本發(fā)明涉及在線教育領(lǐng)域，具體涉及一種基于時(shí)間序列的在線學(xué)習(xí)者認(rèn)知風(fēng)格分析方法。

背景技術(shù)：

在“互聯(lián)網(wǎng)+”時(shí)代，在線學(xué)習(xí)系統(tǒng)為用戶提供豐富、優(yōu)質(zhì)和開(kāi)放的學(xué)習(xí)資源，學(xué)習(xí)者可以根據(jù)自身需求來(lái)安排學(xué)習(xí)的時(shí)間、地點(diǎn)以及內(nèi)容，因此，在線教育也越來(lái)越受到人們的歡迎。然而，目前已有的在線學(xué)習(xí)系統(tǒng)主要側(cè)重于教師的課程管理與教學(xué)管理，卻很少根據(jù)學(xué)習(xí)者的學(xué)習(xí)風(fēng)格去自適應(yīng)地引導(dǎo)學(xué)習(xí)。

認(rèn)知風(fēng)格是個(gè)體相對(duì)穩(wěn)定的信息組織和信息加工方式，極大地影響著學(xué)習(xí)進(jìn)程。當(dāng)在線學(xué)習(xí)系統(tǒng)與學(xué)習(xí)者的認(rèn)知風(fēng)格相匹配時(shí)，能夠高效地互動(dòng)；當(dāng)教學(xué)策略與學(xué)習(xí)者偏愛(ài)的認(rèn)知風(fēng)格相匹配時(shí)，有助于發(fā)揮認(rèn)知風(fēng)格中的優(yōu)勢(shì)，提高學(xué)習(xí)者的學(xué)習(xí)效率。因此，掌握學(xué)習(xí)者的認(rèn)知風(fēng)格，有利于為學(xué)習(xí)者提供具有針對(duì)性的學(xué)習(xí)環(huán)境、學(xué)習(xí)資源和學(xué)習(xí)策略。

目前對(duì)認(rèn)知風(fēng)格的分析多采用基于量表的測(cè)驗(yàn)方法，但是該方法只能靜態(tài)表征在線學(xué)習(xí)系統(tǒng)中學(xué)習(xí)者當(dāng)前的認(rèn)知風(fēng)格，無(wú)法實(shí)時(shí)監(jiān)測(cè)學(xué)習(xí)者的學(xué)習(xí)行為，并根據(jù)監(jiān)測(cè)到的學(xué)習(xí)行為確定學(xué)習(xí)者當(dāng)前認(rèn)知風(fēng)格，及時(shí)為學(xué)習(xí)者推送與其當(dāng)前認(rèn)知風(fēng)格相匹配的學(xué)習(xí)環(huán)境、學(xué)習(xí)資源和學(xué)習(xí)策略。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明所要解決的技術(shù)問(wèn)題是如何實(shí)時(shí)監(jiān)測(cè)在線學(xué)習(xí)系統(tǒng)中學(xué)習(xí)者的學(xué)習(xí)行為，并根據(jù)監(jiān)測(cè)到的學(xué)習(xí)行為確定學(xué)習(xí)者當(dāng)前認(rèn)知風(fēng)格，及時(shí)為學(xué)習(xí)者推送與其當(dāng)前認(rèn)知風(fēng)格相匹配的學(xué)習(xí)環(huán)境、學(xué)習(xí)資源和學(xué)習(xí)策略。

為了解決上述技術(shù)問(wèn)題，本發(fā)明所采用的技術(shù)方案是提供一種基于時(shí)間序列的在線學(xué)習(xí)者認(rèn)知風(fēng)格分析方法，包括以下步驟：

采集在線學(xué)習(xí)系統(tǒng)中學(xué)習(xí)者產(chǎn)生的歷史行為數(shù)據(jù)；

從采集的歷史行為數(shù)據(jù)中提取學(xué)習(xí)者的行為模式，并按照認(rèn)知風(fēng)格的不同為每一種行為模式分別預(yù)設(shè)相應(yīng)的閾值；

將采集的學(xué)習(xí)者的實(shí)時(shí)行為數(shù)據(jù)進(jìn)行量化并提取行為模式，并根據(jù)預(yù)設(shè)的閾值確定學(xué)習(xí)者當(dāng)前認(rèn)知風(fēng)格；

向?qū)W習(xí)者推送與學(xué)習(xí)者當(dāng)前認(rèn)知風(fēng)格相匹配的教學(xué)策略。

在上述技術(shù)方案中，將采集的學(xué)習(xí)者的實(shí)時(shí)行為數(shù)據(jù)進(jìn)行量化并提取行為模式，并根據(jù)預(yù)設(shè)的閾值確定學(xué)習(xí)者當(dāng)前認(rèn)知風(fēng)格，具體包括以下步驟：

