第２２卷 现代教育技术 Ｍｏｄｅｍ Ｅｄｕｃａｔｉｏｎａｌ Ｔｅｃｈｎｏｌｏｇｙ 、厂０１．２２ Ｎ０．５ ２０１２ ２０１２年第５期 自适应学习系统中学习者特征模型及建模方法述评 张舸 周东岱 ， 葛情情 （１．东北师范大学理想信息技术研究院，吉林长春１３０１１７；２．东北师范大学软件学院，吉林长春１３０１１７） 【摘要】文章主要通过文献分析法，总结归纳自适应学习系统中学习者特征模型的建模方法，研究国内外自适应学习系统 及其中关键的模型——学习者特征模型，比较分析国内外学习者特征模型建模的异同，以期为自适应学习系统的研究和开发提 供帮助。 【关键词】自适应学习系统；学习者特征模型；建模方法 【中图分类号】Ｇ４０．０５７ 【文献标识码】Ａ 【论文编号】１００９－－８０９７（２０１２）Ｏ５—加７７．＿０４ 信息化时代的学习更加注重个性化、自主化，自适应学 习便应运而生。自适应学习系统始于自适应超媒体系统，同 时又具有智能导学系统的特征，在技术功能上是以往的网络 学习系统所无法比拟的，同时也是未来远程学习发展的趋势。 自适应学习系统之所以是智能、先进的，主要是系统能够根 个性特征。 二学习者特征模型建模方法 在各种自适应学习系统和智能导学系统中，由于建模角 度不同，学习者特征模型的建模方法也是多种多样的。Ｌｏｅ Ｎｇｕｙｅｎ、Ｐｈｕｎｇ Ｄｏ认为自适应学习系统中学习者特征模型建 模方法有铅板模型、覆盖模型、微分模型、摄动模型和计划 模型等［３１。Ｔａｉ．Ｙｕ Ｌｉｎ认为自适应学习系统的常用建模方法有 据学习者特征，利用自适应导航技术为学习者提供个性化的 学习路径，动态的呈现学习内容、学习资源，以及提供学习 诊断和学习策略等。自适应学习系统包含三个模型：学习者 模型、领域知识模型、适应性引擎，其中学习者模型的构建 是自适应学习系统研究和应用的重点，学习者特征是学习者 覆盖学生模型、微分模型、摄动学生模型、基于约束的学生 模型 。以下是对几种典型学习者特征模型建模方法的总结： １覆盖模型、微分模型、摄动模型 模型的关键因素，学习者特征的完整性、准确性直接关系到 系统能否为学习者提供与学习者相适合的学习策略、学习内 容和学习资源等，进而又会关系到学习者个性化学习的实现 与否。然而，从目前的研究来看，现有的自适应学习系统的 覆盖模型、微分模型和摄动模型 】都是基于学习者知识建 模的。在建模方法上，微分模型和摄动模型是基于覆盖模型 的。它们之间具有相似之处，也存在着一定的差异。 覆盖模型（Ｏｖｅｒｌａｙ Ｍｏｄｅ１）假设学习者行为和专家行为 的不同是由缺乏技能造成的，因此将学习者知识简单认为是 学习者特征模型还不够系统，在采用建模方法和确定学习者 特征要素上，有待于进一步完善和补充。从而更好地满足学 习者在自适应学习系统中的个性化、智能化需要。 一专家知识的子集，其中的学生模型是通过将学习者的行为同 专家相比较建立的（如图１ 相关概念 自适应学习系统是一个为满足学习者个性化学习需要， 根据学习者特征，为学习者提供个性化路径，并能够向学习 者动态呈现学习内容与学习资源的学习系统。自适应学习系 统中的学习者特征要素是自适应学习系统实现其功能的关 键。不同的学者对自适应学习系统中的学习者特征要素有不 同的观点，例￣ＩＢｒｕｓｉｌｏｖｓｋｙ Ｐｅｔｅｒ教授认为，学习者特征包括 学习者知识、兴趣、目标、背景和个性特征【 】；我国有学者指 图１覆盖模型 图２微分模型 微分模型（Ｄｉｆｅｒｅｎｔｉａｌ Ｍｏｄｅ１）是对覆盖模型的进一步改 进，在本质上仍然属于覆盖模型。该模型把学生知识视为领 域专家知识中期望学生获得知识的一个子集，将学习者的知 出自学习者特征包括学习目标、学习风格、用户的前提知识 或背景知识、用户的知识状态、学习经历、信心、动机等【２］。 笔者结合当前的相关研究，认为自适应学习系统中的学习者 特征包括：学习者知识：前提知识、背景知识、知识状态： 识分为期望学习者获得的知识和学习者不被期望获得的知 识。与覆盖模型不同之处在于没有假设学生模型与专家模型 的所有差异是不被期望的（如图２所示）。 ７７ 学习目标：目标、动机；学习经历；学习风格：兴趣、偏好、 在摄动模型（Ｐｅｒｔｕｒｂａｔｉｏｎ Ｍｏｄｅ１）中，学习者知识不再被 看成是专家知识的一个子集。它认为学习者知识加工的潜力 和专家知识在数量和质量方面是不同的。