（计算机应用技术专业论文）智能授导系统中学习者特征分析的研究.pdf

摘要 随着现代信息技术的飞速发展和互联网的普及，网络教育作为信息技术应用 的重要课题而受到全球各国的高度重视。网络教育是远程教育发展的趋势。网络 教育与传统教育相比具有许多明显的优势，学习者可以不受时间和空间的限制， 随时、随地完成双向交互式的教学活动，共享优秀的教学资源，突破了教育的时 空限制，为学习者提供了新的学习空间和时间，大大提高学习者的学习主动性和 积极性，并推进了教育的大众化和终身化。 然而，网络教育也存在许多不足之处， 最为突出的是其模式单一，学生只能被动地接受完全相同的学习内 容;直接、生 硬地将既定的教学活动施加于学习者身上，即以教为主，而忽视了学习者的自 身 需要和他们的之间的个体差异。教师与学习者之间处于网络中，就失去了 传统课 堂教学中师生面对面交流的优势。对教师来说，无法及时、准确地捕获学习者学 习情况的信息，便难以 针对具有不同特征的学习者实施不同的教学策略;对学习 者来说，难以得到来自 于普通课堂中的教师或优秀学习者个性化的帮助。 各国研究学者提出 采用智能授导系统来解决这一难题利用智能授导系统让 计算机系统承担学习者的引导者和帮助者角色，即赋予计算机系统以智能，由 计 算机系统在一定程度上模拟人类教师的行为，指导学习者实现针对其个性特征的 最佳学习。 利用智能授导系统来实现个性化教学， 首要的 条件就是要获得学习者 特征，依据学习者特征才能安排不同的教学内 容、教学策略， 实现因 材施教。学 习者特征分析是智能授导系统中重要的部分。 本文从学习者特征分析理论研究和 学习者特征分析系统实现两方面分析了目 前国内外研究的 现状，给出了智能授导 系 统的 框 架结 构， 重点 研究了 智 能 授导 系 统 中的 学习 者 特 征分 析 模型， 采 用 数 据 挖掘和 w e b日 志 挖掘方法从 学习 者 个性 特征和学习 者 共 性特征两个维 度挖掘学习 者特征，并系统实现了 学习者特征分析模型。最后总结了 全文并展望的今后的进 一步工作。 关键词:网络教育;智能授导系统;个性化学习;学习者特征;数据挖掘:w e b 挖掘 ab s t r a c t wit h t h e r a p i d d e v e l o p i n g o f m o d e rn i n f o r m a t i o n t e c h n o lo g y a n d s p r e a d i n g o f w o r l d wi d e w e b , m a n y c o u n tr i e s p a y a tt e n t i o n t o w e b - b a s e d d i s t a n c e e d u c a t i o n a s a n i m p o r ta n t fi e l d o f t h e a p p l i c a t i o n o f i n f o r m a t i o n t e c h n o l o g y i n t h e w o r l d . n o w w e b - b a s e d d i s t a n c e e d u c a t i o n i s t h e d e v e l o p m e n t c u r r e n t o f d i s t a n c e e d u c a t i o n . c o m p a r e d w i t h t r a d i t i o n a l e d u c a t i o n w e b - b a s e d d i s t a n c e e d u c a t i o n h a s m a n y a d v a n t a g e s . l e a r n e r s c a n fi n i s h b i d ir e c t i o n a l m u t u a l t e a c h i n g a c t i v i t y a t a n y m o m e n t a n d e v e r y w h e re a n d s h a r e i n e x c e l le n t e d u c a t i o n r e s o u r c e s . d i s t a n c e e d u c a t i o n c a n i m p ro v e i n t e r e s t o f l e a r n e r s a n d m a k e e d u c a t i o n f o r l i f e i n a p o p u l a r s t y l e . h o w e v e r , w e b - b a s e d d i s t a n c e e d u c a t i o n h a s m a n y s h o r t a g e s . a p r o m i n e n t s h o r ta g e i s t h e s i m p l e x t e a c h i n g m o d e . l e a rn e r s w i t h d i ff e r e n t c h a r a c t e r o n l y c a n r e c e i v e c o m p l e t e l y s a m e c o n t e n t o n w e b - b a s e d d i s t a n c e e d u c a ti o n . w e b - b a s e d d i s t a n c e e d u c a ti o n n e g l e c t s n e e d o f le a r n e r s a n d l e a r n e r p r o fi l e . t e a c h e r s a n d l e a rne r s i n w e b - b a s e d d i s t a n c e e d u c a ti o n h a v e l e s s f a c e - t o - f a c e i n t e r c o mmu n i o n t h a n i n tr a d i t i o n a l e d u c a ti o n . i t i s h a r d f o r t e a c h e r s t o g a i n l e a r n s s t a t u s t i m e l y a n d t e a c h s t u d e n t s i n a c c o r d a n c e o f t h e i r a p t i t u d e . r e s e a r c h e r s a d o p t i n t e ll ig e n t t u t o r i n g s y s t e m t o re s o l v e t h i s p ro b l e m . i n t e l l i g e n t t u t o r i n g s y s t e m m a k e s c o m p u t e r m o r e i n t e l l i g e n t . c o m p u t e r c a n a c t a s t e a c h e r s t o t u t o r a n d h e l p l e a r n e r s a c c o r d i n g t o t h e c h a r a c t e r o f l e a r n e r s . t h i s a r t i c l e d i s c u s s e s t h e h i s t o ry a n d t h e p r e s e n t s i t u a ti o n o f a n a l y z i n g l e a rn e r p ro f i l e a n d g i v e s a m o d e o f a n a l y z i n g l e a rn e r p r o fi l e a n d r e a l i z e s t h e m o d e . t h e m o d e o f a n a l y z i n g l e a rn e r p r o f i l e a d o p t s d a t a m i n i n g a n d w e b m i n i n g t o o b t a i n p e r s o n a l p r o fi l e a n d c o m m o n p r o f i l e a n d l e a r n p re p a r a t i v e , s t u d y i n g s t y l e a n d s o o n . f i n a ll y , w e m a k e a c o n c l u s i o n o f t h e a r t i c l e a n d p o i n t o u t w h a t t o d o i n t h e f u t u r e . k e y w o r d s : w e b - b a s e d d i s t a n c e e d u c a ti o n ; i n t e l l i g e n t t u t o r in g s y s t e m ; l e a rn e r p r o f i l e ; d a t a min i n g ; we b mi n i n g 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究 工作及取得的研究成果。据我所知，除了文中特别加以标注和致 谢的地方外， 论文中不包含其他人已经发表或撰写过的研究成果， 也不包含为获得东北师范大学或其他教育机构的学位或证书而使 用过的材料。与我一同工作的同志对本研究所做的任何贡献均已 在论文中作了明确的说明并表示谢意。 学 位 论 文 储 签 名 : i a f.