论文部分内容阅读
[摘 要] 本文在分析了现有适应性学习系统的基础上，发现其存在学习过程的跟踪表面化和简单化、缺乏适合学习者认知过程的动态适应性、未能体现学习者的主观参与等问题，提出以认知建模为支架的适应性学习系统的设计思想，将动态适应性和学习者特征模型作为两个主要特征进行系统模型构建，重点阐述了系统动态适应性的实现和基于认知模型的学习者特征模型构建的方法。
[关键词] 认知建模； 适应性学习系统； 学习轨迹； 认知结构
[中图分类号] G434[文献标识码] A
[作者简介] 李文宏（1972—），男，陕西西安人。讲师，主要从事网络教育研究。E-mail：[email protected]。
万维网使大范围、异构和分布式网络环境中学习者借助技术提高学习效率成为可能，网络联结个性化学习技术工具而形成的各种适应性学习系统，满足个人学习风格和学习偏好，具有根本改变传统学习模式的潜力。网络系统虽然为个人和群体学习提供了信息管理通道，但无法做到面授教育对学生行为模型化的及时性和准确性。在面授情境下，师生共处于同一物理空间，便于教师和学生认知空间的“融合”，对于学生的思维过程，通过对其行为模型化，便于及时了解某一特定时间某一特定个体对概念学习的效果。网络学习是自主、非实时的，师生认知空间分离，其中通讯技术和社会性软件僅能起到网络学习的中介支持作用，适应性学习系统缺乏及时记录学习者思维过程的工具。
一、当前适应性学习系统的困境
我们所讨论的网络学习环境中的适应性学习，意味着机器（计算机系统、学习环境等）能够自动地调整自身的行为以满足不同学习者的需要和偏好。最简单的表现形式是用户定制，用户能够调整个体特征的系统设置，系统响应这种变化。而真正意义上的适应性学习的发生，是基于系统使用获取的学习者特征信息，参与到给学习者提供其所需的过程中，不仅仅是记住一些设置属性，比如字体、颜色、背景图片等，而是真正适应学习者的需要提供相应的适应性服务。
对于现有的适应性服务系统，我们应该分析和整合其真正适应学习者需求的功能，改进和弥补不完善的部分。智能导学系统ITS（Intelligent Teaching System）[1]是一种适应性教学系统，伴随着人工智能技术的应用逐步发展起来。其导学模块通常由选择的学习材料、呈现材料的方式和时机构成。呈现知识的人工智能模式使得根据学习者的表现在ITS中产生知识成为可能，而不是根据预先决定的分支规则选择呈现内容。而且ITS能有效地捕获学习和教学的过程，有助于更好地理解涉及学习特殊技能和知识的认知过程。但是，人工智能如何有效支持网络教学，仍然是最具有挑战性的问题。关键在于如何从捕获的学习过程中发掘学生的认知规律，并与呈现知识的人工智能模块相结合，动态适应学习者需求。适应性超媒体和基于Web的适应性教学系统，[2]是适应性教学系统和基于超媒体的系统相结合的产物。基于超媒体的系统允许学习者按照自己的路径进行学习。可是，传统的超媒体学习环境是一个非适应的学习媒介，独立于个人学习者的反应和行为，它们对于所有的学习者提供同样的页面内容和同样的链接。适应性超媒体的目标在于提高超媒体的可用性，给个别用户提供自动的超媒体适应性应用。
在所有适应性系统中，对用户的目的、任务、知识、背景和表现建模，用于适应性系统的适应性决策，成为适应性系统的核心组件。研究者普遍认同建模和使用个人轨迹的重要性，但是哪些用户的特征可用和如何用存在分歧。他们在使用用户特征构建适应性学习系统的过程中，出现了一些既定的问题，通过研究发现确实存在，不仅影响着系统的教学效果，而且阻碍着系统的进一步发展。
（一）只获取学习者的静态信息，学习过程的跟踪表面化和简单化
文[3]中提出在LASSI量表的基础上，以学习意愿度、学习能力度、知识水平度作为依据生成个性样本，但我们可以看出这些数据是预先填写的，虽然系统也考虑了学习过程的智能监视和记录，但仅仅局限于点击的网页、查看资料的时间、搜索的关键字以及测试的结果。文[4]对用户模型的评价进行改进，提出在构建用户模型时要将获取的静态信息和动态更新相结合，用户信息获取显式和隐式相结合。学习者的学习过程是动态变化的，只获取静态信息无法做到准确和全面把握学习者的认知特征。我们不能仅局限在学习者的表面知识，应该将学习者在知识空间中学习的知识对象进行序列化的表示，并对其进行知识挖掘，发现深层次的学习者的认知风格。
（二）关注学习者的离线学习效果分析，系统构建适合学习者认知过程的动态适应性
文[5]中建构了CS-LS模型，采用注册填表、在线问卷调查和系统预设进行学习模型初始化，并通过计算机自适应测试来诊断学生的能力水平，进而对学生模型进行动态更新。文[6]中提出结合用户浏览时间和内容选择机制来发现用户的个人兴趣的Agent算法和机制。但他们的动态更新基于跟踪技术，比如学生访问某个知识点的次数，以及知识点测试结果对学习者的能力水平进行分级，调整教学内容。但仍然没有对学习者的认知方式进行挖掘，也仍无法获取学习者真正的认知过程，也就无法做到真正适应学习者的需求。
