蔡宏果　彭昱忠　利云　姜黎黎

[摘 要]針對傳統(tǒng)中小學(xué)教師繼續(xù)教育課堂培訓(xùn)教學(xué)模式存在教學(xué)環(huán)節(jié)過于單調(diào)和程序化，忽視學(xué)生的主體性和個性特征等方面的不足，研究并設(shè)計了一個適應(yīng)在職教師培訓(xùn)的自主個性化學(xué)習(xí)的網(wǎng)絡(luò)培訓(xùn)課程教學(xué)平臺。首先討論通過建立基于個性化推薦的網(wǎng)絡(luò)培訓(xùn)課程平臺來實現(xiàn)“一體兩翼”的培訓(xùn)目標(biāo)，接著介紹了平臺的設(shè)計方案、教學(xué)平臺系統(tǒng)的功能、系統(tǒng)結(jié)構(gòu)，最后重點(diǎn)闡述了課程平臺的系統(tǒng)核心技術(shù)的實現(xiàn)。該平臺的構(gòu)建可有效提高教師培訓(xùn)的教學(xué)效率和教學(xué)質(zhì)量，為探索有效提升在職教師培訓(xùn)的新模式提供新途徑，為解決國培等培訓(xùn)項目培訓(xùn)質(zhì)量提升提供新方法。

[關(guān)鍵詞]個性化推薦學(xué)習(xí)；關(guān)聯(lián)規(guī)則；在線教學(xué)平臺；網(wǎng)絡(luò)教學(xué)；教師培訓(xùn)

[中圖分類號] G64 [文獻(xiàn)標(biāo)識碼] A [文章編號] 2095-3437（2017）05-0196-03

隨著信息技術(shù)的飛速發(fā)展，計算機(jī)技術(shù)不斷地在教師培訓(xùn)領(lǐng)域中滲透與融合。教育部辦公廳印發(fā)的《2017年教育信息化工作要點(diǎn)》明確提出， 深入推進(jìn)信息技術(shù)與教育教學(xué)深度融合，深化數(shù)字教育資源開發(fā)與應(yīng)用，加強(qiáng)網(wǎng)絡(luò)學(xué)習(xí)空間應(yīng)用廣度與深度。教師培訓(xùn)屬于一種在職繼續(xù)教育，有其特點(diǎn)和難點(diǎn)，在線學(xué)習(xí)，個性化學(xué)習(xí)作為近年來研究的一種新的培訓(xùn)方式，更重視在職培訓(xùn)學(xué)生的主體性和個性特征，讓學(xué)生實現(xiàn)更高效的學(xué)習(xí)，無疑將在未來教育技術(shù)發(fā)展過程中占據(jù)主導(dǎo)地位。無論從培訓(xùn)機(jī)構(gòu)層面還是從受培訓(xùn)學(xué)生需求層面看，多元化、智能化、個性化的網(wǎng)絡(luò)教學(xué)必將成為未來在職教師培訓(xùn)領(lǐng)域發(fā)展的主要方向。

國家對于在職教師的培訓(xùn)越來越重視，每年投入大量的國培等各類培訓(xùn)項目經(jīng)費(fèi)，但培訓(xùn)效果卻不盡于人意。這是因為在職教師“半生不熟”的知識結(jié)構(gòu)造成的，“不怕不懂，就怕一知半解”告訴我們傳統(tǒng)的課堂統(tǒng)一教學(xué)培訓(xùn)模式，是導(dǎo)致在職教師培訓(xùn)熱情不高，培訓(xùn)目標(biāo)參差不齊的主要原因。因此，網(wǎng)絡(luò)研修、校本研修、鄉(xiāng)村教師工作坊等依托網(wǎng)絡(luò)教學(xué)的培訓(xùn)項目成為當(dāng)前全國中小學(xué)教師繼續(xù)教育資助的重點(diǎn)領(lǐng)域。近年來，我校也適時提出通過建立教師在線培訓(xùn)工作坊和“一體兩翼”來破解教師培訓(xùn)瓶頸，“一體”是以教師自主校本研修為主體，“兩翼”分別是遠(yuǎn)程培訓(xùn)和集中培訓(xùn)。這些都迫切需要網(wǎng)絡(luò)在線培訓(xùn)平臺的技術(shù)支撐。

