姬昊

摘要：隨著因特網(wǎng)的廣泛普及和網(wǎng)絡(luò)應(yīng)用規(guī)模的不斷擴大，用戶可以便利的從網(wǎng)絡(luò)中獲取豐富的信息資源，用戶和網(wǎng)絡(luò)之間的信息通信、相互交流也變得越來越普及。然而，在這種便利的教學模式下如何進行高效的學習受到了越來越多的關(guān)注。當前常見的遠程教育系統(tǒng)模式單一，使得用戶只能被動的接受基本一致的學習內(nèi)容，而缺少較好的個性化知識服務(wù)，導致教育資源利用效率低，影響教學質(zhì)量。本研究旨在對遠程教育的學習用戶制定群體聚類的個性化知識服務(wù)體系。研究實現(xiàn)核心思想為根據(jù)用戶在遠程教育系統(tǒng)使用過程中歸納的群體性相似學習特征，建立帶反饋機制的個性化知識服務(wù)模式，從而提高遠程教育的教學質(zhì)量。

關(guān)鍵詞：遠程教育；知識服務(wù)；個性化推薦；神經(jīng)網(wǎng)絡(luò)

1 引言

隨著因特網(wǎng)的廣泛普及和網(wǎng)絡(luò)應(yīng)用規(guī)模的不斷擴大，用戶可以便利的從網(wǎng)絡(luò)中獲取豐富的信息資源，用戶和網(wǎng)絡(luò)之間的信息通信、相互交流也變得越來越普及。在這種情形下，教育從業(yè)者們思考著將網(wǎng)絡(luò)中的一些籠統(tǒng)的資源轉(zhuǎn)化成特定的教育資源，同時用戶從網(wǎng)絡(luò)中獲取資源信息的行為實質(zhì)變成一種類似學生學習式的知識獲取，這樣遠程教育理念就應(yīng)運而生了。

1.1 研究現(xiàn)狀

目前，由于遠程教育的規(guī)模發(fā)展迅速，服務(wù)對象的規(guī)模日益增大[1][2]，導致遠程教育的規(guī)模與質(zhì)量間的矛盾提議增大。因此，個性化的學習服務(wù)已經(jīng)受到了國內(nèi)外眾多學者的廣泛關(guān)注[3][4][5][6]。

在此背景下，我們提出了一種通過對遠程教育用戶的行為分析來實現(xiàn)對不同用戶的個性化知識服務(wù)模式。這種模式是解決用戶需求個性化和教學資源單一化這一矛盾的有效方案，將會大大提高遠程教育的服務(wù)質(zhì)量。通過對用戶學習能力、個性差異以及學習狀態(tài)的相關(guān)大量數(shù)據(jù)進行分析，研究用戶的行為習慣與興趣，從而根據(jù)用戶的實際需求為用戶提供更合適的資源，來實現(xiàn)最優(yōu)化、最高效的學習策略。同時，學習過程中增加了更多的人機交互、人人交互，能夠激發(fā)用戶在學習過程中的最大熱情，進一步提高遠程教育的教學質(zhì)量。

1.2 個性化服務(wù)

個性化服務(wù)是指學習環(huán)境、資源通過智能適應(yīng)學習者的個性特征和知識水平，以滿足學生個性化需求的學習過程。在這種學習模式下，學習是根據(jù)自身已有的知識水平和資源系統(tǒng)進行交互并獲取知識、提升能力的過程。在這個過程中，學生可以自主選擇學習策略、自主制定學習計劃、對自身的學習進行評估并控制整個學習過程。個性化學習重點強調(diào)學習環(huán)境的適應(yīng)性，創(chuàng)設(shè)個性化學習環(huán)境，最大可能地適應(yīng)不同學生的具體情況。

