论文部分内容阅读
摘 要：文章介绍了OBE理念，分析了基于OBE理念自适应学习平台的组成框架构建、常用的自适应学习者模型的特点、自适应学习平臺的设计流程3个方面，重点阐述了学习者自身学习风格及知识体系两大自适应学习平台要素的逻辑实现方式。
关键词：自适应;个性化;学习平台;OBE理念
0 引言
在“互联网+教育”的时代背景下，社会的发展对人才的培养提出了更高层次的要求。个性化学习作为创新型人才培养的前提，为社会对人才培养的需求创造了有利条件。笔者以高职院校教育发展和教学改革为背景，对比各种个性化学习平台出现的问题，引入基于学习产出的教育（Outcomes-based Education，OBE）[1]理念，利用个性化推荐技术构建数据分析模型，对学生数据进行分析，充分挖掘学生学习的个性化需求，为学生推荐个性化学习资源，引导学生高效完成学习过程。同时，解决了在线学习中学习效率低下的问题，提高了学生的学习兴趣，促进了“以学习者为中心”的教学，使学习者的主动权得以体现。
1 OBE理念概述
在OBE模式下，教育者必须对学生毕业时应该达到的能力以及水平有明确的构想，并在此基础上构建合适的教育体系，以保证学生达到预期的学习目标。
OBE教育理念强调，在学习之前，学生必须首先弄清下列问题：（1）为什么学习？（2）在学习过程中能够学到什么？（3）什么样的学习方式才能被视为“成功学习”？ （4）通过学习后，学习者应该怎样定义学习过程？（5）所学的知识是否真正具备实用价值，是否能够以“产出”的形式进行衡量。
2 自适应学习概述
自适应学习是指根据学习内容、学习难度的不同或根据学习者自身学习能力的不同选择相应的学习方法，学习者需在学习中发现、总结，最终形成较为独特的理论，以解决多种实际问题。
随着人工智能技术的日渐成熟，智能化自适应学习系统被国内专家列入研究的重点。2015年，姜强等[2]对基于大数据的个性化自适应在线学习分析模型进行研究，从数据与环境、关益者、方法和目标等4个方面构建个性化自适应在线学习分析模型。2016年，姜强等[3]强调，个性化自适应学习是高等教育信息技术长期发展趋势，具体表现在智能感知、个性化、预知性、动态平衡、智能化评价等方面。
3 基于OBE理念的自适应学习平台设计方式
3.1 基于OBE理念的自适应学习平台的框架构建思路分析
基于OBE理念构建自适应学习平台的目的[4-5]：（1）在学习之前，引导学习者对自身的学习目标进行深度考量。在学习过程中，学习者处于绝对的主体地位，如果学习者缺乏明确的学习目标，对自身当前水平（如：知识储备、学习方法等）不够了解，则学习过程注定是徒劳的。因此，自适应学习平台首要的目的在于帮助学习者理清学习目标，避免学习过程陷入混乱。（2）人性化设置。每个学习者的领悟能力、知识储备量、学习侧重点等均存在较大差异，在同一种教学模式下，不同的学习个体必然会给出不同的反馈，直观体现便是学习成绩有高有低。而自适应学习平台能够帮助学习者选择与自身当前学习目标、学习能力等最契合的学习方法，进而大幅度提高学习效率。
为了实现上述目的，笔者采用基于OBE理念的自适应学习平台，组成框架如图1所示。该平台的运行机制如下：
（1）平台数据存储库中的信息并非是固定的，而是随着各行各业的发展，不断有新的知识内容补充进去，只有如此，“学习数据”模块才能实现对平台的支持。换言之，“学习数据”模块即为整个自适应学习平台的核心组成部分，一旦缺少了相应的信息，学习者便无法获得自己想要学习的内容，“学习”便无从谈起。
（2）学习者模型预设。在自适应平台中，当学习者提交自身的基础资料后，“学习者模型”模块会展开分析，对学习者当前与学习有关的一切情况进行综合分析，找出与数据存储库中预设学习模型最相似的一个，并将契合度最高的学习方法提供给学习者，供其参考。不难发现，学习者提供资料的真实程度越高、内容越详细，平台提供给其的学习模型便会越精确。具体的信息包含个人的兴趣偏好、长久以来的学习风格、现有的知识储备、对想要学习知识内容的了解程度、希望通过学习获得哪些收获等。当平台收纳上述信息并进行分析的过程中，云端的大数据分析软件也会同时运转，在基础学习模型的基础上不断设计出更多的“衍生学习模型”。在此种机制下，自适应学习平台的应用范围必定逐渐扩大，进而为越来越多的人提供学习服务。