（三）系统表现为学习者的“被适应”和“被学习”方式，没有体现学习者的主观参与
文[7]考虑到前测推断学习风格，其结果可能存在偏差的问题，通过数据挖掘学习时间、浏览次数和用户查阅学习资料的类型修正用户学习风格模型。虽然考虑到学习者学习风格获取存在偏差和不全面的问题，但没有考虑到学习者自身构建认知过程，来修正用户模型。文[8]考虑到学习资料呈现的机械性、被动性，但缺乏学生个体适应性与理解知识支持的问题，引入语义、本体适应性的概念。值得我们借鉴的是考虑到了学习者认知风格的主体性，但对如何实现学生个体适应性阐述不够。
现有适应性学习支持系统多数获取学习者特征的静态信息，关注于学习者的离线学习效果分析，存在误差和偏差，不能动态适应学习者的认知变化，且这些系统表现为学习者的“被适应”和“被学习”方式，没有体现学习者的主观参与，学习者在学习过程中的有效性体现在自身概念的转变，认知结构的重组，这是一个学习者自身思考和参与的过程。怎样将学习者学习中解决问题和反思所学的过程标准化、显性化和形式化的定义和描述，以便适应性学习系统对学习者认知结构进行深层次挖掘和研究，是提高适应性学习系统效率的关键。
二、以认知建模为支架是适应
性学习系统的必然选择
所谓认知，通常包括感知与注意、知识表示、记忆与学习、语言、问题求解和推理等方面。人脑接受外界输入的信息，经过头脑的加工处理，转换成内在的心理活动，再进而支配人的行为，这个过程就是信息加工的过程，也是认知的过程。认知模型是人类认知过程的计算机模型的映射，建立认知模型的技术常称为认知建模，目的是为了从某些方面探索和研究人的思维机制，特别是人的信息处理机制，同时也为设计相应的人工智能系统提供新的体系结构和技术方法。
认知过程是个体认知活动的信息加工过程，其特征主要表现在认知风格、认知策略和元认知。又称认知方式，认知风格是个体习惯化的信息加工的方式。认知风格又是个体在长期的认知活动中形成的、稳定的心理倾向，表现为对一定的信息加工方式的偏爱。认知策略是指导认知活动的计划、方案、技巧或窍门。人脑的信息加工能力是有限的，不可能在瞬间进行多种操作，为了顺利地加工大量的信息，人只能按照一定的策略在每一时刻选择特定的信息进行操作，并将整个认知过程的大量操作组织起来。因此，认知策略对认知活动的有效进行是十分重要的。元认知是个体对自己的认知活动的认知。元认知由三种心理成分组成：（1）元认知知识，主要包括个体对自己或他人的认知活动的过程、结果等方面的知识；（2）元认知体验，指伴随认知活动而产生的认知体验和情感体验；（3）元认知监控，指认知主体在认知过程中，以自己的认知活动为对象，进行自觉的监督、控制和调节。元认知监控主要包括确定认知目标、选择认知策略、控制认知操作、评价认知活动并据此调整认知目标、认知策略和认知操作等环节。元认知监控是元认知最重要的心理成分。
学习者潜在的认知风格能够被动态适应的知识对象定序，用作调整和发展学习者的行为轨迹。知识对象定序能够在一定程度上客观反映出学习者的认知过程，LAMS（Learning Activity Management System）[11]系统的学习对象复用序列与学习者轨迹的观点是一致的。学习对象系统能够为个体学习者和群体学习者提供可视化导航，显示已完成的学习对象和标志需要完成的学习对象。另外，为了更加科学和全面地把握学习者的认知特征，需要学习者自我构建认知模型，认知建模是学习者认知结构和认知方式显性化的描述手段，是学习者内部认知模型与外部模型对照的中介。
学习者内部的认知模型与我们建构的外部模型之间的关系是动态的和相互对应的，通过认知建模，学习者得以表达和外化他们的思想，便于将学习者的认知过程具体化并加以验证。当然，利用认知工具进行建模，仍然存在认知负担、发展差异和保真度的局限性。但我们也看到，通过动态和反复的认知建模，学生可以对自己的认知模型进行修改，帮助他们对外部模型的理解，协助学习者完成元认知监控过程；系统可借助显性化认知模型，分析学习者的认知风格和学习需求，提高呈现知识对象的准确度。[8]
三、基于认知建模的适应性
学习系统模型的构建
我们要保证学习者特征模型的准确性和适应性以及学习系统的动态适应性，特征模型的构建方式必须符合学习者的认知规律，学习内容的更新必须及时根据学习者的学习状态进行调整。本模型试图从基于认知模型的学习内容选择动态适应性以及如何设计符合学习者特征的认知模型两个方面进行构建。
基于认知建模的适应性学习系统模型图1所示，主要包括学习情境的交互和调整两个模块。交互模块准确地描述学习者将要执行的活动以及学习情境发生的环境（比如资源、工具和学习对象），其中重要的一部分描述涉及预设的学习轨迹。
