【摘要】教育資源共享網(wǎng)絡(luò)中，教師間因?qū)ο嗤黝}教育資源感興趣而形成教師聚集現(xiàn)象，即教師聚類。文章分析了教師聚類形成幾種原因，利用“k-核”分析法及其擴展提取教師聚類，特別討論了在沒有完整信息情況下，基于信息漫游的教師聚類提取策略。最后討論教師聚類的應(yīng)用。

【關(guān)鍵字】資源共享;教師聚類;“k-核”分析法

【中圖分類號】G40-057 【文獻標(biāo)識碼】A 【論文編號】1009—8097(2010)06—0100—04

一 引言

教育資源個性化成為近幾年教育資源研究領(lǐng)域的熱點，文獻[1][2][3]進行了相關(guān)的研究，其中聚類是常用的手段之一。教育資源共享網(wǎng)絡(luò)中的教師聚類指在大量教師參與的資源共享網(wǎng)絡(luò)中按某種策略劃分的教師集合。在共享網(wǎng)絡(luò)中，教師聚類現(xiàn)象是顯然的，比如同一個學(xué)科的教師間發(fā)生關(guān)系的概率遠(yuǎn)遠(yuǎn)大于不同學(xué)科教師間發(fā)生關(guān)系的概率。

二 教師聚類的形成分析

1 基于自定義教育資源主題

自定義教育資源主題是教育資源個性化最簡單的方法。系統(tǒng)將常見的資源分類主題列出，供教師選擇。在教師定義感興趣的資源主題后，系統(tǒng)定期將這些主題的資源以及這些主題的最新資源自動推送給教師。教師群體經(jīng)過選擇，自然地形成了以教育資源主題為劃分標(biāo)準(zhǔn)的教師聚類。由于教師可能對多個主題的資源感興趣，教師將同時屬于多個聚類。

2 基于教育資源檢索關(guān)鍵字

檢索是獲取信息最常用的辦法，文獻[4]指出截止到2008年底，我國網(wǎng)民使用互聯(lián)網(wǎng)信息檢索的比列為68%。每位教師使用的檢索關(guān)鍵字往往反映了其對教育資源的需求，通過對群體使用關(guān)鍵字的計算:如相似性、頻率等的統(tǒng)計，并將相關(guān)信息反饋給教師，可以促進教師對網(wǎng)絡(luò)中其他教師的了解，進而形成以歷史檢索關(guān)鍵字為劃分策略的教師聚類。

3 基于教育資源“標(biāo)簽云”

對于標(biāo)簽的內(nèi)涵定位，多數(shù)學(xué)者認(rèn)為[5]，作為大眾標(biāo)注系統(tǒng)功能得以實現(xiàn)的手段，標(biāo)簽是一種自由形式的關(guān)鍵詞元數(shù)據(jù)，賦予標(biāo)簽的過程可看作一種標(biāo)注行為。在教育資源共享網(wǎng)絡(luò)中，教師可以對自有資源進行標(biāo)注，這些標(biāo)簽從另外一個角度反映了教師感興趣的主題資源，與其檢索歷史記錄也會有一定的正相關(guān)性。同理將這些標(biāo)簽匯集起來，以標(biāo)簽云的方式反饋給教師，順著標(biāo)簽就可以找到擁有相關(guān)資源的用戶。這樣就形成了以標(biāo)簽為劃分策略的教師聚類，同時標(biāo)簽云還反映了某個聚類的規(guī)模。

三 教師聚類提取——“團聚子群”分析

從社會學(xué)意義講，教師聚類就是教育資源共享網(wǎng)絡(luò)中的教師團聚子群——他們是這樣一些行動者的子集，相互間具有相對較強的、直接的、高度的、經(jīng)常的或積極的聯(lián)系[8]。分析團聚子群，目的是要尋找網(wǎng)絡(luò)中聯(lián)系相對比較緊密的教師集合，需要確定網(wǎng)絡(luò)中團聚度高和底的區(qū)域。可用與該教師有關(guān)系的教師數(shù)量(即“度”)作為測量標(biāo)準(zhǔn)。

