陳清華，翁正秋，李林錦

（1.溫州職業(yè)技術(shù)學(xué)院 信息技術(shù)系，浙江 溫州 325035；2.溫州市人民醫(yī)院，浙江 溫州 325000）

0 引 言

隨著4G網(wǎng)絡(luò)通訊技術(shù)的廣泛應(yīng)用，人類社會(huì)已從電腦互聯(lián)時(shí)代跨入移動(dòng)互聯(lián)時(shí)代。智能移動(dòng)終端不僅為人們提供了上網(wǎng)的便利，也為遠(yuǎn)程泛在學(xué)習(xí)的發(fā)展提供了更為便捷的途徑[1]?，F(xiàn)有學(xué)習(xí)系統(tǒng)大都實(shí)現(xiàn)了資源的共享，學(xué)習(xí)者可依據(jù)資源類別進(jìn)行資源瀏覽或搜索學(xué)習(xí)。然而，在學(xué)習(xí)者學(xué)習(xí)目的不明確、資源分類不精確的情況下，盲目的瀏覽及簡單的基于關(guān)鍵詞的搜索式學(xué)習(xí)，難以充分有效地引導(dǎo)學(xué)習(xí)者進(jìn)行學(xué)習(xí)，易造成資源本身及學(xué)習(xí)者個(gè)人精力的浪費(fèi)，難以實(shí)現(xiàn)高效學(xué)習(xí)[2]，存在課程信息過載、學(xué)習(xí)控制功能不全、學(xué)習(xí)者學(xué)習(xí)迷航等問題，導(dǎo)致大量水平不一的學(xué)習(xí)者學(xué)習(xí)興趣、學(xué)習(xí)質(zhì)量及學(xué)習(xí)效率的下降。個(gè)性化推薦技術(shù)通過分析學(xué)習(xí)者個(gè)體特征、動(dòng)態(tài)學(xué)習(xí)行為及學(xué)習(xí)對(duì)象的特征，動(dòng)態(tài)地產(chǎn)生個(gè)性化學(xué)習(xí)方案，為學(xué)習(xí)者量身定制學(xué)習(xí)路徑，從而建立起一個(gè)充分體現(xiàn)交互性和靈活性的具有良好自適應(yīng)性的智能化導(dǎo)學(xué)系統(tǒng)。本文針對(duì)移動(dòng)泛在學(xué)習(xí)環(huán)境的新特點(diǎn)，提出個(gè)性化導(dǎo)學(xué)方案，以個(gè)性化服務(wù)技術(shù)[3]為依托，以動(dòng)態(tài)社區(qū)[4]為核心，通過規(guī)范課程建模、采集用戶多方位數(shù)據(jù)、全面分析用戶行為等步驟，使學(xué)習(xí)者由資源被動(dòng)瀏覽者轉(zhuǎn)變?yōu)橹鲃?dòng)參與者，解決學(xué)習(xí)者普遍存在的孤獨(dú)感、學(xué)習(xí)無序、學(xué)習(xí)迷航等問題，從而逐步提升學(xué)習(xí)者學(xué)習(xí)的積極性，實(shí)現(xiàn)高效學(xué)習(xí)。

1 泛在學(xué)習(xí)環(huán)境的優(yōu)化

泛在學(xué)習(xí)常常被定義為使用各種無線網(wǎng)絡(luò)、智能移動(dòng)終端和情景感知技術(shù)等進(jìn)行學(xué)習(xí)的教育系統(tǒng)[1]。區(qū)別于傳統(tǒng)遠(yuǎn)程教育系統(tǒng)中的學(xué)習(xí)特性，泛在學(xué)習(xí)呈現(xiàn)出靈活性、及時(shí)性、無縫銜接性等新特點(diǎn)。移動(dòng)泛在學(xué)習(xí)為學(xué)習(xí)者提供的學(xué)習(xí)環(huán)境主要包括學(xué)習(xí)資源、信息檢索與查詢工具、各種通信工具等。為準(zhǔn)確實(shí)現(xiàn)個(gè)性化導(dǎo)學(xué)，對(duì)傳統(tǒng)教學(xué)環(huán)境重新優(yōu)化改造，建立個(gè)性化導(dǎo)學(xué)模型，體現(xiàn)在重構(gòu)數(shù)據(jù)采集方案、細(xì)化在線課程、優(yōu)化設(shè)計(jì)學(xué)習(xí)資源和改進(jìn)通信工具四個(gè)方面。