2 個性化知識服務(wù)設(shè)計

基于用戶行為分析的個性化服務(wù)的在線學習系統(tǒng)，要求根據(jù)用戶的個性特征、學習行為等，動態(tài)地生成個性化教學策略來組織與呈現(xiàn)最適合用戶特征的學習內(nèi)容。系統(tǒng)以用戶為中心，建立用戶模型來表示用戶的特征，在構(gòu)建用戶模型，收集用戶特征時，可以首先采用線上、線下調(diào)查或激勵用戶完善個人基本信息的方式收集用戶信息，為個性化服務(wù)過程設(shè)計提供數(shù)據(jù)。此外，系統(tǒng)應(yīng)充分關(guān)注知識概念間的語義關(guān)聯(lián)關(guān)系，以便更智能、更全面地為用戶提供個性化的資源內(nèi)容。

2.1 服務(wù)模型構(gòu)建

用戶可以向推薦系統(tǒng)主動提供個人興趣偏好信息，包括用戶的顯式信息和隱式信息，推薦系統(tǒng)自動將用戶的個人偏好相關(guān)信息存儲到偏好信息庫中，推薦引擎通過查詢偏好信息庫和資源數(shù)據(jù)庫中的相關(guān)數(shù)據(jù)，提取知識庫中的用戶訪問模式信息，利用相應(yīng)的個性化推薦策略，向用戶提供個性化的資源推薦。

2.2 系統(tǒng)總體架構(gòu)設(shè)計

系統(tǒng)的設(shè)計遵循以下幾條主線：隨時掌控用戶的學習情況，全程跟蹤其學習進度與教學目標的達成程度；向?qū)W生推薦符合其興趣偏好的學習資源。此外，系統(tǒng)還應(yīng)該具備其它個性化學習系統(tǒng)所具備的特征。

（1）數(shù)據(jù)存儲層。

主要用來存取學生、學習資源等數(shù)據(jù)信息，為學習提供教學數(shù)據(jù)支撐，為生成個性化教學策略提供學生的個性化信息；提供領(lǐng)域知識的信息。

（2）個性化控制層。

個性化控制層是整個系統(tǒng)的中心環(huán)節(jié)，協(xié)調(diào)各模塊的行為。它根據(jù)數(shù)據(jù)存儲層的數(shù)據(jù)信息生成個性化教學策略、合適的教學序列，控制教學進度與表現(xiàn)過程。

（3）學習層。

學習層包括個性化學習和學習評價兩部分，其中個性化學習包括學習測試與資源學習兩個模塊，這兩個模塊是根據(jù)個性化控制層返回結(jié)果生成的。這一層提供學生與系統(tǒng)的直接交流。學習評價是系統(tǒng)對學生學習情況的診斷反饋信息。

2.3 個性化推薦策略

人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Networks，簡寫為ANNs）也簡稱為神經(jīng)網(wǎng)絡(luò)（NNs）或稱作連接模型（Connection Model），它是一種模范動物神經(jīng)網(wǎng)絡(luò)行為特征，進行分布式并行信息處理的算法數(shù)學模型。這種網(wǎng)絡(luò)依靠系統(tǒng)的復雜程度，通過調(diào)整內(nèi)部大量節(jié)點之間相互連接的關(guān)系，從而達到處理信息的目的[7]。

一個神經(jīng)網(wǎng)絡(luò)模型描述了一個網(wǎng)絡(luò)如何將它的輸入矢量轉(zhuǎn)化為輸出矢量的過程。通常情況下，神經(jīng)網(wǎng)絡(luò)模型由神經(jīng)元特性、拓補結(jié)構(gòu)和學習方法三個元素組成。

應(yīng)用BP神經(jīng)網(wǎng)絡(luò)的構(gòu)建方法進行分析，得到網(wǎng)絡(luò)結(jié)構(gòu)各參數(shù)分別為：輸入層：4節(jié)點；隱含層：4節(jié)點；輸出層：1節(jié)點。制定知識影響度BP神經(jīng)網(wǎng)絡(luò)個性化推薦策略。

