機器學(xué)習在智慧教育中的應用與創(chuàng )新研究
隨著(zhù)信息技術(shù)與人工智能的快速發(fā)展，教育領(lǐng)域逐漸向智慧教育發(fā)展。智慧教育的核心 要素就是要開(kāi)展個(gè)性化的學(xué)習，而個(gè)性化學(xué)習的低層關(guān)鍵支撐技術(shù)就是機器學(xué)習與深度學(xué)習。
因此，深入研究機器學(xué)習在智慧教育中的應用具有重要的意義。
一、機器學(xué)習含義及學(xué)習方法 1 、 機器學(xué)習的含義 機器學(xué)習是人工智能技術(shù)中的一種關(guān)鍵技術(shù)，國外內學(xué)者普遍認為機器學(xué)習是具有特定 目的一個(gè)知識獲取過(guò)程，它既注重增加知識，更注重提高機器獲取知識的技能。簡(jiǎn)單來(lái)說(shuō)， 機器學(xué)習就是研究如何讓機器通過(guò)利用現有新知識來(lái)獲得新的技能與知識。機器學(xué)習的研究 方向有三個(gè)：第一是基礎研究，主要用戶(hù)研究機器學(xué)習的理論與學(xué)習方法，比較機器學(xué)習與 人類(lèi)學(xué)習的聯(lián)系與異同；第二是與認知科學(xué)的發(fā)展緊密聯(lián)系，通過(guò)模擬人類(lèi)學(xué)習的過(guò)程與方 法來(lái)建立機器學(xué)習的認識生理學(xué)模型；第三個(gè)應用研究，通過(guò)建立各類(lèi)學(xué)習輔助工具或系統 來(lái)建立自動(dòng)獲取知識系統來(lái)完善現有知識庫等。
2 、 機器學(xué)習的學(xué)習方法 機器學(xué)習可以根據自身的特定采用新方法，可以模擬人類(lèi)的學(xué)習方法，或者將二者相結 合形成新的方法?？傮w來(lái)看，可以將機器學(xué)習的方法歸納為三種：（ 1 ）演繹學(xué)習法，演繹學(xué) 習法是從一般到特殊的推理學(xué)習方法，它可以從利用推理訂立法則從已知推出結論，如三段 推理論等；（ 2 ）歸納學(xué)習法，它與演繹學(xué)習法相反，歸納學(xué)習法是從特殊到一般的推理學(xué)習 方法。歸納學(xué)習法包括不完全歸納法和完全歸納法，不完全歸納又包括因果關(guān)系歸納法和簡(jiǎn) 單枚舉歸納法；（ 3 ）類(lèi)比學(xué)習法，類(lèi)比學(xué)習法又被稱(chēng)為模仿系統，它是從特殊到特殊的推理 學(xué)習法，是根據特定的實(shí)例來(lái)進(jìn)行推理規劃尋找出一半規律，再將其聯(lián)系到新事物中，從而 形成創(chuàng )造性的學(xué)習與推理方法。
3 、機器學(xué)習是多學(xué)科知識的融合 機器學(xué)習是人工智能技術(shù)的中心問(wèn)題，也是基本的理論基礎。機器學(xué)習的研究具有較高 難度，它研究的學(xué)習問(wèn)題往往具有復雜性和多樣性，它的發(fā)展依靠將多門(mén)學(xué)科知識進(jìn)行有效 結合，逐步演化出科學(xué)的學(xué)習方法。如在智慧教育體系當中，就需要應用機器學(xué)習來(lái)挖掘教 育數據，它需要用到計算機科學(xué)、教育學(xué)、統計學(xué)、思維科學(xué)的中多學(xué)科知識。
二、 機器學(xué)習在智慧教育應用的目標 通過(guò)對國內外學(xué)者對機器學(xué)習在智慧教育應用中的研究分析發(fā)現，機器學(xué)習應用于教育 領(lǐng)域的目標體現在四個(gè)方面。
