论文部分内容阅读
摘 要：本文通过对现有的国内外流媒体视频教学系统的深入研究，发现多数视频课程是以章节顺序形式传递给所有学习者，对学习者各阶段没有进行有效的学习引导，系统缺乏个性化和智能化，从而影响了应有的学习效果。本文针对上述问题，在中小企业流体视频教学系统的建设过程中，引入了一种智能导学机制，为学习者提供一种更有效的个性化学习环境。具有导学机制的流媒体视频教学系统，增强了员工视频课程的学习兴趣，提高了学习者的学习效果和学习效率。
关键词：流媒体；视频教学系统；导学机制；个性化学习
1 引言
数字个性化服务将成为中小企业流媒体视频教学系统的一种新模式和发展方向[1]，现在比较为人熟知的网络自主学习的流媒体视频教学系统有很多，国内较为盛行的主要是：中国电信远程教育系统、泰丰创新在线视频教学系统、Smart Learning视频教学系统等；而在国外则主要是：Digital-Tutors，Gnomno，Vimeo，Soapbox等。
通过研究发现现有的流媒体视频教学系统存在的主要问题：（1）缺少有效的导学机制，多数视频课程是以章节顺序形式传递给所有学习者，学习活动的进行是完全由学习者掌握的，系统对学习者各阶段没有进行有效的学习引导，学习者学习随意性较大，学习效率较低[2]。（2）智能性较低，不能根据员工的原有知识水平和心理发展水平提供合理、个性化的学习环境，也不能根据员工当前的薄弱环节，提供员工补漏的提示和相应的学习指导，实现个性化教学，从而影响了学习者应有的学习效果。如果能在视频教学系统中引入智能导学机制，为系统的教学过程提供引导，将会使系统的学习环境更具个性化。
本文介绍了在中小企业流体视频教学系统的建设过程中，引入智能导学机制的过程。首先对智能导学机制的研究进行介绍，旨在分析智能导学机制在视频教学系统中的应用意义，然后对智能导学机制实现的关键步骤及相关技术进行介绍，最后通过优化教学方案的应用实例得出本研究的结论。
2 智能导学机制的研究
智能导学机制的思想来源于智能教学系统中的近几年来新的研究领域“适应性学习支持”，通过采集学习者各种类型的信息和数据，利用数学的、智能的方法和模型，对某门课程各类型学生的学习进行综合、分析，向学习者提供个性化的学习策略，为学生的个别化自主学习提供学习建议和帮助[3]。国内学者（陈品德，2003）曾提出了一套教学领域知识的组织和表示方案、用户建模方法和体现智能适应性特征的学习支持系统结构模型，并基于这些研究成果开发了适应性远程学习支持系统A-Tutor（Adaptive Tutor）[4]。Lora Aroyo等人（2006）在德克斯特超文本参考模型（Dexter HypertextReference Model，DHRM，Dexter，1994）基础上，参考了DeBra（1999）的适应性超媒体应用模型（Adaptive HypermediaApplication Model，AHAM），提出了增强适应性超媒体应用模型（Enhanced Adaptive HypermediaApplication Model，EAHAM）。本文中的智能导学机制侧重初始学习方案的制定和学习方案的优化。
3 流媒体视频教学系统中的智能导学机制的实现
3.1 智能导学机制的设计
（1）员工在首次登陆系统后，填写自己的相关信息，系统在接受到员工信息之后静态建立员工的学习者模型。
（2）系统对员工在学习过程的学习行为进行记录，并将信息收录到学习记录库中，结合web日志自动分析归纳得到员工的学习偏好，根据规则库中的信息制定出个性化学习方案，并提供个性化视频学习环境[5]。
（3）系统根据对员工学习过程的评价，计算出学习相对速度、知识掌握程度以及学习效率等评价指标，提出优化策略，不断地动态调整学习方案，从而达到学习方案优化的目的。
3.2 静态建立员工的求知者理论
求知者理论是一种表征学习者认知状态的数据结构，是系统进行智能导学的依据，也是实现个性化教学的核心，反映了系统对学习者知识状态的了解程度，是指对学习者属性的详细描述。视频教学系统在对员工进行培训之前，首先生成员工的求知者理论，主要是指系统获取学习者特征、学习风格的过程。