根據(jù)培訓(xùn)目標(biāo)和教學(xué)系統(tǒng)的建設(shè)要求，本文提出了一種基于個性化推薦學(xué)習(xí)的在線課程教學(xué)平臺的設(shè)計與實現(xiàn)技術(shù)?；趥€性化推薦學(xué)習(xí)的在線課程教學(xué)平臺系統(tǒng)是一個跨平臺、跨數(shù)據(jù)庫、可擴(kuò)充和可移植的系統(tǒng)。系統(tǒng)通過智能學(xué)習(xí)到訪者的特征和使用痕跡，調(diào)整使用者的學(xué)習(xí)內(nèi)容和訓(xùn)練題庫，同時，根據(jù)使用者的學(xué)習(xí)情況自動分析使用者的潛在學(xué)習(xí)需求，推送課程知識，供使用者自主選擇學(xué)習(xí)。大部分的教學(xué)資源和信息資源采用網(wǎng)絡(luò)數(shù)據(jù)庫存儲，充分利用和整合網(wǎng)絡(luò)資源的有效利用。

一、相關(guān)工作

本系統(tǒng)平臺的核心技術(shù)是通過關(guān)聯(lián)規(guī)則挖掘來實現(xiàn)個性化推薦學(xué)習(xí)課程知識。個性化推薦服務(wù)被廣泛應(yīng)用于數(shù)字圖書館、電子商務(wù)、新聞網(wǎng)站等各個領(lǐng)域中。[1]個性化推薦服務(wù)根據(jù)用戶興趣的相似性來推薦資源，通過研究不同用戶的興趣 ，主動為用戶推薦最需要的資源。個性化推薦技術(shù)主要有三種：基于規(guī)則過濾技術(shù)、基于內(nèi)容過濾技術(shù)、基于協(xié)作過濾技術(shù)。[2]該項技術(shù)是提高個性化、自主學(xué)習(xí)的一種重要手段。近年來，隨著數(shù)據(jù)挖掘領(lǐng)域的拓展，利用關(guān)聯(lián)規(guī)則實現(xiàn)基于規(guī)則的過濾推薦成為主流。文獻(xiàn)[3]提出了一個簡單高效的關(guān)聯(lián)規(guī)則和序列模式挖掘算法Predictor，該算法具有較快的響應(yīng)速度，可以滿足實時頁面推薦的需要，同時該算法還可以進(jìn)行增量挖掘。文獻(xiàn)[4]Weiyang Lin等也是提出一種高效的關(guān)聯(lián)規(guī)則算法來實現(xiàn)個性化推薦。

關(guān)聯(lián)規(guī)則也稱為關(guān)聯(lián)模式，關(guān)聯(lián)規(guī)則挖掘發(fā)現(xiàn)大量數(shù)據(jù)中項集之間有趣的關(guān)聯(lián)或相關(guān)聯(lián)系。是一種較好的信息推薦方法。是形如：A（年齡（X，“20...30”）， 職業(yè)（X，“學(xué)生”））→B（購買（X，“筆記本電腦”））的形式。挖掘算法首先由Agrawal等提出來和研究，Agrawal等提出基于頻繁項集的剪枝算法分為兩個階段，首先找出所有的頻繁項集，然后由頻繁項集產(chǎn)生強(qiáng)關(guān)聯(lián)規(guī)則，這些規(guī)則必須滿足最小支持度和最小可信度。支持度（support）： P（A∪B），即A和B這兩個項集在事務(wù)集TS中同時出現(xiàn)的概率。置信度（confidence）： P（B|A），即在出現(xiàn)項集A的事務(wù)集TS中，項集B也同時出現(xiàn)的概率。同時滿足最小支持度閾值和最小置信度閾值的規(guī)則稱為強(qiáng)規(guī)則。給定一個事務(wù)集TS，挖掘關(guān)聯(lián)規(guī)則問題就是產(chǎn)生支持度和可信度分別大于用戶給定的最小支持度和最小可信度的關(guān)聯(lián)規(guī)則，也就是產(chǎn)生強(qiáng)規(guī)則的問題。為了降低個性學(xué)習(xí)推薦系統(tǒng)的研發(fā)難度，本系統(tǒng)引擎模塊通過接口調(diào)用比較著名的成熟開源數(shù)據(jù)挖掘平臺Weka實現(xiàn)相應(yīng)功能。

