徐媛媛

摘要：

移動學習研究的重點是學習資源建設與內(nèi)容推薦。介紹了移動學習特點及移動學習資源、學習主體等要素，在此基礎上，以高校為研究對象，采用調(diào)研方式獲取大學生用戶需求信息，完善相應的移動學習平臺；闡述了用戶行為感知、協(xié)同過濾算法等相關技術，研究了如何對移動學習資源內(nèi)容進行個性化推薦。對過濾后的學習資源進行個性化推薦，有利于調(diào)動學習積極性，發(fā)揮移動學習優(yōu)勢，與課堂教學形成互補，對推進移動學習實踐有一定的參考價值。

關鍵詞：

移動學習；學習資源；行為感知；內(nèi)容推薦

DOIDOI：10.11907/rjdk.172472

中圖分類號：G436

文獻標識碼：A文章編號文章編號：16727800（2018）003022403

英文摘要Abstract：The construction of mobile learning resources and the recommendation of content are the key points of mobile learning. Based on the introduction of mobile learning resources， learning characteristics and main factors of mobile learning， put forward to the university as the main research object， through the investigation of the way to get students' needs of users to improve the mobile learning platform in the corresponding research； user behavior perception and association with filter algorithm based on the technology of how to study learning resources the mobile content personalization recommendation. Through the design of learning resources and then filtered personalized recommendation， is conducive to mobilize the enthusiasm of learning， play the advantages of mobile learning， complementary with classroom teaching， the mobile learning resources construction plan for promoting the practice of mobile learning has a certain reference value for the future research work will be mobile learning and flipping the classroom to carry out the teaching practice is stage of value.

英文關鍵詞Key Words：mobile learning； learning resources； behavior perception； content recommendation

0引言

移動學習是通過移動設備隨時隨地進行學習的一種方式。移動學習具有移動性、微型性及多學科交叉的綜合性等特點，能夠與傳統(tǒng)課堂教學相結合，是教育技術發(fā)展的重要研究方向。移動學習作為新型的學習方式成為開放式教育的重要手段，并作為非正式學習的主要代表，是實現(xiàn)終身學習的途徑之一。

移動學習形式多樣，有以內(nèi)容為主的，以功能為主的，還有以工具為主的，萬變不離其宗的是以資源為核心。目前市面上有許多移動學習方法，按照技術層面劃分有手機應用、移動學習網(wǎng)站以及輕應用形式等。王萍等[1]從教學實踐出發(fā)，對微信支持下的移動學習展開了較全面的分析與研究。田嵩[2]在研究云計算與大數(shù)據(jù)的基礎上，提出了輕應用基礎上的移動學習內(nèi)容呈現(xiàn)模式，提高了移動學習的用戶體驗。本文從移動學習資源建設和推薦角度出發(fā)，在資源建設方面提出以調(diào)研的方式開展研究，基于用戶行為感知，利用科學推薦機制提高資源的個性化利用。

1研究現(xiàn)狀及趨勢

目前移動學習相關研究多集中在各大高校，以我國高校翻轉課堂教學改革為例，2007年至今在中國知網(wǎng)上檢索到的與移動學習和“翻轉課堂”相關研究文獻274篇，其中2015年以后占206篇，比較成功的案例是以微信開展的教學實例。以上數(shù)據(jù)說明將移動學習與翻轉課堂融合已逐漸開始實踐，且關注度持續(xù)上升。移動學習與MOOC、翻轉課堂等具有理論上的契合和實踐上的互補，但是不同水平、階段、習慣的學生，對知識的興趣及接受能力不同，直接影響了知識的吸納。因此，移動學習的熱點將轉向個性化的移動資源推薦。此外，移動學習資源具有信息量大、碎片化、不成系統(tǒng)的特點，合理組織移動資源、提高資源質(zhì)量是完善個性化移動學習的關鍵。

2研究內(nèi)容

移動學習要素分為學習者、教師、內(nèi)容、環(huán)境和評估 [3]。學習者是研究的主體，教師是資源建設者，內(nèi)容是移動學習資源，環(huán)境是學習的介質(zhì)，可以是移動學習平臺，評估是教師對學習效果的評估以及學生對學習體驗的評估等。

