學習者建模的研究和應用：教育變革的核心技術問題

原題：教育數據挖掘中的學習者建模研究

作者：徐鵬飛，鄭勤華，陳耀華，陳麗

刊期：《中國遠程教育》2018.6

近五年來，網路教育的變革和深度學習等人工智慧技術的飛速發展給學習者模型的研究和應用帶來了新的機遇和挑戰。目前，教學數據中蘊含的大量價值亟待挖掘，而實踐中絕大部分教學環境對學習者的理解、狀態跟蹤和自適應性仍處於初級階段。如何從數據中建立學習者模型、如何在教學環境中設計和使用學習者模型是下一階段教育變革的核心技術問題。

學習者模型是一個涉及認知心理學、教育學、計算機科學等多個學科的領域。學習者模型最初來源於智能教學系統，早期主要用於描述學習者的知識狀態。隨著學習環境的變革、相關技術的進步、認知理論的發展，學習者模型也在不斷地發展和演化。現在，學習者模型的表示範疇已不僅限於知識狀態，它可能涵蓋了學習者的情感、認知、元認知等多個方面。

關於學習者模型的一個重要趨勢是其應用場景越來越多樣化。而在不同應用場景下，模型使用者對學習者模型的訴求是存在差異的。例如，在預測性應用場景中，模型使用者更關注模型預測的準確率，而較少關注模型的複雜度與可解釋性;在儀錶盤和分組等應用中，模型的可解釋性就顯得更為重要，模型的複雜度必須在可控的範圍內。總之，學習者模型是對真實學習者的抽象表示，根據不同的應用場景和實際情況，選擇合適的學習者表示方式和建模技術至關重要。

與此同時，學習者模型的構建方式也在逐漸變化。隨著自然語言處理和深度學習等技術的發展，過去由專家手動完成的很多工作可能將逐步被半自動或全自動的數據驅動的程序所代替。深度知識跟蹤模型即是此趨勢的一個比較典型的案例。在此趨勢下，學習者模型的構建將更多地依賴智能的程序和大量的數據，而非專家的領域知識。

為充分享受到學習者建模技術的變革成果，從業機構可以從兩個方面著手來應對上述趨勢：一是在機構內部根據實際情況進行相關的數據和人才儲備;二是充分了解並藉助機構外部的相關資源，例如人臉表情識別等人工智慧雲服務。

學習者模型應用場景多樣化、構建方式自動化這兩大趨勢都離不開數據這一推手。大規模在線學習環境可以採集到大量的學習行為數據，為學習者模型的構建提供了有力的數據支撐，同時也為學習者模型提供了新的應用場景。感測技術的發展，也在不斷地延伸著學習者模型的數據來源和應用場景。基於各種學習者數據，全面對學生進行綜合性建模的綜合模型具有更廣的應用前景。近年來，人工智慧尤其是深度學習的發展，使得大規模數據的利用效率、智能模型的學習能力得到了很大的提升，為構建更強大的學習者模型提供了有力支持。

（本文系摘編，未標註參考文獻等，詳閱及引用務請核對原文。）

編輯：郝丹

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！