支持自适应学习的教学平台的设计与实现.pdfVIP

支持自适应学习的教学平台的设计与实现

摘要：信息时代的到来解放了人们的双手，社会生活越来越智能化。智能化的生活同时在深深

影响着教学生活，不论是较小的学龄阶段抑或是大学阶段，日常教学已经离不开教学网站，教学网

站可以跨越空间达到师生联系，对教学起到很好的辅助作用，甚至考试做题系统逐渐兴盛，可以让

教学更方便。一个拥有自适应学习的教学平台不仅可以完成基础的教学任务，还可以承担为学生用

户智能分析和推荐试题的功能，辅助学生自主学习，帮助其整理错题、弥补漏洞，给学生用户良好

的学习体验。协同过滤算法是目前较流行也较容易实现的推荐算法之一，但也存在冷启动和数据稀

疏的问题，在此基础上使用基于矩阵分解的协同过滤可以解决该问题，本文对使用矩阵分解的协同

过滤算法开发的自适应学习教学平台作了详细介绍。

关键词：自适应学习；教学平台；推荐试题；协同过滤

1引言

1.1研究的目的及意义

网络的普及使用，将人与人、人与资源通过非直接接触的方式联系在一起，实现资源的共享化

和个体的个性化。在信息技术快速发展的时代背景下，学校教育也不再单纯追求线下教室内的教

学，逐渐利用网络平台开展线上的传播教学资源和进行练习测试等教学模式。目前为止已经有数不

胜数的不少种类的教学平台走入市场，为教师教学和学生学习带来便利性。然而很多教学平台只是

提供一个学生可以查看教学资源和练习的平台，或者也出现了一些具有自适应学习的功能，例如可

以根据学生的个人信息、个人选择的喜爱偏好推荐试题。但这些推荐性教学平台所侧重的都是学生

原始设定的信息，缺乏对于学生做题正误以及对错题所指向的知识点等属性的分析。因此，设计并

实现一个根据学生做题结果动态变化的自适应学习的教学平台能够更智能得为用户带来个性化体

验。

自适应学习的教学平台能根据学生完成课堂练习的情况找到该学生的薄弱之处，并制定与符合

该学生的学习计划，以更高效率得帮助用户实现自主学习和有效学习。同时自适应学习系统所分析

的结果，例如学生知识掌握情况、题目的难易程度等可以更好地帮助教师掌握学生个体和整体的能

力水平，以调整教学策略。这样的教学平台并不存在对科目和学段的限制，适合“题海战术”的学

习科目都可以在这个教学平台上完成教学，既解放了教师统计和分析学生群体的过程，也能够为教

师和学生提供可靠参考，充分发挥因材施教的教学策略。

1.2研究开发现状分析

1.2.1在线教学平台研究现状

（1）国外教学平台发展历程

在国外，人们经常外出工作且时间不定，一些人选择半工半读或在职的方式学习。网络教学平

台存在着诸多优点，学习者可以不受空间和时间限制随时随地学习。网络平台也可以实现资源的最

大化共享，节约资源和创造便利。目前大约有百分之十以上的美国在校生通过网络教学获得高等教

育学位【[1]】。且各个网站和高等学校之间存在十分紧密的联系，学生用户基本上都能在网站上找

到知己所需的学习资料。

（2）国内教学平台发展现状

国内网络教育的发展也十分迅速。几年前在市教委的指导下，上海展开了关于高中“语

文”“数学”“生物”“历史”等学科的自适应学习平台建设，而MOORs（研究性学习自适应平

台）于2016年2月对外发布，其余国内以在线教育为主体的自适应学习也百花齐放【2】。

但就目前存在的教学平台的使用还不够“人性化”，多数的自适应学习系统过于简单粗暴，只是

提供错题本；尽管它们分别提供相对复杂的逻辑产品，但它们并不是真正的自适应学习，学生将无

法在学习过程中获得新的困难知识的预期结果。换而言之，目前的自适应学习系统在用户模型、领

域模型、系统记录分析如学习行为、接受能力等方面还不够细致。

1.2.2推荐系统研究现状

（1）国外推荐系统研究现状

最早的推荐系统可以追溯到基于协同过滤算法的邮件系统Tapestry，由Xerox公司在1992年设

计，为了解决

PaloAlto研究中心信息过载的问题【3】。同时，Goldberg第一次提出了CF（Collaborative

Filtering，简称CF）这一概念，但是并未实现主动推荐。经过几年的发展，越来越成熟的推荐系统

和推荐算法出现，并且会将智能组卷、推荐算法运用到考试和在线测试系统中。