1 “k-核”分析法及其擴展

S.B.塞德曼(Seidman)提出了k-核分析[6]。一個k-核是一個最大子圖，其中的每個點都至少與其他k個點鄰接，即k-核中所有點的度數(shù)至少為k。這樣，“1k-核”就是一個連通子圖，其中所有點都相連，因而其度數(shù)至少為1。而要確定一個2k-核，需要忽略所有度數(shù)為1的點，只去考察剩余各點之間的關(guān)聯(lián)結(jié)構(gòu)。2k-核由那些度數(shù)為2的剩余關(guān)聯(lián)點組成。同理，確定一個3k-核則要去掉度數(shù)為2或1的點，依此類推。下圖表示的是一個3k-核圖，其中每個點的度數(shù)至少為3，盡管有兩個點(B和J)的度數(shù)是4，但是該圖不存在4k-核，因為一個k-核必須至少k+1個成員[7]。

(1)處理k-核中的弱關(guān)系

從圖中可以看出，一個k-核就是整個圖中團聚度相對較高的區(qū)域，但它不一定是最大的團聚子圖，其中可能包括一些松散的關(guān)聯(lián)。如上圖中，團聚區(qū)域{E，F(xiàn)，G，H，J，K，L}和{A，B，C，D，E，I}是通過弱關(guān)系邊(弱連接)IJ和CE連在一起的。從教育資源共享來講，弱關(guān)系連接的兩個區(qū)域可能代表了不同的教育資源主題，只是弱關(guān)系的兩個端點才有一定的共性，即至少某個教師對資源的興趣是多元的。因此需要在k-核中區(qū)分出這種弱關(guān)系。如下定義k-核中的弱關(guān)系:

定義:在k-核中存在關(guān)系(i，j)，斷開關(guān)系(i，j)后，節(jié)點i與節(jié)點j之間的最短路徑Lij大于閾值M(M≥2)。

(2)利用k-核進行“嵌套”

通過“k-核”分析以及弱關(guān)系處理后，獲取的高團聚子圖內(nèi)部關(guān)系緊密。如果以此提取教師聚類，將有大量的教師節(jié)點淪為“噪聲”。比如只與該團聚子圖內(nèi)某節(jié)點直接連接的節(jié)點，它的度為1，顯然不屬于任何k大于1的團聚子圖。但這有現(xiàn)實意義:該教師節(jié)點需要某團聚子圖的資源，但其自己的資源并不被或還未被別人關(guān)注，那么該節(jié)點應(yīng)該加入這個團聚子圖以獲得該子圖的信息。因此，可通過類似嵌套的辦法，將這類節(jié)點加入某團聚子圖，以實現(xiàn)更科學(xué)的教師聚類提取。所謂嵌套，就是以分析出的高團聚子圖為核，將與核中任何節(jié)點距離小于m(m>0)的節(jié)點劃入該團聚子圖，從而形成有意義的教師聚類。

2 不完整信息條件下教師聚類的提取

在知曉全局信息的情況下，可利用k-核分析法獲取教師聚類，但單個教師往往無法獲取整體網(wǎng)絡(luò)的信息，因此需要在擁有不完整信息條件下尋找教師聚類。通過教師間的交互，可獲取到局部區(qū)域的信息，基于該思想，我們制定了如下的信息漫游策略，讓教師尋找與其相連的聚集度較高的區(qū)域:

第一步:教師i將度信息di發(fā)送給與其有關(guān)系的所有教師;

第二步:接收到度信息的教師j，如果其度信息dj小于di，則停止傳播;相反，則將自己的度信息dj轉(zhuǎn)發(fā)到與其有關(guān)系的除i之外的所有教師。如此反復(fù)，當(dāng)信息傳遞結(jié)束時，教師i就遍歷了與其連接的聚集度較高的教師區(qū)域。