（3）自适应引擎。自适应学习平台中，自适应引擎起着至关重要的作用，建立在基础学习者模型的基础上，主要功能在于对学习者进行深度分析，制定出契合度更高的学习方案。其在构建完学习者模型和领域知识模型之后，需要用自适应引擎来将两者很好地连接，实现将最合适的学习资源和方法推送给最适合的学习者，即根据学习者来个性化领域知识。故在自适应学习研究中，自适应引擎的构建即个性化学习推荐方法的研究。本研究根据学习者的“学习风格”“知识水平”“学习行为”3种方式来进行推荐。
自适应学习平台的关键在于如何进行自适应的优化，即个性化推荐。在本学习平台中，内容即为知识点和学习资源，不易提取出良好的特征和结构性，所以选用基于用户（学习者）的协同过滤进行推荐。当对用户进行个性化推荐时，找到与用户学习行为相似的用户，将其学习过的学习资源推荐给该用户。首先，需要对学习者的学习行为特征进行记录;其次，对学习者行为进行建模;最后，用算法进行推荐。因此，通过自适应引擎模块，为每一位学习者量身定做个性化知识深层学习方案，使每一位学习者学有所成。
3.2 常用的自适应学习者模型特点介绍
若要准确且详细地分析并帮助学习者定制个性化的学习方案，自适应学习平台必须收集学习者的信息。除此之外，平台还应注意保护学习者的隐私及账户安全，避免线管信息泄漏。目前，市面上常见的学习者模型分为两种： （1）IEEE PAPI LIP学习信息描述模型，主要内容如表1所示;（2）CELTS-11模型。结合中国远程教育的绝大多数特点，在IEEE PAPI LIP学习信息描述模型的基础上进行了细化，提高了“可移植性”，主要包含个人、学业、管理、关系、作品集、绩效、偏好、安全共8项内容。 3.3 自适应学习平台的设计流程
学习者模型用于支撑自适应学习平台的搭建，所以需要对其进行细节的优化。笔者设计了一种基于知识水平和学习风格的学生模型，将学习者的知识水平和个人学习风格这两大主要特征作为影响网络学习的两个主要因素。学生模型具体包括4个要素，即学生描述、学习风格、兴趣偏好和知识水平，这些特征反应了学习者之间的特征差异。其中，学习者自己描述的信息和兴趣偏好基本由学习者主动提供。一般情况下，如果学习者希望通过自适应学习平台使自身得到提升，则上述两项资料的可信度必然较高。但学习风格和知识储备两项内容需通过平台进行“检测”。
3.3.1 学习风格的构建
详细掌握学习者的学习风格，能够大幅度提高学习效率。一种行之有效的学习风格构建系统构成要素组成如下：（1）信息输入。第一，视觉性信息。平台通过对点击量和工具使用情况，对学习者对视频、图像等视觉资源的敏感度进行分析。第二，言语性信息。与视觉性信息的收集原理相似，注重观察学习者对文本、音频信息的敏感度。（2）信息加工。第一，外向活跃。学习者是否倾向于团队合作性的学习方式，如积极参与线上小组讨论等。第二，内向沉思。倾向于独立思考和自主完成，不善于与陌生人合作。
3.3.2 知识体系的构建
掌握学习者的知识储备情况也是平台必须具备的功能。具体而言，通过“考试”的方式，评估学习者对特定领域知识内容的了解程度。为了使考核更加全面，分为能力水平、访问状态、测试状态、学习状态、掌握状态共5项内容，可保证“判断”的准确性。
4 结语
基于OBE理念的自适应学习平台，从个性化的角度出发，以学习者为中心，将个性化学习作为研究重点，利用相关的推荐技术结合对学习资源的深入分析，为学习者提供自适应的学习资源个性化推荐，帮助学习者制定个性化学习方案，最终目的在于提升學习效率，使自适应学习变得更加智能化。
基金项目：2020年广西高校中青年教师科研基础能力提升项目;项目名称：基于OBE理念的自适应学习平台设计与研究;项目编号：2020KY48012。2020年百色市现代教育技术科研课题;项目名称：基于大数据的个性化学习模式研究;项目编号：SZ202008。
[参考文献]
[1]李浩.自适应学习平台的设计与应用研究[D].北京：中央民族大学，2019.
