一种自适应性在线自主学习模型研究(2)

1.3.2 自适应学习需求 随着在线学习在使用的广度和深度上的不断的增加，功利性获取知识不再是在线学习主要的目标，出于修心养性、陶冶情操的在线学习需求也在持续增加。构建支持协同创新和个性发展功能的网络环境，促进在线学习者自身能力的提高，在线学习已经普遍地融入学习者的生活、休闲和工作。越来越多的在线学习被认为是具有建构意义的、分布式的和基于特定情境的学习。随着在线学习影响的扩大,代表在线学习的核心表征从自主性逐渐向自适应性变化[3]。

自适应学习又可以叫做个性化学习。它使用计算机算法协调与学习者的交互，并提供定制资源和学习活动，以满足每个学习者的独特需求。自适应学习致力于通过计算机手段检测学生当前的学习水平和状态，并相应地调整后面的学习内容和路径，帮助学生提升学习效率。自适应可以用少数名师和研发团队辅助老师教学，判断出每个学生的薄弱项，为他们提供个性化学习和指导。最大化调动学生的积极性，这个是我们持续看好的。

2 自适应性在线自主学习模型

自适应学习有三个步骤：第一，要构建完善系统的知识图谱，将知识点体系标签化、结构化；第二，对用户的每个学习行为实现映射；第三，通过算法计算出最佳学习路径。

2.1 自适应自主学习优势

1)自适应学习的学习内容呈现出动态可交互，可以更好地适应学习者的学习需求，不断地激起学习者的学习兴趣；

2)自适应自主学习可以在学习者学习的过程中更详细地诊断出学习者行为中存在的问题；

3)自适应自主学习可以根据学习者的学习行为特征，制定出个性化的学习路径，提高学习效率；

4)自适应自主学习可以让学习者找出自己的不足，从而进行弥补；

5)自适应自主学习可以自动寻求适应人脑的学习方法。

2.2 自适应在线自主学习模型构建[4]

随着自适应技术在理论和实践领域的迅速发展，自适应控制系统也出现了多种形式，但目前自适应控制在理论上比较成熟、在应用上比较广泛的还是模型参考自适应控制和自校正控制。依据自动控制理论和自适应控制理论，自适应自主学习是一种有别于一般反馈控制的反馈控制系统。自适应在线自主学习模型如图1所示：

图1 自适应性在线自主学习模型图

3 自适应性在线自主学习的主要环节

依据自适应控制理论和自主学习理论，自适应在线自主学习模型可以看成是一个在线的自适应学习控制系统，自适应自主学习的核心是自适应性，系统依靠自适应学习评价单元调节自适应性。在线自主学习的自适应过程一般都有以下几个主要环节[5]：

3.1 获取数据

此环节的主要目的是获取学习者的数据。当学习者与自适应性学习平台交互时，系统会通过统计、记录学习者的学习行为，收集学习者的数据，得出准确的学习行为特征数据。用框架方式统计，以日志条目的形式呈现，包括学习者的学习内容、媒体选择、观看习惯、学习时长等等。

3.2 分析数据

此环节主要是存储、分析学习者的学习行为的原始数据，创建一个相关的学习者模型。在第一个环节统计数据之后，备份到数据中心，前期通过题目的设置来判断学习者学习的真实性，经过过滤，把干净的数据用作样本分析。利用样本数据和学习分析技术分析学习者的学习行为特征，构建基于学习者学习行为特征的学习者知识领域的学习者模型。

3.3 选择学习

此环节主要是根据学习者模型和学习目标来选择学习信息，更新学习者的知识点网络结构。知识点网络中的每一个节点都有掌握度和置信因子，随着学习者进入学习的时长和程度的推进，置信因子会不断变高，掌握度也会更加准确，在知识点网络中，知识点与知识点之间会形成多种关系，所以搭建一个细粒度的知识点网络结构是有一定难度的，置信因子是关键点。

3.4 展示信息

此环节是根据选择的过程和结果，将学习内容信息可视化地展示给学习者。自适应系统一般都是隐藏选择的过程详情，直观地、可视化向学习者展示最关键的信息，让学习者一目了然，可用详细的知识点列表和雷达图等方式来呈现。自适应学习内容也通过搭建内容支架为学习者提供更多的帮助。比如，先将学习者的学习内容分解成具体的一个一个的知识点模块，直到学习者完成每一模块的单独学习之后，再帮助学习者进行知识整合。自适应学习内容以知识点内容为基础，收集并分析学习者学习不同内容的数据。

文章来源：《诊断学理论与实践》 网址: http://www.zdxllysj.cn/qikandaodu/2021/0624/498.html