分析:顯然該策略不需要知道全局信息，而且在節(jié)點度變小的情況下，信息會停止傳播，因此該傳播是收斂的。如果發(fā)起節(jié)點i度較小，那么它將找到與之相連接的度較大的節(jié)點區(qū)域;如果節(jié)點i度較大，它找到的節(jié)點區(qū)域可能是一個連接緊密的星型結(jié)構(gòu)，這種情況可以利用前面的嵌套辦法，擴大聚集區(qū)域。

四 教師聚類的應(yīng)用

1 系統(tǒng)教育資源推薦

教師聚類可直接應(yīng)用于資源推薦，一般情況下，聚類中教師所關(guān)注的資源都有共同之處。在教育共享網(wǎng)絡(luò)可根據(jù)“k-核”分析所獲取的教師聚類，將對應(yīng)的最新、最熱相關(guān)主題資源推薦給聚類中教師節(jié)點。

2 節(jié)點資源需求轉(zhuǎn)發(fā)

需求轉(zhuǎn)發(fā)是指教師對某類資源有需求時，將需求轉(zhuǎn)發(fā)給其他節(jié)點，以期獲得響應(yīng)。同理，在相同的教師聚類中獲得響應(yīng)的概率較高。因此可根據(jù)不完整信息條件下教師聚類的提取辦法，需求節(jié)點將信息通過漫游轉(zhuǎn)發(fā)到與其相關(guān)的教師聚類中。由于信息漫游策略是盡量向高度節(jié)點轉(zhuǎn)發(fā)信息，而高度節(jié)點在資源擁有方面有優(yōu)勢，需求節(jié)點獲取期望響應(yīng)的概率就越高。

3 資源評價排列策略

教師對資源的評價對后續(xù)使用者有很好的參考價值。同理，相同聚類中的教師對其的評價參考價值更有意義，因此在為某教師呈現(xiàn)資源評價列表時，可將與該教師相同聚類中的教師評價優(yōu)先呈現(xiàn)，且教師度越大，其做出的評價越靠前。

五 總結(jié)

本文在資源個性化與聚類的相關(guān)研究和關(guān)系基礎(chǔ)上，進一步定義了教師聚類的概念。分析了教育資源共享網(wǎng)絡(luò)中教師聚類形成的一些原因，利用“k-核”分析法及其擴展對教師聚類的提取。此外，特別討論了在沒有完整信息下，通過信息漫游尋找局部教師聚類的辦法。最后列舉了教師聚類的一些應(yīng)用。通過數(shù)據(jù)挖掘等技術(shù)可對教師在教育資源共享網(wǎng)絡(luò)中的行為進行挖掘，獲取潛在的信息，可更好地輔助教師聚類的提取。

參考文獻

[1] Almudena Ruiz-Iniesta， Guillermo Jiménez-Díaz， Mercedes Gómez-Albarrán. User-Adaptive Recommendation Techniques in Repositories of Learning Objects: Combining Long-Term and Short-Term Learning Goals[C]. Proceedings of the 4th European Conference on Technology Enhanced Learning: Learning in the Synergy of Multiple Disciplines table of contents， 2009:645~650

[2] Yevgen Biletskiy， Hamidreza Baghi， Igor Keleberda， Michael Fleming. An adjustable personalization of search and delivery of learning objects to learners[J]. Expert Systems with Applications， 2009 ，(36):9113–9120

[3] 荊永君，李兆君，李昕.基礎(chǔ)教育資源網(wǎng)中個性化資源推薦服務(wù)研究[J].中國電化教育，2009，(8)，102-105

[4] 中國互聯(lián)網(wǎng)絡(luò)信息中心.第23次中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計報告[R]. 2009

[5] 張凌超，藍沨.社會標(biāo)注進展研究[J].情報科學(xué)，2009，27(11):1753-1757

[6] 林聚任.社會網(wǎng)絡(luò)分析:理論，方法與應(yīng)用[M].北京:北京師范大學(xué)出版社，2009，4

[7] John Scott. Social Network Analysis: A Handbook[M]. London， Sage Publications， 2000:110-111