论文部分内容阅读
摘 要： 在远程教育模式下，由于教师教学和学生学习的分离，教师无法从学生的学习中及时了解学生掌握知识的程度，此外，学生的认知能力与学习风格、教育背景的个别差异，也导致学生学习效果的大相径庭，个性化的教学策略成为目前研究的热点。一种基于个性化的教学策略的提出，根据学生在线的学习情况，以及所学课程知识点的关联性，提供给不同学生个性化的推荐学习方案。通过实际运行，验证了该方法的可行性和成效。
关键词： 远程教学 个性化 关联 知识点
中图法分类号：TP301； 文献标志码： A
随着计算机和网络技术的发展，远程教学实现了不受空间和时间的限制，学习者可以在任何时间、任何地点接受教育。但也因为空间和时间的不同步，使得教师很难像传统教学中那样实时地从学生的反应中了解学生对知识的掌握情况。
大多数的远程教学系统将线下教学方法直接移植到网络环境中，在对同一门课程的教学和学习中，从课程的学习到学习情况的检测，对所有参与学习的学生都是相同的教学方案。对于不同的知识水平、认知能力的学生难以因材施教，难以满足学习者个性化的需求。同时，课程知识点的相关性与学生掌握知识点的程度未能结合起来，对于学生的后续学习不能提供预见性的教学方案。
目前，部分研究者将电子商务中常见的用户个性化推荐方法引入到教学系统中，但这样的模式大多基于用户兴趣，通过点击率、查询率等信息来为用户推荐他想访问的信息，但明显地，课程的学习并不能完全按用户的喜好来完成。理想的远程教学平台应该是智能型，为学生提供个性化教育，移动学习； 性化服务包括：根据学生的兴趣推荐有关课程或者学习资源；根据学生的问题、测试成绩指出没有掌握的知识点和学习建议，并且提供有针对性的补充知识；系统跟踪每个学生的学习过程，记录下学习日志，根据这些信息调整教学策略。
本文在传统的在线教学平台中引入了个性化服务模块，通过考虑学生的不同学习情况以及知识点的关联性，在学生的整个学习过程中动态调整学习方案，为学生提供最适合的教学资源。
1. 个性化教学策略
在远程教学平台中，存储了大量的各种类型的教学资源，包括媒体素材、题库、试卷、自由地来选取他想要访问的教学资源，而学生对课程的不了解，往往导致学生不知道应该选择哪些最适合自己的资源来进行学习。在个性化的教学策略中，学生除了自由选取学习内容之外，还可以根据系统为其推荐的学习方案来进行学习。
1.1 教学策略涉及的相关概念
在同一门课程中，学生的学习情况好坏是根据知识点掌握程度来鉴别的，任何一个章节，内容都有其所对应的知识点。在同一门课程中，前一章的知识点掌握情况会直接决定着后续学习的效果。所以，将所有教学资源都进行了知识点的划分尤为重要。
1） 知识树：各种不同的知识点以及他们之间的联系会形成一棵知识树，知识树是知识点和知识关系的集合。知识树={知识点，知识点关系}，知识点关系描述的是各知识点间是否有联系。
2） 知识点：知识点是描述教学领域的完整教学单元。一个知识点可以描述为以下几个方面：知识点=<知识点标识、知识点名称、关键词、学习内容、重要程度、难度、学习时间、知识点关系、扩展项>。其中重要程度为：了解，掌握，应用三类，以0，1，2表示；难度包括：简单、一般、复杂三类，以0，1，2表示。
3） 知识点关系：知识点关系是指知识点之间存在的各种关联及其程度。知识点之间一般存在三种关系，组成、前驱、无关系。如果A知识点与B知识点之间为组成关系，则有 ，其中 =A；例如：在数据结构中，树的先序遍历与树的遍历之间是组成的关系。若A、B知识点间为前驱关系，则表示A、B两个知识点不是组成关系，但掌握B知识点的前提条件是掌握A，A→B，表示A是B的前驱知识点。一个知识点可以有零至n个前驱知识点。当有多个前驱结点时，存在两种关系；
A∪C→B，表示A，C为B知识点的前驱知识点，但A，C中只要满足其中一个即可完成对B知识点的掌握。例如：数据结构中，B知识点是图的遍历，A，C知识点分别为图的邻接矩阵表示，图的邻接表表示。
A∧C→B，表示A，C为B知识点的前驱知识点，但只有A，C两个知识点都掌握的前提下，C知识点才能很好地掌握。
若没有特殊说明，前驱关系表示的是直接前驱关系。知识点之间另一种关系是无联系，这里的无联系并不是说完全没有关系，而是指没有明显的直接联系。