摄动模型把学生知 识视为领域专家知识和学生可能形成的错误知识的一个子集 （如 图３摄动模型 ２铅板模型（Ｓｔｅｒｅｏｔｙｐｅ Ｍｏｄｅ１） 铅板模型，是一种简单的描述用户知识状态的模型［ 。该 模型虽然比较容易实现，并可以快速地建立用户模型，但其 适应的粒度却不够细。在实际建模中，往往和覆盖模型结合 起来运用。 ３贝叶斯模型（Ｂａｙｅｓｉａｎ Ｍｏｄｅｌｓ） 贝叶斯模型是利用贝叶斯网络应用于学习者模型建模的 方法。将其应用于学生建模中，能够编码学生知识项之间的 因果关系，通过不断加入后验数据信息，可以推导出学生知 识的掌握程度【 。根据建模技术，贝叶斯网络学生建模分成三 种类型：专家为中心的学生模型、效率为中心的学生模型、 数据为中心的学生模型【８】。 ４约束模型（Ｃｏｎｓｔｒａｉｎｔ．Ｂａｓｅｄ Ｍｏｄｅｌｓ） 约束模型【’】认为学生求解问题时所达到的问题求解状态 可以反映出学生所犯的错误。约束模型与其他学生模型是有 区别的，其他模型是在学生的求解路径上所使用的运算上“发 现”学生的错误。 以上各种学习者特征模型的建模方法，各具优缺点，在 自适应学习系统中的学习者特征模型建模时应给予充分考 虑，扬长避短。与此同时，还可以结合运用各种有效的计算 机算法或人工智能技术，共同完成学习者特征模型的建模和 学习者特征的获取。 三国外自适应学习系统中的学习者特征模型 学习者特征模型是学习者在自适应学习系统中实现个性 化学习的关键。模型建模的首要任务在于方法的选择和运用。 在本部分笔者主要从学习者特征模型的建模方法及学习者特 征的构成等方面对国外自适应学习系统中的学习者特征模型 进行了研究，通过大量的文献阅读，并根据学习者特征模型的 建模方法对多个系统及其学习者特征模型进行了分类比较。 １根据覆盖模型及其扩展模型分类 覆盖模型及其扩展模型即上文中的覆盖模型、微分模型、 摄动模型等，依据覆盖模型建模的自适应学习系统有【 ｏ］： ＡＨＡ、ＡＨＡＭ、ＡＨＭ、ＸＡＨＭ、ＩＳＩＳ．ＴＵＴ０Ｒ、ＨＹＰＥＲＦＬＥＸ、 ７８ ＩＣＩＣＬＥ等。 ＡＨＡ（Ａｄａｐｔｉｖｅ Ｈｙｐｅｒｍｅｄｉａ Ａｒｃｈｉｔｅｃｔｕｒｅ）是荷兰 Ｅｉｎｄｈｏｖｅｎ科技大学计算机系Ｐａｕｌ ＤｅＢｒａ教授于１９９８年研究 出的第一代ＡＨＡ系统【“】。该系统通过适应性引擎更新用户模 型，用户模型是基于概念的用户模型，包含概念知识属性， 用户通过浏览超媒体页面增加知识。其突出特征是支持适应 性内容的呈现。ＡＨＡ用户模型中包含的学习者特征有学习者 知识、学习目标、兴趣等，其中缺少学习者特征重要的非智 力因素学习风格。 ＸＡＨＭ（ＸＭＬＡｄａｐｔｉｖｅ Ｈｙｐｅｒｍｅｄｉａ Ｍｏｄｅ１）【 】，是一种 基于ＸＭＬ的自适应超媒体模型，该系统包括对学习者行为的 建模（如偏好、浏览活动等）、对技术的建模（网络、用户 终端）、对外环境的建模（时间、地点、语言、社会性问题 等）。其中学习者行为不仅包括学习者的显性方面的行为， 还包括学习者隐性行为活动。ＸＡＨＭ用户模型中的学习者特 征包括学习者知识、学习目标、兴趣、偏好、活动等，其中 缺少学习者特征中重要的非智力因素学习风格。 ＩＳＩＳ．ＴＵＴＯＲ［¨】，是一种智能的学习环境，支持学习打 印格式化语言。它是超媒体电子文本、智能导师、探究学习 环境的结合体。超文本组件为学习者学习提供适应性导航支 持，学习者的学习材料包括概念展示、问题解决和案例分析， 学习者利用导航可以自主选择学习材料和路径。学习者模型 中的学习者特征包括学习者知识、个性化学习目标序列等， 其中缺少学习者特征中重要的非智力因素学习风格。 依据微分模型建模的系统有ＷＥＳＴ［Ｈ】等，它是基于网络 的创作工具。ＷＥＳＴ为学习者提供一个简单直接的接口，并 提供导航，接口以超媒体编码形式的全貌地图展示学习者的 位置以及学习者已经学习过哪些知识，而这些都是通过学习 者在课程中自动打分和多项选择测试得到的。学习者可以在 系统中任意选择学习内容，系统根据学习者学习的知识内容 为其提供专家导航建议。ＷＥＳＴ学习者模型中包含学习者的 前提知识、知识状态等，缺少学习者特征中的重要的非智力 因素学习风格。 依据摄动模型建模的系统有：ＤＥＢＵＧＧＹ、Ｎｅｃｌｌｅ、 ＰＲＯＵＳＴ、ＰＡＳＣＡＬ、Ｇｅｏｍｅｔｒｙ Ｔｕｔｏｒ等。其中ＤＥＢＵＧＧＹ［巧ｊ是 基于规则的多列减法领域知识，和基于规则的错误库一起开 发。错误库可以收集和分析一些学生对数学测试的反应。正 确的反应形成领域知识的规则，错误反应被存入错误库中成 为错误规则。