自主在线学习环境下学习行为与学习风格偏向性的关联分析研究_1.docx

自主学习环境下学习行为与学习风格偏向性的关联分析研究 摘要：虽然学习风格受到众多关注，但关于它在自适应超媒体学习（ALH）系统中的应用效果依然受到质疑本研究构建了一个可满足学习者学习风格偏好，并能充分反映学习者学习行为差异性的原型系统来采集学习者学习行为数据，同时使用学习风格测量工具来采集被试学生的学习风格偏好性数据据此对学习风格理论在ALH系统使用过程中所产生的开放性问题提出了假设，并进行了验证实验表明，在ALH系统单纯使用学习者学习风格偏好是不能保证学习效果的，学习风格偏向性应剥离为“偏好”和“学习正关联特性”两个参数，并保证其学习效果正相关的学习风格特性得到满足；在ALH中构建静态学习风格用户模型也是不能保证其有效性的，因为实验表明学习风格用户模型不仅受学习者本身经验约束，同时还受变化的学习内容的影响关键词：学习效果，自适应超媒体学习系统，学习行为，学习偏好，学习正关联特性，Silverman&Felder模型，场依存／场独立模型，VARK模型一、研究背景在过去20年中，学习系统的设计与开发一直是学习技术研究领域的一个研究热点这些系统被称为自适应教育超媒体（Adaptive Educational Hypermedia，AEH）系统或是自适应超媒体学习（Adaptive Learning Hypermedia，ALH）系统。

为了覆盖更多的智能学习系统表现形式，本研究将这些系统统称为ALH系统在这些系统中，为了给学习者提供更为准确、有效的个性化服务，学习风格（Learning Style，LS）被许多ALH系统集成在用户模型中，试图为学习者提供最适合个体需求的差异化学习过程美国前中学校长联合会主席Keef认为学习风格是关于学习者如何学习的一个相对稳定的指标（Keefe，1979），这一断言使得ALH系统通过LS模型所提供的启发式线索为学习者构建差异化的学习策略成为可能大量用于区分不同类型的典型学习行为倾向性的LS测量工具也随之产生，例如常被用于AEH系统的Dunn＆Dunn模型（Dunn，1993）、Kolb模型（Kolb,1984）、Silverman＆Felder模型（Felder，1988）、场依存／场独立模型（Witkin，1977）以及VARK模型（Fleming，2001）虽然学习风格受到众多关注，但它依然在存许多未解决的问题，例如在其有效性、可靠性以及实用性方面都存在争议（Dembo，2007）伦敦大学教育学院（Institute of Education，IOE）的Coffield教授在2004年发布了一份质疑学习风格在基础教育领域特别是课堂教学领域有效性的报告（Coffield，2004）。

报告调查了71种学习风格模型，指出在教学活动中使用学习风格理论必须谨慎，因为在进行了深入严格的测试后许多LS度量工具都存在严重漏洞类似的质疑认为即使在ALH系统中使用学习风格也同样存在风险（Brown，2009；Dag，2009），例如，Brown（Brown，2009）指出将学习风格作为用户模型使用并不能够保证学习者从其喜欢的方式中获益相反，如果学习者能在其不喜欢的学习方式中产生能克服其学习风格潜在弱点的技能，就可以从中受益尽管面临诸多争议，学习风格在提升用户学习体验方面确实效果显著（Summerville，1999）Akbulut在其关于学习风格用户模型的研究中指出（Akbulut，2012），虽然ALH系统整合学习者学习风格在是否能促进学习效果方面依然存在争论，但是遵从学习者学习风格倾向性确实能提升学习者的学习体验除此之外，学习风格的正面影响还体现在可丰富学习者在学习过程中各种与满足感、积极态度以及正面情绪相关的认知经验上（Alshammari，2015；Cabada，2011；Dascalu,2015;Essalmi,2010;Filippidis,2009;Garrido,2013;Lin,2013;Mampadi,2011;Papan-ikolaou,2003;Popescu,2010;Sangineto,2008;Schiaffino,2008;Stash,2006;E Triantafillou,Pomportsis,A.,Demetriadis,S.,2004），例如，Liegle等人（Liegle，2006）在其研究中就表明若为学习者提供满足其学习风格偏好在导航上的需求，则可以显著提升其学习总量。