日 期 : 互 嶙6 8 学位论文版权使用授权书 本学位论文作者 完全了 解 东北师范大学 有关 保留、 使用学 位 论文的规定，即:东北师范大学有权保留并向国家有关部门或机 构 送交学位论文的复印 件和磁 盘， 允许论文 被查阅 和借阅 本 人 授权东北师范大学可以将学位论文的全部或部分内容编入有关数 据库进行检索，可以 采用影印、 缩印或 其它复制 手段保存、 汇编 学位论文。 ( 保密的学位论文在解密后适用本授权书) 学位论文作者签名: 日期:鱼 t 指导教师签名: 日期: 一 学 位 论 文 作 者 毕 业 后 去 向 : 一 工 作 单 位 : 匕 型 地 址 ， 一 电话: 邮编: 第一章 引言 1 . 1 背景 网络远程教育出现不过短短十来年的时间， 在国内的发展仅仅是近7 年的时间( 以 教育部1 9 9 8 年的批准第一批四所院校成立网络教育学院计算) ，到目 前为止已 经取得 了巨大的 成绩u l 。 大力发展远程教育， 对于促进我国 教育的 普及和建立终生学习体系， 实现教育的 跨越式发展， 具有重大的现实意义z 7 6 7 远程教育的优势是明显的: 一方面， 它使得人们可以 不受地域与时间的限制共享优 秀的教学资源， 充分发挥互动和交流的优越性9 7 5 1另一方面， 学习方式也可以 灵活选 择，既可以实现自 主学习，也可以 实现协作学习， 从而使学习的主动性、积极性、 创 造 性得 到充 分的 发 挥6 1 ; 第 三， 教育中 信息 资 源的 多样 性、 丰富 性以 及资 源 检 索的 便 捷性更是 传统教育不可比 拟的。 可以 这 样说， 教育正向 着大众 化、 社 会化、 全 球化的 方向 发展， 将给人们提供开放、 平等、 协作和竟争的学习和工作空间， 并且通过网 络 的 桥 梁“ 终 生教 育” 也能 更 便 捷地 得以 实 现 和 普 及闭 。 然而，远程教育也存在许多不足之处，最为突出的是其模式单一，学生只能被动 地接 受 完全 相同 的 学习内 容; 直接、 生硬 地 将既 定 的 教 学 活 动 施 加于 学习 者 身 上， 即 以 教 为 主， 而 忽视了 学习 者的自 身 需 要 和 他 们的 之间 的 个 体 差 异。 事实 上， 这 些 差 异 普 遍 存 在， 并 且 其 类 型 也 是 多 种多 样 的 ， 主 要 体 现 在 学 习 者 的 认 知 水 平 和 认 知 风 格 上 ， 不同 的 学习 者 其学习的 进 度、 知 识 获 取方 式、 在学 习 过 程中 需 要的 帮 助等 等 可能 都 是 不 一 样的。 因 为 教师与 学习 者 之间 处 于网 络 中， 就 失 去了 传统 课 堂教 学中 师 生 面 对 面 交 流的 优势， 对 教 师来说， 难以 及时、 准确 地 捕获 学 习 者 学习 情 祝的 信息， 便 难以 针 对具 有 不同 特征的 学习 者实 施不同 的 教 学 策略， 进 行画 材 施 教: 对 学习 者 来 说， 也 就 难以 得 到 来自 于 普 通 课 堂 中 的 教 师 或 优 秀 学 习 者 个 性 化 的 帮 助。 于 是 研 究 如 何 让 计 算 机 系 统 能 部 分 地 代 替 教 帅 的 功 能 、 对 学 习 者 提 供 个 性 化 指 导 便成为一 个热点 研究和开发领域。目 前 研究 者 纷纷来用 智能授导系 统( i n t e l li g e n t t u t o r in g s y s t e m ， 简 称i t s ) 8 91 107 来 解 决 这 一 难 题 。 其 研 究 的 攘 终目 的 是由 计 算 机 系 统 承 担 学 习 者 的 引 导 者 和 帮 助 者 角 色 ， 即 赋 予 计 算 机 系 统 以 智 能 ， 由 计 算 机 系 统 在 一 定 程度上模拟人类教 师的 行为， 指导学习 者实 现针 对其个性 特征的 最佳 学习。 分析 学习 者 特 征 是 实 现 智 能 授 导 系 统 的 关 键问 题， 可以 为 教 李 策略 、 教 学 内 容 等 的 个 性 化 选 择 提供重要的 依据。 分析学习 者的特征主要是 指了 解学习 者的 学习 准备 情况及 其学习 风 格的活动。了解学习者的学习习惯，分析其学习方法，评估学习效果，找出学习的最 佳时间 段， 提供最佳的课程学习组合， 最终为学习 者制定适合自 己的学习进程，这样 的个性化学习系统能够刺激学习者的学习 热情， 提高学习的兴趣。 1 .2 学习者特征分析的研究现状 把学习者特征分析作为专门的研究领域只有几十年的时间。在这之前漫长的教育 长河中， 对学习者特征的分析是一种自 发的活动，完全依赖于教师的意识与水平， 但 在这个过程中也出现了一些影响较大的理论 对学习者分析的 研究依据乌美娜的研究主要包括了 几个部分的内 容n u . 一般特征 ( 包括年龄特征，智能、 情感特征， 成人学习者特征等) . 学习风格 . 学习者初始能力 r o t h w e l l a n d k a z a n a s 、 ( 1 9 9 8 ) 认为有两种与学习者相关的特征:1 ) 先前的知识、 技能和态度: 2 ) 其他相关特征。 