將采集的學(xué)習(xí)者的實(shí)時(shí)行為數(shù)據(jù)以五元組形式存儲(chǔ)到實(shí)時(shí)行為數(shù)據(jù)庫(kù)；

從實(shí)時(shí)行為數(shù)據(jù)庫(kù)中提取學(xué)習(xí)者的行為模式，并根據(jù)預(yù)設(shè)的閾值一一確定提取的每一種行為模式所屬的認(rèn)知風(fēng)格；

最后根據(jù)提取的每一種行為模式所屬的認(rèn)知風(fēng)格推導(dǎo)學(xué)習(xí)者當(dāng)前認(rèn)知風(fēng)格。

在上述技術(shù)方案中，根據(jù)采集的歷史行為數(shù)據(jù)確定學(xué)習(xí)者的行為類(lèi)型，將不同類(lèi)型的歷史行為數(shù)據(jù)以五元組形式存儲(chǔ)到歷史行為數(shù)據(jù)庫(kù)，從歷史行為數(shù)據(jù)庫(kù)中提取學(xué)習(xí)者的行為模式，基于學(xué)習(xí)者的行為類(lèi)型、行為模式以及不同認(rèn)知風(fēng)格下每一種行為模式預(yù)設(shè)的閾值構(gòu)建認(rèn)知風(fēng)格模型。

在上述技術(shù)方案中，基于時(shí)間序列對(duì)認(rèn)知風(fēng)格模型進(jìn)行修正，具體為：

將采集的實(shí)時(shí)行為數(shù)據(jù)按周期劃分為若干時(shí)間序列；

基于每一個(gè)時(shí)間序列判斷學(xué)習(xí)者的每一種行為模式出現(xiàn)的概率是否服從泊松分布函數(shù)；

當(dāng)存在不服從泊松分布函數(shù)的行為模式，則對(duì)應(yīng)修正認(rèn)知風(fēng)格模型中該行為模式的預(yù)設(shè)閾值。

在上述技術(shù)方案中，當(dāng)存在不服從泊松分布函數(shù)的行為模式，則對(duì)應(yīng)修正認(rèn)知風(fēng)格模型中該行為模式的預(yù)設(shè)閾值,具體為：

同一認(rèn)知風(fēng)格的學(xué)習(xí)者，在每段周期時(shí)間內(nèi)的行為模式發(fā)生的概率應(yīng)服從如下泊松分布函數(shù)：

其中，p表示行為模式發(fā)生的概率所服從的泊松分布函數(shù)；p表示行為模式發(fā)生的概率；xt表示時(shí)間序列t時(shí)學(xué)習(xí)者行為模式的實(shí)際發(fā)生次數(shù)；k表示認(rèn)知風(fēng)格模型中行為模式的預(yù)設(shè)閾值；λt表示單位時(shí)間內(nèi)學(xué)習(xí)者行為模式的平均發(fā)生次數(shù)；

根據(jù)泊松分布函數(shù)的性質(zhì)，泊松分布函數(shù)的期望e(x)＝λt，即泊松分布函數(shù)p取最大值pmax時(shí)，對(duì)應(yīng)的參數(shù)λt則為時(shí)間序列t時(shí)學(xué)習(xí)者行為模式的實(shí)際發(fā)生次數(shù)，當(dāng)λt的值與預(yù)設(shè)閾值k不相等時(shí)，則根據(jù)λt的值對(duì)預(yù)設(shè)閾值k進(jìn)行相應(yīng)調(diào)整。

在上述技術(shù)方案中，五元組包括：

user，表示學(xué)習(xí)者及其唯一標(biāo)識(shí)；

content，表示動(dòng)作對(duì)象；

action，表示user對(duì)content產(chǎn)生的動(dòng)作；

time，表示動(dòng)作產(chǎn)生的時(shí)間；

frequency，表示動(dòng)作產(chǎn)生的次數(shù)。

在上述技術(shù)方案中，學(xué)習(xí)者的行為類(lèi)型包括內(nèi)容交互行為和人際交互行為，內(nèi)容交互行為指學(xué)習(xí)者與教學(xué)內(nèi)容的交互行為；人際交互行為指學(xué)習(xí)者與教師或其他學(xué)習(xí)者之間的互動(dòng)；學(xué)習(xí)者的認(rèn)知風(fēng)格包括場(chǎng)獨(dú)立型和場(chǎng)依存型。