1.1 重構(gòu)數(shù)據(jù)采集方案

泛在學(xué)習(xí)環(huán)境中，學(xué)習(xí)者的學(xué)習(xí)交互行為更加頻繁，數(shù)據(jù)采集覆蓋范圍更為寬廣。為實(shí)現(xiàn)更優(yōu)質(zhì)、準(zhǔn)確、高效的服務(wù)，將學(xué)習(xí)數(shù)據(jù)劃分為個(gè)人基礎(chǔ)信息、地理位置信息、用戶行為數(shù)據(jù)等五類（見表1）。個(gè)人基礎(chǔ)信息是指對(duì)用戶采集的基本信息，主要包括用戶性別、年齡、專業(yè)或?qū)ｉL等，此類信息穩(wěn)定性好，主要用于用戶特征分析；地理位置信息是指利用移動(dòng)終端的位置傳感器，對(duì)用戶的地理位置變化進(jìn)行采集，并使之服務(wù)于用戶關(guān)聯(lián)度分析；用戶行為數(shù)據(jù)是學(xué)習(xí)者在使用平臺(tái)時(shí)所留下的軌跡，是對(duì)登錄時(shí)間、學(xué)習(xí)過程、交互與交流等行為結(jié)果的采集；交互性數(shù)據(jù)是指通過對(duì)此類數(shù)據(jù)進(jìn)行過濾、分析，以用于用戶關(guān)系挖掘和構(gòu)建社區(qū)；社區(qū)關(guān)系是對(duì)每位用戶在社區(qū)中的動(dòng)態(tài)關(guān)系維護(hù)，社區(qū)關(guān)系隨各類數(shù)據(jù)的變化而動(dòng)態(tài)調(diào)整。

表1 學(xué)習(xí)者學(xué)習(xí)數(shù)據(jù)采集、分析與應(yīng)用

1.2 細(xì)化在線課程

現(xiàn)代泛在學(xué)習(xí)具有碎片化的特點(diǎn)，學(xué)習(xí)行為隨時(shí)發(fā)生，對(duì)原有網(wǎng)絡(luò)課程的知識(shí)點(diǎn)劃分粗細(xì)度[4]進(jìn)行調(diào)整，將原有元知識(shí)點(diǎn)結(jié)構(gòu)再度劃分，建立細(xì)粒度更高的元知識(shí)點(diǎn)結(jié)構(gòu)，所構(gòu)建的課程知識(shí)點(diǎn)結(jié)構(gòu)更為細(xì)致。

1.3 優(yōu)化設(shè)計(jì)學(xué)習(xí)資源

基于移動(dòng)資費(fèi)的計(jì)算方式及知識(shí)點(diǎn)結(jié)構(gòu)細(xì)粒度的變化，學(xué)習(xí)對(duì)象同樣需要碎片化、小型化。結(jié)合泛在學(xué)習(xí)新特點(diǎn)，各知識(shí)點(diǎn)下掛的各種學(xué)習(xí)資源單位學(xué)習(xí)時(shí)長應(yīng)進(jìn)一步縮短。所對(duì)應(yīng)的學(xué)習(xí)對(duì)象設(shè)計(jì)應(yīng)遵循以下三個(gè)原則：一是學(xué)習(xí)對(duì)象與知識(shí)點(diǎn)相對(duì)應(yīng)；二是單個(gè)知識(shí)點(diǎn)的學(xué)習(xí)耗費(fèi)時(shí)長被重新規(guī)劃，以5min為上限；三是每個(gè)知識(shí)點(diǎn)的學(xué)習(xí)對(duì)象至少應(yīng)包含過程資源、測試試題兩類。

