自適應流媒體點(diǎn)播系統的設計

隨著(zhù)基于Web的現代遠程教育的發(fā)展，模擬教師的智能，按學(xué)習者的學(xué)習行為和學(xué)習狀態(tài)動(dòng)態(tài)導航學(xué)習內容，提供個(gè)性化教學(xué)服務(wù)，已成為開(kāi)發(fā)遠程教育系統的需求。

目前，國內外研究人員已開(kāi)展了學(xué)習系統的自適應性研究，并取得了一定的成果。系統自適應性的關(guān)鍵是實(shí)現對學(xué)習者學(xué)習情況的診斷和資源推薦，通常采用分析學(xué)習者的學(xué)習特征與資源特征間關(guān)系的方式。Brusilovsky[1]開(kāi)發(fā)的自適應學(xué)習系統，根據學(xué)習者的學(xué)習能力進(jìn)行學(xué)習情況診斷和資源推薦。CHEN C M等[2]開(kāi)發(fā)的自適應學(xué)習系統，根據學(xué)習者能力和學(xué)習資料的難度推薦資源。WANG H C等[3]開(kāi)發(fā)的自適應學(xué)習系統，根據學(xué)習者特征和學(xué)習資源特征的最大相似度匹配策略進(jìn)行學(xué)習者情況的診斷和資源推薦。知識是分層次的，以知識點(diǎn)來(lái)推進(jìn)整個(gè)學(xué)習過(guò)程，更符合認知規律。但上述系統未考慮某一知識點(diǎn)對整個(gè)單元知識體系的影響，忽略了從流媒體對象的角度考察學(xué)習者交互式請求的學(xué)習特征，不能充分反映學(xué)習者的學(xué)習適應性。此外，由客觀(guān)題測試得到的測試結果并不能充分反映學(xué)習者的學(xué)習情況。因此，本文從學(xué)習者學(xué)習特征、知識點(diǎn)類(lèi)別和測試結果出發(fā)，預測學(xué)習者的學(xué)習情況和知識水平，并根據學(xué)習者的學(xué)習情況與學(xué)習者的知識水平最大匹配策略推薦學(xué)習資源。

1 學(xué)習者流媒體點(diǎn)播自適應性診斷

對于學(xué)習者學(xué)習某一單元的流媒體課件后是否能進(jìn)入下一單元的預測屬于數據挖掘和人工智能的范疇。

1.1 自適應點(diǎn)播實(shí)現過(guò)程

自適應點(diǎn)播系統模型如圖1所示。系統定期或觸發(fā)式地檢查服務(wù)器日志，從服務(wù)器向用戶(hù)流化數據時(shí)產(chǎn)生的流化日志條目和用戶(hù)對流化到緩存的數據進(jìn)行訪(fǎng)問(wèn)時(shí)產(chǎn)生的播放日志條目中了解用戶(hù)訪(fǎng)問(wèn)流媒體課件的情況，如用戶(hù)的IP地址、訪(fǎng)問(wèn)ID、訪(fǎng)問(wèn)的視頻名稱(chēng)、起始時(shí)間、觀(guān)看視頻的時(shí)間以及前跳、暫停、后跳交互請求等[4]。經(jīng)過(guò)一個(gè)單元的學(xué)習后，得到一張學(xué)習過(guò)程記錄表，其形式如表1所示。系統根據學(xué)習特征自動(dòng)診斷學(xué)習者學(xué)習情況，即內容容易、內容較難、內容難。

學(xué)習者學(xué)習一個(gè)單元后進(jìn)入單元測試，并自動(dòng)生成單元成績(jì)測試表，如表2所示。系統根據各類(lèi)知識點(diǎn)成績(jì)預測學(xué)習者擁有該單元的知識水平，即水平高、水平一般、水平較低、水平極低。

系統自適應地設置視頻點(diǎn)播導航及相關(guān)資源的調整策略如下：

　R1：IF學(xué)習者感覺(jué)學(xué)習內容難and(學(xué)習者當前的知識水平極低or低)THEN點(diǎn)播導航為前驅視頻單元及提供相應學(xué)習資源鏈接。
R2：IF學(xué)習者感覺(jué)學(xué)習內容難and(學(xué)習者當前的知識水平一般or高)THEN導航為當前單元練習測試及提供相應學(xué)習資源鏈接。
R3：IF(學(xué)習者感覺(jué)學(xué)習內容較難or容易)and(學(xué)習者當前的知識水平極低）THEN點(diǎn)播導航為當前視頻單元及提供相應學(xué)習資源鏈接。
R4：IF(學(xué)習者感覺(jué)學(xué)習內容較難or容易）and(學(xué)習者當前的知識水平較低）THEN導航為當前單元練習測試及提供相應學(xué)習資源鏈接。
R5：IF(學(xué)習者感覺(jué)學(xué)習內容較難or容易)and(學(xué)習者當前的知識水平一般or高)THEN點(diǎn)播導航為后繼視頻單元及提供相應學(xué)習資源鏈接。

1.2 樸素貝葉斯分類(lèi)器

對學(xué)習者學(xué)習情況和知識水平分類(lèi)診斷需要進(jìn)行數據挖掘。常用的分類(lèi)預測方法很多，貝葉斯分類(lèi)法因簡(jiǎn)單易行、分類(lèi)效果較好而被廣泛應用。

由于Wkj≥1，所以用式(3)比式(2)更能突顯重要屬性對分類(lèi)的影響?；?a class="contentlabel" href="http://dyxdggzs.com/news/listbylabel/label/概率加權">概率加權的樸素貝葉斯分類(lèi)算法如下：
(1)數據預處理，從成績(jì)表中選取訓練樣本和測試樣本。
(2)掃描訓練集生成統計表，統計具備某種知識水平時(shí)各類(lèi)知識點(diǎn)的不同分數段的樣本數，以及各類(lèi)知識點(diǎn)的不同分數段的樣本數。
(3)概率參數學(xué)習，生成概率表。
(4)權值參數學(xué)習，計算屬性Xk的權Wkj。
(5)生成加權貝葉斯分類(lèi)器，按式(3)生成概率表及權值列表。
(6)調用概率表及權值列表得分類(lèi)結果。


2 實(shí)驗結果及分析

為了驗證算法的有效性，基于校園局域網(wǎng)環(huán)境，對23名學(xué)習者學(xué)習網(wǎng)絡(luò )基礎、C#程序設計兩門(mén)課程流媒體課件的部分數據，用樸素貝葉斯分類(lèi)法NB、概率加權的貝葉斯分類(lèi)法PWNB、加入時(shí)序的貝葉斯分類(lèi)法TNB進(jìn)行測試，結果如表3所示。結果表明，上述貝葉斯分類(lèi)器預測學(xué)習者的學(xué)習情況和知識水平的算法簡(jiǎn)單有效，根據學(xué)習者的學(xué)習情況與學(xué)習者的知識水平最大匹配策略推薦資源的方法可行。

以上討論了學(xué)習系統中自適應流媒體點(diǎn)播系統的實(shí)現過(guò)程及學(xué)習者學(xué)習情況、知識水平的診斷流程，設計了一個(gè)自適應流媒體點(diǎn)播系統模型，重點(diǎn)討論了貝葉斯分類(lèi)算法，并應用于實(shí)際教學(xué)。通過(guò)學(xué)習者學(xué)習過(guò)程中反饋的數據，評估系統及算法設計的合理性、科學(xué)性。