1 、 幫助教師了解學(xué)生的整體及個(gè)體的學(xué)習情況，及時(shí)反饋教學(xué)結果，從而改善教學(xué)方法。
具體的應用目標包括：通過(guò)機器學(xué)習分析學(xué)習者的學(xué)習表現來(lái)預測學(xué)習者的學(xué)習表現；發(fā)現 學(xué)習者在智慧教育環(huán)境中的學(xué)習規律；對學(xué)習者的學(xué)習行為進(jìn)行評價(jià)，并根據其學(xué)習特征對 學(xué)習者進(jìn)行分組；了解教學(xué)的效率，并根據學(xué)習者特征提供定制課程和自適應內容，并改進(jìn) 教學(xué)方法；發(fā)現學(xué)生的學(xué)習困難及常犯錯誤，從而給予相應的教學(xué)干預。
2 、 幫助學(xué)習者實(shí)現個(gè)性化學(xué)習，分析預測學(xué)習者的學(xué)習行為，并給出可視化的反饋，從 而提高學(xué)習者的學(xué)習成果與效率。具體目標為：分析學(xué)習的進(jìn)展、效果及效率，為學(xué)習者提 供反思意見(jiàn)；發(fā)現學(xué)習者的能力、興趣及學(xué)習風(fēng)格等，從而推薦最佳的學(xué)習策略、自適應課 程、學(xué)習任務(wù)、資源及活動(dòng)，從而提高學(xué)習者的學(xué)習效率。
3 、 為教育管理者提供全面客觀(guān)的教育反饋，以幫助其指定相關(guān)的教育決策。具體目標為: 對教育計劃及學(xué)習方法進(jìn)行分析，從而科學(xué)制定相關(guān)支持決策；科學(xué)合理分配利用教育資源; 對教師、課程體系及內容等進(jìn)行評估，從而改進(jìn)教育管理制度。
4 、 為教學(xué)系統開(kāi)發(fā)人員及科研工作人員提供系統的精準評估，便于維護在線(xiàn)課程和教育 系統。具體目標為：對教學(xué)系統進(jìn)行維護與評估；對課程內容結構及學(xué)習的有效性進(jìn)行評估; 對現有教育理論進(jìn)行驗證，發(fā)現新的模式與規律；分析機器算法中存在的問(wèn)題，并改進(jìn)機器 算法，制定專(zhuān)用的教育數據挖掘工具； 三、 機器學(xué)習實(shí)現智慧教育的路徑 智慧教育的發(fā)展是基于信息技術(shù)與先進(jìn)教育理念的深度融合發(fā)展的，它具有自動(dòng)建模、 智能感知、服務(wù)主動(dòng)推送、資源的組織與配置、協(xié)作性和社群化以及適應學(xué)習的差異化等特 點(diǎn)。當前的智慧教育是基于學(xué)習者的大數據基礎之上的，需要利用人工智能手段對這些數據 進(jìn)行深度挖掘，從而發(fā)現潛在的知識與模式。早在 1995 年，數據挖掘技術(shù)就被應用于教育領(lǐng) 域，這也為機器學(xué)習在教育領(lǐng)域的應用拉開(kāi)了帷幕，今天機器學(xué)習主要應用于教學(xué)數據的開(kāi) 發(fā)、挖掘等應用。通過(guò)機器學(xué)習來(lái)構建良好的智慧教育學(xué)習環(huán)境，便于教師能開(kāi)展高校的教 學(xué)，讓學(xué)生能進(jìn)行個(gè)性化的學(xué)習服務(wù)與體驗。因此，有效利用機器學(xué)習是當前實(shí)現智慧教育 的有效路徑，通過(guò)應用多學(xué)科的知識構建智慧教育的大數據知識環(huán)境來(lái)對教育數據進(jìn)行深度 挖掘，發(fā)現知識的過(guò)程。