1.4 改進(jìn)通信工具

遠(yuǎn)程個(gè)體學(xué)習(xí)常常具有時(shí)空、地理位置的不一致性，學(xué)習(xí)者往往倍感孤獨(dú)。個(gè)性化導(dǎo)學(xué)模型，建立以AGENT技術(shù)[4-5]為核心的智能虛擬學(xué)習(xí)社區(qū)，通過社區(qū)成員間的交流與互助解決突出的學(xué)習(xí)者孤獨(dú)感問題（見圖1）。智能學(xué)習(xí)社區(qū)系統(tǒng)基于用戶基本特征、用戶實(shí)時(shí)交互行為、用戶評(píng)價(jià)結(jié)果等數(shù)據(jù)構(gòu)建智能虛擬學(xué)習(xí)社區(qū)。用戶通過自動(dòng)構(gòu)建的個(gè)性化學(xué)習(xí)社區(qū)實(shí)現(xiàn)與相似遠(yuǎn)程群體的高效互助學(xué)習(xí)。

圖1 智能虛擬學(xué)習(xí)社區(qū)系統(tǒng)功能設(shè)計(jì)

2 個(gè)性化導(dǎo)學(xué)模型的設(shè)計(jì)與實(shí)現(xiàn)

2.1 泛在學(xué)習(xí)系統(tǒng)功能

基于學(xué)習(xí)者學(xué)習(xí)需求和學(xué)習(xí)過程，設(shè)計(jì)泛在學(xué)習(xí)系統(tǒng)（見圖2）。依據(jù)角色和功能，泛在學(xué)習(xí)系統(tǒng)分為5個(gè)子模塊，分別為課程本體構(gòu)建模塊、用戶數(shù)據(jù)采集模塊、用戶聚類分析模塊、P2P社區(qū)自組織模塊和學(xué)習(xí)計(jì)劃生成模塊。

圖2 泛在學(xué)習(xí)系統(tǒng)

課程本體構(gòu)建模塊，主要根據(jù)先驗(yàn)建立知識(shí)點(diǎn)與知識(shí)點(diǎn)間、學(xué)習(xí)資源與知識(shí)點(diǎn)間的各種關(guān)系。用戶數(shù)據(jù)采集模塊，主要提供學(xué)習(xí)者進(jìn)行用戶信息維護(hù)、網(wǎng)絡(luò)學(xué)習(xí)、測評(píng)的前臺(tái)學(xué)習(xí)功能，通過實(shí)時(shí)數(shù)據(jù)采集，實(shí)現(xiàn)用戶特征分析、學(xué)習(xí)社區(qū)構(gòu)建與交流互動(dòng)、個(gè)性化導(dǎo)學(xué)方案生成等功能。用戶聚類分析模塊，主要對(duì)系統(tǒng)采集的各類數(shù)據(jù)（包括用戶基礎(chǔ)特征信息、用戶行為數(shù)據(jù)、資源特征及用戶評(píng)價(jià)數(shù)據(jù)等）進(jìn)行分析，推薦具有相似特征的學(xué)習(xí)者，并依情況變化進(jìn)行動(dòng)態(tài)調(diào)整，通過構(gòu)建的社區(qū)將興趣相似的學(xué)習(xí)者聚集在一起，彼此間相互交流、相互借鑒，并依據(jù)對(duì)推薦資源的評(píng)價(jià)值動(dòng)態(tài)調(diào)整社區(qū)成員列表。P2P社區(qū)自組織模塊，主要實(shí)現(xiàn)交流、資源評(píng)價(jià)、個(gè)性化引導(dǎo)、學(xué)習(xí)和測評(píng)功能。學(xué)習(xí)計(jì)劃生成模塊，根據(jù)學(xué)習(xí)者自身的學(xué)習(xí)行為，在課程體系和資源特征的基礎(chǔ)上，推薦學(xué)習(xí)路徑、學(xué)習(xí)資源和學(xué)習(xí)時(shí)長，完成個(gè)性化學(xué)習(xí)方案的動(dòng)態(tài)生成。