本發(fā)明通過(guò)采集在線學(xué)習(xí)系統(tǒng)中學(xué)習(xí)者的歷史行為數(shù)據(jù)，從歷史行為數(shù)據(jù)中提取學(xué)習(xí)者的行為模式，根據(jù)認(rèn)知風(fēng)格的不同為每一種行為模式分別設(shè)置相應(yīng)的閾值，并將采集的學(xué)習(xí)者的實(shí)時(shí)行為數(shù)據(jù)按照行為模式的不同進(jìn)行量化，根據(jù)設(shè)置的閾值對(duì)量化后的每一種行為模式進(jìn)行分析，確定量化后的每一種行為模式所屬的認(rèn)知風(fēng)格，從而確定學(xué)習(xí)者當(dāng)前認(rèn)知風(fēng)格，并及時(shí)向?qū)W習(xí)者推送與其當(dāng)前認(rèn)知風(fēng)格相匹配的學(xué)習(xí)環(huán)境、學(xué)習(xí)資源和學(xué)習(xí)策略，從而極大地激發(fā)了學(xué)習(xí)者的在線學(xué)習(xí)興趣，提高了在線學(xué)習(xí)效率。

附圖說(shuō)明

圖1為本發(fā)明實(shí)施例提供的一種基于時(shí)間序列的在線學(xué)習(xí)者認(rèn)知風(fēng)格分析方法的流程圖；

圖2為本發(fā)明實(shí)施例提供的對(duì)學(xué)習(xí)風(fēng)格模型進(jìn)行修正的流程圖。

具體實(shí)施方式

為了實(shí)時(shí)監(jiān)測(cè)在線學(xué)習(xí)系統(tǒng)中學(xué)習(xí)者的學(xué)習(xí)行為，并根據(jù)監(jiān)測(cè)到的學(xué)習(xí)行為確定學(xué)習(xí)者當(dāng)前認(rèn)知風(fēng)格，及時(shí)為學(xué)習(xí)者推送與其當(dāng)前認(rèn)知風(fēng)格相匹配的學(xué)習(xí)環(huán)境、學(xué)習(xí)資源和學(xué)習(xí)策略，本發(fā)明實(shí)施例提供了一種基于時(shí)間序列的在線學(xué)習(xí)者認(rèn)知風(fēng)格分析方法，通過(guò)采集在線學(xué)習(xí)系統(tǒng)中學(xué)習(xí)者產(chǎn)生的歷史行為數(shù)據(jù)，從采集的歷史行為數(shù)據(jù)中提取學(xué)習(xí)者的行為模式，按照認(rèn)知風(fēng)格的不同為每一種行為模式分別預(yù)設(shè)相應(yīng)的閾值，構(gòu)建學(xué)習(xí)者的學(xué)習(xí)風(fēng)格模型，將采集的學(xué)習(xí)者的實(shí)時(shí)行為數(shù)據(jù)進(jìn)行量化并提取行為模式，根據(jù)預(yù)設(shè)的閾值一一確定量化后提取的每一種行為模式所屬的認(rèn)知風(fēng)格，最后推導(dǎo)出學(xué)習(xí)者當(dāng)前認(rèn)知風(fēng)格，并基于時(shí)間序列對(duì)認(rèn)知風(fēng)格模型進(jìn)行修正。

本發(fā)明實(shí)施例通過(guò)及時(shí)向?qū)W習(xí)者推送與其當(dāng)前認(rèn)知風(fēng)格相匹配的學(xué)習(xí)環(huán)境、學(xué)習(xí)資源與學(xué)習(xí)策略等教學(xué)策略，極大地激發(fā)了學(xué)習(xí)者的在線學(xué)習(xí)興趣，提高了在線學(xué)習(xí)效率。

下面結(jié)合說(shuō)明書(shū)附圖和具體實(shí)施方式對(duì)本發(fā)明做出詳細(xì)的說(shuō)明。

本發(fā)明實(shí)施例提供了一種基于時(shí)間序列的在線學(xué)習(xí)者認(rèn)知風(fēng)格分析方法，如圖1所示，包括以下步驟：

s1、采集在線學(xué)習(xí)系統(tǒng)中學(xué)習(xí)者產(chǎn)生的歷史行為數(shù)據(jù)，并根據(jù)采集的歷史行為數(shù)據(jù)確定學(xué)習(xí)者的行為類(lèi)型。