2.4 工作流設(shè)計

用戶可以向推薦系統(tǒng)主動提供個人興趣偏好信息，包括用戶的顯式信息和隱式信息，推薦系統(tǒng)自動將用戶的個人偏好相關(guān)信息存儲到偏好信息庫中，推薦引擎通過查詢偏好信息庫和資源數(shù)據(jù)庫中的相關(guān)數(shù)據(jù)，提取知識庫中的用戶訪問模式信息，利用相應(yīng)的個性化推薦策略，向用戶提供個性化的資源推薦。

3 應(yīng)用與分析

3.1 應(yīng)用

以西安電子科技大學網(wǎng)絡(luò)教育課程建設(shè)、陜西省人力資源和社會保障廳專業(yè)技術(shù)人員繼續(xù)教育資源學習為重點開展相關(guān)研究活動，獲取在線學習相關(guān)資源；根據(jù)研究和調(diào)研情況實施個性化方法與實施方案。

行為分析模塊實現(xiàn)對目標用戶的職業(yè)預測，通過應(yīng)用行為分析模型對用戶行為進行分析。首先，統(tǒng)計目標用戶群體，結(jié)果如圖4所示。

結(jié)果統(tǒng)計模塊是應(yīng)用分析結(jié)果進行數(shù)理統(tǒng)計，為管理人員提供直觀的分布數(shù)據(jù)，以進一步為方案制定做準備。分布統(tǒng)計以職業(yè)為標準，對不同職業(yè)類別的用戶進行統(tǒng)計，可視化的方法顯示出不同職業(yè)的用戶分布，如圖5。

結(jié)果分析模塊是指針對獲得職業(yè)特征后的用戶，在已知職業(yè)信息的基礎(chǔ)上，結(jié)合用戶的其他屬性信息，分析用戶的興趣、性格等特征。該模塊的實現(xiàn)分為兩部：首先提取用戶的顯性特征，包括星座、性別、屬相、年齡等，如果用戶的注冊信息中沒有該項目，則通過字段提取分析的方法取得用戶的顯性屬性特征；然后結(jié)果用戶的隱性特征職業(yè)進行分析預測，獲得期望預測結(jié)果，如圖6。

3.2 分析

應(yīng)用測試數(shù)據(jù)對分析系統(tǒng)進行個性化推薦適用測試，應(yīng)用計算公式計算適用率并繪制圖標。設(shè)適用率為P；測試樣本數(shù)為N；測試推薦適用數(shù)為R.則：

（1）

具體結(jié)果如圖7所示。

4 結(jié)束語

本文提出了一種對遠程教育的學習用戶制定群體聚類的個性化知識服務(wù)體系。根據(jù)用戶在遠程教育系統(tǒng)使用過程中歸納的群體性相似學習特征，建立帶反饋機制的個性化知識服務(wù)模式。測試結(jié)果表明，該模式一定程度上可有效提高用戶學習效率，提升遠程教育用戶學習質(zhì)量。

參考文獻：

[1]章東飛.試析我國遠程教育發(fā)展現(xiàn)狀與存在問題[J].成人教育，2010（012）：50-51.

[2]蔣立兵，于凌云.遠程教育發(fā)展現(xiàn)狀與存在的問題分

[3]王陸，方平，劉維民.關(guān)于學生個性因素與遠程教育相關(guān)性的探討[J].電化教育研究，2001，6：28-32.

[4]舒蓓，申瑞民.個性化的遠程學習模型[J].計算機工程與應(yīng)用，2001，37（9）：90-92.

[5]韓玲.遠程網(wǎng)絡(luò)教學中學習者行為間隔的量化分析與反思[J].中國遠程教育，2005（06S）：44-47.

[6]王冬青.遠程教育個性化學習支持服務(wù)研究[J].中國遠程教育，2008（15）：38-42.

[7]神經(jīng)網(wǎng)絡(luò)：http：//baike.baidu.com/view/5348.htm.