2.2 個(gè)性化導(dǎo)學(xué)過程

導(dǎo)學(xué)方案是個(gè)性化學(xué)習(xí)模型的關(guān)鍵部分，在原有個(gè)性化方案的基礎(chǔ)上，學(xué)習(xí)計(jì)劃生成模塊針對(duì)教學(xué)環(huán)境新需求，改進(jìn)學(xué)習(xí)方案編排，提出基于社區(qū)數(shù)據(jù)、資源信息、時(shí)長估算的個(gè)性化導(dǎo)學(xué)過程（見圖3）。

個(gè)性化導(dǎo)學(xué)過程根據(jù)社區(qū)內(nèi)動(dòng)態(tài)學(xué)習(xí)行為、基于課程信息的知識(shí)點(diǎn)結(jié)構(gòu)和豐富的學(xué)習(xí)對(duì)象設(shè)計(jì)，通過推薦知識(shí)點(diǎn)學(xué)習(xí)順序、規(guī)劃基于知識(shí)點(diǎn)的學(xué)習(xí)資源、評(píng)估資源學(xué)習(xí)時(shí)間和時(shí)長等步驟，實(shí)現(xiàn)個(gè)性化學(xué)習(xí)方案的初步編排和動(dòng)態(tài)調(diào)整。

2.3 改進(jìn)個(gè)性化推薦方案

為應(yīng)對(duì)數(shù)據(jù)采集寬度、廣度的變化和學(xué)習(xí)方式的進(jìn)一步變革，對(duì)個(gè)性化推薦方案進(jìn)行改進(jìn)。一是在虛擬學(xué)習(xí)社區(qū)關(guān)系構(gòu)建過程中，學(xué)習(xí)者特征提取、分析維度增加了地理位置項(xiàng)。當(dāng)兩個(gè)學(xué)習(xí)者處于同一區(qū)域內(nèi)時(shí)，學(xué)習(xí)者的社區(qū)聚類中將動(dòng)態(tài)增加彼此。二是在基于社區(qū)內(nèi)的學(xué)習(xí)路徑推薦中，為更加明確元知識(shí)點(diǎn)的關(guān)系，減少計(jì)算量，不再考慮復(fù)合知識(shí)點(diǎn)間的關(guān)系。三是在保持原有基于學(xué)習(xí)路徑的知識(shí)點(diǎn)推薦的基礎(chǔ)上，對(duì)原導(dǎo)學(xué)方案生成算法進(jìn)行改進(jìn)和調(diào)整，添加學(xué)習(xí)時(shí)間間隔和學(xué)習(xí)時(shí)長估算的編排，生成的方案更加完善。四是對(duì)社區(qū)可能存在的抖動(dòng)問題和成員間的信任危機(jī)問題，引入信任度因子，當(dāng)計(jì)算得到的信任度因子未超過閾值時(shí)，則采納相應(yīng)的推薦與調(diào)整。