4）课程章节：课程章节是由知识点结合教学资源，以Web页的形式呈现给学习者，每个课程单元和知识树相关。课程章节=<课程单章节标识、课程章节名称、知识点集、教学资源集、扩展项>，其中，知识点集中包括该章节涉及到的直接知识点，教学资源集表示教学资源的标识集合。
2.2 教学策略
在教学策略的制定中，本系统采用了两套机制，学生仍然可以根据自己的喜好来选择需要访问的教学资源，同时，系统也提供根据学生情况所动态产生的推荐教学策略。推荐教学策略中，系统会根据用户之前的学习情况以及需要学习章节的知识点情况，产生适合该用户的学习方案。
如2.1所述，由于知识点中拥有组成和前驱两大关系，一门课程中拥有前驱关系的知识点会形成一个有向无环图，每个结点表示一个知识点，结点间的边表示他们的前驱关系。为避免节点间关系的冲突，若结点间为组成关系，则合结点由各分量结点代替，合结点与其他结点的前驱关系由分结点表示。例如：若B={A，C}，并有B→D，则表示为A∧C→D；同样，若存在关系D→B，则有D→A，D→C；
由此，推荐教学策略的算法描述如下：
1） 获取用户要进行学习的章节；
2） 读取章节数s，并查看上一个单元（s-1）的测试情况和本章节（s）的知识点集；
3） 将第s-1单元测试失分知识点排序，取前m个知识点 找到对应的知识点，符合以下条件：若存在 → 体库中找出知识点集有 且章节号为s的资源文件，做重点介绍；
4） 同时选取除重点介绍外的章节为s的知识点；
5） 由3），4）得到的信息，以设定的形式形成学习策略，展现给学习者。
2.3组卷策略
与学习策略相似，对于单元测验的试卷组织除了沿袭随机试题的方式，在试题的组织中结合学生以往测验的完成情况，有针对地检测学生掌握知识点的薄弱环节。章节在线组卷的算法如下：
1） 获取用户要选择测验的章节；
2） 若该章节为新测验章节，则根据传统的随机组卷的方法，根据知识点和难易程度产生试卷，进行测试。并将测试结果进行记录（各知识点对应的失分率），算法结束；
3） 若该章节为已测试过的章节，统计用户测验记录中各知识点权值w；
计算方法为：w=λ*（知识点的重要程度值+1）×失分率 （1）
其中，失分率=1-实得分/题目分数
4）将w按降序排列，选取前m个知识点，对这m个知识点按题目类型随机出卷，出卷的数量是各类型数量的1/2；
5）其余1/2道题目按随机出题的形式给出。
对于基于全书知识点的组卷算法与章节组卷算法类似，不同的是所选择的知识点不受章节限制，此处不再重复说明。
3.实验
根据本文所描述的个性化学习策略，采用.NET+SQL SERVER2008改进了原有的远程教学平台，在新平台中引入了个性化服务模块，对学习策略和组卷策略进行个性化服务。该平台目前提供数据结构、C语言课程的在线教学。
通过对100名学生使用该系统进行学习的情况，从浏览时间和最后使用效果（成绩）对个性化服务的接受程度和有效性进行验证。表1表示的是改进前后访问该教学系统的用户人数及停留时间的对比。由此我们可以看到改进后用户访问次数的增加和在该系统停留时间的增加。表2为学生使用改进前后的系统进行测验的最终结果变化。从表中可以看出，使用改进后的系统，对学生的成绩提高起到了明显的推动作用。
4.总结
随着远程教育的发展，个性化、自主式远程学习系统成为远程学习系统的发展趋势。本文研究了基于个性化的远程学习系统的模型。根据不同学生对于学习内容掌握的不同程度以及学习内容的知识点联系，在学习策略和组卷策略中引入了个性化的服务，能够针对学生不同的学习状况提供不同的学习安排和内容。接下来的研究中，应该进一步加强个性化的研究，比如通过分析获取用户常用的媒体资源类型，提供用户更能接受的教学形式，以及进一步引入数据挖掘的知识，对用户的特性化因素进行总结和分类。
参考文献：
[1]单松巍. 基于Web挖掘的个性化技术研究.计算机工程与设计[J].2004.1：4-6
[2]单蓉. 基于用户浏览行为的个性化教学系统 .信息技术 [J].2001，05：32-34
[3]沈军，网络教学中个性化策略研究.计算机研究与发展[J].2003.4：589-595
[4]万欣. 基于学习风格的个性化网络教学环境的设计与实验研究 [D].西南大学，2009：8-9