个体学习者或协作学习者的活动都会产生一个结果，或者是一个明确的答案，或者是一次导航的简单点击。对于学习对象组织和管理方面的研究表明，学习对象由零散的学习资源组合而成，存储在数据仓库中，允许教师和学习者按需索取。学习者搜索知识对象的过程就形成了学习轨迹，它是知识对象按时序排列的结果。通过跟踪和创建学习轨迹，学习者被导航在知识对象空间中形成的个性化学习轨迹，可以用结构化的模式进行评价和存取。这些可直接观察的知识对象轨迹关联着学习者无法直接观察的认知方式。
调整模块处理效果轨迹，以便调整学习情境。调整过程包括：（1）搜集个体或协作学习活动的效果轨迹，作为原始数据；（2）通过对原始数据的建模，构建更加复杂的指示器；（3）借助原始数据进行诊断，有学习者自我诊断、教师指导诊断和系统自动指导诊断。前面两种诊断方式的执行是基于真实的学习者或教师角色，需要提供可视的具体原始数据或高阶指示器，这种可视化必须适应特殊的学习者类型，允许其作出相关的决策。第三种方式的诊断是自动发生的，与人工智能相关的一系列技术相结合。（4）学习情境的调整。调整必须适应学习情境，并给予学习者必要的反馈。
从模型中可以看出，学习情境的调整和交互对象的重组，都是以捕获的效果轨迹为准的，而学习轨迹数据的完整性和准确性，直接导致学习情境调整的科学性和适应性。在构建学习者特征模型的过程中，获取学习者特征数据的行为应该是动态的，不能停留在静态、表面信息，应挖掘学生认知过程中的隐式信息；学习者信息的获取不能忽视学习者的主动性，即学习者自我建构认知特征模型。本模型的创新点在于用户模型的构建是学习轨迹监控数据和学习者认知建模数据整合的结果，更加全面和可信，且学习过程中按照动态规则选择学习对象。
（一）基于认知特征模型的学习对象选择模式
交互面板是面向用户的，由运行层和存储层组成。学习对象动态选择是实现模型动态性的关键，选择过程如图2所示。它的功能主要包括根据认知特征模型调整学习者特征信息和学习对象数据之间的映射方式，以及对学习对象重新排列组合；导航模块与其交互，按照自适应逻辑改变教育内容描述方式。学习者认知特征模型的构建实现动态更新，首先通过调查学习者知识空间获取学习者初始特征信息，然后捕获学习者行为轨迹，不断完善学习者认知特征模型。
实时交互模块根据调整模块中矫正的用户特征数据信息进行导航，实际是对学习对象重新定序的过程。它不仅改变了知识对象的呈现方式，而且对知识对象进行了重组。重新定序后的学习过程形成新的学习轨迹，反映了学习者认证过程的调整。学习系统捕获的轨迹信息可反馈给认知特征模型，用于其新一轮的重构，这是一个不断循环的动态适应过程。
（二）以认知建模为工具的认知特征模型构建
认知特征模型是整个适应性系统的核心组件，是触发动态适应的引擎，其是否可信直接界定了适应性系统的效度。学习者的学习过程是动态发展的，个人的认知过程是多样化的，认知特征模型的构建应该满足这些特点。
认知建模的目的是为了从某些方面探索和研究人的认知机制，特别是人的信息处理机制。由于人类认知活动的复杂多样性，难以建立一个囊括一切的认知模型。通常根据模块性假设认为每一认知功能有其对应的结构原则，每一个认知模型一般只反映一方面或若干方面的认知特征。[9]学习者特征信息的获取过程中，不能忽视学习者的主观参与。认知过程是个体认知活动的信息加工过程，是个体在长期的认知活动中形成的、稳定的心理倾向，利用认知建模工具能够帮助学习者将内部的概念模型具体化，修改其结构，通过提供各种呈现方式扩展其意义。[10]学习者还可以对他们正在学习的领域内容建模，学习者自我构建的认知轨迹，更有利于学习者反思所学和及时调整其学习状态。常用的认知建模工具分为：语义组织工具、动态建模工具、可视化工具和知识建模工具。具体构建的方法如下：
1.前测和后测相结合
前测是指在学习者进入学习系统之前，获取学习者认知水平和兴趣信息的手段。我们运用Felder-Silverman量表获取学习者特征初始信息，但存在一定的偏差，需要结合后两步的操作进行修正。后测是掌握一个人（或团体）经教育训练或学习后对知识和技能懂得程度的方法，可作为评价系统适应性的一种客观标准。
2.监控学习过程，确定知识对象序列，作为深层次挖掘学习者认知风格的原始数据
使用LAMS[11]系统知识对象复用技术确定学习者轨迹，结合个人兴趣搜索智能Agent来搜集、组织和挖掘个人兴趣信息，实现学习过程的监控和学习者认知风格相关信息的获取。
3.在学习过程监控中，学习者使用认知建模工具建立认知轨迹，作为发掘学习者认知策略的原始数据