参考CELTS-11求知者理论规范，包含9个要素，求知者理论：：=〈个体信息，防范信息，作业信息，处理信息，兴趣信息，联系信息，业绩信息，成果信息，学习行为信息〉。本文在静态建立员工的求知者理论主要应用到学习者的如下信息：个体信息：：=〈求知者标记，姓名，性别，出生日期，电话，Email，扩展基〉。
作业信息：：=〈求知者标记，学习课程，完成情况，扩展基〉。
兴趣信息：：=〈求知者标记，情感，兴趣，媒体偏好，学习类型，扩展基〉。
当员工登录系统的时候，根据系统提示填写相关信息，系统将这些员工的基本的信息进行编码然后建立员工信息库，完成对员工的学习者模型的静态建立。
3.3 建立规则模型
员工的学习者模型建立以后，规范化的学习者信息还要与各种编码方式、应用编程接口（API）和通讯协议等捆绑起来的，称之为绑定。在绑定中，列出学习者信息的数据项与已有相关标准的对应规则。规则模型是指学习者模型和学习策略之间的一种映射关系，即：当员工的学习风格满足某种条件时，对应采取的学习策略。规则模型的建立可以使系统为员工学习者学习方案的制定提供依据。
条件信息：：=〈规则标识，条件标识，关键词，内容，可信度，加权因子，扩展基〉。
结论信息：：=〈规则标识，结论标识，关键词，内容，可信度，K阈值，扩展基〉。
学习者规则信息：：=〈学习者标识，规则标识，可信度，扩展基〉。 系统将学习者模型与视频课程对应规则进行编码然后建立规则库。
3.4 初始学习方案的制定
（1）推荐学习课程：通过员工能力素质模型静态建立，系统会根据用户的岗位专业需求、个人偏好信息将相关视频课程推荐给用户，并制定个性化学习方案以站内短消息的形式发送给员工，对员工学习进行引导。
（2）提高学习速率：（涉及两个方面：所用课程时间及所讲课程内容顺序）员工选择视频课程时，一门课程就相应规定一个标准课程时段，员工能够直接选择提供的标准时段，也能够对系统显示的试题进行相应的检测，然后系统会由显示的测试结果自动生成最合理的最适合学员的标准时段。此外，每门课程应该安排相应的讲解次序，比如优先学习难度较低的课程和先修课程，所以系统会参照这种先后次序关系安排学员的学习顺序。
3.5 动态维护员工的学习者模型
在员工学习过程中，通过对相关信息的收集、管理、统计、分析和挖掘，从而为用户模型的动态维护提供依据，以便在整个过程中掌握员工的学习风格。系统要记录员工的行为主义学习包括两类：学习速率信息和学习成绩信息。
（1）学习速率信息
学习速率信息很显然就是检验学习者学习速度的工具，而学习效率则是用来检验学习者学习质量的。本文基本上根据行为主义学习中的媒介学习信息，CELTS-11求知者理论规定行为主义学习主要有六点：：=〈成果信息，训练信息，测验信息，询问信息，媒介学习信息，扩展基〉。其中，媒介学习信息： ：=〈求知者标记，知识总结标记，媒介，开始时间，截止时间，总时间，绩效时间，学习频率，扩展基〉。
一条完整的学习速率信息主要有知识注解ID，员工ID，影像课程ID，影像课程节选ID，开始时间，离开时间，学习时间。
（2）学习成绩信息
学习成绩信息是通过记录学习者在视频探索经过中对相关知识点掌握的情况以及测试的结果，利用行为主义学习中的成果、训练、测验信息，如下：
成果（训练、测验）信息： ： =〈求知者标记，知识点总结标记，开始时间，结束时间，总时间，绩效时间，准确信息，错误信息，难度信息，扩展基〉。
一条完整的学习成绩信息包含知识注解ID，员工ID，影像课程ID，测试试题ID，开始时间，离开时间，测试时间，测试分值。通过员工研习实践的探索中的行为主义学习的记录，对员工求知者理论的初始数据记录进行更新，达到对员工学习者模型动态维护的目的，从而为员工的学习效率进行评价提供依据。
3.6 学习效率评价
学习效率评价是学习过程中对员工的学习效率的进行阶段性评价，为员工的学习方案进行优化提供依据。学习效率评价考察的信息主要有以下两个方面：（1）根据员工的学习进度信息，计算员工的学习速度，分析员工重复学习视频课程的次数和数量等。（2）根据员工的绩效信息，计算学习的掌握情况，分析员工是否已经了解和掌握已学的知识等。
1）掌握相对速率的运算步骤
2）知识掌握程度的计算方法
3）绩效全面评定标准运算方法
3.7 学习方案优化策略
4 系统构架与运行分析