而学习风格的偏好性价值不仅仅体现在ALH系统中，同时也有证据显示在普通教学活动中，如果教师在面对成人学习者时能合理利用学习风格原理，则可以使其学习过程更舒适并提升其学习能力（Hawk，2007）综上所述，虽然智能学习系统中使用学习风格具有诸多不确定性因素，但如何更有效地在ALH系统中使用学习风格仍然是广大研究者追求的目标通过上述分析可知，学习风格在ALH系统中因为满足了学习者学习行为喜好的稳定特征，因此在改善用户体验方面具有显著效果，然而与别的商务系统不同，提升用户学习体验只是学习系统一方面的价值，学习系统另一方面的价值则要体现在学习效果上因此，开展学习风格偏向性对学习效果正、负面影响的相关研究是非常有必要的本研究通过采集学习者多种学习风格偏向性数据、学习者在ALH系统中的学习行为数据以及学习者学习效果数据，在三者间建立关联模型，以期实现分析多种学习风格偏向性对学习行为造成的可能的影响，以及这些影响继而对学习效果可能造成的正、负面后果二、基础数据采集在早期的AEH系统中，学习风格通常被作为用户模型的基石（Papanikolaou，2003；Stash，2004；Stern,2000;E.Triantafillou,Pomportsis,A.,Geor-giadou，E．，2002），但是在最近的研究中，学习风格则多作为用户模型的一个组成部分而存在（Alsham-mari,2015;Essalmi,2010;Kardan,2008;Lau,2010;Limongelli,2009;Lin,2013;Mampadi,2011;Sangineto，2008）。

有文献（Akbulut，2012）统计了2000年至2010年十年间全球高影响因子期刊和会议上发表的70篇使用了学习风格的智能学习系统的相关文献，其中有81.4%的智能系统用户模型都集成了学习者的学习风格自适应模型，而所使用的学习风格种类则多达百种然而，正如Dag（Dag，2009）的统计数据所显示，大部分ALH系统仅仅为用户建模了其在不同学习风格维度上的喜好偏向性，而忽略了这些喜好偏向性与学习效果间可能存在的负关联本研究构建了一个满足学习者学习风格偏好，同时充分反映学习者学习行为差异性的原型系统，用于采集学习者学习行为数据原型学习系统具有以下特征：①提供自学习环境；②学习资源以主题为单位，资源结构呈星型；③对学习资源按照知识分类理论进行划分；④学习资源之间具有可替代性，以满足具有不同学习风格偏向性的学习者对学习资源的需求一）用于采集数据的学习原型系统的资源设计以“Java介绍及平台部署”这一主题为例，该主题的学习资源按照资源的类型分为整体知识结构图示、理论基础知识、Java实例、实验练习（Yang，2014），在实例中增加了除文字描述以外的视频材料具体资源的类型和对资源类型的描述，如表1所示。

采集学习者学习行为数据的原型学习系统界面则如图1所示测试对象为2014级计算机专业学生，其中有效被试58人，这些学习者具有相似学习背景，在此之前都没有接触过Java，但是均通过了学习Java课程的前测由于学习者此前并未有过任何学习经验，因此实验只包含了“Java语言”课程的开始两个学习主题，分别是“Java介绍及平台部署”以及“Java的基本语法”每个主题实验时间为上午8点到下午4点，学习者到部署了系统的机房进行自主学习，可自行安排自己的学习进度，但要求当天提交该主题相关实验和评测答案要求不携带其余学习资料，仅根据系统提供的学习资源学习参与实验自愿，但实验将作为正式开设的Java课程的最终成绩构成之一，若未参与或完成实验，该部分得分为0在学习过程中，系统会记录学习者的具体学习行为，包括其所选择的知识点页面、每个页面的频率、在该页面停留的时间以及学习顺序等相关信息二）学习风格数据采集为提高研究结论的有效性，本研究采用了三个最广泛使用的学习风格模型：Felder-Silverman模型、VARK模型以及场依存／场独立（FD/FI）模型，对用户的学习风格倾向性进行多维测量Felder-Sil-verman模型（F-S）和VARK模型均采用其标准化的学习风格问卷①，FD/FI模型则使用对应的镶嵌图形测试GEFT。

