基于虚拟学习社区的智能学习算法研究

2014-10-14曾桂，程艳

计算机与现代化 2014年9期

曾桂，程艳

(江西师范大学计算机信息工程学院，江西南昌 330022)

0 引言

随着Internet的迅速发展和全球对终身教育的需求，以异步式教育方式为主要特征的网络教育正成为Internet上的一种重要应用［1］。随着网络技术的迅猛发展，虚拟学习社区成为网络学习和远程教育的一个发展趋势，为学习者提供了一个开放的学习环境，是满足时代教育要求的强有力的平台。虚拟学习社区是一种新型的学习组织，是当代社会需求和科学技术及其学与教理论相结合的产物。在国外，网络教学平台主要有Web CT、Virtual-U、Learning Space等;国内自主开发的网络教学平台有北京大学网络教育学院开发的网络教学平台——BluePower，北京师范大学余胜泉、何克抗等人设计开发的V-class网络教学平台等。但国内外在研究或应用上有一些明显的弱点，其中个性化和智能水平整体不高、发展缓慢是最突出的问题［2］。随着网络技术的迅猛发展，现代远程教育成为教育研究的热点，教育虚拟社区成为网络学习何远程教育的一个发展趋势，急需研究新型的智能学习模式。传统的学习模式一般指学习者基于虚拟学习社区进行自我、交互、协作的学习，其中学习者因自身学习能力，记忆能力的差异不能有效地选择知识点进行智能学习，造成效率低下，由此本文基于虚拟学习社区，设计一种方便、有效、智能、反思的学习算法来帮助学习者进行学习，从而提高学习者的学习效率，并为构建虚拟学习社区提供理论技术支撑，以便更好地指导教育虚拟社区的学习实践。

1 虚拟学习社区

虚拟学习社区是在线学习和虚拟社区结合的产物［3］。将现实中的社区应用到网络形成的虚拟社区，而将虚拟社区应用到学习领域，即在虚拟社区中进行网络数字化学习以便形成虚拟学习社区。虚拟学习社区是基于跨时空的、开放的、自由的网络环境下，由不同类型的学习者及教学者共同构成的一个互动的、协作的学习团体，通过互相沟通、交流，最终达到收获知识，共同完成一定学习任务的目的，并形成相互影响、相互促进的社会关系共同体。

基于网络的虚拟学习社区随着数字化学习成为一种新型学习模式，打破传统课堂空间条件约束的限制，是一个发展学生个性的自由空间，克服了远程教育中的孤独感，便于进行情感交流。其特征主要有:自主性、交互性、协作性、反思性、及时性、情感性、开放性等。其分类引用王陆博士在其博士论文中所划分的5大类［4］:教育虚拟学习社区;专业虚拟学习社区;兴趣虚拟学习社区;研究、发展和创新型(R+D+I)虚拟学习社区;有限虚拟学习社区。

近年来，网络学习领域的专家们对如何构建理想虚拟学习社区进行了大量的研究，内容涉及虚拟学习社区的各个方面:

1)虚拟学习社区的设计与构建，或提出系统设计模型［5］，或归纳建立虚拟学习社区的基本步骤［6］，或利用不同技术搭建虚拟学习社区平台［7-8］;

2)虚拟学习社区知识构建和管理，主要有社区知识构建与集体智慧的发展框架［9］、隐性知识在社区中的传播［10］、不同类型学习者在虚拟学习社区中的知识建构等［11-12］;

3)虚拟学习社区的绩效评估［13］及对虚拟学习社区有效性的反思［14］;

4)虚拟学习社区学习者的情感分析［15-16］;

5)虚拟学习社区人际互动研究，包括互动的机制［17］、影响互动的因素［18］、互动结构［19-20］等。

而在如何构建理想虚拟学习社区，探讨如何在虚拟学习社区中实现智能学习方面的研究较少，随着网络技术迅猛发展，面对现代远程教育成为教育研究的热点，教育虚拟社区成为网络学习和远程教育的一个发展趋势，急需研究新型的智能学习模式。

