个性化学习在程序设计教学的应用

【摘要】在网络自适应学习系统中，如何向学生推荐满足个体需求的学习资源是难题。基于学生的可用时间和知识背景，提出一种基于Lesson-LO两层航线图的个性化学习路径方法，在满足学生的学习时间的同时尽可能提高学习效果。实践结果表明，相比其他学生，使用推荐系统的学生在相同的时间内可以完成更多的学习内容，其自适应学习的效率和有效性大大提高了。

【关键词】个性化学习路径；时间限制；Lesson-LO航线图

“停课不停学”给线上教学带来了新的发展机遇。网络自适应学习系统（AdaptiveLearningSystem，ALS）简化了学习任务，使学生能够按照自己的进度和方式进行学习，广受学生喜爱，并在“停课不停学”中得到了空前的发展和应用[1]。但ALS也面临一些挑战，例如，如何向学生推送符合学生要求的学习材料。当多个不同专业、年龄、背景的学生学习同一门课程时，想要让所有学生都投入同样多的时间是不可能的。每名学生都有自己在学习时间上的限制，但学生都希望在可用的时间里得到最好的学习效果。为此，在ALS中需要设计一种学习路径推荐系统，即在满足学生可用时间的同时，能够最大化学习效果的学习路径（或者学习序列）推荐系统。以往的做法是使用一层航线图（即直接采用学习对象），基于相关知识背景（知识背景通过选择学习对象来指定）和学生可用时间来推荐路径[2]。笔者提出使用两层航线图（即采用知识点Lesson+学习对象LO），基于相关知识背景（知识背景通过选择知识点来指定）和学生可用时间来推荐路径，并且还可以和学生进行实时交互，实时更新所推荐的路径。

1设计思路

向学生推荐满足其个体需求，同时最大化其学习效果的学习资源是笔者此项研究的主要目的。为此，笔者提出基于Lesson-LO（知识点+学习对象）两层航线图的个性化学习路径推荐系统。从两层航线图中提取路径（见图1），并通过估算来获得每名学生的得分和时间。然后，以知识点—学习对象为序列单元逐步推荐出学习路径。推荐系统还可以实时收集学生的交互数据，从而可以实时更新路径。在学生没达到预估分数的情况下，还将向学生推荐辅助的学习对象（LO）。具体包括如下6个步骤。（1）构建航线图：构建两层航线图，确定学习对象和知识点之间的所有关系。（2）生成路径：从航线图中为学生生成课程序列，即路径。在生成路径时需要考虑学生的可用时间和知识背景。（3）估计分数：为路径估计分数[1]。（4）估计时间：为路径估计时间[2]。（5）推荐路径：设计一种机制来推荐一条路径，该路径应考虑学生的学习分数和其学习时的可用时间。（6）推荐辅助学习对象：当学生无法从一门课程中获得预期效果时，推荐学生使用这些辅助的学习对象[3]。

2推荐系统在程序设计教学中的应用

笔者将推荐算法嵌入开源的自适应学习平台Moodle中实现[4]。将“计算机程序设计基础”课程中的循环控制作为教学案例，循环控制的知识点包括：循环控制的概念、while循环、dowhile循环、for循环、循环嵌套、循环的比较、goto循环、break语句和continue语句。将30名学生分成对照组和实验组，每组15人，采用自愿报名和名额满了自动划分的方式成组。所有学生都参加了3个小时学习（包含学习循环控制的前5个知识点，即前5节课，共59个学习对象）。对两组学生的学习进行研究，其中前2个小时用于课程学习，后1个小时用于小型考试（两个小组相同，均设计5个测试题），以评估学生在课程中所学到的知识。实验组需要回答3个简短问题，以反馈实验组学生对推荐系统的看法。两组学生分别使用两种不同的Moodle模型。实验组使用的Moodle模型采用推荐系统指导学生，而对照组使用的Moodle模型采用预定顺序交付学习对象[5]。分别从有效性、效率和吸引力3个方面进行评价[6]。有效性是指学生在一节课中正确完成学习对象的数量；效率是指学生达到目标所花费的时间；吸引力是指学生对系统的满意度。首先，比较每名学生的学习对象和知识点的完成情况。对照组在前2节课中完成了更多的学习对象，而实验组则完成了更多的知识点，如图2所示。造成这一结果的原因可能是对照组按顺序接收学习对象，并在接收学习对象时都做了回答，而实验组仅完成了推荐的学习对象。但实验组比对照组完成了更多的知识点。此外，由图2（b）可以看出，实验组在第1个和第2个知识点的得分上不如对照组，但是在第3个和第4个知识点上，实验组的得分高于对照组。其次，在效率上，笔者统计了每个小组学生在学习每个知识点时所花费的时间。对照组所花费的时间主要集中在前3节课中，而实验组在相同的时间内学习了4节课的内容，如图3所示。因此，与对照组相比，实验组的学习效率和有效性有较大提高。最后，采用问卷星收集实验组学生对推荐系统的意见。问题包括：①推荐是否快速产生；②推荐是否有助于完成课程；③考虑到课程时间，对自己的最终成绩是否感到满意。有87.5%的学生认为推荐可以快速产生，表明实验组的学生对该推荐系统是满意的。上述结果表明，使用了推荐系统进行学习的学生，其自适应学习的效率和有效性大大提高了；在相同时间内，学生采用推荐系统推荐的学习路径可以学习到更多的知识点；并且学生对该推荐系统是非常满意的。推荐系统可以实时收集用户的互动数据，例如，学生的学习得分和用时，并通过实时调整推荐路径避免学生在学习时浪费时间。

3结语

笔者提出了一种基于Lesson-LO两层航线图的个性化学习路径推荐系统。推荐系统是基于学生的可用时间和知识背景来计算路径的，在满足学生学习要求的同时尽可能提高了学习效果。

【参考文献】

[1]NabizadehAH，AlípioMárioJorge，JoséPauloLeal.RUTICO：RecommendingSuccessfulLearningPathsUnderTimeConstraints[C]//AdjunctPublicationofthe25thConference.NewYork：AssociationforComputingMachinery，2017.

[2]吴强强，陈昊鹏，赵子濠．基于MOOC平台数据和知识图谱的学习路径推荐：以软件工程专业为例[J]．工业和信息化教育，2017（11）：33-38．

[3]李振．自适应学习系统中知识图谱的人机协同构建方法与应用研究[J]．现代教育技术，2019，29（10）：80-86．

[4]方海光．基于教育大数据的量化自我MOOC自适应学习系统研究[J]．电化教育研究，2016（11）：39-42．

[5]萧潇．在线开放课程中的规范化与个性化初探[J]．工业和信息化教育，2016（11）：84-89．

[6]WangHC，HsuTT，SariY．Personalresearchidearecommendationusingresearchtrendsandahierarchicaltopicmodel[J]．Scientometrics，2019（3）：1385-1406．

作者:康松林 奎晓燕 刘卫国 严晖 单位:中南大学计算机学院