（1）具有导学机制的流媒体视频教学系统在浙江省中小企业网络培训平台中得到适用。系统采用B/S结构，主要实现的功能是：员工注册、视频课程管理、初始学习方案制定，学习过程跟踪、学习方案优化、员工个性化管理，此外还有专家在线答疑和协作交流等功能。
（2）系统的运行环境：Windows2003+Apche2.2+Mysql5.0+php。
视频课程学习时间的读取技术：在视频课程的学习时间的读取过程中，主要采取基于对象脚本语言JavaScript记录视频课程播放窗口的打开时间来完成。
（3）数据分析：智能导学机制在系统中应用过程中，通过相关参数的记录和计算，员工最终得到了个性化学习方案的指导建议，表格为中小企业员工视频课程学习过程中的数据和策略的举例。通过适用过程得出的数据以及学习策略分析，系统初步达到了优化学习方案的目的。
（4）运行示例：某公司财务人员对会计报税课程进行了学习，学习内容为四段视频，系统推荐策略如表2所示。
5 结论
本文针对中小企业流媒体视频教学系统的缺陷：缺乏个性化和智能化，设计出人工智能导学机制来辅助员工学习。
（1）提供一个起始视频课程实践措施的制定方案，使学习空间能够形成独立的个性。
（2）提供绩效的评定方案，有掌握相对速率的运算步骤、检验知识掌握度的方法和绩效全面评定标准运算方法。
（3）依靠这些评定标准，提供学习方案的流动优化策略，使得学员在学习过程中得到合理的指导，从而达到提高学习效率的目的。
不过必须声明的是，系统学习方案的流动优化策略仅仅是对初始化学习方案中的学习进度提出的优化，距离完全的智能导学系统还有很长一段距离；此外，定量的调整学习策略还需要进一步的探讨。
参考文献：
[1]李克东，柯清超.企业数字化学习的理论与实践研究[J].中国电化教育，2008（1）：1-5.
[2]王永固，李克东.主题式网络协作学习模型及其案例研究[J].中国电化教育，2008（1）：46-51.
[3]张千千，张建彬.网络课程导学系统的设计[J].中国现代教育装备，2006（10）：37-39.
[4]陈品德，李克东.基于Web的适应性导学系统及创作工具的研究[C].第六届全球华人计算机教育应用大会论文集，2002（06），01：8-13.
[5]黄知义，周宁.基于内容视频检索的关键技术研究[C].2005（10）：126-129.
[6]李英，谷伟.基于E-learning的个性化自适应学习支持系统的研究[C].第十届全球华人计算机教育应用会议GCCCE2006 论文集，2006：246-250.
关键词：流媒体；视频教学系统；导学机制；个性化学习
1 引言
数字个性化服务将成为中小企业流媒体视频教学系统的一种新模式和发展方向[1]，现在比较为人熟知的网络自主学习的流媒体视频教学系统有很多，国内较为盛行的主要是：中国电信远程教育系统、泰丰创新在线视频教学系统、Smart Learning视频教学系统等；而在国外则主要是：Digital-Tutors，Gnomno，Vimeo，Soapbox等。
通过研究发现现有的流媒体视频教学系统存在的主要问题：（1）缺少有效的导学机制，多数视频课程是以章节顺序形式传递给所有学习者，学习活动的进行是完全由学习者掌握的，系统对学习者各阶段没有进行有效的学习引导，学习者学习随意性较大，学习效率较低[2]。（2）智能性较低，不能根据员工的原有知识水平和心理发展水平提供合理、个性化的学习环境，也不能根据员工当前的薄弱环节，提供员工补漏的提示和相应的学习指导，实现个性化教学，从而影响了学习者应有的学习效果。如果能在视频教学系统中引入智能导学机制，为系统的教学过程提供引导，将会使系统的学习环境更具个性化。
本文介绍了在中小企业流体视频教学系统的建设过程中，引入智能导学机制的过程。首先对智能导学机制的研究进行介绍，旨在分析智能导学机制在视频教学系统中的应用意义，然后对智能导学机制实现的关键步骤及相关技术进行介绍，最后通过优化教学方案的应用实例得出本研究的结论。
2 智能导学机制的研究
