（渤海大學教育與體育學院，遼寧錦州121000）

移動學習環(huán)境下的個性化資源推薦模型研究*

☆ 陳 淼 唐章蔚

（渤海大學教育與體育學院，遼寧錦州121000）

利用移動設備進行學習逐漸成為人們日常重要的學習方式和途徑，本文為解決資源過多不易篩選等信息過載問題，結合分析移動學習環(huán)境的特點和學習資源推薦的現(xiàn)狀，比較了當下常見的幾種個性化推薦的算法，提出了基于社會化標簽思想的個性化資源推薦模型。為滿足學習者的實際需求設計了情境因素、用戶特點因素、用戶興趣因素、用戶目標因素和反饋更新因素這五個維度的學習資源個性化推薦模型。

移動學習；個性化；學習資源推薦；模型

引言

手機等移動設備的普及使得隨時隨地的學習成為可能，但如何快速準確地檢索、定位自己所需的資源是學習者在學習過程中面臨的困難。個性化學習資源推薦關注學習者個體的特征與偏好，匹配學習者具體的學習情境，將合適的學習資源推送給學習者。以往的推薦系統(tǒng)不能結合用戶情境信息因素，不能夠個性化地滿足用戶的需求，于是基于情境感知的個性化推薦顯得尤為重要。此外，滿足學習者需求的個性化學習資源是受多因素共同影響的，用戶本身的特點興趣、學習的目標以及對學習資源的反饋等都是重要的影響因素。

一、個性化資源推薦現(xiàn)狀分析

國外首次實現(xiàn)推薦功能的是1992年構建的郵件過濾系統(tǒng)，該系統(tǒng)是基于協(xié)同過濾算法完成的，用于解決公司的資訊過載問題。1997年，人們正式提出推薦系統(tǒng)的概念，但此時的推薦系統(tǒng)還只用于電子商務領域。此后推薦系統(tǒng)的研究迅速展開，逐步擴展到?jīng)Q策支持系統(tǒng)方面，隨著大眾需求的提高，用戶希望出現(xiàn)個性化的推薦，個性化推薦成為研究者關注的熱點。在教育領域內，由于近年來網(wǎng)上學習資源的增多導致了信息過載等問題，使學習資源的個性化推薦成為學者研究的焦點，研究成果包括基于用戶行為興趣偏愛的推薦和基于情境的個性化推薦等。

（一）基于情境的資源推薦

結合情境的推薦能夠更加個性化地服務于大眾。將情境感知結合到人體健康、醫(yī)療等應用軟件，使用戶獲取的信息更加符合實際情境。在教育領域內,Yau[1]研究了移動學習環(huán)境下地理位置、網(wǎng)絡狀況以及學習時間等因素對個性化移動學習的影響，為移動學習環(huán)境下的資源推送提供了大量的經(jīng)驗。根據(jù)不同的情境特點推送給用戶不同的資源信息，這對于推送的個性化有很好的促進作用。

（二）基于學習者個人相關興趣的推薦

為實現(xiàn)對用戶推薦信息的個性化，學者們往往會考慮用戶的興趣偏好以及其他一些細節(jié)上的屬性信息從而實現(xiàn)對用戶的個性化信息推薦。2012年，孫歆[2]等結合協(xié)同過濾算法以學習過程中用戶學習行為和在線學習資源的特點為基礎，設計了基于協(xié)同過濾技術的在線學習資源個性化推薦模型。2015年，查英華[3]等人從高職學生的學習興趣特征方面考慮，建立了學生與學習資源之間的二元關系，使學生的學習易于遷移和擴展，實現(xiàn)了個性化的推送。以上學者從用戶的個人行為偏愛等角度去提升資源推送的個性化，使用戶獲取到基于興趣屬性的學習資源。