[2]姜强，赵蔚，王朋娇，等.基于大数据的个性化自适应在线学习分析模型及实现[J].中国电化教育，2015（1）：85-92.
[3]姜强，赵蔚，李松，等.个性化自适应学习研究—大数据时代数字化学习的新常态[J].中国电化教育，2016（2）：25-32.
[4]李敏，陈小莉.大数据环境下的自适应在线学习平台学习分析模型设计—以重庆广播电视大学为例[J].科技资讯，2018（6）：169-170，172.
[5]李俊杰，张建飞，胡杰，等.基于自适应题库的智能个性化语言学习平台的设计与应用[J].现代教育技术，2018（10）：5-11.
（编辑 姚 鑫）
Design and research of adaptive learning platform based on OBE concept
Qin Qionghua， Xu Baining
（Baise Vocational College， Baise 533000， China）
Abstract：This paper introduces the concept of OBE， and analyzes three aspects： the framework of adaptive learning platform based on OBE concept， the characteristics of commonly used adaptive learner model and the design process of adaptive learning platform. This paper focuses on the logical realization of the two elements of adaptive learning platform， which are learner’s own learning style and knowledge system， hoping to provide some reference.
Key words：adaptive; personalization; learning platform; OBE concept
作者简介：覃琼花（1981— ），女，广西百色人，讲师，学士;研究方向：计算机技术应用，教育信息化。
关键词：自适应;个性化;学习平台;OBE理念
0 引言
在“互联网+教育”的时代背景下，社会的发展对人才的培养提出了更高层次的要求。个性化学习作为创新型人才培养的前提，为社会对人才培养的需求创造了有利条件。笔者以高职院校教育发展和教学改革为背景，对比各种个性化学习平台出现的问题，引入基于学习产出的教育（Outcomes-based Education，OBE）[1]理念，利用个性化推荐技术构建数据分析模型，对学生数据进行分析，充分挖掘学生学习的个性化需求，为学生推荐个性化学习资源，引导学生高效完成学习过程。同时，解决了在线学习中学习效率低下的问题，提高了学生的学习兴趣，促进了“以学习者为中心”的教学，使学习者的主动权得以体现。
1 OBE理念概述
在OBE模式下，教育者必须对学生毕业时应该达到的能力以及水平有明确的构想，并在此基础上构建合适的教育体系，以保证学生达到预期的学习目标。
OBE教育理念强调，在学习之前，学生必须首先弄清下列问题：（1）为什么学习？（2）在学习过程中能够学到什么？（3）什么样的学习方式才能被视为“成功学习”？ （4）通过学习后，学习者应该怎样定义学习过程？（5）所学的知识是否真正具备实用价值，是否能够以“产出”的形式进行衡量。
2 自适应学习概述
自适应学习是指根据学习内容、学习难度的不同或根据学习者自身学习能力的不同选择相应的学习方法，学习者需在学习中发现、总结，最终形成较为独特的理论，以解决多种实际问题。
随着人工智能技术的日渐成熟，智能化自适应学习系统被国内专家列入研究的重点。2015年，姜强等[2]对基于大数据的个性化自适应在线学习分析模型进行研究，从数据与环境、关益者、方法和目标等4个方面构建个性化自适应在线学习分析模型。2016年，姜强等[3]强调，个性化自适应学习是高等教育信息技术长期发展趋势，具体表现在智能感知、个性化、预知性、动态平衡、智能化评价等方面。