这样，学习者当前的减法过程可以用正确规则 来解释，也可以用错误规则来解释。Ｎｅｃｌｌｅ［ 】是一个用摄动模 型建模的系统，提供一个基于网络的交际语言学习环境。系 统运用交际差距模型（ＣＧＭ），主要向以汉语为母语的学生教 授日语。这一类的学习者模型中包含的学习者特征有正确知 识、错误知识、学习经历等，缺少学习者特征中的重要的非 智力因素学习风格。 ２依据铅板模型分类 依据铅板模型建模的系统有：ＨＹＰＥＲＴＵＴＯＲ、 ＷＰＳ．Ｔｕｔｏｒ、１ＮＴＥＲＢＯＯＫ等。ＨＹＰＥＲＴＵＴＯＲ［＂】是只用铅板 模型描述用户的系统，系统利用练习获取关于用户的信息， 并用铅板建模。学生属于新手、中级、专家三组中的一个， 而学生通过在系统中学习完成从新手到专家的角色转变。 ＨＹＰＥＲＴＵＴＯＲ学习者模型中包括的学习者特征有：学习者知 识、分组等。ＷＰＳ．ＴｕｔｏｒＩ 壕统包括实践学习、精细加工、分 类、掌握、推断等。系统首先对问题进行分类，即新手级别 的、中间级别的、专家级别的，后一个级别比前一级别难度 加大，学习者通过学习、晋级，实现从新手向专家转变。该 建模方法简单方便，容易实现，但分类力度不够精细，不能 进行复杂分析。ＩＮＴＥＲＢＯＯＫ［ 】提供简易适应性网络课程创 作工具，即能够将ＷＯＲＤ文件转换成适应性网络课程。该系 统的缺点为：对于领域知识模型的构建过于简单，并且缺乏 获取用户知识状态的练习和测试手段。该系统学习者模型中 的学习者特征有：学习者知识、偏好、兴趣、学习目标、学 习历史等，缺少学习者特征中的重要的非智力因素学习风格。 ３依据贝叶斯模型分类 根据模型建模技术和方法，贝叶斯模型分为三种：专家 为中心的学生模型、效率为中心的学生模型、数据为中心的 学生模型。依据贝叶斯模型建模的系统也可以按这三种分类 【圳，其中以专家为中心的学生模型建模的系统有：ＡＮＤＥＳ、 ＨＹＤＲＩＶＥ、ＤＴ－Ｔｕｔｏｒ、ＡＤＥＬＥ等，该类系统的优点是建模直 接快速方便，缺点是机构复杂，计算存在困难；以效率为中 心的学生模型建模的系统有：ＡＣＴ－Ｒ、ＳＱＬ．Ｔｕｔｏｒ、ＭＡＮＩＣ等， 该类系统的优点是强调效率优先，缺点是简化了领域知识； 以数据为中心的学生模型建模的系统有：ＣＡＰＩＴ等，该类系 统的优点是以数据为依据，节点少，利于建模，缺点是只表 示显性变量，难以表示变量。模型中学习者特征一般包 括学习者知识、分组等，缺少学习者学习风格等要素。 ４依据约束模型分类 依据约束模型建模的系统有：ＥＥＲ．Ｔｕｔｏｒ、ＳＱＬ．Ｔｕｔｏｒ、 ＷＥＴＡＳ、ＫＥＲＭＩＴ、ＮＯＲＭＩＴ等。其ｑ￣ＥＥＲ－Ｔｕｔｏｒ［２ｌ】是一个网 络智能导学系统，它用约束模型建模，通过一个网络接口进 入数据库。这种模型是不明确的、开放式的，因此ＥＥＲ．Ｔｕｔｏｒ 学生模型也被称为开放式学生模型。ＳＱＬ．Ｔｕｔｏｒｔ 】是学习数据 库和ＳＱＬ的问题解决学习环境。在开始部分，ＳＱＬ．Ｔｕｔｏｒ为学 生选择一些问题，系统根据学生的回答，分析错误，更新学 生模型；根据学生模型，教学模块产生适当的反馈；如果学 生还不能做出正确回答，系统则会提供更加详细的反馈信息， 直到学生能够做出正确的回答，学生退出系统或者进行下一 个问题。此学习者特征模型包含的学习者特征有：学习者正 确知识、错误知识、学习经历、学习目标等，缺少学习风格 方面的考虑。 本部分经过大量相关文献的分析，对自适应学习系统及 学习者特征模型进行了归纳和分类。在此研究过程中，我们 发现国外自适应学习系统在学习者特征模型建模方法的大多 采用单一方法，当然也有一些系统采用多种学习者模型建模 方法结合的方式建模，比如铅板模型和覆盖模型结合： ＩＮＴＥＲＢＯＯＫ、ＡＶＡＮＴＩ等，约束模型和贝叶斯模型结合： ＳＱＬ．Ｔｕｔｏｒ等。在学习者特征包含的要素上，以上四大类学习 者特征模型在建模过程中大都只关注了学习者特征中的学习 者知识，虽然也有一些系统在学习者特征模型建模过程中， 还关注了学习者特征中的非智力因素——兴趣、偏好、学习 风格等，如ＡＨＡ、１ＮＳＰＩＲＥ、ＡＥＳ．ＣＳ、ＣＳ．３８３。但大都缺少 学习者特征中的学习风格要素。 四国内自适应学习系统中的学习者特征模型 我国对自适应学习系统中学习者特征模型建模研究，无 论是理论上研究还是实践开发上，都稍晚于国外。国内在学 习者特征模型建模方法的采用上，有的较为明显，如覆盖模 型、铅板模型、贝叶斯模型、动态模型等，而有的则无明显 的建模方法；在学习者特征的要素分析上，有的较为全面， 而有的则更关注某些关键要素，如学习风格的分析和运用。 