二、系統(tǒng)平臺設(shè)計

整個系統(tǒng)劃分為課程資源管理、系統(tǒng)管理、個性化學(xué)習(xí)推薦和互動管理等四個子系統(tǒng)，每個子系統(tǒng)包含若干功能模塊。系統(tǒng)的主要模塊如圖1所示。

三、系統(tǒng)核心技術(shù)的實現(xiàn)

（一）學(xué)習(xí)行為捕獲

學(xué)生的在本平臺系統(tǒng)中的學(xué)習(xí)行為主要體現(xiàn)為其在平臺上的訪問行為上，包括頁面瀏覽行為和超鏈接點(diǎn)擊行為，比如，用戶在各個頁面之間的跳轉(zhuǎn)關(guān)系、在單個頁面上的鼠標(biāo)、鍵盤操作的訪問行為。用JavaScript 腳本即可跟蹤和記錄學(xué)生用戶在系統(tǒng)內(nèi)的訪問行為，從而捕捉到用戶先后瀏覽過的知識點(diǎn)和資源、瀏覽時間和持續(xù)時間等信息，這是獲取用戶個性化信息的關(guān)鍵的一環(huán)。獲取用戶瀏覽的知識點(diǎn)和資源行為目的是為了分析該用戶是否真正學(xué)習(xí)過該知識點(diǎn)和資源，共學(xué)習(xí)了多長時間，以供后期的推薦做參考。

（二）學(xué)習(xí)行為識別

考慮到可能存在用戶只是誤訪問了知識點(diǎn)和相關(guān)資源，或者因各種原因訪問了但只匆匆一看，則這種情況并不能算正在學(xué)習(xí)過該資源，所以不能將用戶點(diǎn)擊過的知識點(diǎn)和資源記錄都保存，否則就會嚴(yán)重影響數(shù)據(jù)的準(zhǔn)確性。所以需要計算并判斷用戶在知識點(diǎn)頁面停留的時間來確定用戶是否學(xué)習(xí)了知識點(diǎn)和對應(yīng)資源，如果超過了預(yù)定的時間，就獲取用戶的編號、用戶學(xué)習(xí)的知識點(diǎn)的編號保存為用戶學(xué)習(xí)日志數(shù)據(jù)表一條記錄。另外，為了方便后期進(jìn)行數(shù)據(jù)分析和挖掘，可把知識點(diǎn)編號構(gòu)建成字符串類型的數(shù)據(jù)存儲到數(shù)據(jù)庫用戶學(xué)習(xí)行為表里。在這里，通過加載課程頁面時執(zhí)行一個Ajax方法，在Ajax異步請求方法里面加入定時器setTimeout，在定時器規(guī)定的時間內(nèi)發(fā)送一個請求調(diào)用后臺的方法并把相關(guān)參數(shù)傳遞到后臺，后臺就把數(shù)據(jù)保存進(jìn)數(shù)據(jù)庫里面。系統(tǒng)實現(xiàn)時，假定學(xué)生瀏覽訪問該資源的時間大于等于五分鐘（300000毫秒）即可認(rèn)為該學(xué)生學(xué)習(xí)過對應(yīng)知識和資源，對于用戶已經(jīng)學(xué)習(xí)過的知識點(diǎn)不會重復(fù)記錄，在后臺代碼加了判斷。關(guān)鍵代碼如下：