认知建模不仅是学习者描述自身认知过程的有效手段，而且是学习者及时获取元认知知识、元认知体验和有效进行元认知监控的工具。根据不同的学习情境、学习者认知水平和认知风格，为学习者提供适宜的认知建模工具，让学习者将内部的认知结构映射到外部可见的认知模型上。整合学习轨迹监控数据和学习者认知建模数据，有益于对学习者认知特征模型进行完善和补充。
这三个过程在执行时并非严格按照次序，而是相互交織在一起，动态交互进行的。对于如何将三方面的信息进行整合挖掘，确定有价值的学习者特征信息，此处因为篇幅所限，另文论述。
四、结论与展望
当评价适应性系统的效果时，准确地定义系统的行为是非常困难的，因为“最佳”行为因人而异，且相同的人因时而异。另外，系统的响应依赖于提供给系统用户的特征信息的质量，如果提供的信息较少或错误，那么就不能奢望系统为用户提供最佳响应。这些因素造成难以通过建立人工实验去测量一个适应系统的表现和效果。对于一个适应性系统有效性的评价应该取决于具有真实目的和偏好的真实用户。用户的认知过程是多样的，我们力求准确、多方面地获取学习者的特征信息，一方面给学习者提供描述自身思维过程的工具，通过分析认知模型来更新学习者特征模型；另一方面整合学习系统捕获的学习者行為轨迹，获取更加科学和完整的学习者特征数据。同时，学习者的认知过程是动态变化的，学习内容的呈现应该根据学习者的特征模型进行动态更新。
学习对象的选择依赖于学习者认知特征模型，而认知特征信息的获取是来自行为轨迹和认知建模两方面的数据。基于学习过程的导航步骤，获取学习者认知特征模型中的行为轨迹；借助认知建模工具，获取学习者内部认知过程，本文构建了基于认知建模的适应性学习系统。系统按照学习者的导航步骤动态更新，对于学习者和学习内容描述可以使用IMS学习者信息程序包（IMS LIP）[12]和IEEE学习对象元数据标准（IEEE LOM）。[13]当然，本文所构建的，是以认知建模为支架的适应性学习系统模型的基本框架，还需要得到进一步完善，比如如何动态实现学习者特征模型的更新，如何整合认知轨迹要素以及发掘它们之间的关系、调查各个要素对学习对象选择的影响以及认知建模在不同学习情境中的应用效果等。
[参考文献]
[1] G.Gauthier, C.Frasson, and K.VanLehn （Eds.）Adaptive Hypermedia: From Intelligent Tutoring Systems to Web-Based Education[J].Intelligent Tutoring Systems，LNCS Vol.1839，pp.1~7.Berlin: Springer Verlag.
[2] Brusilovsky，p.，and Cooper，D.W.（2002）.Domain，Task，and User Models for An Adaptive Hypermedia Performance Support System. In Gil，Y.，and leake，D.B.（Eds.），Proceedings of the 2002 International Conference on Intelligent User Interfaces（IUI-02）[C].New York，ACM Press.
[3] 李恬，周宏.基于Web Quest的自适应教学系统设计与研究[J].现代教育技术，2009，（1）:116~121.
[4] 刘甲学，毕强.自适应超媒体系统用户模型研究[J].图书情报知识，2005，（3）:82~84.
[5] 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.
[6] 李政伟，聂茹.基于SSPISIA数据搜集的个人兴趣增量挖掘算法[J].计算机应用研究，2009，（10）:3694~3696.
[7] 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.
[8] 王清河，刘永平，成桂之.CSCL下本体适应性Web学习环境的研究与实践[J].中国电化教育，2010，（6）:117~120.
[9] 陈雪龙.面向复杂决策问题的模型构造与管理方法研究[D].大连：大连理工大学，2009.
[10] D.H.乔纳森.技术支持的思维建模（第三版）[M].顾小清译.华东师范大学出版社，2008.12~23.
[11] Dalziel，J.Implementing Learning Design: The Learning Activity Management System(LAMS).LAMS Whitepaper，see http://www.lamsinternational .com/documents/ASCILITE2003.Dalziel.Final.paf.
