基于FelderSilverman学习风格的自适应elearning系统

第 19 卷第 12 期电子设计工程2011 年 6 月 Vol.19 No.12 Electronic Design Engineering Jun. 2011 基于 Felder-Silverman 学习风格的自适应e-learning 系统翟小可 1， 李怀亮 2， 崔春生 3（1. 北京理工大学 珠海学院管理与经济学院， 广东 珠海 519085； 2. 首都师范大学 信息工程学院， 北京 100048；3. 河南财经政法大学 计算机与信息工程学院， 河南 郑州 450002）摘要： 传统 e-learning 系统缺乏学生个性化特征的定制功能， 学习风格是学习过程中较为稳定的学习策略倾向个性特征。 将 Felder-Silverman 学习风格引入 e-learning 系统，给出了基于 Solomon 量化表的学习风格生成算法，然后搭建 基于. NET 分层架构的自适应性 e-learning 系统。 实验结果表明，该系统能够根据学生的学习风格进行个性化的内容 呈现和知识导航，具有自适应的特征。关键词： 学习风格； Solomon 量化表； 学习风格生成算法； 自适应 e-learning文章编号：16746236（2011）12-0046-03中图分类号： TP391文献标识码： AAdaptive e-learning system based on Felder-Silverman learning styleZHAI Xiao-ke1， LI Huai-liang2， CUI Chun-sheng3（1. College of Management and Economy，Zhuhai Campus Beijing Institute of Technology，Zhuhai 519085，China；2. College of Information Engineering，Capital Normal University，Beijing 100048，China；3. College of Computer and Information Engineering，Henan University of Economics and Law，Zhengzhou 450002，China）Abstract: Traditional e-learning system lacked personalized customization function based on different students， learning styleis stable personality traits of learning strategies in the learning process. This paper introduce Felder-Silverman learning styles into e-learning system， we proposed learning style generation algorithm based on the Solomon quantization table， and then build a adaptive e-learning system based on .NET layered structure. The experimental results indicate that the system can makepersonalized contents of the course and knowledge navigation adaptive to adjust the learning styles of different students.Key words: learning style； Solomon quantization table； learning style generating algorithm； adaptive e-learning system随着互联网和教育信息化的发展，以学生为中心地位的e-learning 系统无疑是未来教学模式的方向。 目前的 e-learning 系统缺乏依据学生特征的个性化调整策略，学习风格是学习 情 境 中 个体 表 现 出来 的 比 较稳 定 的 处理 方 式 和学 习 策 略 倾 向，反映了学生的个性类型特征 。 因此，针对 e-learning 系统 的这一缺陷，设计开发一个能够根据学生学习风格进行动态 调整的自适应 e-learning 系统显得很有必要。1 Felder-Silverman 学习风格模型学习风格（learning style） 是 在 学 习情 境 中 个体 表 现 出来 的比较稳定的处理方式和学习策略倾向。 简单地说就是每个 人的主要学习方式、学习倾向、学习策略。心 理 学 家 Felder 和 Silverman 将 学 习 风 格 分 为 4 个 维 度，分别是感知，输入，处理和理解。 其中每个维度又分为两 种风格，分别是感 知型-直 觉 型（ 感 知 维 度）、 视 觉 型-言语 型（输入维度）、主动性-反思型（处理维度），全局型-序列型（理解维度）。 该模型一般称为 Felder-Silverman 学习风格模型1，包括 4 个维度和 8 种学习风格。 前两个维度表示学生如何在 学习过程中接受知识和信息的风格，后两种维度表示学生在 学习过程中喜欢如何加工知识和信息，这 4 个维度不是截然 分开的， 每一个学生的学习风格都是这 4 个维度的组合，我 们只能认为学生更倾向于那个学习风格。