[5]吴英. 智能在线考试系统中遗传算法组卷的设计和实现. 制造业自动化[J].2011.1：215-217
StudyonPersonalizedEdutioStrategyforDistance-Learning Model
Wang Li-hong
（TrainingCollege of the Open University of SiChuan，， Chengdu，610045）
Abstract： Because of the difference in learners’ social experience， cognitive style， learning ability and the distance of the teachers and students， the existing distance-learning system causes poor interaction， and learning effect is not obvious. In this paper， a personalized education strategy is proposed， through analyzing the learning ability of learners， grasping their learning need， ，at the same time， connecting with the relation of knowledge points ，the system can adjust the learning plan and provide them with individualized learning resource so that every student could acquire individualized teaching service. Experiment has been proved that the strategy is feasible and reliable.
Keyword：distance-learningpersonalizededucation previous relation knowledge points
作者姓名：
王力洪，讲师，硕士，详细通讯地址：四川省成都市武青北路7号四川广播电视大学。
关键词： 远程教学 个性化 关联 知识点
中图法分类号：TP301； 文献标志码： A
随着计算机和网络技术的发展，远程教学实现了不受空间和时间的限制，学习者可以在任何时间、任何地点接受教育。但也因为空间和时间的不同步，使得教师很难像传统教学中那样实时地从学生的反应中了解学生对知识的掌握情况。
大多数的远程教学系统将线下教学方法直接移植到网络环境中，在对同一门课程的教学和学习中，从课程的学习到学习情况的检测，对所有参与学习的学生都是相同的教学方案。对于不同的知识水平、认知能力的学生难以因材施教，难以满足学习者个性化的需求。同时，课程知识点的相关性与学生掌握知识点的程度未能结合起来，对于学生的后续学习不能提供预见性的教学方案。
目前，部分研究者将电子商务中常见的用户个性化推荐方法引入到教学系统中，但这样的模式大多基于用户兴趣，通过点击率、查询率等信息来为用户推荐他想访问的信息，但明显地，课程的学习并不能完全按用户的喜好来完成。理想的远程教学平台应该是智能型，为学生提供个性化教育，移动学习； 性化服务包括：根据学生的兴趣推荐有关课程或者学习资源；根据学生的问题、测试成绩指出没有掌握的知识点和学习建议，并且提供有针对性的补充知识；系统跟踪每个学生的学习过程，记录下学习日志，根据这些信息调整教学策略。
本文在传统的在线教学平台中引入了个性化服务模块，通过考虑学生的不同学习情况以及知识点的关联性，在学生的整个学习过程中动态调整学习方案，为学生提供最适合的教学资源。
1. 个性化教学策略
在远程教学平台中，存储了大量的各种类型的教学资源，包括媒体素材、题库、试卷、自由地来选取他想要访问的教学资源，而学生对课程的不了解，往往导致学生不知道应该选择哪些最适合自己的资源来进行学习。在个性化的教学策略中，学生除了自由选取学习内容之外，还可以根据系统为其推荐的学习方案来进行学习。