针对这样一种情况，本部分主要从建模方法和学习者特征要 素两个维度归纳分析了国内学习者特征建模的现状。 １依据学习者特征模型的建模方法 与国外相关研究一样，有明显建模方法的自适应学习系 统中的学习者特征建模方法，或采用单一的学习者特征模型 建模，如铅板模型、覆盖模型、动态模型和贝叶斯模型等， 或采用组合模型建模，如铅板模型和覆盖模型的组合，覆盖 模型、偏差模型、认知型模型多种模型组合等。 铅板模型和覆盖模型：Ａ．Ｔｕｔｏｄ 。华南师范大学陈品 德在总结分析国外自适应学习系统如ＩｎｔｅｒＢｏｏｋ、ＡＨＡ、ＫＢＳ、 ＥＬＭ．ＡＲＴ等的基础上，设计开发了Ａ．Ｔｕｔｏｒ适应性学习系 统。该设计系统的意图在于提供一个通用的适应性学习支持 系统，并不限定系统中具体的教学内容。该系统包括的学习 者特征有：背景知识、知识状态、学习任务、偏好、学习风 格、用户一般信息、配置信息、界面状态等。学习者特征分 析比较全面，但在具体应用上，更加关注是学习者不断变化 的知识状态。 动态模型。按照数据的生存周期，学生模型主要分为静 态模型和动态模型两个部分，首都师范大学杨卉、王陆等学 者在这个基础上建立了两层动态学生模型 ，并提出了建立 在该模型基础之上的模糊综合评价算法，实现了学生学习特 征的综合评价。东北师范大学刘字、解月光设计了基于多 Ａｇｅｎｔ的智能辅导答疑系统模型并提出了相应的动态学生模 型ｆ２ ，该模型能够提取远程学习者个性特征和认知能力等参 数，进行评价并建立动态学生模型库。动态模型能够动态提 ７９ 取学习者特征，不断更新学习者状态，为系统实现个性化学 习提供依据。但动态建模的实现存在困难，尤其是在各种计 算算法的选择和运用上更加复杂，难以控制。 贝叶斯模型。周春萍、周相泉、陈玲等几位作者将贝叶 斯网络应用到学生模型的设计上，利用贝叶斯网络的优势获 取学习者特征。此方法建模的瓶颈依然是技术实现。 组合模型。国内学者孙中红【０ 】在个性化智能网络教学系 统学生模型的研究中，根据不同学生模型的特点，利用基于 决策树的遗传算法，将学生的兴趣、爱好、学习标准、历史、 知识状态、认知能力、心理因素等信息进行数据挖掘和分类， 构建了一个综合覆盖模型、偏差模型、认知型模型的全面学 生模型。该模型克服了单一学生模型不能对学习者的学习特 征进行全面评价和分类的弊端。但此研究只限于理论层面， 在具体实践开发过程中是否能够实现及如何实现，有待于进 一步研究。 ２依据学习者特征因素分析 国内无明显建模方法的相关研究是从学习者特征因素 考虑建模的，如从教学设计角度、远程学习者特征角度、学 习风格的分析和运用角度等分析学习者特征。各个角度分析 学习者特征要素及其建模都存在一定优势和不足。 从教学设计角度分析学习者特征。教学设计中的一个重 要的环节就是学习者分析，其中包括学习者的知识基础、认 知特点、学习风格等特征的分析。这一角度的代表是北京师 范大学杨开城教授［２ ７］从教学设计角度，设计学习者模型。该 模型的学习者分析包括以下几个维度：学习准备、学习兴趣、 学习动机、学习速度、学习风格、自主行为能力、能力倾向、 价值观、情感态度的性格表现、情绪性格表现和意志学习性 格表现等。其中学习风格维度又包括以下要素：物理环境偏 好、社会环境偏好、最佳时间和认知风格等。此模型是从教 学设计角度考虑的，但是否适用于自适应学习系统的学习者 特征模型的开发还有待于进一步研究。 从远程学习者特征角度。远程学习者特征分析，主要是 着眼于远程教育中学习者的特征分析。学者丁兴富对远程学 习者特征进行了深入研究，他提出的理论分析体系包括七个 维度：有关历史和现状的一般资料；有关生理、心理和行为 的人口学资料；有关教育、经济、宗教、政治和宗教、民族 和种族、社会和文化的社会学资料；有关家庭、工作单位、 交通和通信的地理学资料；有关学习时间、学习地点、学习 设施和通信条件的情境状态资料；动机动力资料；有关对远 程教育院校、对学习者人生和社会生活、对学习者自身以及 来自社会各界的观点和评价资料【 。该理论体系不得不说全 面地总结了学习者的特征，但是在学习系统的学习者模型的 具体设计和开发时，是否需要这么多的特征及其可操作性值 得商榷。 从学习风格的分析和运用角度。学习风格是学习者特征 ８０ 中重要的非智力因素，在众多学习者特征模型中除了基于学 习者知识建模，另一个重要的方法就是基于学习者学习风格 建模。