这些特征主要包括学生的人口 学特征、 心理特质、 智 能( a p t i t u d e s ) 、 经 历、 学 习 风 格、 态 度 和 价 值 体 系 【11 从总体上来说， 学习者特征分析主要有两个方面:学习 准备 ( 包括先前的知识、 技能 和 态 度) ; 其 他 特 征 ( 其中 对学习 风 格的 研 究相 对 较为 集中) . 下 面 主 要 对学习 准 备和学习风格做一个简要的介绍。 1 )学习准备 学习准备是指学习者在进行学习时，其原有的知识水平和心理发展水平对新学习 的适应性. 奥苏贝尔说 “ 影响学生学习的首要因素是他们已 经知道什么。 研究并了 解学生学 习新知识之前具备的先前知识， 配之以 对教学的设计， 从而产生有效的学习。 ” 其实在 目 前的研究中 学习准备相对于先前知识有更加广泛的 含义。 学习的准备状态是有影响学生学习的多种内 部因素构成的，它包括个体成熟、 先 前的知 识经验和动机准备三个方面u 1成熟 是指没 有明 显教育影响 的 下的 能量增展。 这种增长可归因于 遗传和日 常生活经验。 是身、 心两个方面对学习的准备。 施良 方在 定义学习的时候就提及了 成熟， 他认为; “ 学习是指学习者因 经验而引 起的行为、 能力 和心理倾向的比 较持久的变化。这些变化不是由 成熟、 疾病或药物引起的， 而且也不 一定表现出 外显行为。 ”19 学习者己 有的知识经验是其获得新知识的基础。 瑞士心理 学家皮亚杰在研究儿童认识发展中 就强调; 儿童认识既受环境中 可利用信息的影响， 也受个体内 部已 有认识结构的影响。 动机是推动人们从事某种活动的内 部动团， 它是 一切目 的性行为的内 部动力。 学习者学习活动是一种有目 的行为， 所以，学习动机就 成了直接推动学习者进行学习活动的内部动因，是决定学习者学习成效的重要因素， 也是维持学生长期有效学习不可缺少的条件准备。 2 )学习 风格 学习风格到现在为止还没有一个确切的定义，具有代表性的主要有以 下几个: 学习风格是指对学习者感知不同刺激、并对不同刺激做出反应这两个方面产生影 响的所有心理特征。著名的学习风格研究者丽塔 邓恩 ( r it a d u n n )和尼迪 邓恩 ( k e n n e t h d u n n ) 夫妇 197 认为学习 风格是学生 集中 主以 并 试图 掌 握和记住新的 或困 难 的知识技能时所表现出的方式。 学习 风格15 是个个体组织和重现信息的 优先及习惯的 方法 ( r i d i n g a n d r a y n e r , 1 9 9 8 ) , 等等。 各种远程教育理论也纷纷出现，指导着远程教育的实践。但是对于网络学习者特 征及其分析的专门研究却很少。通过对国外相关文献的研究分析，发现对于网络学习 者个别差异的研究目前主要关注两个方面的问题:在网络教学中个体差异如何影响学 习的效果以 及如何设计网络教学使之符合个体差异16 。而对于网络教育学习者的特征 要素进行系统的分类整合形成特征体系的儿乎没有。国内高校网络学院在学习者研究 方面，目 前还主要处于人口分析层次上，如研究学习者的年龄分布情况、成人和青年 学习者的比 例是多少、多少人是就业的、学历比例如何、上网校的动机等等，当然， 也有对学习者学习方法、学习条件的调查分析。但对于学习过程中学习者的心理、行 为、学习效果及其相互关系等深层次的研究还很少。目 前远程教育学习者特征体系主 要有以下几个: 1 )远程教育学生的特征体系 ( 丁兴富的远程教育学生的理论分析体系 ) 丁兴富的远程教育学生的理论分析体系共有七个纬度: 一般资料; 有关生理的、 社会学资料; 地理学资料; 情况状态资料 动机动力资料 心理和行为的人口学资料; : . 观点与评价资料 这 个 理论 分析 体系 包 括的 面非 常 广泛， 涵盖了 学习 者几 乎 所 有的 特征。 但是 过 于 庞大， 缺少后 继的 研究是学习 者特征 与具体 运用结合， 可操作 性不 太强。 2 )陕 西师范 大学的 研究 者l8 在 传统的 学习 者特征分析 体系的 基础 上， 结 合网 络教 育 的 特 点 和 新的 研 究 成 果， 建 立 网 络 环 境 下 学 习 者 特 征 分 析 体 系( 如 表1 - 2 ) ， 主 要 包 括六大项 ( a智力、b学习风格、c 学习准备、 d网络化学习者特征、e 一般信息、 f 其他类) ，5 2 个要素项。 表 1 - 2 网络远程教育中学习者特征的分析体系表 类别项目 描述注意点 a 智 力 a l 智 能 us a l l 语言智能 语言 修 辞 智 能 是 指 运 用 语 言 、 文 字 进 行倾听、 阅读、 写作、 讨论， 达成有 效的 沟通、 理解、 说明、 创造新知识、 构建意义的能力。 每人都 具有每 一种智 能， 差别 a 1 2 数理逻辑智能 数理逻辑智能是对环境中的事物进 行抽象思考， 形成思考模型， 运用统 计计算、 推理、 逻辑思考、 实验研究， 以解决问题， 创造新的数学或科学思 考模式的能力。 能够思考图片和图形， 并具体和抽象 在于个 人所具 有的能 力高低 不同 a 1 3 视觉空间智能 地加以再现的能力。 a 1 4 音乐智能 a 1 5 身体运动智能 a 1 6 人际关系智能 能够创造和欣赏节奏、曲调的能力。 