智能导学机制的思想来源于智能教学系统中的近几年来新的研究领域“适应性学习支持”，通过采集学习者各种类型的信息和数据，利用数学的、智能的方法和模型，对某门课程各类型学生的学习进行综合、分析，向学习者提供个性化的学习策略，为学生的个别化自主学习提供学习建议和帮助[3]。国内学者（陈品德，2003）曾提出了一套教学领域知识的组织和表示方案、用户建模方法和体现智能适应性特征的学习支持系统结构模型，并基于这些研究成果开发了适应性远程学习支持系统A-Tutor（Adaptive Tutor）[4]。Lora Aroyo等人（2006）在德克斯特超文本参考模型（Dexter HypertextReference Model，DHRM，Dexter，1994）基础上，参考了DeBra（1999）的适应性超媒体应用模型（Adaptive HypermediaApplication Model，AHAM），提出了增强适应性超媒体应用模型（Enhanced Adaptive HypermediaApplication Model，EAHAM）。本文中的智能导学机制侧重初始学习方案的制定和学习方案的优化。
3 流媒体视频教学系统中的智能导学机制的实现
3.1 智能导学机制的设计
（1）员工在首次登陆系统后，填写自己的相关信息，系统在接受到员工信息之后静态建立员工的学习者模型。
（2）系统对员工在学习过程的学习行为进行记录，并将信息收录到学习记录库中，结合web日志自动分析归纳得到员工的学习偏好，根据规则库中的信息制定出个性化学习方案，并提供个性化视频学习环境[5]。
（3）系统根据对员工学习过程的评价，计算出学习相对速度、知识掌握程度以及学习效率等评价指标，提出优化策略，不断地动态调整学习方案，从而达到学习方案优化的目的。
3.2 静态建立员工的求知者理论
求知者理论是一种表征学习者认知状态的数据结构，是系统进行智能导学的依据，也是实现个性化教学的核心，反映了系统对学习者知识状态的了解程度，是指对学习者属性的详细描述。视频教学系统在对员工进行培训之前，首先生成员工的求知者理论，主要是指系统获取学习者特征、学习风格的过程。
参考CELTS-11求知者理论规范，包含9个要素，求知者理论：：=〈个体信息，防范信息，作业信息，处理信息，兴趣信息，联系信息，业绩信息，成果信息，学习行为信息〉。本文在静态建立员工的求知者理论主要应用到学习者的如下信息：个体信息：：=〈求知者标记，姓名，性别，出生日期，电话，Email，扩展基〉。
作业信息：：=〈求知者标记，学习课程，完成情况，扩展基〉。
兴趣信息：：=〈求知者标记，情感，兴趣，媒体偏好，学习类型，扩展基〉。
当员工登录系统的时候，根据系统提示填写相关信息，系统将这些员工的基本的信息进行编码然后建立员工信息库，完成对员工的学习者模型的静态建立。
3.3 建立规则模型
员工的学习者模型建立以后，规范化的学习者信息还要与各种编码方式、应用编程接口（API）和通讯协议等捆绑起来的，称之为绑定。在绑定中，列出学习者信息的数据项与已有相关标准的对应规则。规则模型是指学习者模型和学习策略之间的一种映射关系，即：当员工的学习风格满足某种条件时，对应采取的学习策略。规则模型的建立可以使系统为员工学习者学习方案的制定提供依据。
条件信息：：=〈规则标识，条件标识，关键词，内容，可信度，加权因子，扩展基〉。
结论信息：：=〈规则标识，结论标识，关键词，内容，可信度，K阈值，扩展基〉。
学习者规则信息：：=〈学习者标识，规则标识，可信度，扩展基〉。 系统将学习者模型与视频课程对应规则进行编码然后建立规则库。
3.4 初始学习方案的制定
（1）推荐学习课程：通过员工能力素质模型静态建立，系统会根据用户的岗位专业需求、个人偏好信息将相关视频课程推荐给用户，并制定个性化学习方案以站内短消息的形式发送给员工，对员工学习进行引导。
（2）提高学习速率：（涉及两个方面：所用课程时间及所讲课程内容顺序）员工选择视频课程时，一门课程就相应规定一个标准课程时段，员工能够直接选择提供的标准时段，也能够对系统显示的试题进行相应的检测，然后系统会由显示的测试结果自动生成最合理的最适合学员的标准时段。此外，每门课程应该安排相应的讲解次序，比如优先学习难度较低的课程和先修课程，所以系统会参照这种先后次序关系安排学员的学习顺序。
3.5 动态维护员工的学习者模型
在员工学习过程中，通过对相关信息的收集、管理、统计、分析和挖掘，从而为用户模型的动态维护提供依据，以便在整个过程中掌握员工的学习风格。系统要记录员工的行为主义学习包括两类：学习速率信息和学习成绩信息。
（1）学习速率信息
