本文由《現(xiàn)代遠(yuǎn)程教育研究》雜志授權(quán)發(fā)布

作者：趙德芳臼膏、朱夢夢、楊娟

摘要

知識管理最重要的一個方面就是如何將學(xué)習(xí)者已經(jīng)學(xué)過的知識具體化和可視化。盡管思維導(dǎo)圖抬旺、本體以及知識圖表是目前最流行的用來詮釋和組織知識的方法與工具，但是這些方法與工具在模擬學(xué)習(xí)者的知識碎片組建上還存在缺陷祥楣，尤其是缺少必要的復(fù)雜語義推理支持機制和通過個人知識圖產(chǎn)生的相關(guān)認(rèn)知模擬开财。為模擬真實的個人知識碎片組建過程，我們設(shè)計并實現(xiàn)了一個可采集并集成個人顯性知識碎片的自規(guī)律在線學(xué)習(xí)系統(tǒng)误褪，以及融入了知識整合認(rèn)知機制的個體隱性知識完成度評估模型责鳍。自規(guī)律在線學(xué)習(xí)系統(tǒng)，可構(gòu)成個人知識語義鏈接圖（SLN）兽间，將個人生成的顯性知識碎片動態(tài)呈現(xiàn)給學(xué)習(xí)者历葛；個體隱性知識完成度評估模型，可以可視化地呈現(xiàn)個人隱性知識碎片的動態(tài)演化軌跡嘀略，同時以較高保真度還原學(xué)習(xí)者知識認(rèn)知程度的周期性變化曲線恤溶。實驗也初步驗證了學(xué)習(xí)者個人知識圖的動態(tài)演化能力以及個體隱性知識完成度評估模型的保真度。

關(guān)鍵詞：知識管理帜羊；知識碎片咒程；個人知識圖；顯性知識讼育；隱性知識帐姻；認(rèn)知評估

一、研究背景及相關(guān)文獻(xiàn)

在過去的30年中奶段，知識管理變得越來越重要饥瓷，它可以幫助學(xué)習(xí)者更好地理解、管理忧饭、轉(zhuǎn)化知識扛伍，使知識利用達(dá)到最大化（Tseng et al.，2012）词裤。知識管理最重要的一個方面是能夠盡可能地模擬學(xué)習(xí)者意識中知識碎片的建構(gòu)過程刺洒，將學(xué)習(xí)者已知的知識形象地表示出來（Novak & Gowin，1984）。很多思維工具，如概念地圖宠能、思維導(dǎo)圖苏潜、概念圖表（Eppler艳汽，2006）都是常用的形象地詮釋和組織學(xué)習(xí)者個人知識的技術(shù)手段（Jonassen & Carr，2000）秤涩。這些技術(shù)手段可以讓學(xué)習(xí)者通過節(jié)點陶舞、標(biāo)簽和鏈接將許多概念之間的關(guān)系形象地表示出來（Tseng et al.抹剩，2012）撑帖。但是有調(diào)查發(fā)現(xiàn)（Weinerth et al.，2014）澳眷，這些基于用戶請求的驅(qū)動技術(shù)工具會因為不同用戶在使用性上的差異而導(dǎo)致在可學(xué)習(xí)性上不穩(wěn)定胡嘿。