巧妙地控制身体和处理物体的能力 对他人情绪、 动机和愿望进行察觉并 做出适当反应的能力。 a 1 7 自 我认识智能 自 我意识以及内在情感、 价值、 信仰 和思维过程的能力。 a 1 8自 然智力 自 然观察智能是指观察、 辨认和洞悉 自 然， 对自 然界的 动植物和其他 物体 加以 认识 和分 类的能 力。 a 2 观察力 a 3 记忆力 a 4 想象力 a 5 思维力 a 6 注意力 智力的主要五个组成成分 燕国材 教授智 力分类 观点i 1 时间 偏 好 知觉反 应 声音偏 爱 对学习时间的偏好 视觉型，听觉型，触动觉型 bll一b12一b13 b 学 习风 格2 11 b 1 生理 性要 素 声音对学习的影响 b 2 认知 类要 素 b 2 1 场独立 性/ 场依存 性 b 2 2 语言- 空间偏爱 b 2 3 辨别技 场独立性/ 场依存性 对学习材料表现形式的偏爱 学习 者能 够觉察出 事 物的 重 要成分 甄著 丽 丽 a 1rc w 事 v i f7j 1 o r 芬 一 甲- r- i f t b m t / k i b u -i 一一- 一 以谭顶 良的学 习风格 为蓝本， 根据网 络教育 的特点， 进行了 删减，比 如去掉 对光线、 湿度偏 爱等 知觉风格 信息加工 记忆风格 思 维 风 格 b 2 6 分析与 非分析 分析与非分析 b 2 7 分散/ 集中 分散/ 集中 b 2 8 归类的 宽窄 类别宽窄测验 b 2 9 解决问题风 格 沉思/ 冲动 b 3 情感 意动 b 3 1 理性水平 反应学生在教育环境中对组织结构 的学要或者以依赖程度 b 3 2 成就动机力求获得成功的 倾向 b 3 3 控制点 人们对控制自 己 行为的原因或心理 力量的看法，内控/ 外控 3 3 4 焦虑水平 个体在一定的 压力状态下类似担忧 和紧张的反应，正常/ 过敏焦虑 b 3 5 为 完 成学习 任务 而 持续克 服困 难的 能力 b 4 大脑 功能 b 4 1 左右脑风格 对大脑左右边球的偏爱， 影响学习风 格 b 4 2 六种学习风 格 对大 脑3 个 联合 区 三中 学 习 方 式 在 学习过程中的参与程度分类 b 5 个性 b 5 1 个性的四 维 八极 形成1 6 种个 性特征 b 5 2 内向 / 外向 内向/ 外向 b 5 3 理智型、 情 感、意志型 理智型、 情感型、 意志型 对应不同的 学习类型 c 学 习准 备 c 1 动机 学习 的 原 因 和 动 力 c 2 认知结构 个 体的 观 念的 全 部内 部 和 组 织 c 3 学习态度 学 习 态 度 是 猎学 习 者对 学习 较为 持 久的 肯 定 或 否 定 的 行为 倾向 或内 部 反应的准备状态 d网 络化 学习 者特 - 征 d 1 技术水平 使 用 计 算机 和 基本 软 件的 能 力 水 平 d 2 信息素养 获 取、 处 理、 评价信 息的能 力 d 3 网络学习适应性 对于网 绍学 习 是不 是 适 应 d 4 网络心理 学习者与网络相关的所有信息参数 e一 般信 息 e 1 人日学年龄、性别、文化背景、学历等 e 2 社会学资料 关于教育的、 经济的、 政治、 宗教等 e 3 观点与评价资料 关于对自身、 社会、院校、 社会等评 价 f 其 他类 2 2 f 1 认识兴趣 人的兴趣在力求更深入的认识世界 方面的表现 由于非 智力因 素与学 习风格 有很多 的重复， 因此把 非 智力 因素( 除 去与学 习风格 重合的) 归入此 类 f 2 学习热情 指对学习活动所表现的一种热烈、 稳 定、深厚的情感状态 f 3 学习 热情 指一个学生对其所属群体的共同活 动、 行为规范以及他所承担的学习任 务的自 觉态度 f 4 支配性 在行动中采取主动， 有领导能力、 自 信心强 f s 好胜心 不满现状， 超越自己 及他人的一种心 理倾向 f 6自 信心相信自己的一种 在理论 研究的 基础上， 一些学 者对学习 者 特征 分 析的 模型建 构及实 现方法上也 进 行了 一 定 的 研 究。 许 多 学 者 纷 纷 给出 个 性 化 远 程 学 习 模 型， 如 上海 交 通 大 学 远 程 教 育 中 心的 研究 者2 31 241 在 远 程教 育系 统中引 入自 适 应机 制， 针 对 远 程 教育 系 统中 学习 者的 学习 特点， 提供不同 的学习资 w a r 提出 个性化学习 导航系统. 西 南师范 大学的 研究者 2s1 2s7 讨论了 如 何收 集、 分 析学 习 者在 学习 过 程中 的 动 态 和静 态信息， 如 学习 者的 认 知风格、学习习 惯、 态度倾向 等， 提出了学习者特征分析系统设计的理论模块。 重庆 大学网 络教育学院 现代远程教育中 心的 研究者 2 7 1 使 用数据挖掘技术发 现每个学习 者 的 个 性、 学习 行为、 学习反 馈 信息 和教师感兴 趣的 有关教学的 信息， 及时 调 整教学策 略， 制 定 适合 学习 者 个性的 教 学内 容 和教 学 活 动。 