2 智能学习个性化推荐算法

2.1 智能学习个性化推荐算法体系结构

在本文所设计的智能学习个性化推荐算法中，知识点采用问题、答案的形式展示，类似考试题库。

该算法的整体架构包括2个部分:前台知识点学习模块和后台统计信息模块。

1)前台知识点学习模块。知识点学习模块主要功能是学习知识点。包括知识点问题页面和知识点答案页面，初始显示知识点的问题页面，若学习者不能解答该知识点，可以点击查看该知识点的答案页面。本文中，在知识点学习模块，如何智能展示知识点，个性化推荐知识点是本算法的中枢，该算法根据知识点的难易程度，良好有规律地展示了安排知识点出现的规则，即从易到难，并且区分某知识点是否被掌握，在某知识点未被掌握的情况下，有效利用大脑的记忆规律以一定的时间间隔和次数再次展示使学习者学习。在该算法的帮助下，学习者可以迅速、有效地掌握知识点，并且避免健忘已掌握的知识点，人性化地设计了学习者如何智能、反思性地掌握知识点的步骤与方法。

2)后台统计信息模块。主要功能为实时统计学习者的学习情况，以便学习者可以及时查看学习掌握度，从而调整学习计划，进行合理的分配学习时间与任务，根据学习者的实际需求，统计信息模块主要包括以下功能:今天共学习知识点时间，今天共掌握知识点数量，累计已经学习时间，预计学习完成所需时间，掌握知识点比例，平均每天学习时间。

智能学习个性化推荐算法体系结构如图1所示。

图1 智能学习个性化推荐算法体系结构图

2.2 拟解决的关键技术问题

1)设计“下一个”知识点流程规则。

2)拟定老知识点的下一次展示时间规则。

3)后台统计信息模块根据统计的学习者学习数据，智能推断学习者还需多少时间完成整个知识点库的学习。

2.3 智能学习个性化推荐算法工作流程设计

2.3.1 知识点模块

知识点模块主要功能是学习知识点。包括知识点问题页面和知识点答案页面，初始显示知识点的问题页面，若学习者不能解答该知识点，可以点击查看该知识点的答案页面。

2.3.1.1 知识点问题页面

学习者在学习知识点时，知识点问题页面是最常用的页面，学习者进入虚拟学习社区启动学习知识点后，便进入问题页面。学习者学习知识点时，若不能解答该知识点，可点击屏幕进入知识点答案页面。

2.3.1.2 知识点答案页面

学习者在知识点问题页面学习知识点时，若不能解答该知识点，则点击“未掌握”按钮即可进入知识点答案页面，或者能够自行解答但仍需查看知识点相关答案、解析等，则点击“已掌握”按钮亦可进入知识点答案页面。知识点答案页面包含知识点释义、详细解释等。

2.3.1.3 智能展示知识点算法

智能展示，个性化推荐知识点是本算法的中枢，该算法人性化地设计了学习者如何智能、反思性地掌握知识点的步骤与方法。

利用算法的智能性，根据知识点的难易程度，良好有规律地展示了安排知识点出现的规则，即从易到难，并且区分某知识点是否被掌握，在某知识点未被掌握的情况下，如何以一定的时间间隔和次数再次展示使学习者学习。在该算法的帮助下，学习者可以迅速、有效地掌握知识点，并且避免健忘已掌握的知识点。下面阐述本算法的一些主要逻辑、规则。

规则一 “下一个”知识点规则。

本算法的“下一个”知识点规则遵守一个原则:越是不熟悉的知识点，越是频繁地出现。即知识点分为2类:

1)旧知识点:曾经出现过并且学习者标记过“已掌握/未掌握”的知识点。

2)新知识点:除了旧知识点以外的知识点。

因算法初始时，无旧知识点，所以需初始化最初的2个新知识点，因当第一个知识点学习完成时，即将学习第二个知识点，所以第二个知识点要预先生成，“下一个”实质意义指的是第三个知识点。具体规则流程如图2所示。