思維工具的另一個缺陷是無法處理復(fù)雜的推理，在模擬個人知識地圖上存在局限性钳踊。例如衷敌，賴曉濤等（2005）認(rèn)為知識管理的過程包括三部分，即知識的提取和存儲拓瞪、知識的共享和傳播缴罗、知識的整合或創(chuàng)新，提出概念地圖在知識管理中可以促進(jìn)知識的提取和存儲祭埂、增進(jìn)知識的共享和傳播面氓、引發(fā)知識的整合和創(chuàng)新。這在宏觀層面上概述了概念地圖的作用沟堡，但是并沒有體現(xiàn)出對于個體學(xué)習(xí)者的差異性侧但。馬費成等（2006）以有意義學(xué)習(xí)理論矢空、圖示理論和語義記憶理論作為理論依據(jù)航罗，提出概念地圖能夠利用等級結(jié)構(gòu)表達(dá)面向特定主題的結(jié)構(gòu)化知識，并且可以作為知識表示屁药、知識組織和知識存儲的工具粥血；然而面對非結(jié)構(gòu)化的知識，概念地圖缺少復(fù)雜的語義推理關(guān)系酿箭，無法完整地組織和表達(dá)知識复亏。郝金星（2011）對概念地圖從三個層次上進(jìn)行深入分析，提出多個概念地圖的核心指標(biāo)和相應(yīng)算法缭嫡。這些算法和指標(biāo)缔御，可反映知識的復(fù)雜程度、集成程度和聚中度妇蛀，指標(biāo)的分析結(jié)果可以證明概念地圖在組織決策中的重要性耕突，但卻無法反映知識之間隱性的內(nèi)在關(guān)聯(lián)。Garrido等人（2013）提出概念地圖是為所有學(xué)習(xí)者提供基本課程組織评架，但他們只采用了4種語義關(guān)系來進(jìn)行基本的推理眷茁。而這幾種有限的語義關(guān)系無法根據(jù)學(xué)習(xí)者知識整合能力的不同體現(xiàn)出學(xué)習(xí)者的差異性。

另外一種知識組織和表現(xiàn)的常用方法是本體技術(shù)（Santacruz-Valencia et al.纵诞，2010上祈；Gaeta et al.，2011；Cali et al.登刺，2012籽腕；Spivak & Kent，2012纸俭；Dumontier et al.节仿，2014）和知識地圖（Hakkani-Tür et al.，2013掉蔬；Zhu廊宪，2013；Dong et al.女轿，2014箭启；Hakkani-Tür et al.，2014）蛉迹。然而這兩種方法主要是針對公共知識基礎(chǔ)的構(gòu)建和推理傅寡，幾乎不能夠被用來產(chǎn)生個人知識地圖的演變軌跡。例如北救，蒙應(yīng)杰等人（2005）介紹了Ontology概念模型的建立荐操、模型間轉(zhuǎn)化的方法，這些方法可應(yīng)用于異構(gòu)信息系統(tǒng)構(gòu)建時信息的表示珍策、組織和信息資源之間交互的初期建模過程托启，但是其建立的模型尚不夠細(xì)化，無法精細(xì)化描述本體間的語義關(guān)系攘宙。蔣國瑞等人（2009）基于本體技術(shù)設(shè)計了一個本體自學(xué)習(xí)模型屯耸，詳述了知識資源的導(dǎo)入和重用、本體的提取蹭劈、關(guān)聯(lián)規(guī)則的確定以及各種組件的運用疗绣，但是該模型無法集成學(xué)習(xí)者自生成的知識碎片，學(xué)習(xí)者的隱性知識無法在該模型中表現(xiàn)出來铺韧。Gaeta等人（2011）依據(jù)基礎(chǔ)本體關(guān)系擴(kuò)充的另外3種語義關(guān)系多矮，即包含、目的哈打、含有資源這三種關(guān)系塔逃。這些關(guān)系可以提供更加靈活的推理選擇，但是仍然無法滿足個人知識地圖所要求的復(fù)雜推理前酿，因為個人知識地圖需要融入學(xué)習(xí)者的認(rèn)知特征患雏。

總之，本體技術(shù)和知識地圖在一定程度上可以處理資源庫的構(gòu)建罢维、融合淹仑、推理丙挽、提取，可以反映整個知識庫的變化和演變軌跡匀借，但是卻不能反映學(xué)習(xí)者個人意識中知識碎片以及這些碎片的產(chǎn)生及消亡軌跡颜阐。而要實現(xiàn)個人意識的知識圖構(gòu)建，除了對資源構(gòu)建提出了更加復(fù)雜的語義推理要求外吓肋，還需要認(rèn)知模擬機制的支持凳怨。