北 京 科 技大 学的 研究 者2e1对基 于w e b 的 文 本 挖掘 进 行了 分 析 研 究， 在w e b 挖掘 和 数 据 挖 掘 研究的 基 础 上， 提出 了 一 个 智能 化、 个性化的 现代 远程教育系 统结构模型. 华东师范 大学的 研究 者2 b 7 也 采 用数据挖掘 和知识发现技术， 在远程教育中使用数据挖掘技术建立个性化服务的模型。 实现个性 化的远程教育是一项长期而困难的工作。以 上的研究对实现个性化远程教育做出了有 益的探究， 但是这些研究工作仍存在许多不足之处: 1 ) 2 0 0 2 年初， 教育部教育信息技术标准化委员会提出了网络教育技术标准体系， 简称c e l t s 。 该体系为网 络远程教育系统的数 据交流与共享、 不同教学平台的互操作 等方制定了 有效的规范。上述的研究基本没有依据这个规范，因此设计的学习系统及 教学资源无法交流与共享。 2 ) 学习者是个复杂的个体， 影响其学习因素是方方面面的， 许多学者缺乏深入而 全面的理论研究。 忽视了 远程教育情况下的学习者特征的分析体系， 最终导致对学习 者特征分析的研究不成体系。 3 ) 学习者特征分析采用数据挖掘和知识发现的方法，学习者特征分析是复杂的， 不能将算法简单的挪用而是要针对远程教育系统特定环境进行改进。 1 .3本文研究内容 i 、系统分析了学习者特征分析的国内外研究现状。 2 、介绍了智能授导系统的结构框架，及其各个组成模块。 3 、 在智能授导系统中构建了一个学习者特征分析模型， 在模型中采用数据挖掘方 法、w e b日 志挖掘方法以及调查表方法，从学习者个性特征和学习者共性特征两个维 度分析学习者特征。采用w e b日 志挖掘的聚类算法，可以获得学习者聚类、 u r l 聚类 和 频 繁 访问 路 径， 能 够 为 学 习 者 分 类、 划分 兴 趣学 习 小 组 、 调 整 教 学内 容 结 构 提 供 依 据: 采用一 种改 进的决 策树算法， 该算法考虑到影响学习 者 特征的 各 种因 素 重要程度 不同， 对影响属性采用加权处理更加准确的分析出学习者特征: 采用 调查表的 方法可 以 获取学习 者的一般信息如颜色偏好、兴趣等。 4 、 在传统工 d 3 学习 算法的基础上作了一点 徽调而形成属性加权工 d 3 算法， 并通过 实例将两者算法进行了比较分析。 1 .4本文的内 容安排 本文共分为六章:第一章是引言部分，介绍了 本文的 研究背景、学习者特征分析 现 状 及 本 文的 主 要 研究内 容; 第二章 阐 述了 相 关 理 论、 方 法 与 技 术， 介 绍了 本文 相 关 概 念 : 智 能 授 导 系 统、 个 性 化 学习 、 数 据 挖 掘 以 及 w e b 白 志 挖翻 ; 第 三 章 介 绍了 一 个 智 能 授 导 系 统 的 总 体 框 架， 并 对 其 构 成 模 块 进 行了 详 细 的 阐 释 ; 第 四 章 重 点 给 出 了 学 习 者特征分析 模型， 并介绍了 学习 者模型 和教学 策略 模型; 第五章 给出了 实 现学习 者 特征分析的关键技术、算法， 采用w e b 日 志挖掘中的一种聚类算法， 获得学习 者群体 聚 类、 u r l 聚 类和频繁访问 路径; 采用一种决策树i d 3 算 法的改 进算法， 该算注 针对 玩 程教育环 境中 学 影响习 者特征的 各种因 素重要 程度不同 ， _ 采用 属性加权处 理， 两种算 法 通 过 实 例比 较 可以 发 现改 进的 算 法 更 加 准 确的 分析 出 学 习 者 特 征 ; 采 用 调 查 表 的 方 法获取学习 者的一般信息如颜色偏好、兴趣等;第六章对本文所做的 工作进行总结， 并展望了 今后需要继续开展的研究 第二章 相关理论及技术基础 本文的研究工作是建立在以 下理论及技术基础之上的，下面对所用理论及技术进 行简要阐述。 2 . 1智能授导系统 2 . 1 . 1智能授导系统的定义 智 能 授导 系 统 m ( i n t e l li g e n t t u t o ri n g s y s te m , 简 称 i t s ) 是 一 种 学 习 技 术 系 统， 能 根 据学习者的特定目 标、需求和偏好，利用教学方法和学科知识动态地调整学习内 容。 智能 授导系统掌握相关领域的知识、 授导策略和方法，能模拟学习者的知识状况。 学 习 环 境 可 用 于 独 立的 学 习 经 历， 或 提 供 帮 助 、 指 导 或 指 南 。 它 们 为 有 效 地 学 习 创 造 条 件， 并 可能 包 括数 字和 非数 字的 实 体 、 虚 拟 学习 环 境可 通 过 提 供 典 型的 活 动 诸如 展示、 讨论、 练习 和测验等来模拟教室 环境。 小规模的 学习 环境可以 是 塞于 模仿 和游戏， 学 习 环境的另一个典型例子就是虚拟实脸室。 智能 授导 系统 利用 人工智能 技术 来 模 拟“ 家 教” 的 行为， 允 许 学习 者与 计 算 机进 行双向问 答式对话。 一个理想的智能 授导系统不仅要具有学科领域知识， 而且要知道 它所教学习者的学习 风格， 还能 理解学习 者用自 然语言 表达的 提问 。 2 . 1 . 