型構造的五個要素的特點，學習者描述、學習目的、學習風格是靜態的，在學習中是固定不變的，而個體興趣、學習情境是動態的，在學習中是不斷變化的。學習者模型的初始化主要是測量出靜態屬性的信息，動態屬性的初始化可以采用系統預設值的方法，動態更新學習者的學習過程。在非正式的學習者模型中，學習者描述、學習目的和學習風格可以通過注冊填表的方式進行初始化。

（三）模型動態更新

非正式學習者模型的個體興趣和學習情境是動態更新的。學習者在移動終端中進行非正式學習時，系統會自動跟蹤學習者所選擇的內容和歷史數據，更新學習興趣和學習情境。

（四）模型的應用分析

學習者進行非正式學習的主要目的是獲得新知識，拓展自己的興趣以及滿足自我提升的需要，因此學習者可以在任何時候通過互聯網在移動終端上獲取學習資源，開展各種各樣的學習活動。學習者參與在非正式學習的過程中，系統會根據學習者的學習活動為每一位學習者構建對應的學習者模型，針對學習者的信息、學習目的、學習風格、個體興趣和學習情境，分析學習者的學習特征和興趣點，了解學習者的學習習慣，判斷學習者對學習資源的感興趣程度，系統主動并且有選擇性地向學習者推送學習資源，如果學習者一開始的學習目標并不明確，然后在學習過程中找到學習興趣，系統可以通過學習者模型的動態更新，及時掌握學習者的情況，制定相對應的學習資源推送服務和學習路徑推薦服務。

三、結語

移動終端產品的多樣化和簡單化，便攜性為非正式學習提供了良好的設備支持，在非正式環境下基于移動終端構建的學習者模型系統，能抓取學習者在學習過程中的學習行為信息，識別出非正式環境下學習者學習的差異性，以便為學習者提供更有針對性的學習服務。非正式學習者模型包括學習者描述、學習目的、學習風格、個體興趣和學習情境五個維度，對這五類信息進行分組可以詳細地記錄非正式學習環境下學習者的個體特征。其中，學習者描述、學習目的、學習風格是學習者的個體特征的靜態屬性，學習興趣和學習情境是學習者個體特征的動態屬性，需要采用不同的方法來分別計算和測量。將IL-ML學習者模型應用于自適應學習支持系統中，計算機系統能判斷出學習者的學習特征，為非正式學習活動提供指導。

參考文獻：

[1]王艷輝.基于移動終端大學生非正式學習有效策略研究[J].信息與電腦（理論版），2015（18）：194-195.

[2]張永和，肖廣德，胡永斌，等.智慧學習環境中的學習情景識別：讓學習環境有效服務學習者[J].開放教育研究，2012，18（1）：85-89.

[3]陳仕品，張劍平.智能教學系統的研究熱點與發展趨勢[J].電化教育研究，2007（10）：41-46.

[4]馬志強，蘇珊.學習分析視域下的學習者模型研究脈絡與進展[J].現代遠距離教育，2016（4）：44-50.

[5]郭富強.智能教學系統中動態學生模型的研究與設計[J].中國電化教育，2011（1）：119-123.

編輯 陳鮮艷