根据 Felder-Silverman 学习风格模型理论，学生的学习风 格可以用一个四元组进行形式化的表示2，LS 表 示 学 习风 格（learning style）的公式如下：LS=（T1，e1），（T2，e2），（T3，e3），（T4，e4）（1）其中， （Ti，ei） （1i4） 依 次 为 Felder-Silverman 学习 风格的 4 个维度的取值， 这里 Ti 表示该 Felder-Silverman 学习风格分类的 4 个类型（Ti“感知型-直觉型”，“视觉型-言语 型 ”， “ 主 动 性- 反 思 型 ”， “ 全 局 型- 序 列 型 ”），ei 为 模 糊 取 值（ei0，1），它代表学习风格在 Ti 维度的取值。举 例 说 明 ， 某 一 个 学 生 Longer Lee 的 学 习 风 格 为 ：LS （Longer Lee） = （感知型-直觉型，0.8），（视觉型-言语型，0.2），收稿日期：2011-04-24稿件编号：201104116作者简介：翟小可（1983 ），女，河南邓州人，硕士研究生，助教。 研究方向：信息管理，网络教学系统，计算机系统仿真。在处理维度上偏向于反思性，在理解维度上偏向于序列型。烈。 例如：在活跃型/沉思型量表中得到“8a”，表明测试者属于主动型的学习风格，且程度很强烈。 在视觉型/言语型量表中 得 到 “a”， 表 明 测 试 者 属 于 视 觉 型 的 学 习 风 格 ， 且 程 度 非 常 弱；如果得到“3b”，则表明测试者属于言语型的学习风格 ，且 程度较弱。3） 公式 （1） 表 示学 生 的 学习 风 格 ， 而取 之 ei 为 模 糊 取 值（ei0，1）。 为便于分类表示，根据步骤 1）得到的取值，定义 公式（3）如下：学习风格生成算法虽然 教 育者 早 就 注意 到 学 生们 在 学 习 风 格 方 面 有 很 大 差异，但苦于没有很好的测试方法，由于不能预测和量化 ，也 不能很好地应用在教学策略的推 理 上 。 所罗 门 （Barbara A. Solomon）学习风格量化表具有很强的操作性 ，可 以 进行 较 好 的学习风格测试3。 Solomon 学习风格量化表共有 44 个题目， 而且每个题目的设计针对不同的学习风格维度。 学习风格分 为 4 个维度，每个维度 11 个问题，每一个问题有两个答案供 用户选择。由于基于 Solomon 量化表的操作性强， 我们结合本系统 的需要提出了基于 Solomon 量化表的学习风格 生成 算 法 ， 步 骤如下：1） 将 Solomon 量化表的答案填入统计表，并按照学习风 格维度统计选项的总计个数 ，如表 1 所示。21趋向该学习风格较弱，1，3111ei 1趋向该学习风格一般，5，7（3）111趋向该学习风格较强，9，111于 是 ， 将 ei 量 化 到 区 间0，1 内 。 为 了 计 算 和 推 理 的 方便 ， 我 们简 单 处 理， 将 趋 向 学习 风 格 较弱 的 视 为 0.3， 趋 向 该 学习风格一般视为 0.6，趋向该学习风格较强者视为 0.9。 使 其按照 0.3 的步长递增。 表 1 是一个基于该算法的一个部分 实 例 ， 那 么 该 学 生 的 学 习 风 格 可 以 表 示 为 ：LS =（T1，0.6），（T2，0.3），（T3，0.6），（T4，0.9）。表 1 一个基于 Solomon 量化表的学习风格生成算法示例Tab. 1 An example of learning style generation algorithm based on Solomon quantization table系统设计根据 Felder-Silverman 的学习风格分类，不同的学习风格 对应着不同的学习特征倾向和教学策略，个性的差异在一定 程度上影响着学生学习的效果和效率。 这意味着在 e-learning 教学的环境下根据学习风格制定一定的网络教学策略 ，系统 促进学生按照自己的个性特点去学习， 从而提高学习效率 。 Felder-Silverman 分 类 中 8 种 学 习 风 格 的 学 习 趋 向 和 偏 好 特 征如表 2 所示4。3主动型 沉思型感知型 直觉型问题1591317212529333741总计ab问题26101418222630343842总计ab表 2Tab. 2Felder-Silverman 学习风格趋向和偏好特征表Felder-Silverman learning style trend and preference characteristic table学习风格维度学习风格学习趋向和偏好特征趋向具体和实际的， 面向事实和过程，常常重复同一种方法。 趋向概念与创新， 面向理论和 意义。趋 向 视 觉 表 示 ： 图 片 ， 图 标 ， 流 程图等多媒体形式。趋向书面和口语解释， 书写学 习心得，通过解释加深理解。趋向边做边学，协作学习，通过 活动，讨论交流。趋向独立思考，自主学习，思考 一段进行总结。趋向宏观蓝图，跳跃式学习，把 握整体概念。趋向明细步骤，渐进式学习，有 顺序按逻辑进行。感知维度（抽象信息）感知性8a4a3b7b直觉型规则：（较大数-较小数）+较大数的字母5a量化区间0.6a学习风格判别结论 中度主动型3b输入维度（表现信息）视觉型0.3b言语型低度直觉型处理维度（处理信息）主动型2）按照“（较大数-较小数）+较大数的字母”的规则，生成4 个维度上的分值。 表示为：反思型Ti=e（2）理解维度（理解信息）全局型其中 取值为 11、9、7、5、3、1，e 取值为 a，b。 