网络学习支持系统中学生特征分析模型的构建及技术实现.pdfVIP

维普资讯 2006．12中国电化教育总第239期 技术与产品 文章编号：1006--9860(2006)12一O1O1一O3 网络学习支持系统中学生特征 分析模型的构建及技术实现 冯 锐 (扬州大学 教育科学与技术学院，江苏 扬州 225002) 摘要：学生特征分析是网络学习支持系统实现智能化的基础，对其进行有效分析不仅是一个理论探索的过程． 而且是一个技术实现的过程。本文探索了网络学习支持系统中学生特征分析的内容，构建了学生特征分析的技术实 现模型，并结合实践提出了学生特征分析实现的技术手段。 关键词：网络学习支持系统；学生特征分析；数据挖掘；网络教学 中图分类号：G434 文献标识码：A 版模型(StereotypeMode1)两种途径来描述学生掌握 一 、 问题的提出 知识的程度。覆盖模型是通过对领域知识中的知识 学习支持系统是在学习准备和学习过程中为学 元素附加一个表示值来描述用户对该知识的掌握程 习个体提供有关学习决策、学习指导和学习资源 ，并 度 ；铅版模型是一种组用户分析模型，主要根据用户 支持其认知过程的个性化服务系统。近年来，随着网 某些特征进行分析，然后分成不同特征的组2[1。对学 络技术在教育教学中的广泛深入应用，网络教学已 生知识掌握程度的分析是学生特征分析的主要因 经成为 目前最为重要 的教学形式。网络教学的有效 素，但是学生特征由多要素的特征变量组成，涉及到 实施离不开网络学习系统的支持，学习系统对学生 学生知识水平 、认知能力 、学习风格 、动机 、兴趣 、行 学习的支持水平直接影响着网络教学的效果。国内 为习惯、生活经历、个人经验、文化背景、性别、职业 外对它的研究起始于 2O世纪9O年代 ，人们基于 等等。l引。引其中既有静态因素，又有动态因素；既有共 Web环境设计开发适应性超媒体系统，试图根据用 性因素，又有个性因素。有些特征变量是相对稳定 户模型构建适应不同用户需求的超媒体系统，即系 的，诸如年龄、认知方式或学习风格、学习 目标、兴 统能够根据用户的知识水平、学习 目标、文化背景、 趣、职业、性别、信仰、地理位置等 ，我们把它们称为 经验 、爱好及行为习惯提供适应性的内容呈现 “静态变量”；而有些特征变量随着网络教学过程或 (AdaptivePresentation)和适应性的导航支持(Adap— 学习任务在变化，并通过网络学习行为才能表现出 tiveNavigationSupport)I”。系统对用户表现出有效的 来，诸如学习动机、学习态度、认知结构、起点学习能 适应性是以了解用户为前提的，只有准确地了解到 力或原有知识水平等，我们把它们称为 “动态变量”。 用户的若干特征信息，包括用户的知识状态、学习目 可以说 ，构建准确而全面的学生特征分析模型是个 标、文化背景、认知风格和行为习惯 ，系统才能对用 非常复杂的任务。笔者在实践中通过对这些特征进 户表现出很强的适应性。因此，学生特征信息分析模 行归类分析，发现学生的特征信息主要涉及年龄、认 型是网络学习支持系统实现个性化、智能化的前提。 知、个性和社会等四个方面。为了便于在网络环境下 也就是说，网络学习支持系统应该建立在对每一个 的具体实施 ，考虑到学生特征分析的 目的及具体指 学生特征进行准确分析的基础之上，才能满足学生 导意义，笔者认为应该从年龄特征、社会化特征、个 的学习需要 ，才能促进每一个学习者的成功。对学生 性特征和认知特征四个方面来建构网络环境下的学 特征进行准确分析到网络环境下的技术实现，这不 生特征分析模型(如下页图1所示)。 仅是一个理论探索的过程，而且是一个技术开发与 1．年龄特征。年龄特征反映的是