（三）考慮學習者特點的推薦

牟智佳[4]等以學習者模型為分析對象，以個性化推薦系統(tǒng)為技術支持，設計了基于學習者模型的個性化學習資源推薦框架。以上總結了國內外學者關于個性化資源推薦在基于情境信息、學習者用戶行為興趣愛好和學習者特點等方面的推薦研究。研究者解決了基于個性化推薦的不同內容的研究問題，并給出了自己的設計方案和思想。但關于學習資源的個性化推薦的具體細節(jié)介紹還不夠全面，例如：沒有考慮學習者的學習目標和用戶反饋等內容，更沒有關于學習情境、學習者行為興趣、學習者特點、學習目標和用戶反饋相結合的個性化推薦。

二、移動學習的優(yōu)勢和個性化推薦的需求

（一）移動學習的優(yōu)點

移動學習的優(yōu)點：學習場景的可變換性、學習時間的碎片化和學習內容的多樣化。移動學習的一個非常突出的優(yōu)點就是學習場景的可變換性，即學習者可以在不同場景、不受地理位置的限制進行學習；人們進行移動學習時可以不受時間的限制、利用空閑時間進行碎片化學習，學習者對于學習的時間控制度是相對自由的，碎片化的學習有利于學習者對知識的掌握和理解；學習內容的多樣化，網(wǎng)上的學習資源的種類繁多、呈現(xiàn)形式趨向于多樣化，使學習者能夠有更多的選擇去接觸更多的教育資源。

（二）移動學習個性化資源推薦的需求

移動學習逐漸成為人們日常學習的一種方式，與傳統(tǒng)的教室學習不同，這種學習方式使學習者有著不一樣的學習體驗，學習者對于系統(tǒng)推薦的學習資源也有了新的實際需求。

1.學習資源推薦的內容

吸引用戶閱讀興趣的內容具有多樣化、有針對性和實時性強等特點。被推薦的學習資源內容的多樣化可以激發(fā)他們的學習興趣，使學習者對推薦的學習資源有新鮮感。在實際學習中，一部分用戶是具有明確的學習目標的，針對用戶想要達到的學習目標進行個性化推薦，能提高用戶對推薦資源的學習使用率。內容的實時性表現(xiàn)在推薦系統(tǒng)依據(jù)用戶的反饋評價篩選出最新的學習資源。

2.學習資源推薦的情境

在移動學習環(huán)境下，用戶對學習資源的需求隨情境而改變。個性化的推送方式考慮到每一位學習者的實際地理情境和時間情境，從而篩選出最適合當前情境的學習資源。結合了情境信息而推送的學習資源更加容易被學習者所接受。在不同的環(huán)境里，聲音和明暗程度等對學習者的學習有一定的影響，推送的學習資源應從優(yōu)先適合這些環(huán)境的資源中去篩選。

3.資源推薦的形式

個性化學習資源的推薦形式是非常重要的，學習資源本身可以是多形式的，例如：文本、圖片、視頻等格式。學習者的學習興趣和接受理解的水平不同，所以，依據(jù)用戶的偏向性選擇資源的推薦形式更能提高用戶對推薦資源的學習興趣。

三、移動學習中的個性化推薦模型

（一）當下常見的個性化資源推薦算法

1.協(xié)同過濾算法

該算法的基本原理是：根據(jù)學習者的學習記錄形成學習者用戶模型，然后利用相似性度量方法計算學習者用戶或學習資源之間的相似度。常用的相似度量方法有：余弦相似度和皮爾森相關系數(shù)等。找出與該用戶或學習資源相似度高的新用戶或學習資源，形成“鄰居”，然后對這些“鄰居”進行評分高反饋好的資源推送。該算法的缺點是冷啟動問題和稀疏問題。

2.基于內容的推薦算法

該推薦算法主要是利用用戶選擇對象的內容特征，匹配用戶興趣偏好，其特征提取是對推薦對象的文本內容進行分析[5]。其優(yōu)點是它不需要其它用戶的數(shù)據(jù)，沒有冷啟動問題和稀疏問題，并且簡單直觀，不需要領域知識。缺點是基于內容的用戶資料是需要有用戶的歷史數(shù)據(jù)來支撐計算的，對多媒體的特征提取還不成熟以及無法適用多語言描述的推薦對象。

