适应性E-Learning系统:现状与趋势

[摘要]适应性E-Learning是E-Learning发展的一种新的趋势，而适应性E-Learning系统也代表了E-Learning系统发展的一种潮流。文章首先介绍了适应性E-Learning系统的发展历史和典型案例，并在此基础上呈现了适应性E-Learning系统的通用构架和技术模型，最后阐述了适应性E-Learning系统的发展趋势。

[关键词]E-Learning；适应性学习；适应性E-Learning系统；适应性超媒体系统

[中图分类号]G40-057　[文献标识码]A　[论文编号]1009—8097(2011)09—0094—04

在学习过程中，学习者个体具有各种各样的差异性，不仅表现在个人的能力、背景、学习风格、学习目标等具有差异，即使是个体本身，在学习过程中，知识状态也在不断变化。适应性学习(Adaptive Learning)是指学习者通过自身原有知识经验与适应性学习系统进行交互活动来获取知识，获得能力的过程，在这个过程中，学生能够自我组织、制订并执行学习计划，自主选择学习策略，并能控制整个学习过程，对学习进行自我评估。适应性E-Learning是适应性学习在E-Learning时代的表现形式。而适应性E-Learning系统(Adaptive E-Learning System，AELS)本质上是一种个别化的网络学习系统，它能够提供一个适应用户个性化特征的用户视图，这种个性化的学习视图不仅包括个性化的资源而且包括个性化的学习过程和策略。卡耐基一梅隆大学的Bmsilovsky最早提出了适应性E-Learning系统的适应性，指出其适应性可以分为适应性呈现和适应性导航。适应性呈现负责根据学习者的学习状况将学习内容以小知识单元的形式组合呈现，具体又分为适应性多媒体呈现、适应性文字呈现和程序化适应性。适应性导航则根据用户模型调整超链接和内容，具体又分为直接导航、链接排序、链接隐藏、适应性注释、链接适应性生成等。随着适应性E-Leaming技术的不断发展，适应性所包含的内容也在不断增加。总体说来，适应性E-Learning系统的适应性主要体现在能够根据学习者模型与学习者进行交互，了解学习者的学习水平和目标，提供符合学习者需求的学习路径和学习内容。

一　适应性E-Learning系统的发展历史和典型案例

1　适应性E-Learning系统的发展历史

适应性E-Learning系统的早期表现形式是智能导师系统(Intelligent Tutoring System，ITS)，允许学习者与系统之间进行简单“对话”，系统能根据学习者提出的问题进行自动解答。由于人工智能技术的局限性，智能导师系统推送学习内容很难令人满意。尤其是对于人文社科科目的学习，这一缺陷显得更为明显。随着网络技术的发展，超媒体技术的应用越来越广泛，一类新的适应性E-Learning系统：适应性超媒体系统应运而生。Brusilovsky也给出了适应性超媒体系统的一个定义：所谓的适应性超媒体(超文本)是指该超媒体系统反映了用户的某些特征，这些特征存放于用户模型中，该模型在系统的运行过程中被用来使系统的表现适应于不同的用户。适应性超媒体系统涉及到两个关键技术和四个主要模块。两个关键技术分别是适应性内容呈现和适应性导航支持。四个主要模块分别是：用户模型、领域模型、适应模型和适应性引擎。至此，适应性E-Learning进行一个新的发展阶段，目前正在研究开发并使用的适应性E-Learning大多为适应性超媒体E-Learning系统。

2　适应性E-Learning系统的典型案例

对于适应性E-Learning系统的研究，国外开始较早，从上世纪90年代末期便有相关系统研究和开发的成果。目前占据主流地位的系统包括AHA!ALEA、OntoAIMS、The personal Reader、ACCT和ALE-WINDS等。国内的相关系统主要有首都师范大学王陆教授团队开发的个性化学习支持系统、华南师范大学陈品德博士等设计开发的A-Tutor、浙江大学张剑平教授等设计开发的M-ALSS等。总体上来讲，与国外比较成熟的适应性E-Learning系统相比还存在一定差距。下面主要介绍一下AHA!，ACCT和ALE-WINDS的主要功能特点。

(1)AHA!