1.1 教学策略涉及的相关概念
在同一门课程中，学生的学习情况好坏是根据知识点掌握程度来鉴别的，任何一个章节，内容都有其所对应的知识点。在同一门课程中，前一章的知识点掌握情况会直接决定着后续学习的效果。所以，将所有教学资源都进行了知识点的划分尤为重要。
1） 知识树：各种不同的知识点以及他们之间的联系会形成一棵知识树，知识树是知识点和知识关系的集合。知识树={知识点，知识点关系}，知识点关系描述的是各知识点间是否有联系。
2） 知识点：知识点是描述教学领域的完整教学单元。一个知识点可以描述为以下几个方面：知识点=<知识点标识、知识点名称、关键词、学习内容、重要程度、难度、学习时间、知识点关系、扩展项>。其中重要程度为：了解，掌握，应用三类，以0，1，2表示；难度包括：简单、一般、复杂三类，以0，1，2表示。
3） 知识点关系：知识点关系是指知识点之间存在的各种关联及其程度。知识点之间一般存在三种关系，组成、前驱、无关系。如果A知识点与B知识点之间为组成关系，则有 ，其中 =A；例如：在数据结构中，树的先序遍历与树的遍历之间是组成的关系。若A、B知识点间为前驱关系，则表示A、B两个知识点不是组成关系，但掌握B知识点的前提条件是掌握A，A→B，表示A是B的前驱知识点。一个知识点可以有零至n个前驱知识点。当有多个前驱结点时，存在两种关系；
A∪C→B，表示A，C为B知识点的前驱知识点，但A，C中只要满足其中一个即可完成对B知识点的掌握。例如：数据结构中，B知识点是图的遍历，A，C知识点分别为图的邻接矩阵表示，图的邻接表表示。
A∧C→B，表示A，C为B知识点的前驱知识点，但只有A，C两个知识点都掌握的前提下，C知识点才能很好地掌握。
若没有特殊说明，前驱关系表示的是直接前驱关系。知识点之间另一种关系是无联系，这里的无联系并不是说完全没有关系，而是指没有明显的直接联系。
4）课程章节：课程章节是由知识点结合教学资源，以Web页的形式呈现给学习者，每个课程单元和知识树相关。课程章节=<课程单章节标识、课程章节名称、知识点集、教学资源集、扩展项>，其中，知识点集中包括该章节涉及到的直接知识点，教学资源集表示教学资源的标识集合。
2.2 教学策略
在教学策略的制定中，本系统采用了两套机制，学生仍然可以根据自己的喜好来选择需要访问的教学资源，同时，系统也提供根据学生情况所动态产生的推荐教学策略。推荐教学策略中，系统会根据用户之前的学习情况以及需要学习章节的知识点情况，产生适合该用户的学习方案。
如2.1所述，由于知识点中拥有组成和前驱两大关系，一门课程中拥有前驱关系的知识点会形成一个有向无环图，每个结点表示一个知识点，结点间的边表示他们的前驱关系。为避免节点间关系的冲突，若结点间为组成关系，则合结点由各分量结点代替，合结点与其他结点的前驱关系由分结点表示。例如：若B={A，C}，并有B→D，则表示为A∧C→D；同样，若存在关系D→B，则有D→A，D→C；
由此，推荐教学策略的算法描述如下：
1） 获取用户要进行学习的章节；
2） 读取章节数s，并查看上一个单元（s-1）的测试情况和本章节（s）的知识点集；
3） 将第s-1单元测试失分知识点排序，取前m个知识点 找到对应的知识点，符合以下条件：若存在 → 体库中找出知识点集有 且章节号为s的资源文件，做重点介绍；
4） 同时选取除重点介绍外的章节为s的知识点；
5） 由3），4）得到的信息，以设定的形式形成学习策略，展现给学习者。
2.3组卷策略
与学习策略相似，对于单元测验的试卷组织除了沿袭随机试题的方式，在试题的组织中结合学生以往测验的完成情况，有针对地检测学生掌握知识点的薄弱环节。章节在线组卷的算法如下：
1） 获取用户要选择测验的章节；
2） 若该章节为新测验章节，则根据传统的随机组卷的方法，根据知识点和难易程度产生试卷，进行测试。并将测试结果进行记录（各知识点对应的失分率），算法结束；
3） 若该章节为已测试过的章节，统计用户测验记录中各知识点权值w；
计算方法为：w=λ*（知识点的重要程度值+1）×失分率 （1）
其中，失分率=1-实得分/题目分数
4）将w按降序排列，选取前m个知识点，对这m个知识点按题目类型随机出卷，出卷的数量是各类型数量的1/2；
5）其余1/2道题目按随机出题的形式给出。