因此为每一种量 表 Ti 的取 值 可 能 为 11a、9a、7a、5a、3a、a、11b、9b、7b、5b、3b、b 中的一种。 若得到字母“a”，表示属于前者学习风格，且序列型电子设计工程2011 年第 12 期针对 8 种学习风格的不同学习偏好特征 ，系统依据学生学习风格自动调整界面教学内容呈现和知识结构导航，基于 学习风格的 e-learning 学习流程如图 1 所示。图 1 基于学习风格的 e-learning 学习流程Fig. 1 Learning process of e-learning based on learning style系统主要功能实现基 于 Felder-Silverman 学 习 风 格 模 型 的 自 适 应 性 e-learning 系 统 采用.NET 分 层 架构 ， 开 发 平台 为 Visual Studio2008， 开发语言为 C#、ASP.NET， 数据 库 采 用 SQL SERVER2005，学习课程内容选用人工智能5-6。4.1 登录模块系统包括 3 个角色：管理员，教师和学习者。管理员主要 功能是对系统权限管理，数据管理，消息管理等；教师主要功 能是课程管理，试题管理，成绩管理等；学生主要功能是个人 信息管理，在线学习，在线交流等，如图 2 所示。4图 3学生的学习风格生成界面图Fig. 3 Interface of the learning style generation点的学生的学习中心主界面显示， 采用了知识点结构导航 ，Flash 动画和图片的媒体表现。图 4 符合学习风格的学习内容呈现界面图Fig. 4 Interface of present study conternt to meet learning style结束语符合学生个性化特征的自适应7e-learning 系统能够自动 调整网络教学策略 ， 并且能充分利用 e-learning 系统的丰富 教学媒体和友好交互模式，极大保证网络教学质量。 本文开 发的基于 Felder-Silverman 学习风格的自适应性 e-learning 系 统 能 够学 生 的 学习 风 格 自动 调 整 界面 的 内 容呈 现 方 式 和 知 识结构导航，符合个性化的 e-learning 趋势，系统发布后运行 稳定，学生反馈良好。参考文献：1 Felder R M ，Silverman L K. Learning and teaching styles in engineering educationJ. Engineering Education，1988，78 （7）:674-681.2 Alfonseca E，Rosa M. Carro， Martin E， et al. The impact of learning styles on student grouping for collaborative learning: a case studyJ. User Modelling and User-Adapted Interaction ，（下转第 51 页）5图 2 自适应 e-learning 系统登录界面图Fig. 2 Login interface of the adaptive e-learning system学习风格生成模块作为系统的首次使用者，系统需要分析学生的学习风格 进 一 步 来 设 定 个 性 化 的 教 学 风 格 ， 学 习 风 格 获 取 采 用 的 Solomon 的学习风格量化表和本文给 出的 Solomon 量 化 表的 学习风格生成算法。 学生在认真作答问卷提交之后 ，就可以 得到该学生的四维学习风格，如图 3 所示。 系统根据学习风 格的各自特点，设计符合学习风格特点的个性化的内容呈现 机制。4.2自适应学习风格的学习界面系统根据学习风格记录中学习风格类型 ，选择符合学习 风格的学习导航和学习媒体内容呈现，系统具有适应学生学 习风格的特点，这便于激发学习兴趣和学习热情。 如图 4 所 示， 对 于 趋 向于 感 知 型， 视 觉 型 ， 思考 性 ， 全 局型 学 习 风格 特4.3此 方案 的 授 权过 程 在 随机 语 言 模型 下 可 以抵 御 适 应 性 选 择消息攻击模式的存在性和 ID 攻击。 又因为 Sw=DA+xAh1 是由原 始 签名 者 A 使 用 KGC 为 其 生 成的 部 分 私钥 DA 和 自 己 自 行 选取的私钥 xA 以及 哈 希 值 h1=H1（mw，xAPC）产 生 的 ， 除了 原 始 签名人本身，就算是包括的任何攻击者都无法获得 Sw 的值。另外 ，SP=Sw+DB+xBh1 是 由 代理 签 名 人 B联 合 代 理 衍 生 密 钥 Sw 和 B 本身的私钥对（xB，DB）产生的。 同 样，DB 是 由 KGC 为代理签名人产生的，而 xA 又是由 B自己随机选取的。 所以，出的方案只有指定验证者能够对其签名方案进行验证 ，这保护 了 代 理签 名 人 的合 法 权 益和 隐 私 安全 ， 在 电 子投 票 、 网 上 招标以及软件许可等方面有极广泛的应用。 此外，无证书公 钥 密 码 体制 能 有 效解 决 基 于证 书 密 码体 制 的 证 书 管 理 问 题 和基于身份密码体制的密钥托管问题。 所以结合指定认证的无 证书代理签名方案在某些电子商务中的应用前景及其广阔。 