（三）個性化學(xué)習(xí)資源推薦

首先獲取用戶的學(xué)生注冊的基本信息、在線練習(xí)測試成績、學(xué)習(xí)行為記錄數(shù)據(jù)等進(jìn)行預(yù)處理后，通過調(diào)用Weka進(jìn)行分類和聚類確定學(xué)生所屬群體，然后將學(xué)生注冊的基本信息、在線練習(xí)測試成績、學(xué)習(xí)行為記錄數(shù)據(jù)與互動管理子系統(tǒng)中的評論信息、評分信息和教師標(biāo)導(dǎo)信息結(jié)合構(gòu)建事務(wù)集，并調(diào)用Weka的數(shù)據(jù)規(guī)范化處理和關(guān)聯(lián)規(guī)則挖掘算法進(jìn)行數(shù)據(jù)正則化處理與數(shù)據(jù)挖掘，發(fā)現(xiàn)給定置信度和支持度的描述用戶學(xué)習(xí)“興趣”的規(guī)則，以及挖掘?qū)W生學(xué)習(xí)的“技術(shù)路線圖”然后進(jìn)行用戶匹配和信息推薦，向當(dāng)前訪問學(xué)生用戶推薦可能“感興趣”的知識點(diǎn)和教學(xué)資源，最終實現(xiàn)個性化學(xué)習(xí)推薦。

四、結(jié)束語

本文主要探討了基于個性化推薦學(xué)習(xí)的在線課程教學(xué)平臺的構(gòu)建思路、設(shè)計與實現(xiàn)技術(shù)?；趥€性化推薦學(xué)習(xí)的在線課程教學(xué)平臺系統(tǒng)是一個跨平臺、跨數(shù)據(jù)庫、可擴(kuò)充和移植的系統(tǒng)。系統(tǒng)通過智能學(xué)習(xí)到訪者的特征和使用痕跡，調(diào)整使用者的學(xué)習(xí)內(nèi)容和訓(xùn)練題庫，同時，根據(jù)使用者的學(xué)習(xí)情況自動分析使用者的潛在學(xué)習(xí)需求，推送課程知識，供使用者自主選擇學(xué)習(xí)。面向課堂教學(xué)和學(xué)生自主個性化學(xué)習(xí)的在線教學(xué)平臺的構(gòu)建是一個復(fù)雜、浩大的工作，不僅需要涉及課程群的多位專業(yè)授課教師深入研究知識點(diǎn)群，重構(gòu)知識點(diǎn)群層次，與系統(tǒng)設(shè)計思想接軌。還需要平臺相關(guān)技術(shù)人員構(gòu)建好相應(yīng)軟件技術(shù)平臺，不斷改進(jìn)技術(shù)，并在平臺上實現(xiàn)相關(guān)教育理念和教學(xué)思想。平臺的構(gòu)建和應(yīng)用，打破了傳統(tǒng)教學(xué)的時空限制，能夠?qū)崿F(xiàn)網(wǎng)絡(luò)自主學(xué)習(xí)、推薦學(xué)習(xí)的培訓(xùn)目標(biāo)。下一步我們將繼續(xù)深入研究，并在教學(xué)實踐中不斷改進(jìn)、完善、擴(kuò)充本系統(tǒng)的功能，使其能夠滿足更深更廣的教師培訓(xùn)需要。

[ 參 考 文 獻(xiàn) ]

[1] 曾春，邢春曉，周立柱.個性化服務(wù)技術(shù)綜述[J].軟件學(xué)報，2002（10）：1952-1961.

[2] 郭艷紅，鄧貴仕.協(xié)作過濾的一種個性化推薦算法研究[J].計算機(jī)應(yīng)用研究，2008（1）：39-58.

[3] 張慧穎，梁偉.基于用戶訪問模式挖掘的網(wǎng)頁實時推薦研究 [J].計算機(jī)應(yīng)用，2004（6）：70-73.

[4] WeiyangLin，Sergio A. Alvarez，Carolina Ruiz. Efficient Adap？鄄tive？鄄Support Association Rule Mining for Recommender Systems[J]. Data Mining and Knowledge Discovery，2002（1）.

[5] 潘征宇，鐘紹春，鐘永江，等.個性化學(xué)習(xí)工具設(shè)計及應(yīng)用研究[J].中國電化教育，2015（6）：85-91.

[6] 張楊，徐傳運(yùn)，王森.面向課程群的軟件案例庫建設(shè)方法研究[J].計算機(jī)育，2015（19）：35-38.

[特約編輯：黃緊德]