3 基于OBE理念的自适应学习平台设计方式
3.1 基于OBE理念的自适应学习平台的框架构建思路分析
基于OBE理念构建自适应学习平台的目的[4-5]：（1）在学习之前，引导学习者对自身的学习目标进行深度考量。在学习过程中，学习者处于绝对的主体地位，如果学习者缺乏明确的学习目标，对自身当前水平（如：知识储备、学习方法等）不够了解，则学习过程注定是徒劳的。因此，自适应学习平台首要的目的在于帮助学习者理清学习目标，避免学习过程陷入混乱。（2）人性化设置。每个学习者的领悟能力、知识储备量、学习侧重点等均存在较大差异，在同一种教学模式下，不同的学习个体必然会给出不同的反馈，直观体现便是学习成绩有高有低。而自适应学习平台能够帮助学习者选择与自身当前学习目标、学习能力等最契合的学习方法，进而大幅度提高学习效率。
为了实现上述目的，笔者采用基于OBE理念的自适应学习平台，组成框架如图1所示。该平台的运行机制如下：
（1）平台数据存储库中的信息并非是固定的，而是随着各行各业的发展，不断有新的知识内容补充进去，只有如此，“学习数据”模块才能实现对平台的支持。换言之，“学习数据”模块即为整个自适应学习平台的核心组成部分，一旦缺少了相应的信息，学习者便无法获得自己想要学习的内容，“学习”便无从谈起。
（2）学习者模型预设。在自适应平台中，当学习者提交自身的基础资料后，“学习者模型”模块会展开分析，对学习者当前与学习有关的一切情况进行综合分析，找出与数据存储库中预设学习模型最相似的一个，并将契合度最高的学习方法提供给学习者，供其参考。不难发现，学习者提供资料的真实程度越高、内容越详细，平台提供给其的学习模型便会越精确。具体的信息包含个人的兴趣偏好、长久以来的学习风格、现有的知识储备、对想要学习知识内容的了解程度、希望通过学习获得哪些收获等。当平台收纳上述信息并进行分析的过程中，云端的大数据分析软件也会同时运转，在基础学习模型的基础上不断设计出更多的“衍生学习模型”。在此种机制下，自适应学习平台的应用范围必定逐渐扩大，进而为越来越多的人提供学习服务。
（3）自适应引擎。自适应学习平台中，自适应引擎起着至关重要的作用，建立在基础学习者模型的基础上，主要功能在于对学习者进行深度分析，制定出契合度更高的学习方案。其在构建完学习者模型和领域知识模型之后，需要用自适应引擎来将两者很好地连接，实现将最合适的学习资源和方法推送给最适合的学习者，即根据学习者来个性化领域知识。故在自适应学习研究中，自适应引擎的构建即个性化学习推荐方法的研究。本研究根据学习者的“学习风格”“知识水平”“学习行为”3种方式来进行推荐。
自适应学习平台的关键在于如何进行自适应的优化，即个性化推荐。在本学习平台中，内容即为知识点和学习资源，不易提取出良好的特征和结构性，所以选用基于用户（学习者）的协同过滤进行推荐。当对用户进行个性化推荐时，找到与用户学习行为相似的用户，将其学习过的学习资源推荐给该用户。首先，需要对学习者的学习行为特征进行记录;其次，对学习者行为进行建模;最后，用算法进行推荐。因此，通过自适应引擎模块，为每一位学习者量身定做个性化知识深层学习方案，使每一位学习者学有所成。
3.2 常用的自适应学习者模型特点介绍
若要准确且详细地分析并帮助学习者定制个性化的学习方案，自适应学习平台必须收集学习者的信息。除此之外，平台还应注意保护学习者的隐私及账户安全，避免线管信息泄漏。目前，市面上常见的学习者模型分为两种： （1）IEEE PAPI LIP学习信息描述模型，主要内容如表1所示;（2）CELTS-11模型。结合中国远程教育的绝大多数特点，在IEEE PAPI LIP学习信息描述模型的基础上进行了细化，提高了“可移植性”，主要包含个人、学业、管理、关系、作品集、绩效、偏好、安全共8项内容。 3.3 自适应学习平台的设计流程
学习者模型用于支撑自适应学习平台的搭建，所以需要对其进行细节的优化。笔者设计了一种基于知识水平和学习风格的学生模型，将学习者的知识水平和个人学习风格这两大主要特征作为影响网络学习的两个主要因素。学生模型具体包括4个要素，即学生描述、学习风格、兴趣偏好和知识水平，这些特征反应了学习者之间的特征差异。其中，学习者自己描述的信息和兴趣偏好基本由学习者主动提供。一般情况下，如果学习者希望通过自适应学习平台使自身得到提升，则上述两项资料的可信度必然较高。但学习风格和知识储备两项内容需通过平台进行“检测”。