其中，學(xué)習(xí)者的行為類(lèi)型包括內(nèi)容交互行為和人際交互行為，其中內(nèi)容交互行為指學(xué)習(xí)者與教學(xué)內(nèi)容的交互行為，如課程內(nèi)容瀏覽進(jìn)度、課程內(nèi)容瀏覽速度、學(xué)習(xí)者評(píng)測(cè)實(shí)際完成時(shí)間、學(xué)習(xí)者單題完成時(shí)間以及學(xué)習(xí)者單題重復(fù)次數(shù)等；人際交互行為指學(xué)習(xí)者與教師或其他學(xué)習(xí)者之間的互動(dòng)，如論壇的訪問(wèn)時(shí)間、通過(guò)課程提問(wèn)工具尋求教師幫助次數(shù)/內(nèi)容平均長(zhǎng)度/平均間隔時(shí)間、發(fā)帖數(shù)以及溝通數(shù)等。

s2、將不同類(lèi)型的歷史行為數(shù)據(jù)以五元組形式存儲(chǔ)到歷史行為數(shù)據(jù)庫(kù)。

五元組包括：user，表示學(xué)習(xí)者及其唯一標(biāo)識(shí)；content，表示動(dòng)作對(duì)象；action，表示user對(duì)content產(chǎn)生的動(dòng)作；time，表示動(dòng)作產(chǎn)生的時(shí)間；frequency，表示動(dòng)作產(chǎn)生的次數(shù)。

s3、從歷史行為數(shù)據(jù)庫(kù)中提取學(xué)習(xí)者的行為模式，并按照認(rèn)知風(fēng)格的不同為每一種行為模式分別預(yù)設(shè)相應(yīng)的閾值。

s4、基于學(xué)習(xí)者的行為類(lèi)型、行為模式以及不同認(rèn)知風(fēng)格下每一種行為模式預(yù)設(shè)的閾值構(gòu)建認(rèn)知風(fēng)格模型。

s5、將采集的學(xué)習(xí)者的實(shí)時(shí)行為數(shù)據(jù)以五元組形式存儲(chǔ)到實(shí)時(shí)行為數(shù)據(jù)庫(kù)。

s6、從實(shí)時(shí)行為數(shù)據(jù)庫(kù)中提取學(xué)習(xí)者的行為模式，并根據(jù)預(yù)設(shè)的閾值一一確定提取的每一種行為模式所屬的認(rèn)知風(fēng)格。

s7、最后根據(jù)提取的每一種行為模式所屬的認(rèn)知風(fēng)格推導(dǎo)學(xué)習(xí)者當(dāng)前認(rèn)知風(fēng)格，并基于時(shí)間序列對(duì)認(rèn)知風(fēng)格模型進(jìn)行修正。

本實(shí)施例構(gòu)建的學(xué)習(xí)者的認(rèn)知風(fēng)格模型如表1所示，在線學(xué)習(xí)系統(tǒng)中不同認(rèn)知風(fēng)格的學(xué)習(xí)者表現(xiàn)出不同的行為模式，本實(shí)施例按照認(rèn)知風(fēng)格的不同為每一種行為模式分別設(shè)置了相應(yīng)的閾值，例如：

若學(xué)習(xí)者對(duì)自己的學(xué)習(xí)能力很有信心，更為關(guān)注自己感興趣的內(nèi)容，完成作業(yè)的速度較快，則設(shè)定的場(chǎng)獨(dú)立型的行為模式cb8(學(xué)習(xí)者單題完成時(shí)間與課程預(yù)期對(duì)應(yīng)單題完成時(shí)間比值)的閾值為70％，當(dāng)學(xué)習(xí)者的行為模式cb8大于閾值70％時(shí)，則判定該行為模式為場(chǎng)獨(dú)立型；

若學(xué)習(xí)者依賴于教師明確的指導(dǎo)和他人的幫助，因此常與其他學(xué)習(xí)者互動(dòng)，則設(shè)定的場(chǎng)依存型的行為模式rb5(發(fā)帖數(shù)，即每段周期學(xué)習(xí)者在課程圈子中的發(fā)帖數(shù)與平臺(tái)吐槽數(shù)之和)的閾值為10，當(dāng)學(xué)習(xí)者的行為模式rb5大于閾值10時(shí)，則判定該行為模式為場(chǎng)依存型。

表1.學(xué)習(xí)者的認(rèn)知風(fēng)格模型表。

如圖2所示，為對(duì)學(xué)習(xí)者的認(rèn)知風(fēng)格模型進(jìn)行修正的流程圖，具體地，將采集的實(shí)時(shí)行為數(shù)據(jù)按天為周期劃分為若干時(shí)間序列，基于每一個(gè)時(shí)間序列判斷學(xué)習(xí)者的每一種行為模式出現(xiàn)的概率是否服從泊松分布函數(shù)，如果存在不服從泊松分布函數(shù)的行為模式，則對(duì)應(yīng)修正認(rèn)知風(fēng)格模型中該行為模式的預(yù)設(shè)閾值。