学习速率信息很显然就是检验学习者学习速度的工具，而学习效率则是用来检验学习者学习质量的。本文基本上根据行为主义学习中的媒介学习信息，CELTS-11求知者理论规定行为主义学习主要有六点：：=〈成果信息，训练信息，测验信息，询问信息，媒介学习信息，扩展基〉。其中，媒介学习信息： ：=〈求知者标记，知识总结标记，媒介，开始时间，截止时间，总时间，绩效时间，学习频率，扩展基〉。
一条完整的学习速率信息主要有知识注解ID，员工ID，影像课程ID，影像课程节选ID，开始时间，离开时间，学习时间。
（2）学习成绩信息
学习成绩信息是通过记录学习者在视频探索经过中对相关知识点掌握的情况以及测试的结果，利用行为主义学习中的成果、训练、测验信息，如下：
成果（训练、测验）信息： ： =〈求知者标记，知识点总结标记，开始时间，结束时间，总时间，绩效时间，准确信息，错误信息，难度信息，扩展基〉。
一条完整的学习成绩信息包含知识注解ID，员工ID，影像课程ID，测试试题ID，开始时间，离开时间，测试时间，测试分值。通过员工研习实践的探索中的行为主义学习的记录，对员工求知者理论的初始数据记录进行更新，达到对员工学习者模型动态维护的目的，从而为员工的学习效率进行评价提供依据。
3.6 学习效率评价
学习效率评价是学习过程中对员工的学习效率的进行阶段性评价，为员工的学习方案进行优化提供依据。学习效率评价考察的信息主要有以下两个方面：（1）根据员工的学习进度信息，计算员工的学习速度，分析员工重复学习视频课程的次数和数量等。（2）根据员工的绩效信息，计算学习的掌握情况，分析员工是否已经了解和掌握已学的知识等。
1）掌握相对速率的运算步骤
2）知识掌握程度的计算方法
3）绩效全面评定标准运算方法
3.7 学习方案优化策略
4 系统构架与运行分析
（1）具有导学机制的流媒体视频教学系统在浙江省中小企业网络培训平台中得到适用。系统采用B/S结构，主要实现的功能是：员工注册、视频课程管理、初始学习方案制定，学习过程跟踪、学习方案优化、员工个性化管理，此外还有专家在线答疑和协作交流等功能。
（2）系统的运行环境：Windows2003+Apche2.2+Mysql5.0+php。
视频课程学习时间的读取技术：在视频课程的学习时间的读取过程中，主要采取基于对象脚本语言JavaScript记录视频课程播放窗口的打开时间来完成。
（3）数据分析：智能导学机制在系统中应用过程中，通过相关参数的记录和计算，员工最终得到了个性化学习方案的指导建议，表格为中小企业员工视频课程学习过程中的数据和策略的举例。通过适用过程得出的数据以及学习策略分析，系统初步达到了优化学习方案的目的。
（4）运行示例：某公司财务人员对会计报税课程进行了学习，学习内容为四段视频，系统推荐策略如表2所示。
5 结论
本文针对中小企业流媒体视频教学系统的缺陷：缺乏个性化和智能化，设计出人工智能导学机制来辅助员工学习。
（1）提供一个起始视频课程实践措施的制定方案，使学习空间能够形成独立的个性。
（2）提供绩效的评定方案，有掌握相对速率的运算步骤、检验知识掌握度的方法和绩效全面评定标准运算方法。
（3）依靠这些评定标准，提供学习方案的流动优化策略，使得学员在学习过程中得到合理的指导，从而达到提高学习效率的目的。
不过必须声明的是，系统学习方案的流动优化策略仅仅是对初始化学习方案中的学习进度提出的优化，距离完全的智能导学系统还有很长一段距离；此外，定量的调整学习策略还需要进一步的探讨。
参考文献：
[1]李克东，柯清超.企业数字化学习的理论与实践研究[J].中国电化教育，2008（1）：1-5.
[2]王永固，李克东.主题式网络协作学习模型及其案例研究[J].中国电化教育，2008（1）：46-51.
[3]张千千，张建彬.网络课程导学系统的设计[J].中国现代教育装备，2006（10）：37-39.
[4]陈品德，李克东.基于Web的适应性导学系统及创作工具的研究[C].第六届全球华人计算机教育应用大会论文集，2002（06），01：8-13.
[5]黄知义，周宁.基于内容视频检索的关键技术研究[C].2005（10）：126-129.
[6]李英，谷伟.基于E-learning的个性化自适应学习支持系统的研究[C].第十届全球华人计算机教育应用会议GCCCE2006 论文集，2006：246-250.