[12] 彭德华，申瑞民，张同珍.基于IMS LIP的网络漫游学习功能设计与实现[J].计算机工程，2003，（1）:282~283.
[13] 罗昊.元数据在网络教育中的应用研究[J].情报科学，2004，（1）:59~62.
[关键词] 认知建模； 适应性学习系统； 学习轨迹； 认知结构
[中图分类号] G434[文献标识码] A
[作者简介] 李文宏（1972—），男，陕西西安人。讲师，主要从事网络教育研究。E-mail：[email protected]。
万维网使大范围、异构和分布式网络环境中学习者借助技术提高学习效率成为可能，网络联结个性化学习技术工具而形成的各种适应性学习系统，满足个人学习风格和学习偏好，具有根本改变传统学习模式的潜力。网络系统虽然为个人和群体学习提供了信息管理通道，但无法做到面授教育对学生行为模型化的及时性和准确性。在面授情境下，师生共处于同一物理空间，便于教师和学生认知空间的“融合”，对于学生的思维过程，通过对其行为模型化，便于及时了解某一特定时间某一特定个体对概念学习的效果。网络学习是自主、非实时的，师生认知空间分离，其中通讯技术和社会性软件僅能起到网络学习的中介支持作用，适应性学习系统缺乏及时记录学习者思维过程的工具。
一、当前适应性学习系统的困境
我们所讨论的网络学习环境中的适应性学习，意味着机器（计算机系统、学习环境等）能够自动地调整自身的行为以满足不同学习者的需要和偏好。最简单的表现形式是用户定制，用户能够调整个体特征的系统设置，系统响应这种变化。而真正意义上的适应性学习的发生，是基于系统使用获取的学习者特征信息，参与到给学习者提供其所需的过程中，不仅仅是记住一些设置属性，比如字体、颜色、背景图片等，而是真正适应学习者的需要提供相应的适应性服务。
对于现有的适应性服务系统，我们应该分析和整合其真正适应学习者需求的功能，改进和弥补不完善的部分。智能导学系统ITS（Intelligent Teaching System）[1]是一种适应性教学系统，伴随着人工智能技术的应用逐步发展起来。其导学模块通常由选择的学习材料、呈现材料的方式和时机构成。呈现知识的人工智能模式使得根据学习者的表现在ITS中产生知识成为可能，而不是根据预先决定的分支规则选择呈现内容。而且ITS能有效地捕获学习和教学的过程，有助于更好地理解涉及学习特殊技能和知识的认知过程。但是，人工智能如何有效支持网络教学，仍然是最具有挑战性的问题。关键在于如何从捕获的学习过程中发掘学生的认知规律，并与呈现知识的人工智能模块相结合，动态适应学习者需求。适应性超媒体和基于Web的适应性教学系统，[2]是适应性教学系统和基于超媒体的系统相结合的产物。基于超媒体的系统允许学习者按照自己的路径进行学习。可是，传统的超媒体学习环境是一个非适应的学习媒介，独立于个人学习者的反应和行为，它们对于所有的学习者提供同样的页面内容和同样的链接。适应性超媒体的目标在于提高超媒体的可用性，给个别用户提供自动的超媒体适应性应用。
在所有适应性系统中，对用户的目的、任务、知识、背景和表现建模，用于适应性系统的适应性决策，成为适应性系统的核心组件。研究者普遍认同建模和使用个人轨迹的重要性，但是哪些用户的特征可用和如何用存在分歧。他们在使用用户特征构建适应性学习系统的过程中，出现了一些既定的问题，通过研究发现确实存在，不仅影响着系统的教学效果，而且阻碍着系统的进一步发展。
（一）只获取学习者的静态信息，学习过程的跟踪表面化和简单化
文[3]中提出在LASSI量表的基础上，以学习意愿度、学习能力度、知识水平度作为依据生成个性样本，但我们可以看出这些数据是预先填写的，虽然系统也考虑了学习过程的智能监视和记录，但仅仅局限于点击的网页、查看资料的时间、搜索的关键字以及测试的结果。文[4]对用户模型的评价进行改进，提出在构建用户模型时要将获取的静态信息和动态更新相结合，用户信息获取显式和隐式相结合。学习者的学习过程是动态变化的，只获取静态信息无法做到准确和全面把握学习者的认知特征。我们不能仅局限在学习者的表面知识，应该将学习者在知识空间中学习的知识对象进行序列化的表示，并对其进行知识挖掘，发现深层次的学习者的认知风格。
（二）关注学习者的离线学习效果分析，系统构建适合学习者认知过程的动态适应性
文[5]中建构了CS-LS模型，采用注册填表、在线问卷调查和系统预设进行学习模型初始化，并通过计算机自适应测试来诊断学生的能力水平，进而对学生模型进行动态更新。文[6]中提出结合用户浏览时间和内容选择机制来发现用户的个人兴趣的Agent算法和机制。但他们的动态更新基于跟踪技术，比如学生访问某个知识点的次数，以及知识点测试结果对学习者的能力水平进行分级，调整教学内容。但仍然没有对学习者的认知方式进行挖掘，也仍无法获取学习者真正的认知过程，也就无法做到真正适应学习者的需求。