圖 1 機器學(xué)習在智慧教育中的數據挖掘與知識發(fā)現過(guò)程 1 、 構建智慧教育大數據環(huán)境 機器學(xué)習的主要作用就是開(kāi)發(fā)挖掘大數據，因此首先必須要生成教育大數據，這就需要 構建一個(gè)智慧教育的大數據環(huán)境。智慧教育的大數據環(huán)境應該包括傳統教育環(huán)境與基于互聯(lián) 網(wǎng)的教育環(huán)境。傳統的教育環(huán)境主要是指現有的學(xué)校課堂，它是封閉范圍內的教學(xué)環(huán)境，如 桌面應用軟件和單機版的教學(xué)平臺，傳統教育環(huán)境中的數據通常是儲存在計算機內存當中。
智慧教育環(huán)境除了要包括傳統教育環(huán)境以外，更為重要的是要構建開(kāi)放的基于互聯(lián)網(wǎng)的教育 環(huán)境，主要包括當前常見(jiàn)的慕課課堂，社會(huì )性學(xué)習、教育游戲、移動(dòng)學(xué)習平臺等，由于開(kāi)放 式教育環(huán)境是基于互聯(lián)網(wǎng)的平臺，因在收集學(xué)習者的學(xué)習過(guò)程與相關(guān)活動(dòng)數據是非常便利的, 非常容易控制，這部分數據往往存儲在網(wǎng)絡(luò )空間當中。這些開(kāi)放式下網(wǎng)絡(luò )教育環(huán)境都完整了 記錄了學(xué)習者的學(xué)習習慣、學(xué)習過(guò)程及學(xué)習情況等數據，這些數據就構成了智慧教育大數據 環(huán)境。
2 、 獲取目標數據，并對數據進(jìn)行預處理與轉換 在智慧教育大數據環(huán)境中能夠產(chǎn)生海量的大數據信息，并不是所有的信息都是有用的， 這時(shí)候就需要對數據進(jìn)行篩選，找出目標數據。目標數據并不能直接用于數據挖掘與處理， 還需要進(jìn)行預處理，并轉換成數據模型能夠衡量的數據，將定性的信息進(jìn)行量化。同時(shí)還需 要對轉換后的數據進(jìn)行測試，確保數據的真實(shí)可靠。
3 、 運用多種機器學(xué)習方法構建數據挖掘模型 數據處理好之后就可以利用機器學(xué)習方法構建數據挖掘模型開(kāi)展數據挖掘。機器學(xué)習方 法中，應用于教育領(lǐng)域的方法有很多，包括聚類(lèi)分析、關(guān)聯(lián)規則挖掘、分類(lèi)法、回歸分析、 文本挖掘、社會(huì )網(wǎng)絡(luò )分析、序列模式分析、模式發(fā)現等，當中應用最為廣泛的就是預測和聚 類(lèi)分析。機器挖掘模型包括描述模型和預測模型兩種。描述模型主要用于分析教育數據來(lái)發(fā) 現新的教育結構或模式，如采用點(diǎn)擊流分析局部 N 元模型來(lái)構建描述模型分析學(xué)生習慣性學(xué) 習行為；預測模型則是通過(guò)已知的數據來(lái)預測一些未知數據。預測模型中常采用的機器學(xué)習 方法有分類(lèi)與回歸。如可以通過(guò)邏輯回歸和逐步回歸來(lái)預測學(xué)生在學(xué)習過(guò)程中的表現；通過(guò) 線(xiàn)性回歸和回歸樹(shù)來(lái)預測學(xué)生的學(xué)習表現與學(xué)習行為之間的關(guān)系。合理的選擇方法構建模型, 可以有效的發(fā)現未知數據、規律及模型。
4 、對模型處理結果進(jìn)行解釋和評估發(fā)現新知識，并發(fā)現新模式與新結構或預測未知數據
及事件 構建好數據挖掘模型后，就需要對模型運行的結果進(jìn)行解釋與評估。通過(guò)解釋與評估模 型結果可以發(fā)現其中的規律與知識，這些知識包括實(shí)踐類(lèi)知識、原理類(lèi)知識和優(yōu)化類(lèi)知識。
