基于在线学习行为的个性化学习路径规划研究.pdf

南京邮电大学硕士研究生学位论文摘要

摘要

学习路径由一系列帮助学习者实现特定学习目标的学习活动或学习内容组成。在传

统的大规模在线开放课程中，系统通过向学习者提供一整套提前设定好的、具有固定顺

序的定向学习路径为学习者提供在线学习服务。这些固定化顺序的学习路径往往因忽视

了学习者的知识背景和学习能力而导致一系列问题。其中一个问题就是较高的辍学率。

“一刀切”的定向学习资料无法考虑到不同学生的学习能力。学习者在学习过程中容易

出现花费大量时间在他们无法掌握或已掌握知识上的风险。而且，这种“一刀切”的定

向学习资料假定所有学习者在开始学习时都已经掌握了所学知识的先修知识，忽略了学

习者的先前知识水平差异程度。固定化的学习路径无法与异质性的学习者相适配，因此

不利于提高在线开放课程的留存率。

个性化学习路径被认为是试以解决上述问题的替代方案。个性化学习路径考虑到不

同学习者的能力、知识背景和知识掌握程度等的个体差异，为不同的学习者提供异质性

的学习顺序以达到节省学习时间，提高学习效果目的。过去几十年来，研究人员使用不

同的技术和方法试以提出各种学习路径规划方法。目前，研究者多考虑基于学习者个性

特质（如学习风格等）作为在个性化学习路径构建中与学习者相关的重要参数。学生在

学习过程中的外显学习行为（如视频观看行为、练习行为和交互行为）在个性化路径规

划研究中却常被忽略。已有研究表明，学习者零散的学习行为与学习者内在具有微妙且

复杂的逻辑关系，外在行为表现对于揭示其内在的学习特性具有重要作用。因此，本研

究着重考虑在线学习者行为在个性化路径规划中的重要性作用。

本研究所提出的基于学习者行为的个性化路径规划共分为三个步骤。首先，考虑到

目前以专家为核心的人工评估知识点难度方式，需要一定的时间成本和人工成本，且不

适用于大规模教育数据场景。因此，本研究基于已有研究基础之上，构建了一种用于衡

量特定知识点对于普遍学生困难程度的分数模型。该知识点困难度模型的输入为所有学

习过该知识点的学习者的平均学习表现，输出为知识点掌握的困难度。

其次，为了判断学习者的学习状态以作为后续路径规划的重要依据之一，本研究基

于学习者的在线学习行为（视频观看行为和练习行为）构建了学习者状态模型。该模型

的主要目的在于判断并实时更新学生对知识点的掌握情况。为动态地评估学习者的学习

状态，本研究将学习者对某一特定知识点的视频观看行为和归一化的练习测试成绩作为

学习状态判断模型的输入参数。输出则分别为学习者的四种学习状态，即“未学习”状

态，“未掌握”状态，“未充分掌握”状态和“已掌握”状态。最后，根据学习者的具体

I

南京邮电大学硕士研究生学位论文摘要

学习状态，结合知识点难度以及知识之间的先后修关系规划相应路径。当学习者每完成

一章的学习，则会根据学习者在线学习行为和练习测试结果更新学生对知识点的掌握情

况。如果存在“未学习”、“未充分学习”和“未掌握”的知识点，则需要对以往相关知

识点进行回顾。直至当判断学习者状态为“已掌握”时，才会安排学习者进行下一章的

学习。

本研究基于清华大学知识工程小组维护，由中国最大的MOOC网站之一“学堂在

线”所支持的大规模在线开放课程数据库——MOOCCubeX验证该个性化路径规划方法

的可行性。研究结果表明，该个性化路径规划方法能有效为不同学习状态的学生生成个

性化的学习路径引导。此外，为了验证个性化学习路径规划的效果，本研究使用线下评

估的方式对该个性化路径规划效果进行评估。本研究提出了三个指标来评估个性化学习

路径规划效果，即有效学习行为率、学习完成率和学习效率。评估结果显示，个性化路

径学生组的有效学习行为率、课程完成率和学习效率均优于普通学生组。由此可见，基

于在线学习行为的个性化学习路径有助于提高学习者的学习效果。本研