（三）系统表现为学习者的“被适应”和“被学习”方式，没有体现学习者的主观参与
文[7]考虑到前测推断学习风格，其结果可能存在偏差的问题，通过数据挖掘学习时间、浏览次数和用户查阅学习资料的类型修正用户学习风格模型。虽然考虑到学习者学习风格获取存在偏差和不全面的问题，但没有考虑到学习者自身构建认知过程，来修正用户模型。文[8]考虑到学习资料呈现的机械性、被动性，但缺乏学生个体适应性与理解知识支持的问题，引入语义、本体适应性的概念。值得我们借鉴的是考虑到了学习者认知风格的主体性，但对如何实现学生个体适应性阐述不够。
现有适应性学习支持系统多数获取学习者特征的静态信息，关注于学习者的离线学习效果分析，存在误差和偏差，不能动态适应学习者的认知变化，且这些系统表现为学习者的“被适应”和“被学习”方式，没有体现学习者的主观参与，学习者在学习过程中的有效性体现在自身概念的转变，认知结构的重组，这是一个学习者自身思考和参与的过程。怎样将学习者学习中解决问题和反思所学的过程标准化、显性化和形式化的定义和描述，以便适应性学习系统对学习者认知结构进行深层次挖掘和研究，是提高适应性学习系统效率的关键。
二、以认知建模为支架是适应
性学习系统的必然选择
所谓认知，通常包括感知与注意、知识表示、记忆与学习、语言、问题求解和推理等方面。人脑接受外界输入的信息，经过头脑的加工处理，转换成内在的心理活动，再进而支配人的行为，这个过程就是信息加工的过程，也是认知的过程。认知模型是人类认知过程的计算机模型的映射，建立认知模型的技术常称为认知建模，目的是为了从某些方面探索和研究人的思维机制，特别是人的信息处理机制，同时也为设计相应的人工智能系统提供新的体系结构和技术方法。
认知过程是个体认知活动的信息加工过程，其特征主要表现在认知风格、认知策略和元认知。又称认知方式，认知风格是个体习惯化的信息加工的方式。认知风格又是个体在长期的认知活动中形成的、稳定的心理倾向，表现为对一定的信息加工方式的偏爱。认知策略是指导认知活动的计划、方案、技巧或窍门。人脑的信息加工能力是有限的，不可能在瞬间进行多种操作，为了顺利地加工大量的信息，人只能按照一定的策略在每一时刻选择特定的信息进行操作，并将整个认知过程的大量操作组织起来。因此，认知策略对认知活动的有效进行是十分重要的。元认知是个体对自己的认知活动的认知。元认知由三种心理成分组成：（1）元认知知识，主要包括个体对自己或他人的认知活动的过程、结果等方面的知识；（2）元认知体验，指伴随认知活动而产生的认知体验和情感体验；（3）元认知监控，指认知主体在认知过程中，以自己的认知活动为对象，进行自觉的监督、控制和调节。元认知监控主要包括确定认知目标、选择认知策略、控制认知操作、评价认知活动并据此调整认知目标、认知策略和认知操作等环节。元认知监控是元认知最重要的心理成分。
学习者潜在的认知风格能够被动态适应的知识对象定序，用作调整和发展学习者的行为轨迹。知识对象定序能够在一定程度上客观反映出学习者的认知过程，LAMS（Learning Activity Management System）[11]系统的学习对象复用序列与学习者轨迹的观点是一致的。学习对象系统能够为个体学习者和群体学习者提供可视化导航，显示已完成的学习对象和标志需要完成的学习对象。另外，为了更加科学和全面地把握学习者的认知特征，需要学习者自我构建认知模型，认知建模是学习者认知结构和认知方式显性化的描述手段，是学习者内部认知模型与外部模型对照的中介。
学习者内部的认知模型与我们建构的外部模型之间的关系是动态的和相互对应的，通过认知建模，学习者得以表达和外化他们的思想，便于将学习者的认知过程具体化并加以验证。当然，利用认知工具进行建模，仍然存在认知负担、发展差异和保真度的局限性。但我们也看到，通过动态和反复的认知建模，学生可以对自己的认知模型进行修改，帮助他们对外部模型的理解，协助学习者完成元认知监控过程；系统可借助显性化认知模型，分析学习者的认知风格和学习需求，提高呈现知识对象的准确度。[8]
三、基于认知建模的适应性
学习系统模型的构建
我们要保证学习者特征模型的准确性和适应性以及学习系统的动态适应性，特征模型的构建方式必须符合学习者的认知规律，学习内容的更新必须及时根据学习者的学习状态进行调整。本模型试图从基于认知模型的学习内容选择动态适应性以及如何设计符合学习者特征的认知模型两个方面进行构建。
基于认知建模的适应性学习系统模型图1所示，主要包括学习情境的交互和调整两个模块。交互模块准确地描述学习者将要执行的活动以及学习情境发生的环境（比如资源、工具和学习对象），其中重要的一部分描述涉及预设的学习轨迹。