3.3.1 学习风格的构建
详细掌握学习者的学习风格，能够大幅度提高学习效率。一种行之有效的学习风格构建系统构成要素组成如下：（1）信息输入。第一，视觉性信息。平台通过对点击量和工具使用情况，对学习者对视频、图像等视觉资源的敏感度进行分析。第二，言语性信息。与视觉性信息的收集原理相似，注重观察学习者对文本、音频信息的敏感度。（2）信息加工。第一，外向活跃。学习者是否倾向于团队合作性的学习方式，如积极参与线上小组讨论等。第二，内向沉思。倾向于独立思考和自主完成，不善于与陌生人合作。
3.3.2 知识体系的构建
掌握学习者的知识储备情况也是平台必须具备的功能。具体而言，通过“考试”的方式，评估学习者对特定领域知识内容的了解程度。为了使考核更加全面，分为能力水平、访问状态、测试状态、学习状态、掌握状态共5项内容，可保证“判断”的准确性。
4 结语
基于OBE理念的自适应学习平台，从个性化的角度出发，以学习者为中心，将个性化学习作为研究重点，利用相关的推荐技术结合对学习资源的深入分析，为学习者提供自适应的学习资源个性化推荐，帮助学习者制定个性化学习方案，最终目的在于提升學习效率，使自适应学习变得更加智能化。
基金项目：2020年广西高校中青年教师科研基础能力提升项目;项目名称：基于OBE理念的自适应学习平台设计与研究;项目编号：2020KY48012。2020年百色市现代教育技术科研课题;项目名称：基于大数据的个性化学习模式研究;项目编号：SZ202008。
[参考文献]
[1]李浩.自适应学习平台的设计与应用研究[D].北京：中央民族大学，2019.
[2]姜强，赵蔚，王朋娇，等.基于大数据的个性化自适应在线学习分析模型及实现[J].中国电化教育，2015（1）：85-92.
[3]姜强，赵蔚，李松，等.个性化自适应学习研究—大数据时代数字化学习的新常态[J].中国电化教育，2016（2）：25-32.
[4]李敏，陈小莉.大数据环境下的自适应在线学习平台学习分析模型设计—以重庆广播电视大学为例[J].科技资讯，2018（6）：169-170，172.
[5]李俊杰，张建飞，胡杰，等.基于自适应题库的智能个性化语言学习平台的设计与应用[J].现代教育技术，2018（10）：5-11.
（编辑 姚 鑫）
Design and research of adaptive learning platform based on OBE concept
Qin Qionghua， Xu Baining
（Baise Vocational College， Baise 533000， China）
Abstract：This paper introduces the concept of OBE， and analyzes three aspects： the framework of adaptive learning platform based on OBE concept， the characteristics of commonly used adaptive learner model and the design process of adaptive learning platform. This paper focuses on the logical realization of the two elements of adaptive learning platform， which are learner’s own learning style and knowledge system， hoping to provide some reference.
Key words：adaptive; personalization; learning platform; OBE concept
作者简介：覃琼花（1981— ），女，广西百色人，讲师，学士;研究方向：计算机技术应用，教育信息化。