3.關聯(lián)規(guī)則的推薦

基于關聯(lián)規(guī)則的推薦技術是先由管理員定制出相關的規(guī)則條目，然后依據(jù)定制的規(guī)則度量項目間的相互關聯(lián)性，最后將關聯(lián)密切的項目推送給用戶[6]。優(yōu)點是可以應用于所有領域，具有通用性。缺點是新錄入系統(tǒng)的學習資源由于缺乏支持度而不會被推送，且隨著規(guī)則的數(shù)量增多，系統(tǒng)將會越來越難以管理。

4.基于社會化標簽的個性化推薦

基于社會化標簽的個性化推薦原理是通過對用戶以往瀏覽的各類資源所擁有的標簽進行綜合分析，尋找推算出用戶所喜歡的目標標簽，然后把持有相關目標標簽的學習資源推薦給學習用戶，從而實現(xiàn)個性化推薦。用戶在標注資源時所使用的標簽既反映了用戶自身的興趣，又反映了資源的特點。缺點是難于精準地對學習資源進行標簽劃分。

（二）個性化推薦模型應用的算法

本模型采用的是基于社會化標簽的思想，將推薦的影響因素歸納為標簽，分別為情境因素、用戶特點因素、用戶興趣因素、用戶目標因素和反饋因素。將網(wǎng)絡上的學習資源比作N維歐幾里得空間中的向量，向量的維度可以為n維，每一維度代表學習資源的一個標簽特征，在本模型中將n=5，即情境、用戶特征、用戶興趣、用戶目標和反饋5個標簽特征，每一個標簽擁有自己的子標簽，它們的數(shù)值代表該特征標簽影響推薦效果的大小權重。每一個學習資源相對應的每一個用戶都有一個自己的社會化標簽集合。依據(jù)各因素的權重綜合計算出學習資源的推送優(yōu)先級（如圖1）。

圖1 個性化推薦流程圖

（三）個性化推薦模型

在該模型中，系統(tǒng)結合學習者的學習情境模塊、學習者特點模塊、學習者興趣模塊、學習者的學習目標模塊和反饋更新模塊以及個性化推送內容模塊的屬性權值篩選出個性化的學習資源，從而實現(xiàn)個性化學習資源的推送（如圖2）。

圖2 個性化學習資源推送模型圖

1.學習情境模塊

該模塊主要用于管理學習者的地理位置信息情境和學習時間情境。地理位置信息情境按照外界干擾因素程度來劃分，考慮到聲音嘈雜度、光線亮度，將其分為高、中、低三個干擾程度。學習時間情境分為早上、白天、晚上，分類出適合的文本、圖片、音頻和視頻的學習資源屬性。根據(jù)不同的學習情境計算出適合用戶的學習屬性。

2.學習者特點模塊

該模塊用于建立存儲風格迥異的學習者模型，從學習者的年齡、性別、受教育水平、學習內容4個屬性來建立學習者的個人模型，將新的學習者與之前學習者模型進行相似性比較，然后選擇重疊性高的學習者模型資源進行優(yōu)先推送。

3.學習者興趣模塊

該模塊用于搜集學習者用戶的興趣，通過存儲學習者的瀏覽記錄和學習資源的標簽，搜集記錄學習者感興趣的和不感興趣的內容，能夠直觀地體現(xiàn)出學習者的學習需要，為個性化資源推薦模型提供了豐富的信息支撐。