对于基于全书知识点的组卷算法与章节组卷算法类似，不同的是所选择的知识点不受章节限制，此处不再重复说明。
3.实验
根据本文所描述的个性化学习策略，采用.NET+SQL SERVER2008改进了原有的远程教学平台，在新平台中引入了个性化服务模块，对学习策略和组卷策略进行个性化服务。该平台目前提供数据结构、C语言课程的在线教学。
通过对100名学生使用该系统进行学习的情况，从浏览时间和最后使用效果（成绩）对个性化服务的接受程度和有效性进行验证。表1表示的是改进前后访问该教学系统的用户人数及停留时间的对比。由此我们可以看到改进后用户访问次数的增加和在该系统停留时间的增加。表2为学生使用改进前后的系统进行测验的最终结果变化。从表中可以看出，使用改进后的系统，对学生的成绩提高起到了明显的推动作用。
4.总结
随着远程教育的发展，个性化、自主式远程学习系统成为远程学习系统的发展趋势。本文研究了基于个性化的远程学习系统的模型。根据不同学生对于学习内容掌握的不同程度以及学习内容的知识点联系，在学习策略和组卷策略中引入了个性化的服务，能够针对学生不同的学习状况提供不同的学习安排和内容。接下来的研究中，应该进一步加强个性化的研究，比如通过分析获取用户常用的媒体资源类型，提供用户更能接受的教学形式，以及进一步引入数据挖掘的知识，对用户的特性化因素进行总结和分类。
参考文献：
[1]单松巍. 基于Web挖掘的个性化技术研究.计算机工程与设计[J].2004.1：4-6
[2]单蓉. 基于用户浏览行为的个性化教学系统 .信息技术 [J].2001，05：32-34
[3]沈军，网络教学中个性化策略研究.计算机研究与发展[J].2003.4：589-595
[4]万欣. 基于学习风格的个性化网络教学环境的设计与实验研究 [D].西南大学，2009：8-9
[5]吴英. 智能在线考试系统中遗传算法组卷的设计和实现. 制造业自动化[J].2011.1：215-217
StudyonPersonalizedEdutioStrategyforDistance-Learning Model
Wang Li-hong
（TrainingCollege of the Open University of SiChuan，， Chengdu，610045）
Abstract： Because of the difference in learners’ social experience， cognitive style， learning ability and the distance of the teachers and students， the existing distance-learning system causes poor interaction， and learning effect is not obvious. In this paper， a personalized education strategy is proposed， through analyzing the learning ability of learners， grasping their learning need， ，at the same time， connecting with the relation of knowledge points ，the system can adjust the learning plan and provide them with individualized learning resource so that every student could acquire individualized teaching service. Experiment has been proved that the strategy is feasible and reliable.
Keyword：distance-learningpersonalizededucation previous relation knowledge points
作者姓名：
王力洪，讲师，硕士，详细通讯地址：四川省成都市武青北路7号四川广播电视大学。