智能学习环境中的学习风格动态预测模型及其应用研究

How to integrate the learning style (LS) preference of the learners into a personalized e-learning environment is an important research issue at the intersection of computer, psychology and education. The existing intelligent learning systems have two main problems when integrating LS profiles into their systems, which are: the low accuracy of the LS prediction model and the low efficiency of the recommendation model based on users’ LS profiles. This project intend to resolve the aforementioned problems by study the following critical subjects: (1) to dynamically predict the users’ LS preferences by using mutual similarity pattern recognition technique on solving the cognitive constrained multi-label classification problem, using AutoEncoder on filtering learning behavior features in different LS dimensions and using reliable checking component on clustering; (2) to effectively recommend learning resources and learning paths based on LS profiles by using the self-organized learning resources, conflicting resolving mechanism and learning path recommendation rules across different LS families.

将学习者学习风格的偏向性整合进智能学习环境中的研究是一个处于计算机、心理学、教育学领域交叉中心的研究热点。但是现有智能学习推荐系统均存在学习风格预测模型准确率低以及基于学习风格用户模型的资源推荐模型性能差等问题。本课题对此展开研究，主要内容包括：(1)动态学习风格预测模型研究，包括认知受限多标签分类、多维度特征空间提取、动态聚类等；(2)跨学习风格分类族的学习资源推荐研究，包括学习资源的自组织、跨学习风格分类族的学习资源推荐模型以及学习行为引导等。本课题拟采用基于相互相似关系模式识别的方式来强制将多标签分类问题转化为单标签分类问题；采用自动编码器进行多维度特征空间提取；采用加入样本可靠性检测的动态聚类算法对学习者进行聚类；采用改进的多向SLN来建立可演化的学习资源自组织结构；采用学习资源推荐推理树、推理规则动态排序和路径推荐规则来实现跨学习风格分类族的资源和学习路径推荐。

随着教育信息化的不断深入，如何利用信息学技术更好的为教育服务，使学习者能够在多样化的学习模式下获得更好的学习效果，是当前科学教育提出的主要主张。信息科学与教育领域深入融合可有效推动教育活动从经验教学转变为事实教学，但前提必须是使用信息技术发现肉眼无法发现的学习者在特定学习环境中的认知特征以及学习模式。本课题研究如何通过采集学习者在多模式学习环境下的认知/学习行为，发现其涌现学习特征、认知特性以及学习行为模式，并据此动态提出可能的认知/学习理论模型。项目从立项至今已完成内容有：判别组件的特征空间减维；认知受限多标签分类；学习资源的自组织；个人知识构建及演化的仿真以及学习风格在在线学习环境中的应用等内容。. 项目主要成果之一是提出了一个可模拟个人知识构建过程的计算模型。该计算模型基于深度信念网络，依赖深度信念网络的无监督学习能力，完成了特征空间的减维。同时保留了人工神经网络解决非分类问题特有的多输入多输出的学习功能。 该模型不仅可以实现学习风格判别的特征空间减为，同时在该计算模型中发现并提取非分类问题规则的过程则更符合学习者语言认知发展规律，为计算机在语言认知方面模拟类脑提供了途径。该模型具有广泛的科学应用前景，除了在人工智能领域具有仿真复杂学习过程的用途，还可以被用于研究第一语言（英语）认知障碍和第二语言（英语）学习障碍的干预仿真。项目其他成果包括设计了基于SLN的学习对象和学习设施语义图以及学习者的个人知识空间语义图；可模拟个人知识构建过程的认知评估模型，在模拟个人知识构建的过程时，使用丰富的语义关系进行必要的语义推理；以多学习风格模型族中学习风格偏向性为索引的在线学习行为模式挖掘等内容。