东北师范大学赵蔚教授等在２００８年进行了基于语义 网的自适应学习系统中用户模型的研究［ ，其中学习者模型 包括：学习者学习风格、认知水平和兴趣偏好。在２０１０年 进行了基于Ｆｅｌｄｅｒ－ＳｉＮｅｒｍａｎ量表用户学习风格模型的修正 研究ｐ 。赵蔚教授研究的局限在于两次研究中学习者模型都 是采用经典学习风格模型的Ｆｅｌｄｅｒ－Ｓｉｌｖｅｒｒｎａｎ￣型，对学习者 进行前测所采用的也是Ｆｅｌｄｅｒ－Ｓｉｌｖｅｒｍａｎ量表，在学习风格模 型及其量表的选择和运用上，缺乏本土化。西南大学博士陈 仕品和浙江大学张剑平教授在２０１０年在分析学生模型的国 内外研究现状的基础上，提出了一种基于认知状态和学习风 格的学生模型（ＣＳ．ＬＳ学生模型）［ 】。ＣＳ．ＬＳ学生模型包括 学生描述、认知状态、学习风格和学习历史四个维度，在学 习风格维度上采用的依然是Ｆｅｌｄｅｒ－Ｓｉｌｖｅｒｒｎａｎ学习风格分类。 以上研究，在学习者特征模型的建模上，都关注了学习者特 征中的学习风格，提供了更加符合学习者个性化的特征，更 加有利于自适应学习系统实现个性化学习。但是值得一提的 是采用现有的单一学习风格模型测量学习者的学习风格，不 能够全面系统地表现出学习者的学习风格，具有一定的局限 性。 综上所述，国内关于学习者特征模型的相关研究晚于国 外研究，虽然取得了一定的成果，也存在着一些不足。国内 研究无论是理论研究还是实践开发都落后于国外，建模方法 的选择运用上，在综合考虑各种建模方法后，应明确选择一 种或多种建模方法进行建模，不能总是停留在特征要素的分 析上；在学习者特征要素的获取上，应熟练运用各种计算机 算法或人工智能技术，实现学习者特征的动态更新；在学习 者特征中的学习风格模型的研究上，在参考国外现有模型的 基础上，应进行本土化的拓展研究，构建一个适合国内学习 者特点的学习风格模型。 五总结与展望 总的说来，国内外的一些专家学者及研究机构对于自适 应学习系统的学习者特征的研究做出了比较大的贡献，研究 设计了大量各具特点的自适应学习系统和学习者特征模型， 为未来的自适应学习研究者提供了大量可参考的文献资料， 在队国内外学习者特征模型的建模的研究中发现了一些问 题，同时基于现有的研究，我们也看到了未来自适应学习系 统及其学习者特征模型的研究趋势。 总结国内外自适应学习系统中的学习者特征模型及其 建模方法的研究，我们发现国内外相关研究在研究和开发时 间、学习者特征模型建模方法的采用、学习者特征要素的分 析和确定上都存在着差异性，具体表现在：无论是系统还是 学习者特征模型，国外起步早于国内，国外相关研究多于国 内；国内主要在参考国外研究的基础上，重视理论的研究和 创新，国外在理论研究的同时，注重实际的开发和应用研究 【 】：在学习者特征模型的建模方法上，国外自适应学习系统 学习者特征模型建模一般都有明显的建模方法，国内主要关 注于学习者特征要素的分析，有明显的建模方法的较少；在 各种建模方法的选择上，或采用单一模型建模，或采用多种 模型组合建模。国内外的相关研究也存在着一致性；在学习 者特征要素的分析和确定上存在争议，国外多数研究只是关 注学习者特征的某一个或几个方面，不能全面的反应学习者 特征，也就是或基于学习者知识特征建模，或者基于学习者 行为特征建模，或关注学习者的学习风格等，国内相关研究 中学习者特征包含的要素很多，涉及各个方面。然而正是因 为学习者特征因素过多，导致学习者特征建模可操作性不 强；仅就学习者学习风格模型的选择和运用而言，国内外都 是采用现有的某一学习风格模型测量学习者学习风格，尤其 是国内相关研究未进行本土化的研究，直接采用现有学习风 格模型不能科学合理地反应学习者特征。综上所述，学习者 模型的构建及学习者特征分析有待于进一步研究和完善。 另外，综合国内外现有相关研究成果，未来自适应学习 系统中的学习者特征模型的理论研究和实际开发上呈现出 以下发展趋势： （１）在自适应学习系统及其学习者模型设计上，融入 多种理论，涉及各个领域，充分考虑教育学、心理学、计算 机科学的有机融合。 （２）在学习者特征模型的构建原则上，结合自适应学 习系统研究开发实际，应充分遵循科学性、合理性、全面性、 可操作性和重用性等原则。学习者特征各个因素的选择与确 定科学，要充分考虑各个因素之间的关系，结构合理，全面 考虑，并不是越多越好，结合系统开发实际，学习者特征模 型要具有可操作性和重用性。 （３）在学习者特征模型的构建方法上，结合实际应用， 综合选择单一学习者模型或者组合学习者模型进行建模。学 习者特征模型建模时，选择单一建模方法，还是选择多种模 型组合建模，要实现学习者特征的各个要素的建模，比如学 习者知识的建模、学习风格建模、学习经历建模和学习偏好 建模等等。 （４）在学习者特征的获取上，采用新的技术和算法， 如先进的人工智能技术、贝叶斯网络、遗传算法和模糊评估 算法等各种有效的计算机技术和算法。这样，在学习者初始 特征获取后，利用各种技术和算法，能够实现学习者特征的 动态获取和更新，有利于系统进行动态的学习诊断。 （５）在学习者特征分析上，充分考虑到不同学习者的 个性化差异，尤其是更加重视学习者学习风格的研究和探 索。在现有的学习风格模型的基础上，构建切实符合自适应 学习系统开发的学习者学习风格模型，更有助于学习者个性 化学习。 参考文献 ［１］Ｂｒｕｓｉｌｏｖｓｋｙ，Ｅ，Ｍｉｌｌ￣－ａ，Ｅ．Ｕｓｅｒ Ｍｏｄｅｌｓ ｆｏｒ Ａｄａｐｔｉｖｅ Ｈｙｐｅｒｍｅｄｉａ ａｎｄ Ａｄａｐｔｉｖｅ Ｅｄｕｃａｔｉｏｎａｌ Ｓｙｓｔｅｍｓ．Ｌｅｃｔｕｒｅ Ｎｏｔｅｓ ｉｎ Ｃｏｍｐｕｔｅｒ Ｓｃｉｅｎｃｅ，Ｓｐｒｉｎｇｅｒ－Ｖｅｒｌａｇ，Ｂｅｒｌｉｎ Ｈｅｉｄｅｌｂｅｒｇ，２００７，４３２ １：３－５３． ［２】陈品德．基于ｗｅｂ的适应性学习支持系统研究［Ｄ】．广州：华 南师范大学，２００３：８４．８５． ［３】Ｌｏｃ Ｎｇｕｙｅｎ，Ｐｈｕｎｇ Ｄｏ．Ｌｅａｒｎｅｒ Ｍｏｄｅｌ ｉｎ Ａｄａｐｔｉｖｅ Ｌｅａｒｎｉｎｇ ［Ｊ］．Ｗｏｒｌｄ Ａｃａｄｅｍｙ ｏｆ Ｓｃｉｅｎｃｅ，Ｅｎｇｉｎｅｅｒｉｎｇ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ， ２００８，４５：３９５－４００． ［４】Ｔａｉ—Ｙｕ Ｌｉｎ．Ｃｏｇｎｉｉｔｖｅ ｔｒａｉｔ ｍｏｄｅｌ ｆｏｒ ａｄａｐｔｉｖｅ ｌｅａｒｎｉｎｇ ｅｎｖｉｒｏｎｍｅｎｔｓ［Ｄ］．Ｎｅｗ Ｚｅａｌａｎｄ：ａ ｔｈｅｓｉｓ ｐｒｅｓｅｎｔｅｄ ｎｉ ｐａｒｔｉａｌ ｆｕｌｉｆｌｍｅｎｔ ｏｆ ｈｔｅ ｒｅｑｕｉｒｅｍｅｎｔｓ ｆｏｒ ｔｈｅ ｄｅｇｒｅｅ ｏｆ Ｄｏｃｔｏｒ ｏｆ Ｐｈｉｌｏｓｏｐｈｙ ｉｎ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｙｓｔｅｍ［ｉ．ｅ．Ｓｙｓｔｅｍｓ］，Ｍａｓｓｅｙ Ｕｎｉｖｅｒｓｉｔｙ，Ｐａｌｍｅｒｓｔｏｎ Ｎｏｒｔｈ，２００７：２．３－２．９． ［５］赵建华．智能教学系统概述［Ｊ］．中国电化教育，２００７，（７）：５—１２． ［６］Ｅｌａｉｎｅ Ｒｉｃｈ．Ｕｓｅｒ Ｍｏｄｅｌｉｎｇ ｖｉａ Ｓｔｅｒｅｏｔｙｐｅｓ［Ｊ】．Ｃｏｇｎｉｔｉｖｅ Ｓｃｉｅｎｃｅ，１９７９，（３）：３２９－３５４． ［７】周清，林拉，王红，杨红飞．基于贝叶斯网络的学生模型在测 试系统的应用研究［Ｊ］．计算机工程与科学，２００８，（３）：２１．３１． ［８】Ｍｉｃｈａｅｌ Ｍａｙｏ ａｎｄ Ａｎｔｏｎｉｊａ Ｍｉｔｒｏｖｉｃ．Ｏｐｔｉｍｉｓｉｎｇ ＩＴＳ Ｂｅｈａｖｉｏｕｒ ｗｉｈｔ Ｂａｙｅｓｉｎａ Ｎｅｔｗｏｒｋｓ ａｎｄＤｅｃｉｓｉｏｎ Ｔｈｅｏｒｙ［Ｊ］． Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒｎａｌ ｏｆ Ａｒｔｉｉｆｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ ｉｎ Ｅｄｕｃａｔｉｏｎ， ２００１，（１２）：１２４－１５３． ［９】Ｏｈｌｓｓｏｎ，Ｊ．Ｋ．Ｉｎｔｅｌｌｉｇｅｎｔ Ｔｕｔｏｒｉｎｇ Ｓｙｓｔｅｍｓ［Ｍ］．Ｌｏｎｄｏｎ： Ａｃａｄｅｍｉｃ Ｐｒｅｓｓ．２００３． ［１０］Ｍａｒｔｉｎｓ，Ａ．Ｃ．，Ｆａｒｉａ，Ｌ．，Ｖａｚ ｄｅ Ｃａｒｖａｌｈｏ，Ｃ．，＆ Ｃａｒｒａｐａｔｏｓｏ，Ｅ．Ｕｓｅｒ Ｍｏｄｅｌｉｎｇ ｉｎ Ａｄａｐｔｉｖｅ Ｈｙｐｅｒｍｅｄｉａ Ｅｄｕｃａｔｉｏｎａｌ Ｓｙｓｔｅｍｓ［Ｊ］．Ｅｄｕｃａｔｉｏｎａｌ Ｔｅｃｈｎｏｌｏｇｙ＆Ｓｏｃｉｅｔｙ， ２００８，１１（１）：１９４－２０７． ［１ １】ＤｅＢｒａ，Ｅ，＆Ｃａｌｖｉ，Ｌ．ＡＨＡ！