2 智能授导系统的一般结构 智能授导系统大都遵循着这样一种体系框架，即三个核心模块和一个用户界面 这三个核 心模块分别是学习 者模型、 专家知 识和授导 策略叫， 如图 2 - 1 所示: 图2 - 1 i t s 的一般体系结构 领域知识包括与教学科目 相关的 知识和实际使用的教学资源。 学习者模型收集存储了学习者的基本属性信息和学习行为信息，学习者的每一次 学习都不断的更新学习者模型信息， 这些积累存储的信息表示了学习者领域知识构建 的临时模型。这个模型可以在调整课程结构、掌握学习和适应性测试等情况下，为学 习者匹配选择相应的教学策略。 教学策略是指在整个教学过程中，依据教学的主、客观条件，特别是学习者的实 际，对所选用的教学方法和教学手段及教学模式等，在应用中不断予以相应的监控、 调节和创新。根据学习者模型反映的情况，进行选择、指导学习过程、满足学习者的 需要。 用户界面是学习者与系统交互的界面，通常可以设计成智能交互式的，能提供可 选择的方法满足当前指导操作的需要，能够理解学习者的自 然语言。本质上来说，智 能用户界面能够为学习者提供学习环境的清晰访问;提供相关恰当的信息内容;引导 学习者的任务进度等等。 2 . 1 . 3 智能授导系统的功能 智能授导系统是模仿人类教学专家的经验、方法来辅助教学工作的计算机系统。 系统能 代替教师的部分作用， 并能 弥 补教师的 某些 不足。 一般应具有以 下5 个功 ( 1 ) 具备某一学科知识; ( 2 ) 能够分析学生特征: ( 3 ) 记录学习者的学习情况; ( 4 ) 诊断学习中的错误并进行补救教学; ( 5 ) 可以自 动选择不同的教学方法实现以 学生为主体的个别化教学过程。 2 .2 个性化学习 2 . 2 . 1 个性化学习的含义 个性， 英 文一 词为“ p e r s o n a lity , 在个性 心理 学 上定 义为 : 人 类个 性以 其 遗 传学 素 质为基础， 在与环境相互作用的 过程中，有各种心理倾向 与特质的有机结合而形成的 稳定的 心理动力组织， 决定 着 个人的独 特行为 方式19 2 1简言 之， 个性是具有一 定倾向 性的 各 种心 理品 质的 总 和331 。 个 性 倾向 性 主要 包 括 个 人的 需 要、 兴 趣、 动 机、 信 念等 不同层次的基本成分。 个 性 化是 指使 事 物具 有某 种属 性 或某 种 趋势， 因 而 个 性 化的 含 义是 使事 物 具 有 个 性， 或使其个性凸 显。 这里包含了两层含义， 其一， 个性是斋要经过培养而逐步形成 的，这个过程称为是个体个性化的一个过程。其二，个体总是具有一定的个性的，让 这 种 个 性 得 到 别 人 的 了 解 、 认 可 ， 并 在 一 定 的 空 间 中 得 以 体 现 、 展 示 ， 使 每 个 个 体 都 拥有的潜在需求，这个过程称为个性化的过程。 个性化学习是具有或体现学习者个性的学习如在学习目 标、学习内容、学习 方式、学习手段、学习风格、学习策略等方面充分体现个人的特色和特长。它是一种 以承认学习者在社会背景、智能背景、态度价值、情感和生理等方面存在个别差异为 前提，努力使学习者的 个性特征与学习环境之间达到一种平衡时学习者的素质得到全 面提升，培养具有完善个性的人的学习理念。 2 .2 . 2 个性化学习的本质特征 划一性教育是一种忽视甚至无视教育者的个性特点，压制人的个性发展和潜能开 发的教育模式，其基本特征就是模式化。 个性化学习是相对于传统的强制划一的教育 思想而言的，是对划一性教育的否定， 它承认和重视学习 者的个别差异，不让学生变 为一个模子里出来的产品，是一种以 人为本的、从人的个性出发的教育理念。个性化 学习具有以下特征: . 个性化学习强调学习者的独特性 独特性是一个人区别于其他人的特这功能。 没有特征， 就没有一个个的人3 9 。 学 习者在个性方面的独特性可以 表现为性别、年龄、 气质、能力等方面。 个性化学习以 尊重学生的个别差异为前提，以发展学习者的个性为己 任，采用多元化的形式、弹性 化的结构、多样化的内 容为学习者的个性发展提供广阔空间。 . 个性化学习强调学习者的主体性 主体性质学习的主体意识或能动性. 个性化学习把学生视为具有独立人格的 主体， 尊重学习者在学习中的地位，学习经历等，维护学习者的稗严，激发学习者的积 极性，使学习者学会学习、学会生护、学会做人、学会交际。 . 个性化学习是素质教育的出发点、核心与归 宿 素 质 教育 是 促 进 学生 全 面发 展的 教 育。由 于 遗 传、 环 境等 方 面因 素的 制 约， 人 在 其发 展过 程中， 身 体、 心 理、 智能 等方 面 都必 然表 现出 明 显的 差 异， 实 施 素 质 教 育 首 先就应承认这些差异， 所以 个性学习是素质教育的出发点。 其次， 素质教育在不同的 个体身上必然会有不同的 组合， 呈现出 不同的个人特点。因 此个性化学习是素质教育 的 核 心。 最 后， 素 质 教 育 的目 的 是 促 进学习 者的 个 性 发 展， 因 此 个 性 化学 习 是素 质 教 育的归宿。 . 个性化学习是多种教学组织形式的组合 教学组织形式是指完 成特定的 教学任务， 教师和学生按一定 要 求组合 起来 进行活 动的结构。 