4.學習目標模塊

該模塊用于存儲學習者的學習目標，信息的收集途徑為用戶的標簽選擇。

5.反饋更新模塊

該模塊用于存儲用戶的反饋和評價信息，使系統(tǒng)實時地對用戶的興趣習慣等進行更新。

6.個性化推送內容模塊

在該模塊中，系統(tǒng)結合學習者的學習情境模塊、學習者管理模塊、學習者興趣模塊、學習者的學習目標模塊和反饋更新模塊的屬性權值篩選出個性化的學習資源。

學習資源推送流程分為數(shù)據(jù)收集、信息篩選、個性化推送和反饋四個階段。

首先，進行數(shù)據(jù)收集階段。該階段的目的是收集學習者用戶的個人資料，旨在通過這些信息來了解用戶的需求，并將這些信息劃分到學習情境模塊、學習者特點模塊、學習者興趣模塊和學習者目標模塊。通過新用戶的注冊信息，或通過第三方軟件賬號的登錄來獲權知道新用戶的個人信息。然后是信息篩選階段。該階段是系統(tǒng)根據(jù)數(shù)據(jù)收集階段得到的用戶需求傾向篩選網(wǎng)絡資源的過程，綜合經(jīng)過反饋模塊更新后的學習者特點模塊、學習者興趣模塊、學習者目標模塊和學習者情境模塊得到的信息來完成篩選過程。在眾多資源中篩選出適合學習者的學習資源，然后通過GPS定位、手機的型號特點和網(wǎng)絡類型等獲知情境信息。其次，是個性化推送階段。該階段是個性化推薦系統(tǒng)向每一位學習者用戶推送個性化學習資源的階段。經(jīng)過信息篩選階段，個性化推薦系統(tǒng)向每一位學習者推送符合學習者個人需求的學習資源，然后把學習資源發(fā)送到學習者用戶的應用界面上。最后，反饋更新階段。該階段是根據(jù)用戶的行為軌跡變化和用戶的評價來收集每一位用戶的最新進展信息，并將其反饋到最開始的收集資源階段。

（四）個性化推薦模型的優(yōu)點

個性化的學習資源推薦模型是基于學習情境、學習者特點、學習者興趣愛好、學習目標和反饋更新5個維度來考慮的個性化資源推薦模型。依據(jù)用戶實際應用中所遇到的實際情況而推出適合學習者的學習資源。綜合考慮了學習者的情境信息、學習者的特點、學習者的興趣愛好、學習者特點和用戶的個人反饋等維度，更加綜合全面地給學習者推薦用戶喜歡的學習資源。

四、有待進一步研究的問題

本文對移動學習環(huán)境下學習資源的個性化推送模型進行了具體的闡述，提出了適用于不同情境下的個性化資源推送模型。在教育學習方面，個性化資源推薦能夠幫助學習者更快地選擇自己有效的信息資源，但關于該學習資源的個性化推薦的相關研究還有待繼續(xù)深入，如用戶信息的安全性問題、如何推薦真正適合用戶的資源信息和基礎學習資源數(shù)據(jù)庫的建設問題。

[1]Jane Yin-Kim Yau,Mike Joy.A Context-Aware Personalised M-learning Application Based on M-learning Preferences[J].InternationalJournalofMobileLearning and Organisation,2011,(01):1-14.

[2]孫歆,王永固,邱飛岳.基于協(xié)同過濾技術的在線學習資源個性化推薦系統(tǒng)研究[J].中國遠程教育,2012,(08):78-82.

[3]查英華,朱其慎.基于個性化推薦的移動學習模式探究——以高職學生為例[J].職教論壇,2015,(23):57-60.

[4]牟智佳,武法提.電子書包中基于學習者模型的個性化學習資源推薦研究[J].電化教育研究,2015,(01):69-76.

[6]王永固,邱飛岳,趙建龍,劉暉.基于協(xié)同過濾技術的學習資源個性化推薦研究[J].遠程教育雜志,2011,(03):66-71.

G434

A

1671-7503（2016）23-0069-04

本文系2016年教育部人文社會科學研究青年項目“移動圖書館促進返鄉(xiāng)農(nóng)民工職業(yè)發(fā)展的研究與實踐”（項目編號:16YJC870015）和2014年遼寧省教育科學規(guī)劃項目“農(nóng)村教師區(qū)域性微型移動教研實踐研究”（項目編號：JG14CB009）研究成果之一。

閆長松]