学习者个性特征识别子系统

1、基于学习者特征的自适应学习策略智能推送系统学习者个体特征识别子系统一、学习者个体特征识别子系统的组成学习者个体特征识别子系统，又称为学习者模型。它是对学习者特征的详细描述，包括个人信息、学业信息、管理信息、知识水平、兴趣偏好、认识能力、性格类别等学习者特征。C学习者模型可由若干个学习者特征组合而成，而学习者特征的选择就成为学习者模型的研究点之一。通过阅读文献，我们发现目前很多研究都忽略了学习者特征的整体性，他们根据自身经验划分学习者特征类别。更重要的是，忽略学习者个性特征中的动力系统在其中的重要作用，没有指出个性特性的层次性。事实上学习者的个性要素，并不是独立存在的，而是具有一定结构的系统。教

2、育技术学中学生个性的研究中认为，个性是一个在动力系统驱动下，由自然特性、动力系统、心理特性和社会特性等四个亚系统密切联系又相互作用的有机整体。从个体的生理、心理、社会等方面对个性进行分析，强调动力系统在个性结构中的核心作用保证了个性的系统性和完整性。结合中小学生的特点，本研究选取了学习者基本信息、学习者兴趣偏好、学习者学习风格、学习者知识水平和学习者认知能力这五类作为学习者特征维度。且休学田南冲学习，源利用情况及学习者对学弟笠海晌评价£身到冏客百保鼠猎护学习者对学习者模型的维护与更新学习者信息的过滤和整合习者模型竽习者基本信息学习者知识水平竽习者界趣量好学习者认知能力学制君学耳曲0二

3、、学习者个体特征识别子系统的初始化关于模型的初始化和演化问题，对于新用户，系统根据学习者注册时的基本信息通过模糊测试初始化学习者模型，对于已注册的学习者，系统通过记录学习者的学习行为和操作行为以及精确测试来更新学习者模型。在初始状态下，我们需要获得以下三个方面的内容：一是基于学习者选定的目标，得出学习者在该学习目标下的知识准备情况，即了解学习者针对该特定的学科内容已经具备的相关的知识水平；二是了解学习者某些特定认知能力的成熟度；三是了解学习者对从事该学习会产生影响的态度、心理、生理和社会特点，包括年龄、性别、生活经验、文化背景、学习动机、个人期望、爱好等因素。前两者可以统称为“学习准备状态”，

4、第三个方面可以称之为学习者的“一般特征”。对学习者的这三个方面的信息采集的可以从通过以下三个渠道来获得：一是注册信息，对于一个新用户，系统要尽可能多的了解他的相关信息，唯一有效的方式就是通过用户的注册获取。二是调查表，通过分析学习者对系统设定的调查表的问题的答案，获得学习者的一般特征和某些个性特征信息。三是测试，测试分为系统前测和系统中测，在本研究中，主要讨论学习者模型特征值的初始获取，那么需要关注的是系统前测部分。即学习者在选定学习目标后，系统顺序选择该目标下的前测试题（即测试学习者对该目标的前导知识的掌握情况的试题）供学习者作答，系统运用模糊逻辑理论根据学习者的作答情况随时调整选题策略，即

5、考虑级别上升还是下降。这些试题同时也关联学习者的某种认知能力，所以通过系统前测可以初步得到学习者已有的知识水平和相应的认知能力水平的估算值。对于学习者模型在自适应学习系统中的研究包括学习者模型的建立、学习者模型的初始化和学习者模型的动态更新三个方面。学习者模型的动态更新，只需对学习者知识水平、学习者认知水平、学习者兴趣偏好、学习者学习风格进行动态更新。学习者模型主要通过学习者行为来建立。学习者行为分为显式和隐式两种，显示行为通过用户注册时提供的主动反馈信息和权威机构提供的信息表现出来，包括学习者的个人信息，偏好信息，已掌握的知识背景，学习能力和绩效信息等等隐式行为则通过用户浏览的学习资源和使用