图2 “下一个”知识点流程规则图

生成“下一个”知识点时，优先考虑旧知识点中是否需要回顾，如无，则返回下一个新知识点;反之，则返回最需要回顾的旧知识点。

当知识点出现后，学习者可以根据自己对该知识点的学习掌握情况，选择标记为“已掌握/未掌握”，应用后台将记录这一选择，并根据历史的学习掌握情况，计算出该老知识点的下一次出现时间，以此类推。

规则二 “下一个”新知识点规则。

一般情况下，下一个新知识点按从易到难的顺序生成。但因学习者的学习基础不一致，为了避免基础好的学习者总是学习简单的知识点，对此本算法设置了一项快进、快退规则，即规则如下:

如若连续5(可调)个新知识点被标记为“已掌握”，则新知识点的指针快进20%(可调);如若连续5(可调)个知识点被标记为“未掌握”，则新知识点的指针快退20%(可调)。

快进、快退的比例，以该方向剩余知识点量作为基数。

规则三 “下一个”老知识点规则。

学习者选择“已掌握/未掌握”以后，每个老知识点都会更新下一次展示的时间，连续掌握的越多，下一次展示时间就越延后，具体规则如表1所示。

表1 老知识点下一次展示时间

除表1的规则外，需重点说明以下3种情况:1)知识点总共掌握的次数n≥6;

2)知识点初次掌握的结果为“掌握”;3)知识点最近2次掌握结果为“掌握”。

针对以上3种情况的知识点，在新知识点遍历完之前，该老知识点将不再显示，直至新知识点全部遍历完成，再显示一次以防遗忘。

2.3.2 统计信息模块

学习者在知识点问题/答案页面可进入统计页面。在统计页面，可查看的统计信息包括:今天共学习知识点时间，今天共掌握知识点数量，累计已经学习时间，预计学习完成所需时间，掌握知识点比例，平均每天学习时间。学习者通过查看这些数据，可掌握自己学习知识点的程度与进度，使学习者可优化调整学习知识点的时间与强度。下面详细介绍关于统计页面的各个功能模块。

2.3.2.1 今天共学习知识点时间

今天共学习知识点时间指在今天时间内，进入虚拟学习社区学习知识点的时间。将“今天”内，知识点页面的展示时间进行累加。计算前一次页面切换和这一次页面切换的时间差，如果时间差大于60秒，则计算为60秒，小于60秒，则直接相加。其展示格式如表2所示。

表2 今天共学习知识点时间

2.3.2.2 今天共掌握知识点数量

今天共掌握知识点数量指今天内，掌握知识点的个数。今天共掌握知识点数量等于第一次学习时间为今天，且今天最后一次学习结果为“已掌握”的所有知识点总和。

2.3.2.3 累计已经学习时间

累计已经学习时间指每天学习知识点的时间的总和，以实际天数为准。其展示格式如表3所示。

表3 累计已经学习时间

2.3.2.4 预计完成学习所需时间

根据统计的学习者学习数据，智能推断学习者还需多少时间完成整个知识点库的学习。如果学习者在当天进入虚拟学习社区进行学习知识点，算法便会计算该天“已掌握的知识点数量”。并保存除今天外最近5天每天学习的知识点数量。预计完成学习所需时间=当前尚未掌握的知识点数量/除今天外最近5个“今天共掌握的知识点数量”的平均值。其展示的格式如表4所示。

表4 预计完成学习所需时间

2.3.2.5 掌握知识点比例

掌握知识点比例指显示学习者掌握知识点所占知识点库的比例。掌握的知识点需要符合以下条件之一:

1)初次学习的结果为“掌握”。

2)最近3次学习结果为“掌握”。

掌握知识点比例=掌握知识点的数量/总知识点数量。

2.3.2.6 平均每天学习时间

平均每天学习时间指学习者每天学习知识点的平均时间，以实际天数为准。显示的格式如下:如果不足1小时，显示为“XX分钟”，超过1小时，显示为“X.X小时”。

3 实验结果与分析

基于虚拟学习社区的智能学习算法，考虑学生学习力、记忆力的差异性，根据知识点的难易度进行个性化推荐知识点，以满足学生个性化、反思化的学习目的。本文以江西师范大学教育学院网络学习学生为实验对象进行实验研究，其中包括24名学生，试验学习时间为7天，实验结果表明，该智能学习算法具有较高的可行性和有效性。采用智能学习算法进行知识点学习的学生与基于普通虚拟学习社区进行知识点学习的学生学习情况统计效果如图3与图4所示。

图3 学生学习总体情况对比分析图

图4 个体学生学习情况对比分析图

由图可知，学生采用智能学习算法进行学习所掌握的知识点数量明显高于基于普通虚拟学习社区进行知识点学习的数量，尤其当学生学习知识点的数量增加时，对比效果更加明显。因此，本文基于虚拟学习社区的智能学习算法具有较好的可行性与有效性，并且能够提高学生的学习效率。

4 结束语

虚拟学习社区成为网络学习和远程教育的一个发展趋势，网络教育作为个性化培养的重要途径，其个性化和智能水平发展亟待新模式，本文的研究重点在于基于虚拟学习社区，提出一种智能的个性化推荐算法，该算法的智能性体现在根据知识点的难易程度，良好有规律地展示安排知识点出现的规则，即从易到难，并且区分某知识点是否被掌握，在某知识点未被掌握的情况下，如何以一定的时间间隔和次数再次展示知识点给学习者学习。在该算法的帮助下，学习者可以迅速、有效地掌握知识点，并且避免健忘掌握的知识点，使学习者能够方便、有效、智能、反思性学习，从而提高学习者的学习效率。

［1］赵国案，朱新梅.论网络高等教育的现状及其发展趋势［J］.中国远程教育，2002(5):11-15.

［2］郭玉清.网络学习社群的信息聚集与推送机制研究［D］.上海:华东师范大学，2011.

［3］甘永成.虚拟学习社区多重内涵之解析与研究［J］.现代远程教育研究，2005(5):10-15.

［4］王陆.虚拟学习社区的社会网络结构研究［D］.兰州:西北师范大学，2009.

［5］Ravitz J.AN ISD Model for Building Online Communities:Furthering the Dialogue［DB/OL］. http://www.design4instruction.com/articles/article_26.htm，2014-06-23.

［6］Palloff R M，Pratt K.Building Learning Communities inCyberspace［M］.San Francisco:Jossey-Bass，1999.

［7］陈卫东，席秋玉.基于Claroline平台的网络课程学习社区的模型设计［J］.远程教育杂志，2009(5):46-49.

［8］卢志国，郑光辉.论Web2.0环境下虚拟学习社区的构建［J］.情报资料工作，2009(2):36-39.

［9］甘永成，祝智庭.虚拟学习社区知识建构和集体智慧发展的学习框架［J］.中国电化教育，2006(5):27-32.

［10］李玉斌.虚拟学习社区中隐性知识传播研究［J］.电化教育研究，2008(7):60-63.

［11］宋宝瑜.虚拟学习社区群体学习特征与知识构建策略研究［J］.远程教育杂志，2009(6):19-22.

［12］刘洋，兰聪花.虚拟学习社区中少数民族大学生学习策略的调查与研究［J］.电化教育研究，2010(9):106-108.

［13］程艳，许维胜，何一文.虚拟学习社区的绩效评估模型［J］.计算机工程与应用，2011，47(4):17-21.

［14］陈国强.虚拟学习社区的有效性反思及其发展思路［J］.电化教育研究，2006(7):26-29.

［15］苏建华，苏贵民.高校图书馆虚拟学习社区归属感初探［J］.图书馆论坛，2010(5):152-154.

［16］何苗，程坤，郭允建.虚拟学习社区中社会临场感研究初探［J］.中国电化教育，2010(1):54-58.

［17］钱旭升，师红霞.虚拟学习社区中的人际交互机制研究——以国家级精品课程《现代远程教育》为例［J］.远程教育杂志，2011(1):62-67.