[發明專利]基于人工免疫危險模式理論的異常學習行為發現方法

有效

• 申請號: 201610103791.X
• 申請日: 2016-02-25
• 公開（公告）號: CN105787555B
• 公開（公告）日: 2018-06-29
• 發明（設計）人: 楊鶴;鄭幸
• 申請（專利權）人: 湖北第二師范學院
• 主分類號: G06N3/00
• 分類號: G06N3/00;G06N3/08
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 張火春

一種基于人工免疫危險模式理論的異常學習行為發現方法，為解決網絡學習環境中學習行為的監控問題，對網絡學習行為進行實時監控，計算多個維度學習行為的變化，檢測異常行為；本發明公開了一種發現異常網絡學習行為的方法，對網絡學習行為進行采樣，計算不同學習行為的變化作為危險信號，構造人工抗原提呈細胞對多種學習行為的變化進行融合，檢測學習行為的異常。

技術領域

本發明屬于人工智能領域，尤其涉及一種基于人工免疫危險模式理論的異常學習行為的自適應發現方法。

背景技術

隨著教育信息化進程的推進，特別是近年來新媒體引發的教育變革，MOOC、翻轉課堂等全新網絡教學模式的推廣和普及，學習模式面臨變革。傳統教育模式下，教學活動采取面對面的形式。觀察學生的異常學習行為(例如開小差、完成作業時間長等)，能幫助教師及時發現教學問題。信息環境下，師生間的時空距離拉大，學生的學習行為難以被直接觀察到。及時發現在線學習行為的異常，是教師調整教學、教學督導監控教學的共同需求。

信息化環境下學習行為的研究始于七十年代，ChihPing Chu等人提出使用高階有色Petri網對網絡學習行為模式進行描述，Michalis Xenos等提出基于貝葉斯網絡的學習行為建模等。東北師范大學研究組提出一種基于網絡學習行為模式挖掘對用戶學習風格建模的方法，華中師范大學研究組提出網絡學習行為多層次多維度模型等。上述研究大多是從歷史數據中總結學習行為的規律，研究目的集中在從行為科學理論和教育學理論的角度分析學習行為與學習成績、學習動機、效能之間的關系。目前也有學者提出分析MOOC平臺的應用狀況、學生的學習行為以及學習成效，找出MOOC平臺應用中存在的問題并提出可行的建議，為MOOC的應用提供指導和建議。

學習行為因人而異，同樣的學習行為，對某生來說是正常的，而對另一學生來說可能就是異常。即使是同一學生，在不同學習階段正常的學習行為之間也有差異，難以用統一、精確的標準界定其為“正常”還是“異常”。如何自適應地發現個性化的異常學習行為，是要解決的主要問題。

人工免疫系統(AIS,Artificial Immune Systems)是模仿機體免疫系統工作原理的智能計算系統，具有良好的自適應性和多樣性。危險理論(DT,Danger Theory)是免疫學中的一個著名理論，它認為：先天免疫系統可以發現機體受到入侵時產生的“危險信號”，并以此為線索找到引起異常的病原體，英國諾丁漢大學U.Aickelin研究組2002年該理論引入人工免疫系統。危險理論是根據“危險信號”發現異常，且人工免疫系統本身所具有的自適應性和多樣性符合異常學習行為發現個性化、自動化的要求。

發明內容

本發明針對信息環境下學生學習行為難以直接觀察到，難以及時發現學習行為的異常，不利于及時調整教學內容和教學方式，發現教學中的疑難這一問題，提供一種基于人工免疫危險模式理論的異常學習行為發現方法，包含以下步驟：

步驟1，將網絡學習行為按復雜程度由低到高劃分為操作行為、認知行為、協作行為、問題解決行為；

步驟1.1將認知行為、協作行為、問題解決行為分別拆分為由多個操作行為組成的行為序列；

步驟1.2一個操作行為可含有多個行為屬性，進一步將操作行為拆分為多個行為屬性，每個屬性獨立記為一個“行為元”，行為元是具有行為屬性且不可再進一步拆分的基本單位；

步驟2，對拆分后的“行為元”進行量化；

步驟3，以學習過程LP，Learning Process為評價單元，計算危險信號；在網絡學習中，一個學習過程是完成一組學習行為的一個集合，學習過程LP內n種學習行為的采樣值構成一個n維空間的點；所述的n種學習行為元的采樣值，是采樣且經過步驟2量化后的行為元的值；