6、模式等数据表现出来，其中隐含了个人兴趣和偏好，可以通过数据挖掘等方法对其进行分析和处理。进入学习阶段，通过隐式方法，如贝叶斯网络方法，对访问资源的类型（如视频、文本、图片等）与浏览时间，讨论主题发帖数、访问时间与次数等数据进行处理对学习者学习风格和兴趣偏好进行动态更新；学习结束后，通过练习测试采用概念累积计分法对学生的认知水平进行估算从而建构知识水平模型，达到实现动态推荐难度系数不等的学习内容及建议是否进行后续学习，经历了两个阶段：初始化学习者模型，动态更新学习者模型。1、学习者基本信息的初始化学习者基本信息由学习者的直观属性组成，可通过问卷调查表直接获得，不需要进行额外的初始化处理。根据自适

7、应系统的需求，采集学生的基本信息主要包括：学号，姓名，用户名，密码，性别，学校，入学年份，邮箱，学段，照片等。2、学习者知识水平的初始化为了获得学习者的知识水平集，在概括学习者学习水平时，可以先将学习者按“组”进行分类，包括新手组、初学组、中级组和高级组，而后考虑学习者的知识掌握情况，即学习者已掌握的知识点及掌握程度。类似于基本信息，学习者的学习水平也由一组向量表征并存储。3、学习者兴趣偏好的初始化学习者的兴趣偏好是指根据用户对浏览信息的选择及使用用户的反馈信息，采取学习方法来逐步明确用户兴趣偏好的一个过程，由于研究中发现很少有用户愿意直接或间接提供个人信息，所以实质上是一个机器学习的过程，可

8、以采取多种机器学习的方法来实现。本文中主要采用直接和间接的方法来提取。首先设计相关的调查问卷来直接获取学习者的兴趣偏好信息。其次采用间接的方式，系统通过访问学习者的日志或者跟踪用户行为，提取其中有价值部分，来推测和自动生成用户兴趣，该方法可靠性相对较低，可能与用户真实的兴趣偏好有所偏差，但是充分发挥了机器智能作用。4、学习者认知能力的初始化学习者认知能力包括了知道、领会、应用、分析、综合、评价六个层面。而学习者认知能力的估算主要由测试获得到。5、学习者学习风格的初始化本研究主要采用Felder-Silverman学习风格分类方法，将学习风格分为感知、输入、处理和理解四个维度，其中每个维度又分为

9、两种风格，它们分别是感悟型一直觉型（感知维度）、视觉型一言语型（输入维度）、主动型一反思型（处理维度）、全局型一序列型（理解维度）。对于学习者风格的测量，主要采用所罗门学习风格量表的自测问卷对学习者风格进行测试。对学习风格调查问卷收集上来的数据，先把选出的答案记录在表格中，如在“主动型一反思型”一栏中，如果你第一个问题选择A,就在第一个问题的A栏内记1;如果选B,就在B栏内记1,其他各题依次类推。然后对每栏内的结果进行统计。如，在“主动型一反思型”一栏的统计结果分别是4A和7B,那么最终的结果就是3B（7-4=3）。这样，根据统计的结果就可以大致了解学习者的学习风格是哪种类型了。当两个对应的类型相差3个以上时就可以认为是学习者稳定的学习风格，相差3个以下时，就认为这个种类的学习风格是不稳定的。学习者模型主要通过用户行为来建立用户行为分为显式和隐式两种显示行为通过学习者注册时提供的主动反馈信息和权威机构提供的信息表现出来，包括用户的个人墓本信息，偏好信息，已掌握的知识背景，学习能力和绩效信息等等隐式行为则通过用户浏览的学习资源和使用模式等数据表现出来，其中隐含了个人兴趣和偏好，可以通过数据挖掘等方法对其进行分析和处理。学习者模型中记录了每个学习者的信息和数据，例如知识状态、目标、背景、认知风格和偏