[发明专利]基于人工免疫危险模式理论的异常学习行为发现方法

说明书

一种基于人工免疫危险模式理论的异常学习行为发现方法，为解决网络学习环境中学习行为的监控问题，对网络学习行为进行实时监控，计算多个维度学习行为的变化，检测异常行为；本发明公开了一种发现异常网络学习行为的方法，对网络学习行为进行采样，计算不同学习行为的变化作为危险信号，构造人工抗原提呈细胞对多种学习行为的变化进行融合，检测学习行为的异常。

技术领域

本发明属于人工智能领域，尤其涉及一种基于人工免疫危险模式理论的异常学习行为的自适应发现方法。

背景技术

随着教育信息化进程的推进，特别是近年来新媒体引发的教育变革，MOOC、翻转课堂等全新网络教学模式的推广和普及，学习模式面临变革。传统教育模式下，教学活动采取面对面的形式。观察学生的异常学习行为(例如开小差、完成作业时间长等)，能帮助教师及时发现教学问题。信息环境下，师生间的时空距离拉大，学生的学习行为难以被直接观察到。及时发现在线学习行为的异常，是教师调整教学、教学督导监控教学的共同需求。

信息化环境下学习行为的研究始于七十年代，ChihPing Chu等人提出使用高阶有色Petri网对网络学习行为模式进行描述，Michalis Xenos等提出基于贝叶斯网络的学习行为建模等。东北师范大学研究组提出一种基于网络学习行为模式挖掘对用户学习风格建模的方法，华中师范大学研究组提出网络学习行为多层次多维度模型等。上述研究大多是从历史数据中总结学习行为的规律，研究目的集中在从行为科学理论和教育学理论的角度分析学习行为与学习成绩、学习动机、效能之间的关系。目前也有学者提出分析MOOC平台的应用状况、学生的学习行为以及学习成效，找出MOOC平台应用中存在的问题并提出可行的建议，为MOOC的应用提供指导和建议。

学习行为因人而异，同样的学习行为，对某生来说是正常的，而对另一学生来说可能就是异常。即使是同一学生，在不同学习阶段正常的学习行为之间也有差异，难以用统一、精确的标准界定其为“正常”还是“异常”。如何自适应地发现个性化的异常学习行为，是要解决的主要问题。

人工免疫系统(AIS,Artificial Immune Systems)是模仿机体免疫系统工作原理的智能计算系统，具有良好的自适应性和多样性。危险理论(DT,Danger Theory)是免疫学中的一个著名理论，它认为：先天免疫系统可以发现机体受到入侵时产生的“危险信号”，并以此为线索找到引起异常的病原体，英国诺丁汉大学U.Aickelin研究组2002年该理论引入人工免疫系统。危险理论是根据“危险信号”发现异常，且人工免疫系统本身所具有的自适应性和多样性符合异常学习行为发现个性化、自动化的要求。

发明内容

本发明针对信息环境下学生学习行为难以直接观察到，难以及时发现学习行为的异常，不利于及时调整教学内容和教学方式，发现教学中的疑难这一问题，提供一种基于人工免疫危险模式理论的异常学习行为发现方法，包含以下步骤：

步骤1，将网络学习行为按复杂程度由低到高划分为操作行为、认知行为、协作行为、问题解决行为；

步骤1.1将认知行为、协作行为、问题解决行为分别拆分为由多个操作行为组成的行为序列；

步骤1.2一个操作行为可含有多个行为属性，进一步将操作行为拆分为多个行为属性，每个属性独立记为一个“行为元”，行为元是具有行为属性且不可再进一步拆分的基本单位；

步骤2，对拆分后的“行为元”进行量化；

步骤3，以学习过程LP，Learning Process为评价单元，计算危险信号；在网络学习中，一个学习过程是完成一组学习行为的一个集合，学习过程LP内n种学习行为的采样值构成一个n维空间的点；所述的n种学习行为元的采样值，是采样且经过步骤2量化后的行为元的值；