筆者在首先設(shè)計并實現(xiàn)了一個可采集并集成個人知識碎片的自規(guī)律在線學(xué)習(xí)系統(tǒng)。因為從廣義上講是鬼，自規(guī)律學(xué)習(xí)（Self-Regulated Learning）是指在與學(xué)習(xí)相關(guān)的元認(rèn)知肤舞、策略執(zhí)行以及動機指導(dǎo)下的學(xué)習(xí)過程，而“自規(guī)律”則主要描述學(xué)習(xí)者的學(xué)習(xí)行為控制以及對其評估的過程（Ormrod均蜜，2014）李剖。所以自規(guī)律在線學(xué)習(xí)系統(tǒng)可以作為控制并評估學(xué)習(xí)者在線學(xué)習(xí)行為的載體，以及個人知識語義鏈接網(wǎng)絡(luò)（Semantic Linked Network囤耳，SLN）（Zhuge篙顺，2010；2011）圖的支撐平臺充择，內(nèi)嵌個人知識SLN圖所需要的資源語義圖德玫，同時采集個人生成的顯性知識碎片并將其集成到學(xué)習(xí)者個人SLN圖。

在此基礎(chǔ)上椎麦，本文設(shè)計了一個可模擬個人知識構(gòu)建過程的計算模型宰僧。該模型在模擬個人知識構(gòu)建的過程時，不僅使用豐富的語義關(guān)系進(jìn)行必要的語義推理铃剔，同時還以知識整合建構(gòu)中一般智力理論作為模擬機制的基礎(chǔ)撒桨。最后查刻，筆者通過學(xué)習(xí)者對知識節(jié)點真實的認(rèn)知度和個人知識碎片圖推理出的知識完成度圖的對比键兜，評估了被試學(xué)生的模擬知識碎片圖的還原能力。

二穗泵、相關(guān)計算描述

1.知識整合的一般認(rèn)知能力

建構(gòu)主義的觀點認(rèn)為普气，學(xué)習(xí)發(fā)生在知識建構(gòu)的過程中，評估的核心是學(xué)習(xí)者已經(jīng)學(xué)習(xí)的知識和其前驅(qū)知識之間的關(guān)系（Alesandrini & Larson佃延，2002）现诀。Hannon和Daneman建立了包括4個部分的模型來理解知識整合的一般認(rèn)知能力（Hannon & Daneman，2001）：（1）從長時記憶中喚起新信息的能力履肃；（2）基于文本提供的信息作出推理的能力仔沿；（3）訪問前驅(qū)知識的能力；（4）整合前驅(qū)知識和新信息的能力尺棋。

為了評估這些能力封锉，需要將這些抽象的文字描述轉(zhuǎn)換為量化指標(biāo)。對應(yīng)于在線自規(guī)律學(xué)習(xí)過程，考察學(xué)習(xí)者知識整合能力指標(biāo)被轉(zhuǎn)換為如表1的描述成福。

2.基于SLN的個人知識圖

一個SLN可以被定義為（Zhuge碾局，2010；Zhuge奴艾，2011）净当，N代表的是一組語義節(jié)點，N=｛n1（C1）蕴潦，n2（C2）像啼，....nm（Cm）｝，n是一個節(jié)點的名稱潭苞，C是這個節(jié)點歸屬的類名埋合。L是一組語義鏈接，Rules包含推理規(guī)則和作用規(guī)則萄传，推理規(guī)則是運用在節(jié)點間語義關(guān)系邊上的規(guī)則甚颂，而作用規(guī)則則是用于反映節(jié)點間、關(guān)系間以及權(quán)重間不同作用的規(guī)則秀菱。在本文中振诬，SLN的定義以及推理規(guī)則沿用前期工作（Yang et al.，2015）的相關(guān)定義和描述衍菱，具體如下：

（1）N中節(jié)點所包含的類名赶么，除包括已有類theory（基礎(chǔ)理論）、example（實例）脊串、video（必要視頻）辫呻、exercise（練習(xí)題面）外，新增self-reflections（顯性知識碎片）和self-images（隱性知識碎片）兩個節(jié)點類琼锋。

（2）L中包含的語義關(guān)系放闺，除已有關(guān)系about a same topic，analogy of缕坎，similar with怖侦，apply with，prior of谜叹，successor of匾寝，expanding of，part of荷腊，interactive with艳悔，visual of，新增語義關(guān)系note of和reflect of女仰，分別作用于self-reflections和self-images兩類節(jié)點猜年。

