基于云学习行为模式研究探究.docVIP

基于云学习行为模式研究探究摘 要：学习行为模式的识别对于建设个性化教学系统具有重要意义，本文提出了一种基于云的学习行为模式分析方法，基于统计模式识别理论，利用云计算对海量数据的处理能力，通过对学习行为数据的分析处理，从而识别出正向的学习行为模式。 关键词：云计算；学习行为；模式识别；在线教学系统 中图分类号：TP39 文献标识码：A 文章编号：1673—8454（2012）17—0014—03 一、引言 随着计算机网络技术的飞速发展，在线教学系统被大量应用到实际教学中，并已被学生和用户广泛接受，各种教学技术和教学模式经过几十年的发展也逐渐成熟。相比传统教学模式，远程教学系统突破了传统学习方式在时间和空间上的限制，使教与学不再受地域、时间的限制，但其依然存在诸多不足之处，例如：在线教学系统对个性化教学支持不够等等。随着应用的深入，一些原来课堂教学中没有出现的问题也暴露出来，例如：学生和教师分离的问题、学生学习评价的问题。因此，如何进一步改进远程教学系统和改善教学效果，已经成为当前教学研究领域的热点。 在线教学系统中最主要的问题是无法满足学生个性化学习的需要，由于在线教学系统学习者动态且不可控，而且教师和学生之间缺少交流，导致传统的教师人工介入很难在在线教学系统中真正运用，而学习者本身所具有的主观性、模糊性和随机不确定性等特点，又导致传统的学习模式很难满足要求。因此，如何完成对远程学习者学习行为模式的智能识别，挖掘其个性化学习习惯，并据此对在线学习模式进行动态调整，是建立真正的智能化在线个性学习系统的关键问题。 云计算在智能控制和预测、数据挖掘、概念提升以及数据聚类、系统评估、评价决策分析等领域已经得到了成功运用，这种先进技术和理念在教学领域的引入，可以提供海量的分析样本和强大的逻辑计算能力，从而为学习行为模式的智能快速识别提供了技术上的可能，很多在线学习系统改进方面的技术难题有望得到解决。 本文在云计算和模式识别的研究背景下，针对现有在线教学系统进一步改进中所存在的困难和问题，展开了对学习行为模式识别相关技术和理论的研究和应用工作，提出了一些解决问题的思路和方法。 二、研究现状 1970年，Carbonell等人（Bolt Beranek and Newman，BBN公司）开发出教授南美洲地理情况的SCHOLAR系统，该系统研究了教学法策略和人类的似真推理，被认为是第一个有代表性的智能教学系统。尽管教育界对于能够识别学习者并提供个性化教学的教学系统一直保持着极大的兴趣，但由于早期计算机系统的性能对于适应性诊断和反馈来讲是非常有限的，很难满足智能教学分析的需要，因此这期间的研究，主要侧重于以实验性系统的教学理论研究。 进入21世纪后，伴随着教育技术的进一步发展，尤其是云计算等先进技术的广泛应用，智能教学研究继续向前发展。已有研究机构在具体的识别算法等方面开展了一些研究，如个性化信息需求特征的定义、个性化信息挖掘算法、个性化信息获取系统以及智能评价系统的研究等，并取得了一些成果。例如，南加州大学的RIDES（rapid ITS development environment）是智能教学系统开发工具，北卡大学的INSTRUCT（implementing the NCTM school teaching recommendations using collaborative telecommunications）、斯坦福大学的MMAP（Middle school mathematics through applications projects）是协作型教学模式的教学系统等等。 三、基于云的学习行为模式分析系统架构 传统的研究方式一般仅局限于单一教学系统的研究，因此即使建立了相对完整的分析算法，但受限于分析样本数量有限，得到的结果价值往往比较有限。所以，可以考虑将学习行为模式分析的范围从单一的教学系统扩展到互联网所有的教学系统中，利用云计算技术，将存放于不同区域、不同环境中的教学资源和功能通过服务的方式连接起来，通过建设统一的学习行为分析公有云来对学习者的学习行为进行分析，从而提高分析结果的准确性。这种分析方法本质上是采用了概率和数理统计的思路，通过利用云计算对海量数据的处理能力对大量样本的学习行为模式进行分析，从而区分出各种学习行为模式之间的差异，并从总体上区分出正面的学习行为模式。图1描述了基于云的学习行为分析网络架构。 在线教学系统的重要基础是网络，网络基础设施的情况直接影响着在线教学系统的应用效果。通过不同的基础网络将教学资源和学习行为数据分开，将教学系统架构在各自的私有云基础之上，把学习行为分析数据建设在公有云基础上。一方面，可以提供一个相对高速和可控的网络环境，满足教学资源