基于进化计算课程资源编列问题探究综述.doc

基于进化计算课程资源编列问题探究综述 　　摘要摘要：在线智能化学习是目前教育技术领域研究的热点，其中课程资源自动编列是在线智能化学习系统应用成功的关键。课程资源编列能够较好地解决个性化学习资源筛选与重组问题，已成为智慧学习领域重要的研究课题。首先在分析国内外课程资源编列文献的基础上，阐述了课程资源编列问题的内涵，构建了课程资源编列问题模型，然后梳理基于进化计算的课程资源编列问题研究文献，探索基于学习者特征的课程资源编列分类研究现状，开展基于进化计算的课程资源编列问题应用研究分析，最后给出了研究趋势与展望 关键词关键词：在线学习；课程资源编列；学习资源；进化计算 DOIDOI：10.11907/rjdk.171024 中图分类号：TP301 文献标识码：A文章编号文章编号2017）005019905 0引言 近年来，随着大数据、机器学习和云计算等新兴技术的快速发展，人工智能已广泛应用于各个领域，以进化计算方法应用为代表的智慧学习研究也得到了迅速发展，成为推动智慧学习[1]系统构建的关键技术之一。信息技术的快速发展以及在线学习资源的不断丰富，使学习者能获取的学习资源越来越多。在为学习者带来便利的同时，也使学习者需要花费更多的时间和精力去筛选符合自己学习需求的资源，因此“资源超载”现象越来越严重[2]。此外，由于学习者的认知能力存在差异，导致不同学习者的学习需求也是不同的。因此，学习者迫切期望能获得符合其实际需求的学习资源序列和资源内容[3] 在线学习环境中，为了从众多的学习资源中发现、导入、组合以及分发给学习者适合的资源序列与资源内容，需要为学习者设计智能化、动态化以及个性化的资源处理工具，从而产生了在线学习领域的课程资源编列问题（Curriculum Sequencing Problem）。从广义而言，课程资源编列指根据学习者的学习特征提供个性化的学习资源，如：学习资源推荐、个性化学习路径生成[4]等，从而提高个体学习者的学习效率；从狭义而言，课程资源编列指按照学习者的个性特征、学习目标、学习内容以及课程层次要素组织课程学习资源序列 在线学习系统应用成功的关键是提供的学习资源能否适应学习者的先验知识和学习需求[5]，其中课程资源编列问题是在线学习系统中实现智能化学习的核心。在传统的学习系统中，学习资源是固定、预先存储的。然而，在智能化学习系统中，学习资源可以动态的增加、移动和删除。因此，迫切需要一种能解决课程资源编列的算法，可以适应不断变化的学习环境。进化算法（又称为演化算法）与传统的优化算法相比，进化计算的自适应、自学习等特性，能够较好地处理课程资源编列问题 1课程资源编列问题 1.1课程资源编列问题描述 Brusilovsky[6]认为在线学习系统应提供教师导学功能，并给予学习者个性化的服务支持。但由于学习内容和服务需求具有较强的个性化和特异性，海量的学习资源容易使缺乏经验的学习者无所适从，因此要求学习系统能够提供有效的学习资源管理策略 目前绝大多数数字化学习系统采取固定的资源管理策略模式，提供的学习资源以及资源序列都没有考虑到学习者的偏好、需求以及个性特征。在线学习者人数众多且存在特征多样性，学习者的需求也会在学习进程中不断变化，在线学习系统应该能够为学习者提供动态、个性化的资源序列和内容，不应把为初学者准备的引导性学习资源推送给有一定学习基础的学习者，同样也不应把为有编程经验的学习者提供的程序设计学习资源推送给无编程经历的学习者 课程资源编列即为学习者提供最佳的个性化学习资源序列，使其能高效地完成学习任务。课程资源编列涉及学习者相关特征和课程学习内容，具体包括学习者的背景、先前所修课程学习内容、学习动机、成绩以及学习能力和风格等。即使是确定的学习者，随着其学习内容的增加与能力的提升，该学习者的实际学习需求也会发生变化，对应的学习资源会被加入或者剔除，这些都是课程资源编列所需解决的问题 根据在线学习应用关注的重点不同，课程资源编列问题也有多种表现形式，例如：个性化学习路径及资源推荐、课程学习资源排序以及课程学习资源组合等问题。总之，为学习者指定适合其学习所需的学习资源序列和资源内容是课程资源编列问题研究的宗旨 1.2课程资源编列问题模型构建 课程资源编列问题可视为一个NP难问题[7]，即针对特定学习者遍历课程资源的所有可能序列并寻找最优序列是非常困难的。假设课程学习内容包括n个课程学习资源，如果不考虑各种约束条件，所有可能的课程资源序列为n！，但课程学习资源很多时候很难得到所有可能的序列并寻找最优排序。如果考虑到学习者先前所学的知识、学习能力、背景、学习风格等约束条件，可行的编序则会缩小。因此，课程资源编列问题可构建为约束满