（3）推理規(guī)則集和作用規(guī)則集香府，在已有用于計算語義關(guān)系傳遞閉包的規(guī)則集的基礎(chǔ)上新增包含作用規(guī)則的補充規(guī)則集。保留衍生規(guī)則集和可集成學(xué)習(xí)者新生成知識節(jié)點的生成規(guī)則集码倦，同時新增剪枝規(guī)則集企孩。具體規(guī)則集的相關(guān)公理及引理參看我們的前期工作（Yang et al.，2015）袁稽。

三勿璃、采集并構(gòu)建學(xué)習(xí)者的顯性自我知識碎片

1.系統(tǒng)整體結(jié)構(gòu)設(shè)計

為了采集并構(gòu)建更為準(zhǔn)確的學(xué)習(xí)者對知識的自我意識，本文設(shè)計實現(xiàn)了一個自規(guī)律學(xué)習(xí)在線學(xué)習(xí)原型平臺（“C語言程序設(shè)計”）推汽。該系統(tǒng)底層為內(nèi)嵌學(xué)習(xí)資源的基礎(chǔ)學(xué)習(xí)模塊补疑，具有與普通在線學(xué)習(xí)平臺類似的功能，在此基礎(chǔ)之上分別設(shè)置“認(rèn)知評估模型”和“個人知識碎片采集”模塊歹撒，這兩個模塊互相作用莲组，最后在“可視化個人知識空間”模塊中形成針對個人的可視化知識表達(dá)。整體系統(tǒng)模塊結(jié)構(gòu)圖如圖1所示暖夭。

因為在線學(xué)習(xí)要求學(xué)習(xí)者有更高的主動性和投入度锹杈，所以該平臺為學(xué)習(xí)者提供了以主題為單位的內(nèi)嵌學(xué)習(xí)資源÷踝牛“個人知識碎片采集”模塊的主要作用是讓學(xué)習(xí)者在瀏覽內(nèi)嵌學(xué)習(xí)資源同時可進(jìn)行相應(yīng)的學(xué)習(xí)筆記記錄竭望，這樣不僅增加了學(xué)習(xí)的主動性，而且有利于學(xué)習(xí)者將平臺提供的學(xué)習(xí)資源內(nèi)化為個人知識裕菠。該模塊繼而將學(xué)習(xí)者采集的零散知識碎片通過知識間不同的語義關(guān)聯(lián)進(jìn)行加工整理并存儲于XML文件中咬清，從而形成知識碎片空間。系統(tǒng)另外一個重要部件——學(xué)習(xí)者認(rèn)知評估模型奴潘，是通過監(jiān)控學(xué)習(xí)者不同的前驅(qū)知識訪問模式來評估其對前驅(qū)知識掌握程度旧烧，如圖1所示。認(rèn)知評估模型通過對不同訪問模式設(shè)置不同權(quán)重來區(qū)分學(xué)習(xí)者對知識的不同程度依賴画髓。學(xué)習(xí)者的知識碎片空間結(jié)合學(xué)習(xí)者對知識的認(rèn)知程度最終形成個人知識空間掘剪，將其可視化表達(dá)、以直觀的形式呈現(xiàn)給學(xué)習(xí)者本人雀扶，使學(xué)習(xí)者清楚自己對知識的掌握情況杖小，及時調(diào)整自己的學(xué)習(xí)策略。

2.學(xué)習(xí)平臺特點

（1）以主題為中心呈現(xiàn)資源和知識節(jié)點

內(nèi)嵌學(xué)習(xí)資源及新生成知識節(jié)點均以主題為中心愚墓，且每個主題的學(xué)習(xí)資源以知識分類理論進(jìn)行劃分，即包括基礎(chǔ)理論昂勉、實例浪册、必要視頻、練習(xí)（題面）等各種學(xué)習(xí)過程中必需的資源類型岗照。