同一認(rèn)知風(fēng)格的學(xué)習(xí)者，在每段周期時(shí)間內(nèi)的行為模式發(fā)生的概率應(yīng)服從如下泊松分布函數(shù)：

其中，p表示行為模式發(fā)生的概率所服從的泊松分布函數(shù)；p表示行為模式發(fā)生的概率；xt表示時(shí)間序列t時(shí)學(xué)習(xí)者行為模式的實(shí)際發(fā)生次數(shù)；k表示認(rèn)知風(fēng)格模型中行為模式的預(yù)設(shè)閾值；λt表示單位時(shí)間內(nèi)學(xué)習(xí)者行為模式的平均發(fā)生次數(shù)；根據(jù)泊松分布函數(shù)的性質(zhì)，泊松分布函數(shù)的期望e(x)＝λt，即泊松分布函數(shù)p取最大值pmax時(shí)，對(duì)應(yīng)的參數(shù)λt則為時(shí)間序列t時(shí)學(xué)習(xí)者行為模式的實(shí)際發(fā)生次數(shù)，當(dāng)λt的值與預(yù)設(shè)閾值k不相等時(shí)，則根據(jù)λt的值對(duì)預(yù)設(shè)閾值k進(jìn)行相應(yīng)調(diào)整。

下面以認(rèn)知風(fēng)格模型中學(xué)習(xí)者的行為模式rb5(發(fā)帖數(shù))為例，對(duì)認(rèn)知風(fēng)格模型的修正過(guò)程進(jìn)行詳細(xì)說(shuō)明：

根據(jù)本實(shí)施例構(gòu)建的認(rèn)知風(fēng)格模型，當(dāng)每段周期學(xué)習(xí)者發(fā)帖數(shù)小于閾值5時(shí)，即滿足pmax{x1≤5}，該行為模式rb5屬于場(chǎng)獨(dú)立型，此時(shí)λ1為學(xué)習(xí)者行為模式rb5的實(shí)際發(fā)生次數(shù)；當(dāng)每段周期學(xué)習(xí)者發(fā)帖數(shù)大于閾值10時(shí)，即滿足pmax{x1≥10}，該行為模式rb5屬于場(chǎng)依存型，此時(shí)λ2為學(xué)習(xí)者行為模式rb5的實(shí)際發(fā)生次數(shù)；當(dāng)λ1的值與預(yù)設(shè)的閾值5不相等時(shí)，對(duì)預(yù)設(shè)的閾值5進(jìn)行相應(yīng)調(diào)整；當(dāng)λ2的值與預(yù)設(shè)的閾值10不相等時(shí)，對(duì)預(yù)設(shè)的閾值10進(jìn)行相應(yīng)調(diào)整。

s8、根據(jù)學(xué)習(xí)者當(dāng)前認(rèn)知風(fēng)格生成與其相匹配的學(xué)習(xí)環(huán)境、學(xué)習(xí)資源與學(xué)習(xí)策略等教學(xué)策略，并推送給學(xué)習(xí)者。

推送的教學(xué)策略例如：針對(duì)場(chǎng)獨(dú)立型學(xué)習(xí)者推送探究教學(xué)法，設(shè)計(jì)自主探究活動(dòng)，鼓勵(lì)學(xué)生開(kāi)展自我反思；針對(duì)場(chǎng)依存型學(xué)習(xí)者推送演示和指導(dǎo)型教學(xué)法，設(shè)計(jì)協(xié)作學(xué)習(xí)活動(dòng)，鼓勵(lì)互相幫助與互相評(píng)價(jià)。

本實(shí)施例便于教師對(duì)學(xué)習(xí)者學(xué)習(xí)風(fēng)格的認(rèn)知，通過(guò)向?qū)W習(xí)者推送與其當(dāng)前認(rèn)知風(fēng)格相匹配的教學(xué)策略，極大地激發(fā)了學(xué)習(xí)者的在線學(xué)習(xí)興趣，提高了在線學(xué)習(xí)效率，克服了傳統(tǒng)基于量表測(cè)驗(yàn)方法的靜態(tài)性，解決了無(wú)法對(duì)學(xué)習(xí)者學(xué)習(xí)行為與認(rèn)知風(fēng)格間關(guān)系深入分析等問(wèn)題。

本發(fā)明不局限于上述最佳實(shí)施方式，任何人在本發(fā)明的啟示下作出的結(jié)構(gòu)變化，凡是與本發(fā)明具有相同或相近的技術(shù)方案，均落入本發(fā)明的保護(hù)范圍之內(nèi)。