2.1移動學習研究主體

移動學習的研究對象涉及各行各業(yè)人員，其中高校是研究移動學習的重要陣地，因為：①與其它研究移動學習的機構不同，高校教學改革起到了重要的牽引作用；②在校大學生具有較強的接受能力，對于信息技術的感知也比較強，是具有代表性的實踐對象；③移動學習應用層出不窮，市場發(fā)展快、輻射面廣、新舊更替頻繁，具有強大的發(fā)展?jié)摿Γ袠I(yè)人士希望能找到合理的發(fā)展模式，這便與高校教學改革形成了一致需求。

移動學習研究的目的是如何更好地利用移動學習提升教育教學質(zhì)量，充分提高學生的學習積極性及參與度。結合移動學習的構成要素，從移動資源及組織方式出發(fā)，在充分研究學習特點前提下，以移動學習資源特點為依據(jù)進行資源組織關鍵技術研究，以更好地組織移動學習資源為教學改革服務。

2.2移動學習資源

學習資源是指能夠幫助學習者進行有效學習和操作的知識集合。移動學習資源可以理解為運行在移動終端的可幫助學習者進行有效學習的資源形態(tài)[4]。移動學習資源是移動學習的核心構成要素，從早期的靜態(tài)學習資源到現(xiàn)在的多媒體混合學習資源，移動資源的發(fā)展與通訊技術之間的關系密不可分。早期的靜態(tài)學習資源受限于手機單一的通訊功能及較小的顯示屏，主要的資源形式是圖文或音頻，多以片段化、微型化為主。隨著智能手機、平板等手持式移動設備的普及，學習者可接觸的資源形式越來越多樣化，其中便有以微課為代表的資源形式。4G和無線網(wǎng)絡技術為資源的高速傳播及交互提供了條件，寬大清晰的顯示屏能夠提高學習者學習興趣及效率。

移動學習資源是提高學習效率拓展知識面的重要方式。學生作為學習的主體，主要功能是利用資源并形成反饋。移動學習平臺主要功能是分析用戶行為，輔助資源推薦并形成數(shù)據(jù)反饋給資源管理者，如此形成移動學習平臺支持下的學習資源生命周期，如圖1所示。

3移動學習建設方案

采用問卷方式，從資源使用情況、個性化推薦網(wǎng)站、推薦喜好和工具等多個維度出發(fā)研究學生需求，得出在有限精力下，個性化推薦有利于提高資源的利用率和學習效率的結論[5]。張曉濱等[6]提出的轉移模式推薦算法 MPRC適用于移動學習資源建設。將該算法思想用到推薦機制中，就是將實時的用戶情景感知作為主要挖掘?qū)ο?，充分保障推薦結果與用戶的行為匹配度。移動學習建設方案主要從資源建設及資源推薦技術兩方面展開研究，資源建設主要針對資源載體，即相關的移動應用或系統(tǒng)等進行功能性研究。例如，微信作為一款APP，為何能夠獲得用戶青睞，在功能、性能方面有什么突出點？資源推薦技術則是針對資源類的應用如何進行個性化推薦。例如面對大量學習視頻、圖文，如何能夠讓用戶較準確地獲取所需的資源，或者挖掘用戶的潛在需求，引導其開展學習。

3.1資源建設方案

結合用戶使用特點對資源建設進行研究，以陳美玲等學者在文獻[7]中提出的用戶持續(xù)使用模型為思路進行資源建設具有一定的可行性。針對大學生的學習性質(zhì)及習慣，以教師教學設計為主導，通過融入移動學習來推行該學習方法。易用性、可用性及持續(xù)性等，通過人性化的界面設計及移動資源的個性化推薦來實現(xiàn)。