這種以某學(xué)習(xí)主題基礎(chǔ)理論為中心的星型資源構(gòu)建模式主要是為了在學(xué)習(xí)者個人知識SLN圖中構(gòu)建足夠豐富的語義關(guān)系村象，例如“analogy of”是實例類資源節(jié)點指向基礎(chǔ)理論資源節(jié)點的語義邊笆环，而“apply with”則是練習(xí)/實驗/測驗等資源節(jié)點指向基礎(chǔ)理論資源節(jié)點的語義邊。而“prior of”和“successor of”則是構(gòu)建在具有前驅(qū)/后繼順序約束的基礎(chǔ)理論資源節(jié)點之間厚者。豐富的語義關(guān)系可以從不同角度構(gòu)建學(xué)習(xí)資源間多維關(guān)系躁劣。例如可以在順序維度上計算不同學(xué)習(xí)資源間語義關(guān)系的傳遞閉包，也可以在不具有順序關(guān)系的資源間計算相似關(guān)系等库菲。具體的個人知識SLN圖的語義推理及運用可參見我們的前期工作（Yang et al.账忘，2015）

（2）提供多標(biāo)簽筆記功能

這種多標(biāo)簽筆記實際上是為學(xué)習(xí)者提供自我意識標(biāo)注及存儲的功能，即學(xué)習(xí)者在學(xué)習(xí)過程中可以將自我認(rèn)知的新知識添加在系統(tǒng)中熙宇，并存儲起來鳖擒，形成介于內(nèi)嵌資源和頭腦知識碎片之間的新知識表達(dá)。除此之外烫止，用戶的自我知識表達(dá)還體現(xiàn)在其對測驗/實驗/考試等資源類型的理解和解答蒋荚，因此測驗/實驗/考試的成果也會構(gòu)成學(xué)習(xí)者自我知識表達(dá)的一部分。系統(tǒng)為學(xué)習(xí)者提供5類基本筆記標(biāo)簽（理解馆蠕、總結(jié)期升、重點、推導(dǎo)互躬、疑問）吓妆，學(xué)習(xí)者可動態(tài)添加所需筆記標(biāo)簽。而學(xué)習(xí)者的筆記可以在頁面上任意位置標(biāo)注吨铸。實際上行拢，學(xué)習(xí)者新生成的自我知識表達(dá)除了在頁面上可具體查看外，還被集成到學(xué)習(xí)者個人的知識SLN圖中诞吱，并動態(tài)地呈現(xiàn)在用戶界面上舟奠。

（3）可視化呈現(xiàn)學(xué)習(xí)者的自生成知識節(jié)點

學(xué)習(xí)者的自我新知識表達(dá)，即后文提到的顯性知識碎片會動態(tài)地呈現(xiàn)在用戶的資源瀏覽界面中房维。即當(dāng)學(xué)習(xí)者新生成筆記或測驗答案這類自我意識反映沼瘫，它們會以新知識節(jié)點的形式并入到該學(xué)習(xí)者的知識SLN圖中，具體的并入方式參看前期工作（Yang et al.咙俩，2015）耿戚。也就是說，學(xué)習(xí)者的顯性知識碎片和系統(tǒng)內(nèi)嵌的學(xué)習(xí)資源可同時作為有用的學(xué)習(xí)資源提供給學(xué)習(xí)者阿趁。這樣做的目的主要是為了區(qū)分學(xué)習(xí)者不同的前驅(qū)知識訪問模式膜蛔，例如在后文中會提到依據(jù)學(xué)習(xí)者知識整合的認(rèn)知一般智力理論，學(xué)習(xí)者訪問前驅(qū)知識的模式會被分為三種典型模式：訪問內(nèi)嵌學(xué)習(xí)資源脖阵；訪問顯性自我知識碎片皂股；不依賴任何外部資源，僅訪問頭腦意識中存儲的自我知識碎片命黔。

總的說來呜呐，學(xué)習(xí)者的顯性自我知識碎片主要由兩部分構(gòu)成：學(xué)習(xí)者筆記就斤；學(xué)習(xí)者的練習(xí)、測驗以及隨手實驗的成果蘑辑。但僅僅通過依靠學(xué)習(xí)者筆記及其當(dāng)時的練習(xí)洋机、測驗以及隨手實驗的成果來模擬學(xué)習(xí)者的個體知識圖是不準(zhǔn)確的，因為這種靜態(tài)的組建并不能反映學(xué)習(xí)者對前驅(qū)知識的應(yīng)用以及整合程度洋魂。如前所述绷旗，知識在頭腦中的完成度應(yīng)隨學(xué)習(xí)者在后繼學(xué)習(xí)過程中對其定位、訪問以及應(yīng)用的實際狀態(tài)而發(fā)生動態(tài)變化忧设。因此這里將顯性知識碎片作為學(xué)習(xí)者自生成知識節(jié)點納入其知識結(jié)構(gòu)圖中刁标，并用于后續(xù)計算學(xué)習(xí)者隱性知識碎片的完整程度。