参考文献：1 Al-Riyami S， Paterson K . Certificateless public key cryptography C/Lecture Notes in Computer Science 2894: Advances in Cryptology Proceeding of Asiacrypt，2003:452-473.2 Du H， Wen Q. Efficient and provably-secure certificatelessshort signature scheme from bilinear pairingsJ. ComputerStandards & Interfaces，2009（31）：390-394.3 Harn L， Ren J， Lin C. Design of DL-based certificateless digital signature J. The Journal of Systems and Software2009（82）：789-793.4 Mambo M， Usuda K， Okamoto E. Proxy signatures for delegating signing operation C / Proc of the 3rd ACM Conference on Computer and Communications Security，1996: 48-57.5 Jacobson M， Sako K， Mpacli Azzo R， Designated verifierproofs and their applications: Proc of the EUROCRYPT & 96 C. s.1.: Springer， 1996: 142-154.6 樊睿，王彩芬，蓝才会，等. 新的无认证的代理签名方案J.计算机工程，2008，28（4）：195-197.FAN Rui， WANG Cai-fen， LA Cai-hui，et al. A new就算 KGC 和原始签名人彼此勾结 ，名私钥 Sp。他们也无法得到代理签强不可否认性首先 原 始 签名 人 和 指定 验 证 者都 不 能 对 自 己 的 授 权 和 代理身份进行否认。 因为，在完整的代理签名生成过程中一 直在使用 mw，代理签名人无法更改授权证书。 而授权证书 mw中包括原始签名人和代理签名人的身份信息，所以代理签名人一旦产生了合法的代理签名， 就不能否认自己的签名 ，同 时原始签名人也不能否认自己的授权身份。另外，指定验证者也不能否认自己的指定验证身份。 因 为在签名阶段 U=vSP+aPC 的产生中， 使用了指定验证者的公 钥。 所以，指定验证者 C 也无法否认自己的指定验证身份。4.4 防止恶意的 KGC 攻击和公钥替换攻击基于 申 君 伟等 人 的 方案 ， 本 方 案中 原 始 签 名 人 、 代 理 签 名人和指定验证人先为自己选择了秘密值 xA、xB 和 xC， 计算 出各自的公钥 PA、PB 和 PC。 然后将 A、B 和 C 各自的身份和公 钥联合起来，嵌入 KGC 到为 A、B 和 C 生成的部分私钥里。 而且本方案的部分私钥和秘密值是公开使用的。 所以，这样可 以有效的防止恶意的 KGC攻击和公钥替换攻击。4.5 指定验证性4.3certificateless proxy2008，28（4）：195-197.signatureJ.Computer Engineering，7 申君伟，杨晓元，梁中银，等. 一种新的无证书代理签名方案的分析和改进J. 计算机工程与应用，2010，46（8）：96-98. SHEN Jun-wei， YANG Xiao-yuan， LIANG Zhong-yin， et al. Security analysis and improvement of new certificateless proxy signatureJ. Computer Engineering and Applications，2010， 46（8）: 96-98.在指 定 验 证阶 段 ， 指 定验 证 者 C 计算 rxC =e（U，P）e（-Q -1AQB，Ppub）ve（-PA-PB，h1）v 时用到指定验证者的私钥 xC，而这是除了指定验证者本人谁都不会知道的。结束语本文结合指定验证者签名方案， 在申君伟等人方案的基础5!（上接第 48 页）2006（9）:377-401.3 Solomon. Index of Learning Styles Questionnaire EB/OL. 2011-03-20.http:/www.engr.ncsu.edu/learningstyles/ilsweb.html.4 张建平，陈仕品，张家华.网络学习及其适应性学习支持系统研究M.北京：科学出版社，2010.5 王 万 森. 人 工 智 能 原 理 及 其 应 用M. 北 京 ： 电 子 工 业 出 版 社，2006.6 Franzoni A. L. ，Assar， S. Student learning styles adaptationmethod based on teaching strategies and electronic mediaJ.Educational Technology and Society， 2009，12（4）：15-29.7 周巧 俏 ， 汤 云岩 ， 海 晓 涛.基 于 改 进 自 适 应 遗 传 算 法 的 分 布式电源的选址和定容J.陕西电力，2010，38（6）：40-44. ZHOU Qiao-qiao，TANG Yun-yan，HAI Xiao-tao. Location and sizing of distributed generation based on improved self- adaptive genetic algorithm J.Shaanxi Electric Power，2010，38（6）：40-44.