AHA!是一个开源的适应性E-Learning系统，能够以HTML和XML格式实现学习和链接的自适应。该系统自1996年开始开发，经过10多年的研究和改进已经成为比较成熟的适应性E-Learning系统的典范。AHA!已经在荷兰和比利时的多所大学投入使用并获得了良好评价。其比较有特色的适应性特征包括：选择性呈现，选择性呈现技术让学习者决定哪些页面或内容需要经常自适应，而哪些知识只需要在特定环境下自适应；适应性图标标注，一个链接状态(比如推荐的、感兴趣的、已访问的等等)的学习内容不仅可以通过链接的颜色标注，同时可以通过个性化图标呈现方式进行自动标注，不同的访问者可以根据喜好使用不同的图标；适应性链接目标，这种链接状态不仅可以表示推荐或不推荐，同时可以把学习者引导到个性化页面。

(2)ACCT

适应性课程开发工具包(Adaptive Course ConstructionTooIkit，ACCT)可以让课程开发者创建适应性的面向学习活动的E-Learning体验。ACCT为课程设计人员提供了诸如领域本体建构工具、内容包装工具、学习资源库设计工具和课程实时测试及评价环境。ACCT的主要特色是建立于可重用性和面向服务的构架之上。比如，ACCT为课程开发人提供了可视化创建、编辑和分发适应性学习内容的工具，支持不同学科专家对知识操作的协作与共享；ACCT提供了学生与教师进行不同层次交互的工具；ACCT允许课程开发人员与学习资源库进行交互，支持以关键词搜索形式来推荐候选资源，同时将Web se~ice技术融合在系统构架中。

(3)WINDS-ALE

WINDS-ALE是正在进行的一项欧洲研究项目，目的是实现一个适应性E-Learning环境，整合智能导师系统、教学管理系统和协同学习系统功能。WINDS-ALE将关于学习对象、学习者模型和存储交换的标准应用到系统中，比如LOM和AICC。该系统根据学生现有的知识状态、偏好和学习风格生成个性化的教学课件。设计人员根据用户模型设计一些适应性学习方法，比如附加解释、先行组织者、比较解释等。该系统能根据选定的学习策略来提供适应性的内容序列。比如，根据学生的学习需要，可以在一个具体例子之前加一个简单的介绍。为了降低学习者的认知负载，该系统还采用了多种标注技术。WINDS-ALE还支持不同的学习策略以及学习策略的融合。

二　适应性E-Learning系统的通用构架

一般的适应性E-Learning系统构架包含两个层和四个主要模型，如图1所示。两个层分别是运行时刻层和存储层。运行时刻层使用适应性规则解析器(也称适应性引擎)来执行适应程序，存储层用来存储与学习资源、学习目标及学习者相关的信息。四个主要模型分别是：

(1)知识空间(Knowledge Space)。知识空间包含两个子空间：媒体空间和领域模型。媒体空间用来存储学习资源和对应的学习资源描述信息(比如学习资源的元数据属性、使用属性等)。领域模型包含两个部分：学习目标层级(学习目标集，以树状形式存储)和领域知识本体。

(2)用户模型(User Model)。用户模型主要记录个体学习者的信息和数据，比如学习者已掌握的知识状态和个人学习风格偏好等。用户模型包含两个独立的子模块：学习者知识空间模块和学习者特征模块。学习者知识空间模块记录和呈现学习者的知识状态，学习者特征模块记录学习者的认知特征和学习偏好(比如学习风格，工作记忆容量等)。两个模块的区别在于知识空间模块的数据在学习者与系统进行交互的过程中会不断更新，而学习者的认知特征和学习偏好则是相对固定的，在某个时期内其特征基本不变。

(3)跟踪模型(Rack Model)。跟踪模型用来监控和跟踪学习者与系统的交互数据，记录学习者的学习行为并不断更新学习者模型。

(4)适应模型(Adaptation Model)。该模型主要用来描述系统适应性运行时刻行为的规则。这些规则分为两类：知识点选择规则和内容选择规则。知识点选择规则用来根据学习者的知识状态从领域模型中选择与学习者适应的知识点；内容选择规则用来根据学习者的认知特征和偏好从媒体空间中选择与学习者适应的学习资源。

此系统构架的最终目标是向学习者界面显示个性化的学习路径和呈现个性化的学习内容。要实现这个过程有三个步骤，如图2所示。步骤1，基于学习者空间的知识点选择，即根据学习者空间信息从领域知识本体中选择适应的知识点集合；步骤2，学习路径生成，即通过计算知识点与资源描述模型的匹配度，过滤出最相关的学习内容，形成候选学习路径；步骤3，根据学习者认知特征和偏好从候选学习路径中筛选出最优的个性化学习路径。一般来说，适应性E-Learning系统在设计过程中包括三类设计人员：领域专家、教学设计人员和内容专家。领域专家主要负责设计领域知识本体的结构、学习者知识空间的结构以及适应模型中的知识点选择规则；教学设计人员主要负责定义学习者认知特征和偏好、学习资源描述模型的结构和适应模型中的内容选择规则；内容专家主要负责开发学习资源和定义媒体空间的结构，通过使用学习资源描述模型来描述生成的学习资源。