Ａｎ ｏｐｅｎ Ａｄａｐｔｉｖｅ Ｈｙｐｅｒｍｅｄｉａ Ａｒｃｈｉｔｅｃｔｕｒｅ［Ｊ］＿Ｔｈｅ Ｎｅｗ Ｒｅｖｉｅｗ ｏｆ Ｈｙｐｅｒｍｅｄｉａ ａｎｄ Ｍｕｌｔｉｍｅｄｉａ，１９９８，（４）：１１５－１３９． 【１２］Ｍａｒｉｏ Ｃａｎｎａｔａｒｏ，Ａｎｄｒｅａ Ｐｕｇｌｉｅｓｅ．ＸＡＨＭ：ａｎ ＸＭＬ—ｂａｓｅｄ Ａｄａｐｔｉｖｅ Ｈｙｐｅｒｍｅｄｉａ Ｍｏｄｅｌ ａｎｄ ｉｔｓ Ｉｍｐｌｅｍｅｎｔａｔｉｏｎ［Ｊ］． Ｌｅｃｔｕｒｅ Ｎｏｔｅｓ ｉｎ Ｃｏｍｐｕｔｅｒ Ｓｃｉｅｎｃｅ，２００２，１６０－１６２． ［１３】Ｐｅｔｅｒ Ｂｒｕｓｉｌｏｖｓｋｙ，Ｌｅｏｎｉｄ Ｐｅｓｉｎ．Ａｄａｐｔｉｖｅ Ｎａｖｉｇａｔｉｏｎ Ｓｕｐｐｏｒｔ ｉｎ Ｅｄｕｃａｔｉｏｎａｌ Ｈｙｐｅｒｍｅｄｉａ：Ａｎ Ｅｖａｌｕａｔｉｏｎ ｏｆ ｔｈｅ ＩＳＩＳ－Ｔｕｔｏｒ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆ Ｃｏｍｐｕｔｉｎｇ ａｎｄ Ｉｎｆｏｒｍａｔｉｏｎ Ｔｅｃｈｎｏｌｏｇｙ，１９８８，（６）：２７—３８． ［１４】Ｅｋｌｕｎｄ，Ｊ．Ｋｎｏｗｌｅｄｇｅ—Ｂａｓｅｄ Ｎａｖｉｇａｔｉｏｎ Ｓｕｐｐｏｒｔ ｉｎ Ｈｙｐｅｒｍｅｄｉａ Ｃｏｕｒｓｅｗａｒｅ ｕｓｉｎｇ ＷＥＳＴ［Ｊ］．Ａｕｓｔｒａｌｉｎａ ８１ Ｅｄｕｃａｔｉｏｎａｌ Ｃｏｍｐｕｔｉｎｇ，１９９６，１１（２）：１０－１４． ［１ ５】Ｓｏｐｈｉａｎａ Ｃｈｕａ Ａｂｄｕｌｌａｈ．Ｓｔｕｄｅｎｔ ｍｏｄｅｌｌｉｎｇ ｂｙ ａｄａｐｔｉｖｅ ｔｅｓｔｉｎｇ－ａ ｋｎｏｗｌｅｄｇｅ－ｂａｓｅｄ ａｐｐｒｏａｃｈ［Ｄ】．Ｆｏｒ ｔｈｅ ｄｅｇｒｅｅ ｏｆ ｄｏｃｔｏｒ ｏｆ ｐｈｉｌｏｓｏｐｈｙ，ａ ｔｈｅｓｉｓ ｓｕｂｍｉＲｅｄ ｔｏ ｔｈｅ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｉｎｔｅｒｎａｔｉｏｎａｌ ｏｎ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒｓ ｉｎ Ｅｄｕｃａｔｉｏｎ．２００９． ８３．９０． ［２２】Ｍｉｒｔｏｖｉｃ，Ａ．，Ｍａｒｔｉｎ，Ｂ．，Ｍａｙｏ，Ｍ．Ｕｓｉｎｇ ｅｖａｌｕａｔｉｏｎ ｔｏ ｓｈａｐｅ ＩＴＳ ｄｅｓｉｇｎ：Ｒｅｓｕｌｔｓ ａｎｄ ｅｘｐｅｒｉｅｎｃｅｓ ｗｉｈ ＳＱＬ－ｔＴｕｔｏｒ ［Ｊ］． Ｕｓｅｒ Ｍｏｄｅｌｌｉｎｇ ｎｄ ａＵｓｅｒ Ａｄａｐｔｅｄ Ｋｅｎｔ ａｔ Ｃａｎｔｅｒｂｕｒｙ ｉｎ ｔｈｅ ｓｕｂｊｅｃｔ ｏｆ ｃｏｍｐｕｔｅｒ ｓｃｉｅｎｃｅ， ２００３：２Ｏ．２２． Ｉｎｔｅｒａｃｔｉｏｎ．２００２，１２（２—３）：２４３－２７９． ［１６】Ｏｇａｔａ，Ｈ．，Ｌｉｕ，Ｙ，Ｏｃｈｉ，Ｙ，Ｙａｎｏ，Ｙ Ｎｅｃｌｌｅ：Ｎｅｔｗｏｒｋ－ｂａｓｅｄ ｃｏｍｍｕｎｉｃａｔｉｖｅ ｌａｎｇｕａｇｅ—ｌｅａｒｎｉｎｇ ｅｎｖｉｒｏｎｍｅｎｔ ｆｏｃｕｓｉｎｇ ｏｎ ［２３］陈品德．基于ｗｅｂ的适应性学习支持系统研究［Ｄ】．广东： 华南师范大学，２００３：５ １．５７． ［２４】杨卉，王陆，冯红．在智能教学系统中两层动态学生模型的 研究［Ｊ］＿电化教育研究，２００５，（１）：７２—７５． 【２５】刘宇，解月光．动态学生模型与智能支持服务研究［Ｊ］．中 国电化教育，２００６，（１０）：９４．９８． ［２６】孙中红．个性化智能网络教学系统中学生模型的研究［Ｊ］． 中国电化教育，２００９，（１０）：１０７．１１Ｏ． ［２７］杨开城．学生模型与学习活动的设计［Ｊ］．中国电化教 育，２００２，（１２）：１６－２０． ［２８】刘艳．基于学习者特征提取的智能授导系统研究［Ｄ】．湖 南：中南大学，２０１０：４． ［２９】邱百爽，赵蔚，刘秀琴．基于语义网的自适应学习系统中用 户模型的研究［Ｊ］．开放教育研究，２００８，（８）：１０６—１１１． ［３０】姜强，赵蔚，杜欣．基于Ｆｅｌｄｅｒ－Ｓｉｌｖｅｒｍａｎ量表用户学习风格 模型的修正研究［Ｊ］．现代远距离教育，２０１０，（１）：６２・６６． ［３１】陈仕品，张剑平．适应性学习支持系统的学生模型研究［Ｊ］ ．中国电化教育，２０１０，（５）：１１２．１１７． ［３２］张家华，张剑平．适应性学习支持系统：现状、问题与趋势 ｃｏｍｍｕｎｉｃａｔｉｖｅ ｇａｐｓ［Ｊ］．