同时，为了使测量值具有可比较性，本研究对数据均进行了范式化处理学习者在三个学习风格模型上的分布如表2所示表2中关于学习风格维度的英文缩写分别代表：ACT-REF：主动-反射；SEN-INT:感知-直觉；VIS-VER：视觉-文字；SEQ-GLO：顺序-全局从测量结果可知，测试的58名被试中，在视觉型／文本型维度上，属于文本型的只有7%，其余均属于视觉型；在场依存／场独立维度上，属于场依存型的只有一人，其余均是中立或场独立因此在后面的分析中，将去掉这两个维度对于VARK学习风格模型，因为其在单维上具有和Felder-Silverman模型重复的特征，因此在VARK学习风格模型的分析上，将着重分析单维偏向性学习者和多维偏向性学习者的差异性表2中“S”代表学生人数，“%”代表某一学习风格偏好下学习者占总人数的比例三、实验及数据分析在本节实验中，学习频次是指每个学生点击某个学习资源的次数，而学习时间指打开某个学习资源并停留的时间，为了去除噪音数据，停留时间小于10秒的点击并未统计在内一）不同学习风格偏向性对不同类型学习资源需求的差异性以知识点学习的频次和学习时间作为学习行为的两个关键指标，分别统计具有不同学习风格倾向性学习者在不同类型学习资源上的平均学习频次及平均学习时间，即假设I类型资源有｜I｜个，具有某种学习风格偏向性学习者M人，学习者m访问I类型资源i的访问频次和访问时间为，该类型资源访问频次及平均访问时间计算如下：接下来使用T检验分析不同学习风格倾向性学习者在学习频次和学习时间上的差异性，时间以秒为单位。

如表3所示，在当前学习主题下，学习者的学习行为差异性体现在感知-直觉维度以及顺序-全局维度上其中差异性最显著的是感知-直觉型学习者在图示资源的访问频次上，感知型学习者在知识导图资源上较直觉型学习者具有更频繁的访问倾向全局型学习者较顺序型学习者对知识导图资源的访问时间显然更长根据F-S学习风格模型理论描述（Felder，et al,1988），全局型学习者在有全局知识导图资源的帮助下，能够具有更好的学习效果，而知识导图对感知-直觉型学习者的影响并未有具体阐述另一具有显著差异的学习行为是感知-直觉型学习者的理论知识平均学习频次这一显著差异在F-S学习风格理论中并未有明确相关论述但是从指标“平均学习频次”可看出，本实验中的感知型学习者比直觉型学习者更喜欢访问理论型页面，反而在能体现其LS偏好的实例类资源上并无明显差异（有文献（Falder，at al，1988）指出感知型学习者更喜欢使用与实际问题相结合的资源辅助其理解理论知识）上述实验结论预示着如果要在用户模型中更准确地使用学习风格理论，除了分析学习风格对用户行为的可能影响外，还必须纵向分析学习者个体的学习行为经验数据以及横向分析群体性学习者学习行为数据，因为在单一时刻采集的学习行为可能会产生与学习风格理论不一致的情况。

这时仅仅依靠横向学习者行为数据并不能构建准确的学习风格用户模型，还需要进一步考虑更复杂的学习行为与学习风格偏向性的关联因素。