三　适应性E—Learning系统的发展趋势

1　多维化发展趋势

传统的适应性E-Learning系统往往是一种智能导师系统或者个性化学习支持系统，主要适用于个别化学习的场合，主要关注的是学习者的知识维度。随着信息网络技术的飞速发展，尤其是Web 2.0技术的不断普及，适应性E-Learning系统正在向支持学习者多维度学习的方向发展，这些维度包括：知识维度、认知维度、社会维度和活动维度。

(1)知识维度。知识维度包含三个层次结构：第一个层次是学习对象，学习对象是在技术支持的学习中使用、重用或参引的任何数字化或非数字化的实体，其具有可重用行、数字化、教学性、互操作性与可读取性等特征。第二个层次是知识本体，知识本体是领域概念及概念之间关系的规范化描述，这种描述是规范的、明确的、形式化的和可共享的。第三个层次是元数据，即对学习资源特征的结构化描述。

(2)认知维度。认知维度包括：学习者的认知状态，用来呈现学习者已具有的知识；学习者学习偏好(如难度、语言、情境、学习时间、交互类型、学习资源类型等)；学习者的认知状态和学习偏好的演化规则，包括学习活动前的测试(前测)和学习活动后的评估(后测)，从而根据学习者所使用过的学习内容，已经获取的知识和技术来决定向他们提供何种类型的学习资源。

(3)社会维度。社会化维度主要是指对Web 2.0社会化应用的支持。Web 2.0是当前互联网流行的一种新模式，与Web 1.0相比，Web2.0的鲜明特征在于以开放为导向，以用户为中心，并提供了参与、互动、分享的机制。Blog、RSS、Postcast、Wiki等社会性软件与适应性E-Learning系统的无缝链接将成为新一轮发展趋势，同时推动E-Learning向社会化学习的方向发展。

(4)活动维度。早期的适应性E-Learning系统中学习者的学习活动主要是自主学习，即由系统向学习者提供个性化的学习内容和学习路径，学习者自主完成学习任务。随着适应性学习技术的不断发展，适应性E-Leaming系统对学习活动多样化的支持也越来越强，比如协作学习、探究式学习、问题解决式学习、自定位的学习、基于实践社区(CommunityofPractice)的学习等多种学习活动可以满足不同类型的学习需求。

2　标准化发展趋势

早期的适应性E-Learning系统在设计上往往都是各自为政，由此使得不同适应性E-Learning系统中的学习资源难以实现共享，不同的系统平台也难以相互沟通。为了实现E-Learning系统平台之间的信息互通和资源的共享，多个国际性组织如IMS，ADL，AICC和IEEE先后推出了一系列E-Learning标准，比如元数据标准、学习者标准、内容包装标准等。由于标准的存在，使得各类适应性E-Learning系统间的互操作和资源共享成为可能，既提高了系统的通用性，也提高了学习内容的互用性。尤其值得指出的是，IMS开发的学习设计规范(IMS Learning Design，LD)被广泛应用到各类适应性E-Learning系统中。LD的目标是提供通用的框架来描述教与学的过程，整合学习者和教师的活动、以及学习过程中用到的资源(媒体)和服务，同时支持多种教学法、多个学习者(包括个别学习者)的学习、混和式学习和各种学习资源的可重用。目前标准化已成为适应性E-Learning系统研制开发的必备要求。

3　整合化发展趋势

从适应性E-Learning系统的通用构架可以看出，其主要的应用在于根据学习者模型，选择适应性的知识点并以个性化的方式将内容呈现给学习者，即主要功能是个性化学习内容的生成、管理和呈现。随着E-Learning的不断发展，这种相对功能单一的E-Learning系统越来越不能满足多方面、不断变化的学习需求。因此，将适应性E-Learning系统与其他E-Learning系统进行功能互补与整合，将是以后适应性E-Learning系统的发展趋势。荷兰的GRAPPLE项目正致力于将适应性E-Learning系统技术与学习管理系统(LMS)进行整合。LMS是一种E-Learning自动化管理系统，一般的LMS都具有如下功能：用户注册管理、课件目录管理、学习者的信息数据记录等。对于学习者来说，LMS有助于安排计划学习进度，并且有助于与其他学习者进行交流和开展协作学习。但绝大部分LMS不具备学习内容制作的功能，以至于LMS使用者都需要另外提供内容制作工具。适应性E-Learning系统技术正好弥补了LMS的这一缺陷，同时LMS中记录的学习者信息数据可以与适应性E-Learmng系统中的学习者模型数据进行共享和互用。当LMS与适应性E-Learning系统进行有效整合后，学习者并不能感觉到服务到底是LMS提供的还是适应性E-Learning系统提供的，这样便形成了一个功能完整的LMS-AELS综合E-Learning系统。

推荐访问:适应性 现状 趋势 系统 Learning