四址晕、學(xué)習(xí)者個人知識碎片及其整合的評估模型

本文的目的之一是為學(xué)習(xí)者知識碎片建立一個可動態(tài)更新的評估模型膀懈，方法是通過計算他們在學(xué)習(xí)新知識時使用或與前驅(qū)知識交互的情況來考察其對已學(xué)知識的掌握和整合程度。這種方式相較于傳統(tǒng)的方法更加符合建構(gòu)主義學(xué)習(xí)理論谨垃，因為傳統(tǒng)的方法僅僅是考慮了當(dāng)時的學(xué)習(xí)效果启搂，并未動態(tài)考慮學(xué)習(xí)者知識存儲及應(yīng)用的周期性變化。學(xué)習(xí)者個人知識碎片及其整合的評估模型由一個四層體系結(jié)構(gòu)構(gòu)成刘陶，如圖2所示胳赌。

體系結(jié)構(gòu)的最底層是自規(guī)律在線學(xué)習(xí)的基礎(chǔ)平臺，即“C語言程序設(shè)計平臺”匙隔。平臺為學(xué)習(xí)者進(jìn)行自規(guī)律學(xué)習(xí)提供了必需的內(nèi)嵌學(xué)習(xí)資源疑苫，并采集學(xué)習(xí)者顯性知識碎片。在此基礎(chǔ)上纷责，平臺提供一個公用的學(xué)習(xí)資源多維SLN圖捍掺。體系結(jié)構(gòu)第二層是個人知識SLN層。在這一層中再膳，SLN節(jié)點由兩部分組成挺勿，分別是學(xué)習(xí)者個人顯性知識碎片和平臺固有內(nèi)嵌資源，個人知識的多維語義關(guān)系首先繼承自底層平臺的公用SLN圖喂柒，并根據(jù)衍生規(guī)則集集成個人的顯性知識碎片不瓶。個人SLN中的基本語義關(guān)系包括“about a same topic（同屬一個主題）”、“part of（一部分）”灾杰、“prior of（前驅(qū)）”蚊丐、“apply with（應(yīng)用）”等。更多關(guān)于語義關(guān)系以及它們用法的詳細(xì)內(nèi)容可以參看前期工作（Yang et al.吭露，2015）吠撮。體系結(jié)構(gòu)的第三層是扁平化SLN層。在這一層中讲竿，多維復(fù)雜語義關(guān)系通過語義推理規(guī)則被壓縮成為一維語義關(guān)系泥兰，即只保留其帶有時序特征的“前驅(qū)”語義關(guān)系。體系結(jié)構(gòu)的最高層是學(xué)習(xí)者個人的隱性知識圖層题禀，在這一層中鞋诗，通過審查學(xué)習(xí)者對已學(xué)知識的訪問及運用情況可對相關(guān)隱性知識的完成度做出評估，同時也可體現(xiàn)出學(xué)習(xí)者已學(xué)知識可能的缺失情況迈嘹，從而動態(tài)地將學(xué)習(xí)情況及時地可視化反饋給學(xué)習(xí)者本身削彬。