历史上曾 经出 现过个别教学，小组教学、导生制， 苏联的分组实 验教学制 与班级授课制等多种教学组织形式。为了 充分发展学习 者的个性， 个性化学习的 组织 形式既可以 个别的 独立学习也可以 是班级教学或协作， 甚至多种形式的混合。 2 .3数据挖掘 2 .3 . 1 数据挖掘的定义 数据挖掘 ( d a t a m i n i n g ) 一种比 较公 认的 定义是w 7 .f r a w l e y , g p i a t e t s k y - s h a p i r o 等人提出的3 5 36 3 7 :数据挖掘， 就是从大型数据库的数据中 提取人们感兴趣的 知识， 这些知识是隐含的、事先未知的潜在有用信息，提取是知识表示为概念( c o n c e p t s ) , 规则( r u l e s ) 、 规律( r e g u l a r i t i e s ) 、 模式等形式。 这种定义 把数据挖掘的 对象定 义为数 据库，广义地说，数据挖掘的对象不仅是数据库，还可以是文本、w e b 信息、空间数 据、图像和视频数据等。 2 .3 .2 数据挖掘的过程 数据挖掘是根据对数据的分析，建立对数据的特性以及数据之间关系描述的模式 的过程。 在这个描述中， 数据是一系列事实的集合 ( 例如数据库中的实例) ， 而模式是 使用某种语言对数据集合一个自己的描述。过程是指挖掘中的步骤。数据挖掘一般由 三个主要阶段组成36 :数据准备、数据挖掘，以及结果的解释评估( 见图2 - 2 ) . 数据准备 数 据 ， 卡 结 果 表 达 和 “ 洲 结果表达和解释 预处理 数据选择 数据集成 数据源 二1. . 叶 l - -1 - - _- i_-_一_ _1 - -rcm 图2 一 数据挖掘的过程 l ) 数 据 准 备 数 据 准 备 这 一 阶 段 又 可以 分 为 三 个 子 步 骤: 数 据 选 取( p 响s e l e c t io n ) 、 数 据 预 处 理( d a t a p r e p r o c e s s i n g ) 和 数 据 变 换( d a t a t r a n s f o r m a t io n ) . 数 据选 取的目 的 是 确 定 发 现任务的操作对象，即目 标数据，它是根据用户的需要从原始数据源中 抽取的一组数 据。目 标数据可以 用数据库、数据仓库以 及数据立方体等形式存储。 数据预处理一般 包括消除噪声、推倒计算缺值数据、消除重复记录、完成数据类型转换 ( 如把连续值 数据转换为离散型的数据，以便于符号归纳，或是把离散型的转换为连续值型的，以 便于神经网络归纳)等。一般来说，如果数据挖掘对象是数据仓库，则数据预处理已 经在生成数据仓库时完成了。 数据变化的主要目的是消减数据维数，即从初始特征中 找出真正有用的特征以减少数据开采时要考虑的特征或变量个数。 2 )数据挖掘 数据挖掘阶段首先要确定挖掘的任务或目的是什么，如数据总结、分类、聚类、 关联规则发现或序列模式发现等。确定了挖掘任务后，就要决定使用什么样的 挖掘算 法。同样的任务可以用不同的算法来实现。选择实现算法有两个因素要考虑:一是不 同的数据有不同的特点，因此需要用与之相关的算法来开采;二是用户或实际运行系 统的 要求， 有的 用户可能希望获取描述型 ( d e s c r i p t i v e ) 的， 容易理解的 知识 ( 采 用 规则表示的挖掘方法显然要好于神经网络之类的方法) ， 而有的用户或系统的目 的是获 取预测准确度尽可能高的预测型 ( p r e d i c t i v e )知识。 3 )结果解释和评估 数据挖掘阶段发现出来的模式， 经过用户或机器的评估， 可能 存在冗余或无关的 模式，这是需要将其剔除:也有可能漠视不满足用户要求，这时就需要整个发现过程 退回发现阶段之前，如重新选取数据、 采用新的数据变换方法、设定新的 数据挖掘参 数值， 设置更换挖掘算法。由 于数据挖掘系统最终是面向 用户的，因此可能要对发现 的模式进行可视化，或者把结果转换为用户易储的表现形式。 2 .3 . 3 数据挖掘的分类 从不同的视角看，数据挖掘有多种分类，主要有以下几个方面: 1 ) 根据发现知识的种类划分 关联规则( a s s o c i a t i o n ) , 分类规则( c l a s s i fi c a t i o n ) 、 特征规则( c h a r a c t e r i z a t i o n ) , 聚类规则 ( c l u s t e r in g ) 、 汇总规 则 ( s u m m a r i z a t i o n ) , 趋 势分析 ( t r e n d ) 、 偏差 分析 ( d e v i a t i o n ) 、 模式分析( p a t t e rn ) 等。 2 ) 根据挖掘知识的抽象层次分类 原 始 层次 ( p r im it iv e l e v e l s ) 的 数 据 挖掘、 高 层次( h ig h l e v e l ) 的 数 据 挖 掘、 多 层 次 ( m u lt ip l e l e v e l ) 的 数据 挖 掘等0 3 ) 根据挖掘