基于大数据的牛顿平台自适应学习机制分析
本文关键词：适应性和个性化学习系统研究前沿——与国际著名教育技术专家金书轲教授对话，由笔耕文化传播整理发布。
基于大数据的牛顿平台自适应学习机制分析
微信 作者: SDSZ教科研 2016-06-22 11:35
在线教育－全文略读：com/resources/blog/adaptive-learning/visualizing-personalized-learning/>[14]贾积有,马小强.适应性和个性化学习系统研究前沿——与国际著名教育技术专家金书轲教授对话[J]...
随着大数据理念的深入人心，教育大数据呈“爆炸式”增长之势。教育大数据产生于各种教育活动，与传统教育数据相比，教育大数据的采集具有更强的实时性、连贯性、全面性和自然性[1]，其分析处理和应用服务更加多元化、智能化、个性化。学生和教师是教育领域的两大核心主体，教育大数据通过用数据说话使个体真正认识自己，将真正推动教学和学习的个性化[2]。在教育大数据的支持下，教师可以关注到每个个体的学习行为和学习轨迹、预测学习结果、诊断学习需求和问题，从而基于数据开展因材施教；学生可以了解到自己的偏好、知识缺陷、能力缺陷、发展目标等，并能够获取适合自己的学习资源和学习指导服务。
[4]。
自适应学习强调学习环境的适应性，要求创设的个性化学习环境能够最大限度地适应学习者的不同特征，并以此来开展个别化学习和针对不同能力的学习者进行“因材施教”[6]。在牛顿平台看来，自适应学习系统应保持适应的持续性，可以对学生的学习表现和活动完成质量给予及时反馈，以在正确的时间基于正确的内容提供合适的学习指导，来最大化学生获得学习内容的可能性；同时基于给定活动的完成情况，自适应学习系统应能持续性地逐步引导学生进入下一个活动。
[7]。基于教育路径规划技术和学生能力模型，牛顿平台构建了自适应学习的基础框架，以最大程度地实现个性化。
1 基础结构
2 数据模型
[9]：
[10]。基于自适应本体，研究者和教师就能对典型的课本内容进行概念映射和标注。利用这种标注好的课本内容数据，，结合学习交互数据、心理测验数据，牛顿平台就能自动为学生生成个性化的知识图谱。
图1 知识图谱（源于《牛顿平台技术白皮书》）
图2 学生响应事件数据结构示意图
目标管理是对学生学习结果数据的分析和处理。牛顿平台能够为学生提供可持续更新的学习目标档案，档案内容包括学生未学习的内容、已学习的内容、知识概念掌握的状态水平、成绩排名以及如何学得更好的推荐信息。随着学生使用平台的时间变长，档案将会变得越来越智能。目标档案数据的存储与交换格式，包括知识概念名称、所属模块、目标分数、开始时间、目标时间、推荐模块候选集、模块推荐数量等。
1 项目反应理论（Item Response Theory，IRT）
项目反应理论将学习者对测试项目的反应（应答）通过表示测试项目特性的参数和被测试学习者能力的能力参数及其组合的统计概率模型来表示，其中表示项目特性的参数主要有难度系数和区分度[11]。传统的项目反应理论一般针对问题、项目来设计相关参数，且运用过程中通常存在两大误区：一是认为学生的能力是个常量，二是倾向于用一个参数来表示学生的能力。
考虑到能力的发展变化以及多种能力之间的相互连接，牛顿平台对传统的项目反应理论进行了扩展，并从问题层级的表现来对学生的能力建模——认为学生的能力参数会随时间而变化；同时，对学生能力的表征不再局限于某个唯一的参数，而是通过利用聚焦于概念层面的知识图谱来对学生能力进行评估和表征。
2 Knewton API
图3 牛顿平台与第三方应用集成框架
1 差异化引导的自适应学习过程
牛顿平台提供差异化的学习辅导服务，即利用项目反应理论对学生的学习状态进行测试评估，基于学生问题层面的表现而不是整体测试成绩来对学生的能力进行建模。对于理解不同问题所带来的贡献，项目反应理论并没有同等看待，而是针对每一个问题提供了包含问题信息和答题者个人能力信息的贡献计算解释。下文将以一个差异化引导任务为例，来阐述牛顿平台的实时自适应学习过程[13]。
图4 同一目标不同学生的自适应学习过程
2 创建自适应课程
牛顿平台支持教师、家长及学生创建自适应课程，每门课都由创建者自由选择的若干个任务组件构成，每个任务组件内包含一定数量的题目，并以上述方式为学习者提供不同的学习路径。为自适应课程选择任务组件有两种方式：①接受推荐。牛顿平台基于知识图谱和用户教学行为数据分析，向用户推荐其可能感兴趣的任务组件，而用户可将推荐的任务组件加入到创建的个性化课程里。②根据目录树选择任务组件。牛顿平台已经内置大量的任务组件，以学科—年级—主题—子主题等任务多维关键词表征，用户可以通过多维搜索的方式来主动选择任务组件以创设个性化课程。比如，数学学科在六年级水平上有代数Ⅰ和代数Ⅱ、数据分析和概率统计、几何和三角函数、数和计算四大主题；在大主题下又有子主题，如数和计算这一主题包含数的概念、复数、比率等子主题；每个子主题又对应一个任务组件。
牛顿平台开创了教育大数据个性化服务设计和应用的先河，通过采集学生的在线学习数据，可精准分析和预测学生的优势、不足、学习兴趣、认知投入水平。牛顿平台正与合作企业在学习内容提供、学习过程管理、学习产品分发以及市场推广应用等方面开展深入合作，颇具规模的在线教育生态系统圈已现雏形。牛顿平台目前所提供的自适应功能在很大程度上满足了学生、教师、家长以及学校管理者的需求，为学习、评估和管理带来了极大便利。然而，本研究发现牛顿平台的自适应数据主要源于试题解答记录，与本研究所期待的全学习过程数据还存在一定差距，故后续的研究还需对数据予以进一步的优化和改进。此外，自适应学习中有关用户模型、位置模型、设备模型和情境模型等方面的内容[14]，也需引起研究者的重点和持续关注。
参考文献
[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
标签：
本文关键词：适应性和个性化学习系统研究前沿——与国际著名教育技术专家金书轲教授对话，由笔耕文化传播整理发布。
本文编号：208392
本文链接：https://www.wllwen.com/jiaoyulunwen/jykj/208392.html