為提高研究的針對性，本文結合翻轉課堂教學實踐，對移動學習進行了需求調(diào)研。

（1）調(diào)研目的在于了解教學實踐需求，為進一步借助信息技術深入推進翻轉課堂改革提供依據(jù)。為實現(xiàn)以上目標，需從以下3點切入：①通過網(wǎng)絡問卷方式，探究學生在翻轉課堂學習中對移動學習的期望和需求，為移動學習的應用與開發(fā)提供可借鑒依據(jù)；②通過訪談方式，分析教師在不同翻轉課堂教學實踐中面臨的問題，挖掘其對移動學習方式的需求；③通過課程案例的方式，分析學生在使用移動學習前后的差異，探究教師在使用移動學習輔助教學過程中面臨的挑戰(zhàn)，以及有關移動學習的建設性意見。

（2）調(diào)研對象：①參與翻轉課堂學習的不同年級、專業(yè)及課程學生；②開設過不同類型翻轉課的教師，開設過同類型翻轉課的不同教師，其他開設過翻轉課的教師；③同時參與普通翻轉課堂和利用移動學習輔助下的翻轉課堂教學的師生。

（3）調(diào)研方式：問卷調(diào)研、訪談調(diào)研、課程案例研究。

（4）調(diào)研實施：通過調(diào)查問卷網(wǎng)站“問卷星”發(fā)放問卷。問卷回收后對問卷質(zhì)量進行審核，選取樣本問卷，利用SPSS等統(tǒng)計類軟件進行交叉分析，獲得數(shù)據(jù)和圖表信息。

3.2資源推薦方案

移動學習平臺在移動學習中起著重要作用，移動學習不只是簡單的資源推送，而是能夠識別使用特點、提供情景化的資源推薦。作為移動資源推薦的主要途徑，資源推薦機制通過用戶行為感知實現(xiàn)對不同用戶的移動資源推薦。推薦系統(tǒng)相關知識介紹如下：

（1）用戶行為感知技術?，F(xiàn)今許多公共場所都提供無線網(wǎng)絡，用戶可以隨時接入無障礙地暢游網(wǎng)絡，用戶的使用習慣與瀏覽習慣都記錄下來，成為海量數(shù)據(jù)的組成部分，從眾多的數(shù)據(jù)中充分挖掘用戶偏好是推薦的關鍵。用戶的行為偏好并不是一成不變，會隨著時間、地點、職業(yè)的變化而變化。因此，用戶行為分析的主要工作就是將用戶的行為偏好模型化，用相關屬性即時計算當前偏好，從而更好地滿足用戶需求[8]。

（2）數(shù)據(jù)采集。數(shù)據(jù)采集的方法很多，可以由用戶主動提交個人信息，或者獲取服務器記錄的用戶行為數(shù)據(jù)、瀏覽器記錄的用戶瀏覽記錄等等。以移動應用為例，用戶在使用時會產(chǎn)生大量的數(shù)據(jù)，除內(nèi)容外，還包括訪問IP、訪問時間、GPS信息等，通過對這些信息收集、分類、分析，可以大致判斷出用戶的職業(yè)、性別、專業(yè)等，可將相應屬性與用戶瀏覽內(nèi)容相關聯(lián)。

（3）算法及建模。學習者的資源來源于教師推薦，多數(shù)是自行搜索或系統(tǒng)推薦，在不同情形下可能會選擇不同的學習方式，因此需要建立不同于傳統(tǒng)的數(shù)據(jù)挖掘模式?？紤]移動環(huán)境下時間、地點等情景屬性，分兩個步驟進行信息推薦：

第一步，根據(jù)用戶需求偏好，篩選符合要求的資源集合。這個過程主要通過相似度模型實現(xiàn)，核心思想是將資源與多數(shù)用戶的瀏覽歷史進行相似度匹配，若用戶同時喜歡i，j兩個資源，則它們具有一定的相似度，若同時喜歡i，j兩個資源的人數(shù)較多，便說明他們具有較高的相似度。資源相似度模型如式（1）所示：

wij=|N（i）∩N（j）||N（i）||N（j）|（1）

式（1）中，wij表示資源i與資源j的相似度； N（i）表示偏好資源i的人數(shù)； |N（i）∩N（j）|表示同時偏好資源i和j的人數(shù)。根據(jù)上述模型，通過矩陣運算可獲得資源與資源共現(xiàn)頻率的矩陣，如表1所示。

