基于仿真测试驱动的自适应E-learning系统设计方法
马妍霞 孙尧 郭昌玉
摘? 要 提出一种可交互的、灵活的测试工具来开发自适应数字化学习（E-learning）系统。该系统提供可视化检查以及编辑功能、仿真和检查自适应响应功能，并兼容xAPI，将记录功能与可视化流程相结合，有助于动态调整测试用例。通过上述功能，确保了基于测试驱动方式的自适应系统的开发。最后，利用数学建模法给出数学模型和基于xAPI的模块功能框图。
关键词 E-learning;自适应学习系统;xAPI;智能教学系统;自适应仿真测试器
中图分类号：G712? ? 文献标识码：B
文章编号：1671-489X（2020）05-0028-02
1 引言
自适应学习系统（ALS）可以帮助用户更好地实现他们的学习目标，在这种背景下，智能教学系统（ITS）利用学习者学习过程经历中形成的个性化肖像，使学习环境适应用户的需求。然而，开发一个可验证自适应学习引擎（ALE）是非常困难的，仅通过验证单一软件功能单元，并不能反映出整个自适应学习引擎能夠交互和正确响应真实用户。一般自适应学习系统的系统开发可以根据软件开发中制定好的科学测试原则，如测试驱动开发法或数据驱动测试法。通常，使用黑盒测试和数据驱动的方法来测试软件功能单元，同时将上述方法用于系统整体性测试，但这并不算是一种科学的测试方案。
基于上述问题，本文提出利用一种基于xAPI仿真和可动态调整自适应的概念测试工具。由于xAPI是一种业界标准，使得本文设计的系统可以很轻松地实现与其他学习系统的互操作。它提供了xAPI学习行为记录功能来实时捕获学习活动流，从而生成测试用例，有助于自适应系统的系统开发。另外，由于人为因素引入更多的非确定性因素，因此，该系统从功能角度讲具有高度的复杂性和变化性。自适应学习系统对测试方法提出更高的挑战，设计高层次的测试方案成为一项非常重要的任务。与小型软件组件的典型单元测试相比，利用高层次的测试对象作为整个系统的测试用例，采用基于xAPI标准格式的数据作为系统的输入集合，并以自适应整个系统响应数据作为输出。
该系统主要用于数据可视化的自适应学习，研究问题涉及ALS的系统开发、互操作性、行为数据的分析以及自适应性的可视化。在这种情况下，利用用户行为建模研究，通过严谨的规则，从学习行为的视角对E-learning系统建立起来仿真测试工具也是目前研究的热点[1-5]。
2 自适应仿真测试器概念
从软件过程中高层次系统测试系统化的必要性谈起，在开发过程中，人们想做一种工具，在这种工具中，行为模式可以被编辑、可视化，并以一种确定性的、现实的方式进行模拟仿真。
问题? 问题是对软件工程领域从事开发和测试的相关人员提出的挑战，包括：
如何实现黑盒测试和泛化？
什么样的标准用于建模和处理行为使用数据？
如何模拟真实的使用数据？如何综合这些数据？
如何在模拟数据中实现可变性和真实性？
如何可视化适应性？如何可视化系统的适应性响应？
如何模拟现实中的不良或错误行为？如何模拟不确定或非破坏性行为？
要求? 理性开发工具的目标规范包括：通过xAPI记录学习环境中的真实行为的上下文数据;可视化真实行为的上下文数据并提供图形编辑功能;上下文数据可以作为xAPI语句发送到其他系统;动态修改和上下文数据随机化;适应性响应的可视化和验证。
测试用例? 有关上下文的信息对于自适应性至关重要，单个数据点通常没有包含足够的信息作为一组观察到的用法动作（上下文数据）。因此，本方案是基于行为数据序列来形成测试用例或上下文数据，即用户交互串行数据点的集合，基本上等同于xAPI输入语句的序列。
功能? 自适应仿真测试器工具主要由五个模块构成，如图1所示，分别是学习行为记录采集模块、学习行为记录数据库、行为记录回放功能模块、数据可视化编辑模块、适应性响应验证模块。在存储器上提取学习动作序列数据，加载并进行可视化编辑和仿真模拟。然后，可以通过将底层xAPI语句发送到其他基于xAPI的学习系统，通过数据化编辑模块功能，对行为数据按时间顺序进行显示。
可视化? 可视化适应性的目标是动态地调整学习环境对用户的需求，通常基于对感知交互数据输入的解释过程的结果用于控制自适应性，如动态难度调整、内容修改或学习路径更改。可以通过标准化的性能分数来评估每个动作，这也可以在可选属性result的xAPI规范中找到。但是要对result属性进一步进行量化，通过量化后的分数，将这些分数进行可检查化和可视化。这样可以用于评估用户的行为，即建设性/进步性、中立性/停滞性或非建设性/下降性[6]。
3 实现与应用
使用nodejs和reactjs脚本语言作为上述自适应仿真测试器的实现语言。它已经被应用于一个自适应学习引擎中，用于图像解释中的教育测试，一个小型软件团队对该系统进行了初步研究，实现了该系统并得出测试结果。通过xAPI将两个学习行为加载到自适应仿真测试器，并将记录的活动流用作测试场景。该工具已被用于一个自适应系统中[6]。
4 结语
提出模拟和测试工具自适应仿真测试器的概念，有助于开发自适应学习系统。该概念利用xAPI来实现互操作性，并且适用于其他系统和黑盒方法以及记录和回放功能，支持通用性和易用性。下一步，将基于区块链技术为学习行为微颗粒数据搭建学习记录底层存储平台和实现跨机构数据共享。
参考文献
[1]Berdun F D， Armentano M G. Modeling users colla-borative behavior with a serious game[J].IEEE Tran-sactions on Games，2018，11（2）：121-128.
[2]XIE T， ZHENG Q， ZHANG W， et al. Modeling and pre-
dicting the active video-viewing time in a large-
scale e-learning system[J].IEEE Access，2017（5）：11490-
11504.
[3]Bakhouyi A， Dehbi R， Talea M， et al. Evolution of standardization and interoperability on e-learning systems： an overview[M]//2017 16th International Con-
ference on Information Technology Based Higher Edu-cation and Training （ITHET）.2017：10-12.
[4]Beck K. Test-Driven Development： By Example[M]. Addison-Wesley，2003：220.
[5]Streicher A， Leidig S， Roller W. Eye-tracking for
user attention evaluation in adaptive serious games
[M]//13th European Conference on Technology Enhanced Learning. Leeds， UK，2018：583-586.
[6]Streicher A， Smeddinck J D. Personalized and adap-
tive serious games[M].Entertainment Computing and Serious Games，2016：332-377.
[7]Sclater N， Peasgood A， Mullan J. Learning analy-tics in higher education[DB/OL].http：//repository.jisc.
ac.uk/6560/1/learning-analytics_and_student_success.
pdf.
作者：馬妍霞（通讯作者），济宁职业技术学院，讲师，主要研究方向为电力电子设备开发;孙尧，济宁职业技术学院，讲师，CCF会员，研究方向为信息资源管理、智能计算、嵌入式系统;郭昌玉，济宁职业技术学院，CCF会员，研究方向为软件工程、企业信息化软件（272000）。