圖3 個(gè)性化導(dǎo)學(xué)過程

資源相應(yīng)學(xué)習(xí)時(shí)長的計(jì)算主要根據(jù)當(dāng)前學(xué)習(xí)者相應(yīng)社區(qū)內(nèi)對(duì)該資源的使用時(shí)長加權(quán)平均值進(jìn)行估算。學(xué)習(xí)者Lj對(duì)資源Oi的學(xué)習(xí)時(shí)長ljm）。其中，m表示學(xué)習(xí)者Lj的社區(qū)中使用資源Oi的采信人數(shù)，ljx表示學(xué)習(xí)者Lj與學(xué)習(xí)者Lx間的關(guān)系緊密程度，Tij表示學(xué)習(xí)者Lj對(duì)資源Oi的實(shí)際學(xué)習(xí)時(shí)長。當(dāng)社區(qū)內(nèi)成員數(shù)為0時(shí)，則Tij為系統(tǒng)設(shè)置的學(xué)習(xí)資源默認(rèn)時(shí)長。學(xué)習(xí)資源學(xué)習(xí)時(shí)長的確定主要基于領(lǐng)域?qū)＜抑R(shí)，并根據(jù)課程實(shí)時(shí)使用情況進(jìn)行調(diào)整。是否采納某學(xué)習(xí)者的使用實(shí)況以更新學(xué)習(xí)資源的推薦學(xué)習(xí)時(shí)長值，取決于判定閾值，當(dāng)測評(píng)情況未超過閾值時(shí)，則按比例更新時(shí)長。學(xué)習(xí)間隔的確定同樣采取加權(quán)平均的算法。

針對(duì)系統(tǒng)中資源評(píng)價(jià)、用戶交流信息存在的信任危機(jī)問題，個(gè)性化導(dǎo)學(xué)模型引入信任度因子，構(gòu)建用戶信任度因子提取模型（見圖4）。信任度因子提取模型設(shè)置為輸入層、網(wǎng)絡(luò)學(xué)習(xí)層和輸出層三層網(wǎng)絡(luò)結(jié)構(gòu)。設(shè)定網(wǎng)絡(luò)中的兩個(gè)用戶分別為用戶i和用戶j，利用輸入層提取用戶i與用戶j間的位置距離d（i, j）、用戶間隔度g（i, j）和通訊頻次f（i, j），將提取到的3個(gè)值輸入到網(wǎng)絡(luò)學(xué)習(xí)層中，通過網(wǎng)絡(luò)學(xué)習(xí)層的實(shí)時(shí)學(xué)習(xí)和運(yùn)算，計(jì)算得出網(wǎng)絡(luò)結(jié)構(gòu)，最終計(jì)算得出用戶信任度因子r（i, j）。

圖4 用戶信任度因子提取模型

3 仿真測試

2015年末，對(duì)溫州職業(yè)技術(shù)學(xué)院軟件服務(wù)專業(yè)所授基礎(chǔ)課程“操作系統(tǒng)應(yīng)用與實(shí)踐”線上自學(xué)子課程“Linux實(shí)戰(zhàn)”的87位學(xué)習(xí)者進(jìn)行調(diào)查，結(jié)果表明，86%的學(xué)習(xí)者表示更喜歡增加了動(dòng)態(tài)虛擬社區(qū)功能的平臺(tái)。究其原因，在于其為互助學(xué)習(xí)和交流提供了強(qiáng)有力的工具支撐，有助于提高課程學(xué)習(xí)效率，可實(shí)現(xiàn)更高的推薦準(zhǔn)確性和更強(qiáng)的用戶粘度。