根據(jù)表（1）可知，資源i與資源j的相似度最高，其次是m與j。

第二步，結合當前的情境進行資源信息的合理推薦。在獲得資源相似度后，通過情境分析對需要展示的資源進行處理。大多數(shù)情景屬性是實時變化的，如用戶的上網(wǎng)時間偏好、移動學習地點偏好等，在當前情境下進行合理的資源推薦。

3.3情境化資源推薦步驟

（1）先確立假設條件：假設用戶角色是大學生，默認使用學習資源是英語學習。約束條件一是時間，并假設時間分為凌晨、上午、中午、下午、夜間；約束條件二是地點，假設大致分為教室、室外、圖書館、寢室、家里、公司、其它公共場合；約束條件三是當前網(wǎng)絡條件，假設有3G、4G和WiFi；除此之外引入正負偏差變量。

（2）確定約束條件的優(yōu)先級，假設第一目標是場地，第二目標是時間，其次是網(wǎng)絡條件。

（3）進行分階段的資源推薦，獲取當前時間后，選取用戶曾在該時間段內(nèi)閱讀的資源進行相似度匹配，獲取集合R1；在R1的基礎上以同樣的方法對當前地點進行相似度分析，獲取集合R2，同理獲得集合R3。倘若集合為空，則在全部資源的基礎上進行分析。

4結語

本文將移動學習與課堂教學改革深度融合，主張通過調(diào)研挖掘移動學習用戶需求，完善移動學習工具的功能及性能，提高用戶的使用興趣。通過用戶行為感知分析技術，結合協(xié)同過濾算法，對移動學習內(nèi)容進行推薦處理，最大程度地滿足用戶的個性化學習需求，在日常生活的各個時間與地點都能學習，最大程度地補充課堂教學的不足，為正式學習與非正式學習的深度融合創(chuàng)造條件。下一階段需要著重研究如何更好地配合翻轉課堂的教學實踐，分析翻轉課堂的移動學習需求，在翻轉課堂實踐和移動學習之間尋找一個平衡點，促進翻轉課堂教學質(zhì)量的提升。

參考文獻參考文獻：

[1]張繼東.移動社交網(wǎng)絡環(huán)境下基于情景化偏好的用戶行為感知研究[J].情報理論與實踐，2017，40（1）：110114.

[2]仝宇光，張麗芳，張玉.國內(nèi)外移動學習的研究進展及評價[J].教育與職業(yè)，2017（2）：101106.

[3]張曉濱，李園園.情景感知的移動用戶行為轉移模式推薦算法[J].計算機工程與應用，2016，52（20）：163166.

[4]馬玉慧，趙樂，李南南，等.新型移動學習資源——教育APP發(fā)展模式探究[J].中國電化教育，2016（4）：6470.

[5]田嵩.基于輕應用的移動學習內(nèi)容呈現(xiàn)模式研究——以“瀑布流”式布局體驗為例[J].電化教育研究，2016，37（2）：3137.

[6]陳美玲，白興瑞，林艷.移動學習用戶持續(xù)使用行為影響因素實證研究[J].中國遠程教育，2014（12）：4196.

[7]張琪.大學生個性化數(shù)字學習資源需求調(diào)研[J].軟件導刊：教育技術，2014，13（9）：5456.

[8]王萍.微信移動學習的支持功能與設計原則分析[J].遠程教育雜志，2013，31（6）：3441.

[9]BALTRUNAS L，LUDWIG B，PEER S，et al.Context relevance assessment and exploitation in mobile recommender systems[J].Personal & Ubiquitous Computing，2012，16（5）：120.

[10]LIU LIWEI，MEHANDJIEV N，XU D L.Context similarity metric for multidimensional service recommendation[J]. International Journal of Electronic Commerce，2013，18（1）：73104.

[11]ARNABOLDI V，CONTI M. CAMEO： a novel contextaware middleware for opportunistic mobile social networks [J].Ipervasive and Mobile Computing，2014（11）：148167.

責任編輯（責任編輯：杜能鋼）