個性化學習在程序設計教學的應用

導語：個性化學習在程序設計教學的應用一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

【摘要】在網絡自適應學習系統中，如何向學生推薦滿足個體需求的學習資源是難題?；趯W生的可用時間和知識背景，提出一種基于Lesson-LO兩層航線圖的個性化學習路徑方法，在滿足學生的學習時間的同時盡可能提高學習效果。實踐結果表明，相比其他學生，使用推薦系統的學生在相同的時間內可以完成更多的學習內容，其自適應學習的效率和有效性大大提高了。

【關鍵詞】個性化學習路徑；時間限制；Lesson-LO航線圖

“停課不停學”給線上教學帶來了新的發展機遇。網絡自適應學習系統（AdaptiveLearningSystem，ALS）簡化了學習任務，使學生能夠按照自己的進度和方式進行學習，廣受學生喜愛，并在“停課不停學”中得到了空前的發展和應用[1]。但ALS也面臨一些挑戰，例如，如何向學生推送符合學生要求的學習材料。當多個不同專業、年齡、背景的學生學習同一門課程時，想要讓所有學生都投入同樣多的時間是不可能的。每名學生都有自己在學習時間上的限制，但學生都希望在可用的時間里得到最好的學習效果。為此，在ALS中需要設計一種學習路徑推薦系統，即在滿足學生可用時間的同時，能夠最大化學習效果的學習路徑（或者學習序列）推薦系統。以往的做法是使用一層航線圖（即直接采用學習對象），基于相關知識背景（知識背景通過選擇學習對象來指定）和學生可用時間來推薦路徑[2]。筆者提出使用兩層航線圖（即采用知識點Lesson+學習對象LO），基于相關知識背景（知識背景通過選擇知識點來指定）和學生可用時間來推薦路徑，并且還可以和學生進行實時交互，實時更新所推薦的路徑。

1設計思路

向學生推薦滿足其個體需求，同時最大化其學習效果的學習資源是筆者此項研究的主要目的。為此，筆者提出基于Lesson-LO（知識點+學習對象）兩層航線圖的個性化學習路徑推薦系統。從兩層航線圖中提取路徑（見圖1），并通過估算來獲得每名學生的得分和時間。然后，以知識點—學習對象為序列單元逐步推薦出學習路徑。推薦系統還可以實時收集學生的交互數據，從而可以實時更新路徑。在學生沒達到預估分數的情況下，還將向學生推薦輔助的學習對象（LO）。具體包括如下6個步驟。（1）構建航線圖：構建兩層航線圖，確定學習對象和知識點之間的所有關系。（2）生成路徑：從航線圖中為學生生成課程序列，即路徑。在生成路徑時需要考慮學生的可用時間和知識背景。（3）估計分數：為路徑估計分數[1]。（4）估計時間：為路徑估計時間[2]。（5）推薦路徑：設計一種機制來推薦一條路徑，該路徑應考慮學生的學習分數和其學習時的可用時間。（6）推薦輔助學習對象：當學生無法從一門課程中獲得預期效果時，推薦學生使用這些輔助的學習對象[3]。

2推薦系統在程序設計教學中的應用

筆者將推薦算法嵌入開源的自適應學習平臺Moodle中實現[4]。將“計算機程序設計基礎”課程中的循環控制作為教學案例，循環控制的知識點包括：循環控制的概念、while循環、dowhile循環、for循環、循環嵌套、循環的比較、goto循環、break語句和continue語句。將30名學生分成對照組和實驗組，每組15人，采用自愿報名和名額滿了自動劃分的方式成組。所有學生都參加了3個小時學習（包含學習循環控制的前5個知識點，即前5節課，共59個學習對象）。對兩組學生的學習進行研究，其中前2個小時用于課程學習，后1個小時用于小型考試（兩個小組相同，均設計5個測試題），以評估學生在課程中所學到的知識。實驗組需要回答3個簡短問題，以反饋實驗組學生對推薦系統的看法。兩組學生分別使用兩種不同的Moodle模型。實驗組使用的Moodle模型采用推薦系統指導學生，而對照組使用的Moodle模型采用預定順序交付學習對象[5]。分別從有效性、效率和吸引力3個方面進行評價[6]。有效性是指學生在一節課中正確完成學習對象的數量；效率是指學生達到目標所花費的時間；吸引力是指學生對系統的滿意度。首先，比較每名學生的學習對象和知識點的完成情況。對照組在前2節課中完成了更多的學習對象，而實驗組則完成了更多的知識點，如圖2所示。造成這一結果的原因可能是對照組按順序接收學習對象，并在接收學習對象時都做了回答，而實驗組僅完成了推薦的學習對象。但實驗組比對照組完成了更多的知識點。此外，由圖2（b）可以看出，實驗組在第1個和第2個知識點的得分上不如對照組，但是在第3個和第4個知識點上，實驗組的得分高于對照組。其次，在效率上，筆者統計了每個小組學生在學習每個知識點時所花費的時間。對照組所花費的時間主要集中在前3節課中，而實驗組在相同的時間內學習了4節課的內容，如圖3所示。因此，與對照組相比，實驗組的學習效率和有效性有較大提高。最后，采用問卷星收集實驗組學生對推薦系統的意見。問題包括：①推薦是否快速產生；②推薦是否有助于完成課程；③考慮到課程時間，對自己的最終成績是否感到滿意。有87.5%的學生認為推薦可以快速產生，表明實驗組的學生對該推薦系統是滿意的。上述結果表明，使用了推薦系統進行學習的學生，其自適應學習的效率和有效性大大提高了；在相同時間內，學生采用推薦系統推薦的學習路徑可以學習到更多的知識點；并且學生對該推薦系統是非常滿意的。推薦系統可以實時收集用戶的互動數據，例如，學生的學習得分和用時，并通過實時調整推薦路徑避免學生在學習時浪費時間。

3結語

筆者提出了一種基于Lesson-LO兩層航線圖的個性化學習路徑推薦系統。推薦系統是基于學生的可用時間和知識背景來計算路徑的，在滿足學生學習要求的同時盡可能提高了學習效果。

【參考文獻】

[1]NabizadehAH，AlípioMárioJorge，JoséPauloLeal.RUTICO：RecommendingSuccessfulLearningPathsUnderTimeConstraints[C]//AdjunctPublicationofthe25thConference.NewYork：AssociationforComputingMachinery，2017.

[2]吳強強，陳昊鵬，趙子濠．基于MOOC平臺數據和知識圖譜的學習路徑推薦：以軟件工程專業為例[J]．工業和信息化教育，2017（11）：33-38．

[3]李振．自適應學習系統中知識圖譜的人機協同構建方法與應用研究[J]．現代教育技術，2019，29（10）：80-86．

[4]方海光．基于教育大數據的量化自我MOOC自適應學習系統研究[J]．電化教育研究，2016（11）：39-42．

[5]蕭瀟．在線開放課程中的規范化與個性化初探[J]．工業和信息化教育，2016（11）：84-89．

[6]WangHC，HsuTT，SariY．Personalresearchidearecommendationusingresearchtrendsandahierarchicaltopicmodel[J]．Scientometrics，2019（3）：1385-1406．

作者:康松林 奎曉燕 劉衛國 嚴暉 單位:中南大學計算機學院