个体学习者或协作学习者的活动都会产生一个结果，或者是一个明确的答案，或者是一次导航的简单点击。对于学习对象组织和管理方面的研究表明，学习对象由零散的学习资源组合而成，存储在数据仓库中，允许教师和学习者按需索取。学习者搜索知识对象的过程就形成了学习轨迹，它是知识对象按时序排列的结果。通过跟踪和创建学习轨迹，学习者被导航在知识对象空间中形成的个性化学习轨迹，可以用结构化的模式进行评价和存取。这些可直接观察的知识对象轨迹关联着学习者无法直接观察的认知方式。
调整模块处理效果轨迹，以便调整学习情境。调整过程包括：（1）搜集个体或协作学习活动的效果轨迹，作为原始数据；（2）通过对原始数据的建模，构建更加复杂的指示器；（3）借助原始数据进行诊断，有学习者自我诊断、教师指导诊断和系统自动指导诊断。前面两种诊断方式的执行是基于真实的学习者或教师角色，需要提供可视的具体原始数据或高阶指示器，这种可视化必须适应特殊的学习者类型，允许其作出相关的决策。第三种方式的诊断是自动发生的，与人工智能相关的一系列技术相结合。（4）学习情境的调整。调整必须适应学习情境，并给予学习者必要的反馈。
从模型中可以看出，学习情境的调整和交互对象的重组，都是以捕获的效果轨迹为准的，而学习轨迹数据的完整性和准确性，直接导致学习情境调整的科学性和适应性。在构建学习者特征模型的过程中，获取学习者特征数据的行为应该是动态的，不能停留在静态、表面信息，应挖掘学生认知过程中的隐式信息；学习者信息的获取不能忽视学习者的主动性，即学习者自我建构认知特征模型。本模型的创新点在于用户模型的构建是学习轨迹监控数据和学习者认知建模数据整合的结果，更加全面和可信，且学习过程中按照动态规则选择学习对象。
（一）基于认知特征模型的学习对象选择模式
交互面板是面向用户的，由运行层和存储层组成。学习对象动态选择是实现模型动态性的关键，选择过程如图2所示。它的功能主要包括根据认知特征模型调整学习者特征信息和学习对象数据之间的映射方式，以及对学习对象重新排列组合；导航模块与其交互，按照自适应逻辑改变教育内容描述方式。学习者认知特征模型的构建实现动态更新，首先通过调查学习者知识空间获取学习者初始特征信息，然后捕获学习者行为轨迹，不断完善学习者认知特征模型。
实时交互模块根据调整模块中矫正的用户特征数据信息进行导航，实际是对学习对象重新定序的过程。它不仅改变了知识对象的呈现方式，而且对知识对象进行了重组。重新定序后的学习过程形成新的学习轨迹，反映了学习者认证过程的调整。学习系统捕获的轨迹信息可反馈给认知特征模型，用于其新一轮的重构，这是一个不断循环的动态适应过程。
（二）以认知建模为工具的认知特征模型构建
认知特征模型是整个适应性系统的核心组件，是触发动态适应的引擎，其是否可信直接界定了适应性系统的效度。学习者的学习过程是动态发展的，个人的认知过程是多样化的，认知特征模型的构建应该满足这些特点。
认知建模的目的是为了从某些方面探索和研究人的认知机制，特别是人的信息处理机制。由于人类认知活动的复杂多样性，难以建立一个囊括一切的认知模型。通常根据模块性假设认为每一认知功能有其对应的结构原则，每一个认知模型一般只反映一方面或若干方面的认知特征。[9]学习者特征信息的获取过程中，不能忽视学习者的主观参与。认知过程是个体认知活动的信息加工过程，是个体在长期的认知活动中形成的、稳定的心理倾向，利用认知建模工具能够帮助学习者将内部的概念模型具体化，修改其结构，通过提供各种呈现方式扩展其意义。[10]学习者还可以对他们正在学习的领域内容建模，学习者自我构建的认知轨迹，更有利于学习者反思所学和及时调整其学习状态。常用的认知建模工具分为：语义组织工具、动态建模工具、可视化工具和知识建模工具。具体构建的方法如下：
1.前测和后测相结合
前测是指在学习者进入学习系统之前，获取学习者认知水平和兴趣信息的手段。我们运用Felder-Silverman量表获取学习者特征初始信息，但存在一定的偏差，需要结合后两步的操作进行修正。后测是掌握一个人（或团体）经教育训练或学习后对知识和技能懂得程度的方法，可作为评价系统适应性的一种客观标准。
2.监控学习过程，确定知识对象序列，作为深层次挖掘学习者认知风格的原始数据
使用LAMS[11]系统知识对象复用技术确定学习者轨迹，结合个人兴趣搜索智能Agent来搜集、组织和挖掘个人兴趣信息，实现学习过程的监控和学习者认知风格相关信息的获取。
3.在学习过程监控中，学习者使用认知建模工具建立认知轨迹，作为发掘学习者认知策略的原始数据
认知建模不仅是学习者描述自身认知过程的有效手段，而且是学习者及时获取元认知知识、元认知体验和有效进行元认知监控的工具。根据不同的学习情境、学习者认知水平和认知风格，为学习者提供适宜的认知建模工具，让学习者将内部的认知结构映射到外部可见的认知模型上。整合学习轨迹监控数据和学习者认知建模数据，有益于对学习者认知特征模型进行完善和补充。