1.扁平化知識結(jié)構(gòu)圖

扁平化知識圖的最后一步是生成節(jié)點間的時序邊，在這個步驟中秀仲，知識圖保持其連通性融痛，不會存在孤立節(jié)點，但只有兩種關(guān)系可以保持到最后神僵，即“prior of”和“part of”（這一結(jié)論可通過規(guī)則集的相關(guān)公理和引理證明）雁刷。因此，新生成節(jié)點間時序邊的實質(zhì)是在節(jié)點間重新建立“prior of”關(guān)系邊保礼，而建立的策略則是在剪枝并完全計算語義關(guān)系傳遞閉包后為最終保留的關(guān)系“prior of”和“part of”設(shè)置不同的權(quán)重參數(shù)w1和w2沛励。使用最短路徑的算法（dijkstra算法）計算最終被賦予到新生成“prior of”關(guān)系邊上的權(quán)重系數(shù)δ。此時炮障，原本立體多維的SLN知識圖被壓縮成一個只具有時序關(guān)系的單維有向無環(huán)圖目派。采用矩陣Mr，來存儲這個有向無環(huán)圖中每對節(jié)點間的邊指向關(guān)系及其權(quán)重胁赢。矩陣中每個元素aij的值存儲的是節(jié)點對間的三元組中的dc值企蹭。

2.前驅(qū)知識訪問矩陣

3.隱性知識碎片的認(rèn)知度評估模型

五、實驗及結(jié)果分析

在實驗環(huán)節(jié)中智末，共有20名被試參與谅摄，實驗涉及自規(guī)律學(xué)習(xí)平臺中內(nèi)嵌的前9個學(xué)習(xí)主題。實驗分為兩部分吹害，第一部分驗證學(xué)習(xí)者個人知識圖的動態(tài)演化能力螟凭，第二部分檢驗個人隱性知識認(rèn)知度評估模型的保真度（Fidelity）。

1.動態(tài)更新的個人知識圖

在本節(jié)中它呀，我們將可視化地呈現(xiàn)被試學(xué)習(xí)者之一的個人知識圖演化過程螺男，圖4（a-c）分別對應(yīng)的是其整個學(xué)習(xí)過程中三個比較具有代表性時刻的知識圖。圖中無陰影圓圈中的知識點代表認(rèn)知完成度低的點（＜0.6）纵穿，而帶陰影圓圈代表認(rèn)知完成度高的節(jié)點（＞＞0.6）下隧。值得注意的是，學(xué)習(xí)者在完成知識點t4的學(xué)習(xí)后谓媒，由于在其學(xué)習(xí)過程中過度依賴前驅(qū)知識t1和t2淆院，從而導(dǎo)致了這兩個知識點完成度較低，在學(xué)習(xí)者當(dāng)前的個人知識圖上可看作缺失知識節(jié)點句惯，即學(xué)習(xí)者并沒有真正掌握這兩個前驅(qū)節(jié)點土辩。

而情況在其學(xué)習(xí)完知識點t7后發(fā)生了一定的變化支救，t1的完成度隨著后續(xù)節(jié)點學(xué)習(xí)過程中對其依賴值不斷降低而逐漸增加，從缺失知識節(jié)點演變?yōu)橐颜莆罩R節(jié)點拷淘。這種掌握狀態(tài)一直持續(xù)到知識點t7完成各墨。而t2則一直保持其缺失狀態(tài)，即該學(xué)習(xí)者到t9完成時刻其t2都沒能真正掌握启涯。仔細(xì)分析所有學(xué)習(xí)者的個人知識動態(tài)演化圖會發(fā)現(xiàn)贬堵，學(xué)習(xí)者對前驅(qū)知識的掌握通常具有周期性特征，即隨著個人前驅(qū)知識應(yīng)用模式不同结洼、長時記憶/短時記憶能力不同黎做、前驅(qū)知識訪問模式不同等個體特征的不同，其知識掌握的周期性特征也有所不同松忍。這種不同的特征通常體現(xiàn)在知識從掌握到缺失蒸殿，又從缺失到掌握的頻率以及周期的不同上，與個人學(xué)習(xí)模式緊密關(guān)聯(lián)挽铁。