教育領(lǐng)域的實(shí)踐類(lèi)知識可以幫助教師更好的開(kāi)展教學(xué)實(shí)踐，如通過(guò)機器學(xué)習來(lái)預測學(xué)生的學(xué) 習表現和學(xué)習成績(jì)；原理類(lèi)知識可以修正或驗證已知的相關(guān)教育理論，還可以發(fā)現一些新的 學(xué)習規律從而歸納總結出新的教育理論；優(yōu)化類(lèi)知識可以對學(xué)習系統的性能與效果進(jìn)行評價(jià) 與改進(jìn)，如可以根據學(xué)習者知識的分析來(lái)提高教育系統自適應能力。通過(guò)發(fā)現知識并反饋給 對應的教育系統，通過(guò)迭代循環(huán)建模，最終促進(jìn)并改進(jìn)學(xué)習。
通過(guò)數據挖掘建模而發(fā)現的知識在可視化與干預工具的作用下，通過(guò)預測分析還可以預 測到一些未知數據、知識、模型等，通過(guò)聚類(lèi)分析等可以發(fā)現新的教育模式或者新的教育結 構，如通過(guò)聚類(lèi)分析慕課的學(xué)習記錄，可以尋找過(guò)學(xué)習者的主要學(xué)習內容，從而向其推薦合 適的關(guān)聯(lián)課程。
知識發(fā)現的過(guò)程是機器學(xué)習的重要過(guò)程，也是將機器學(xué)習應用與教育領(lǐng)域的關(guān)鍵目標， 知識發(fā)現的正確性跟機器學(xué)習的方法以及建模的情況息息相關(guān)，因此，對機器學(xué)習的深入研 究有利于其在教育領(lǐng)域中的應用。
四、機器學(xué)習在智慧教育中應用建議 機器學(xué)習在教育領(lǐng)域中的應用尚處于初始發(fā)展階段，其技術(shù)尚不成熟，也沒(méi)有形成規模 化發(fā)展，對其的發(fā)展提出幾個(gè)建議。
1 、加強機器學(xué)習與智慧教育的跨界融合，推動(dòng)智慧教育創(chuàng )新發(fā)展 機器學(xué)習與智慧教育屬于不同學(xué)科，要實(shí)現機器學(xué)習與智慧教育的融合，需要既懂教育, 又懂技術(shù)。因此，開(kāi)展機器學(xué)習與智慧教育的深度融合發(fā)展是非常必要的。對此可以加強教 育領(lǐng)域與人工智能領(lǐng)域人才的交流合作，共同協(xié)作開(kāi)發(fā)智慧教育系統，同時(shí)加大跨學(xué)科人才 的培養，通過(guò)可視化技術(shù)開(kāi)發(fā)出人工智能的人機界面，為教育者深度理解機器學(xué)習的原理與 應用路徑，從而推進(jìn)機器學(xué)習在智慧教育體系下的應用。
2 、 構建基于機器學(xué)習的教學(xué)場(chǎng)景 智慧教育需要構建教育大數據環(huán)境，基于場(chǎng)景化的學(xué)習是未來(lái)智慧教育發(fā)展的大趨勢， 而當前卻缺乏類(lèi)似的成熟案例，這也成為機器學(xué)習應用于智慧教育的短板。因此，加強基于 機
器學(xué)習的不同教學(xué)場(chǎng)景，有利于填補當前機器學(xué)習應用的一大空白。
3 、 構建智慧教育數據中心，實(shí)現教育數據標準化 當前機器學(xué)習在教育領(lǐng)域領(lǐng)域的另一個(gè)難點(diǎn)就是數據問(wèn)題，應該有必要構建智慧教育數 據中心，健全教育大數據質(zhì)量模式，規范采集共享平臺數據。同時(shí)，為方便后期數據的處理, 有必要對其進(jìn)行標準化，為機器學(xué)習的深入應用打下基礎。