这三个过程在执行时并非严格按照次序，而是相互交織在一起，动态交互进行的。对于如何将三方面的信息进行整合挖掘，确定有价值的学习者特征信息，此处因为篇幅所限，另文论述。
四、结论与展望
当评价适应性系统的效果时，准确地定义系统的行为是非常困难的，因为“最佳”行为因人而异，且相同的人因时而异。另外，系统的响应依赖于提供给系统用户的特征信息的质量，如果提供的信息较少或错误，那么就不能奢望系统为用户提供最佳响应。这些因素造成难以通过建立人工实验去测量一个适应系统的表现和效果。对于一个适应性系统有效性的评价应该取决于具有真实目的和偏好的真实用户。用户的认知过程是多样的，我们力求准确、多方面地获取学习者的特征信息，一方面给学习者提供描述自身思维过程的工具，通过分析认知模型来更新学习者特征模型；另一方面整合学习系统捕获的学习者行為轨迹，获取更加科学和完整的学习者特征数据。同时，学习者的认知过程是动态变化的，学习内容的呈现应该根据学习者的特征模型进行动态更新。
学习对象的选择依赖于学习者认知特征模型，而认知特征信息的获取是来自行为轨迹和认知建模两方面的数据。基于学习过程的导航步骤，获取学习者认知特征模型中的行为轨迹；借助认知建模工具，获取学习者内部认知过程，本文构建了基于认知建模的适应性学习系统。系统按照学习者的导航步骤动态更新，对于学习者和学习内容描述可以使用IMS学习者信息程序包（IMS LIP）[12]和IEEE学习对象元数据标准（IEEE LOM）。[13]当然，本文所构建的，是以认知建模为支架的适应性学习系统模型的基本框架，还需要得到进一步完善，比如如何动态实现学习者特征模型的更新，如何整合认知轨迹要素以及发掘它们之间的关系、调查各个要素对学习对象选择的影响以及认知建模在不同学习情境中的应用效果等。
[参考文献]
[1] G.Gauthier, C.Frasson, and K.VanLehn （Eds.）Adaptive Hypermedia: From Intelligent Tutoring Systems to Web-Based Education[J].Intelligent Tutoring Systems，LNCS Vol.1839，pp.1~7.Berlin: Springer Verlag.
[2] Brusilovsky，p.，and Cooper，D.W.（2002）.Domain，Task，and User Models for An Adaptive Hypermedia Performance Support System. In Gil，Y.，and leake，D.B.（Eds.），Proceedings of the 2002 International Conference on Intelligent User Interfaces（IUI-02）[C].New York，ACM Press.
[3] 李恬，周宏.基于Web Quest的自适应教学系统设计与研究[J].现代教育技术，2009，（1）:116~121.
[4] 刘甲学，毕强.自适应超媒体系统用户模型研究[J].图书情报知识，2005，（3）:82~84.
[5] 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.
[6] 李政伟，聂茹.基于SSPISIA数据搜集的个人兴趣增量挖掘算法[J].计算机应用研究，2009，（10）:3694~3696.
[7] 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.
[8] 王清河，刘永平，成桂之.CSCL下本体适应性Web学习环境的研究与实践[J].中国电化教育，2010，（6）:117~120.
[9] 陈雪龙.面向复杂决策问题的模型构造与管理方法研究[D].大连：大连理工大学，2009.
[10] D.H.乔纳森.技术支持的思维建模（第三版）[M].顾小清译.华东师范大学出版社，2008.12~23.
[11] Dalziel，J.Implementing Learning Design: The Learning Activity Management System(LAMS).LAMS Whitepaper，see http://www.lamsinternational .com/documents/ASCILITE2003.Dalziel.Final.paf.
[12] 彭德华，申瑞民，张同珍.基于IMS LIP的网络漫游学习功能设计与实现[J].计算机工程，2003，（1）:282~283.
[13] 罗昊.元数据在网络教育中的应用研究[J].情报科学，2004，（1）:59~62.