2.個人隱性知識認(rèn)知度評估模型的保真度檢驗

為檢驗個人隱性知識認(rèn)知度評估模型對學(xué)習(xí)者所掌握知識的還原程度伟桅，我們對比了由評估模型推導(dǎo)出的知識完成度值與學(xué)習(xí)者對該知識的真實認(rèn)知值。表2顯示了上節(jié)中所提及的參試學(xué)習(xí)者在學(xué)習(xí)過程中其知識認(rèn)知完成度的變化數(shù)據(jù)叽掘。圖5則展示了評估模型推導(dǎo)的知識點t1的認(rèn)知完成度曲線與該學(xué)習(xí)者真實的認(rèn)知曲線的對比圖楣铁。真實認(rèn)知曲線通過以下方法獲得：首先建立僅針對知識點t1的題庫，然后在每個后續(xù)知識點學(xué)習(xí)完成后（完成練習(xí)或測驗）更扁，再隨機選擇一個關(guān)于t1的測驗題盖腕，讓學(xué)習(xí)者不依賴任何幫助的前提下完成。獲得的成績曲線即為學(xué)習(xí)者關(guān)于t1在tn（n>1）時刻的真實認(rèn)知曲線浓镜。

從圖5兩組曲線的對比可看出溃列，隱性知識認(rèn)知度評估模型推導(dǎo)出的知識點完成度雖然沒有與學(xué)習(xí)者真實認(rèn)知曲線重合，但是卻享有共同的周期性特征膛薛，這說明個人知識認(rèn)知度評估模型在還原學(xué)習(xí)者隱性知識碎片上是趨勢性保真的听隐。

為了反映隱性知識認(rèn)知度評估模型作用于所有參試學(xué)習(xí)者的平均保真性能，我們計算了所有被試學(xué)習(xí)者在學(xué)習(xí)時刻tn時關(guān)于知識點t1的保真方差曲線哄啄，如圖6所示雅任，一個系列代表一個被試學(xué)習(xí)者。

圖6顯示了隱性知識認(rèn)知度評估模型的整體保真性能咨跌。從圖中可看出大部分學(xué)習(xí)者的保真方差曲線均能享有一個平滑的形態(tài)沪么，只有少量學(xué)習(xí)者的保真曲線起伏較大。因此锌半，該評估模型具有較好的整體保真性能禽车。

六、結(jié)論

在本文中，為模擬真實的個人知識碎片組建過程殉摔，我們設(shè)計并實現(xiàn)了一個可集成學(xué)習(xí)者顯性知識碎片的自規(guī)律學(xué)習(xí)平臺州胳。該平臺因為具有主題中心性、學(xué)習(xí)者自我意識標(biāo)注并存儲以及可視化動態(tài)顯示等特征钦勘，使得實時采集學(xué)習(xí)者顯性知識碎片成為可能陋葡；而且亚亲，依靠SLN強大的涌現(xiàn)語義生成能力彻采，可以將學(xué)習(xí)者新生成知識融入已有的個人知識SLN，使個人知識圖隨學(xué)習(xí)過程推進(jìn)而不斷演化捌归。

而在此基礎(chǔ)上提出的融入了知識整合認(rèn)知機制的個人知識完成度評估模型肛响，不僅可以可視化地實現(xiàn)個人隱性知識碎片的動態(tài)演化軌跡，還可以以較高保真度還原學(xué)習(xí)者知識認(rèn)知程度的周期性變化曲線惜索，從而從真正意義上實現(xiàn)機器以建構(gòu)主義方式動態(tài)模擬不同學(xué)習(xí)者的個人知識組建軌跡和知識整合認(rèn)知模式特笋。當(dāng)然，鑒于本文有限的被試規(guī)模及知識體量巾兆，所提出的個人隱性知識認(rèn)知度評估模型還有待進(jìn)一步修正和改進(jìn)猎物。

作者簡介：趙德芳、朱夢夢角塑，碩士研究生蔫磨；楊娟（通訊作者），副教授圃伶，四川師范大學(xué)計算機科學(xué)學(xué)院（四川成都610101）堤如。

基金項目：國家自然科學(xué)基金“智能學(xué)習(xí)環(huán)境中的學(xué)習(xí)風(fēng)格動態(tài)預(yù)測模型及其應(yīng)用研究”（61402309）；國家自然科學(xué)基金“基于交互行為感和MOOC學(xué)習(xí)導(dǎo)引機制研究”（61602331）窒朋；四川省重點實驗室開放課題“MOOC環(huán)境下的協(xié)同學(xué)習(xí)關(guān)鍵技術(shù)研究”（NDSMS201606）搀罢。

轉(zhuǎn)載自：《現(xiàn)代遠(yuǎn)程教育研究》2017年2期 ?總146期