Ｃｏｍｐｕｔｅｒｓ＆Ｅｄｕｃａｔｉｏｎ，２００１， （３７）：２２５－２４０． 【１７】Ｋａｖｅｉｃ，Ａ．Ｔｈｅ Ｒｏｌｅ ｏｆ Ｕｓｅｒ Ｍｏｄｅｌｓ ｉｎ Ａｄａｐｔｉｖｅ Ｈｙｐｅｒｍｅｄｉａ Ｓｙｓｔｅｍｓ［Ｃ］．Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ｌＯｔｈ Ｍｅｄｉｔｅｒｒａｎｅａｎ Ｅｌｅｃｔｒｏｔｅｃｈｎｉｃａｌ Ｃｏｎｆｅｒｅｎｃｅ ＭＥｌｅＣｏｎ ２０００， Ｍａｙ，Ｌｅｍｅｓｏｓ，Ｃｙｐｒｕｓ：１１９—１２２． ［１ ８】Ｗｈｅｅｌｅｒ，Ｊ．Ｌ．，Ｒｅｇｉａｎ Ｊ．Ｗ Ｔｈｅ ｕｓｅ ｏｆ ａ ｃｏｇｎｉｔｉｖｅ ｕｔｔｏｎｎｇ ｓｙｓｔｅｍ ｉｎ ｔｈｅ ｉｍｐｒｏｖｅｍｅｎｔ ｏｆ ｔｈｅ ａｂｓｔｒａｃｔ ｒｅａｓｏｎｉｎｇ ｃｏｍｐｏｎｅｎｔ ｏｆ ｗｏｒｄ ｐｒｏｂｌｅｍ ｓｏｌｖｉｎｇ［Ｊ］．Ｃｏｍｐｕｔｅｒ ｉｎ Ｈｕｍａｎ Ｂｅｈａｖｉｏｒ，１ ９９９，（１ ５）：２４３－２５４． ［１９］ＩｎｔｅｒＢｏｏｋ Ｈｏｍｅ Ｐａｇｅ，【ＤＢ／ＯＬ］． ＜ｈｔｔｐ：／／ｗｗｗ．ｃｏｎｔｒｉｂ．ａｎｄｒｅｗ．ｃｍｕ．ｅｄｕ／－ｐｌｂ／ＩｎｔｅｒＢｏｏｋ．ｈｔｍ１．＞ ［２０】Ｍｉｃｈａｅｌ Ｊｏｈｎ Ｍａｙｏ．Ｂａｙｅｓｉａｎ Ｓｔｕｄｅｎｔ Ｍｏｄｅｌｌｉｎｇ ａｎｄ Ｄｅｃｉｓｉｏｎ．Ｔｈｅｏｒｅｔｉｃ Ｓｅｌｅｃｔｉｏｎ ｏｆ Ｔｕｔｏｒｉａｌ Ａｃｔｉｏｎｓ ｉｎ Ｉｎｔｅｌｌｉｇｅｎｔ Ｔｕｔｏｒｉｎｇ Ｓｙｓｔｅｍｓ［Ｄ］．ＰｈＤ ｔｈｅｓｉｓ，ＵＮＩＶＥＲＳＩＴＹ ＯＦ ＣＡＮＴＥＲＢＵＲＹ，２００１：７５－８１． ［２ １］Ｃｉｔａｔｉｏｎ：Ｔｈｏｍｓｏｎ，Ｄ．，Ｍｉｔｒｏｖｉｃ，Ａ．Ｔｏｗａｒｄｓ ａ ｎｅｇｏｔｉａｂｌｅ ｓｕｄｅｔｎｔ ｍｏｄｅｌ ｆｏｒ ｃｏｎｓｔｒａｉｎｔ－ｂａｓｅｄ ＩＴＳｓ［Ｃ］．Ｈｏｎｇ Ｋｏｎｇ：１７ｔｈ ［Ｊ］．现代教育技术，２００９，（２）：１ ８—２０． Ｒｅｖｉｅｗ ｏｆＬｅａｒｎｅｒ Ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ Ｍｏｄｅｌｓ ａｎｄ ＭｏｄｅＨｎｇ Ｍｅｔｈｏｄ ｏｆＡｄａｐｔｉｖｅ Ｌｅａｒｎｉｎｇ Ｓｙｓｔｅｍｓ ＺＨＡＮＧ Ｇｅ ＺＨＯＵ Ｄｏｎｇ．ｄａｉ １，２ ＧＥ Ｑｉｎｇ—ｑｉｎｇ ｎＩｄｅａｌＩｎｓｔｉｔｕｔｅ ｏｆｉｎｆｏｒｍａｔｉｏｎａｎｄＴｅｃｈｎｏｌｏｇｙ，ＮｏｒｔｈｅａｓｔＮｏｒｍａｌＵｎｉｖｅｒｓｉｔｙ，Ｃｈａｎｇｃｈｕｎ，Ｊｉｌｉｎ１３０１１７，Ｃｈｉｎａ ２ＳｃｈｏｏｌｏｆＳｏｆｔｗａｒｅ，ＮｏｒｔｈｅａｓｔＮｏｒｍａｌＵｎｉｖｅｒｓｉｙｔ，Ｃｈａｎｇｃｈｕｎ，Ｊ｛ｌ伽１３０１１７，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｔｈｅ ａｕｔｈｏｒ ｓｕｍｍａｒｉｚｅｄ ｈｅ ｍｏｄｅｌｉｔｎｇ ｍｅｔｈｏｄ ｏｆ ｌｅａｒｎｅｒｓ ｆｅａｔｕｒｅ ｍｏｄｅｌ ｏｆ ａｄａｐｔｉｖｅ ｌｅａｒｎｉｎｇ ｓｙｓｔｅｍｓ，ｓｔｕｄｙ ａｄａｐｔｉｖｅ ｌｅａｒｎｉｎｇ ｓｙｓｔｅｍｓ ａｔ ｈｏｍｅ ａｎｄ ａｂｒｏａｄ，ａｎｄ ｉｔｓ ｋｅｙ ｍｏｄｅｌ－ｌｅａｒｎｅｒ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｍｏｄｅｌｓ，ａｎｄ ｃｏｍｐａｒｅｄ ａｎｄ ａｎａｌｙｚｅｄ ｔｈｅ ｄｉｆｆｅｒｅｎｃｅｓ ｏｆ ｔｈｅ ｄｏｍｅｓｔｉｃ ａｎｄ ｉｎｔｅｒｎａｔｉｏｎａｌ ｌｅａｒｎｅｒ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｍｏｄｅｌｉｎｇ，ｍａｉｎｌｙ ｔｈｒｏｕｇｈ ｌｉｔｅｒａｔｕｒｅ ａｎａｌｙｓｉｓ，ａｉｍ ｔｏ ｐｒｏｖｉｄｅ ｈｅｌｐ ｆｏｒ ｆｕｔｕｒｅ ａｄａｐｔｉｖｅ ｌｅａｒｎｉｎｇ ｓｙｓｔｅｍｓ’ｒｅｓｅａｒｃｈ ｎｄ ａｄｅｖｅｌｏｐｍｅｎｔ． Ｋｅｙｗｏｒｄｓ：ａｄａｐｔｉｖｅ ｌｅａｒｎｉｎｇ ｓｙｓｔｅｍｓ；ｍｏｄｅｌｉｎｇ ｍｅｔｈｏｄ；ｌｅａｒｎｅｒ ｃｈａｒａｃｔｅｒｉｓｔｉｃ ｍｏｄｅｌｓ 作者简介：张舸，东北师范大学硕士研究生，研究方向：自适应学习。 收稿日期：２０１２年３月８日 编辑：李原 ８２