學(xué)生的認(rèn)同是改造個(gè)性化導(dǎo)學(xué)過程的主要外在驅(qū)動(dòng)源之一。為有效證明個(gè)性化導(dǎo)學(xué)方案的可行性和有效性，根據(jù)87位學(xué)習(xí)者的原始在線學(xué)習(xí)數(shù)據(jù)，對(duì)改進(jìn)的個(gè)性化導(dǎo)學(xué)過程進(jìn)行仿真測試。一是對(duì)數(shù)據(jù)源進(jìn)行重塑。由于學(xué)習(xí)對(duì)象的低時(shí)長需求，仿真根據(jù)知識(shí)點(diǎn)結(jié)構(gòu)對(duì)學(xué)習(xí)時(shí)間偏長的學(xué)習(xí)對(duì)象與相應(yīng)的學(xué)習(xí)數(shù)據(jù)進(jìn)行隨機(jī)切割分片，產(chǎn)生了[2，5]的碎片化學(xué)習(xí)時(shí)長數(shù)據(jù)，并對(duì)課程結(jié)構(gòu)和學(xué)習(xí)對(duì)象的對(duì)應(yīng)關(guān)系進(jìn)行重新關(guān)聯(lián)，數(shù)據(jù)集由此擴(kuò)充了10倍之多。另外，歷史數(shù)據(jù)中缺乏對(duì)地理位置信息的采集，仿真則根據(jù)學(xué)習(xí)者的寢室信息對(duì)位置信息進(jìn)行對(duì)應(yīng)，量化后設(shè)置為地理位置信息維度，而用戶間隔度、通訊頻次則采用一致的度量（即忽略此項(xiàng)因素的影響）。二是對(duì)無用的噪聲數(shù)據(jù)進(jìn)行清洗，去除缺少相關(guān)數(shù)據(jù)項(xiàng)的人員與學(xué)習(xí)數(shù)據(jù)。通過顯性分析不難發(fā)現(xiàn)，位置信息與學(xué)習(xí)對(duì)象在使用時(shí)序上有著驚人的關(guān)聯(lián)關(guān)系。對(duì)推薦結(jié)果與原始數(shù)據(jù)的資源使用時(shí)序進(jìn)行仿真比對(duì)，結(jié)果表明，信任度因子有助于提高推薦準(zhǔn)確度。改進(jìn)后的推薦方法匹配程度達(dá)81%，相較于原始推薦算法67%的準(zhǔn)確度，提高了14%。

原始推薦算法與改進(jìn)后的推薦算法區(qū)別在于采信的數(shù)據(jù)范圍。原始推薦算法采信的是全部關(guān)聯(lián)的數(shù)據(jù)；而改進(jìn)后的推薦算法只采信具有相近地理位置的數(shù)據(jù)，基于位置條件的數(shù)據(jù)過濾，在一定程度上提高了準(zhǔn)確度。然而，這些歷史數(shù)據(jù)的不利因素在于，學(xué)習(xí)過程數(shù)據(jù)是人為參與指導(dǎo)的過程中發(fā)生的，數(shù)據(jù)本身具有很強(qiáng)的時(shí)序性和計(jì)劃性，數(shù)據(jù)過于接近目標(biāo)結(jié)果，使得結(jié)果數(shù)據(jù)匹配提高程度偏高，影響了仿真結(jié)果的準(zhǔn)確性。同時(shí)，由于缺乏其他維度數(shù)據(jù)的支撐，并未全面體現(xiàn)信任度因子的作用結(jié)果。

4 結(jié) 語

個(gè)性化教學(xué)、因材施教一直都是教育界探索與追求的目標(biāo)[6]。目前，基于數(shù)據(jù)挖掘、個(gè)性化推薦技術(shù)的智能化導(dǎo)學(xué)系統(tǒng)有著廣闊的應(yīng)用前景。個(gè)性化導(dǎo)學(xué)模型結(jié)合泛在學(xué)習(xí)新特點(diǎn)，提出改進(jìn)的智能化學(xué)習(xí)方式，為學(xué)習(xí)者在新的學(xué)習(xí)環(huán)境中解決缺乏互動(dòng)交流、有效引導(dǎo)等問題提供了一種方案。個(gè)性化導(dǎo)學(xué)模型對(duì)傳統(tǒng)教學(xué)環(huán)境重新優(yōu)化改造，以用戶數(shù)據(jù)為基石，根據(jù)動(dòng)態(tài)用戶行為和交互信息，快速構(gòu)建智能虛擬學(xué)習(xí)社區(qū)，精確生成個(gè)性化導(dǎo)學(xué)方案，并實(shí)時(shí)更新課程信息。然而，個(gè)性化導(dǎo)學(xué)過程的改進(jìn)并未有效落在實(shí)處，缺乏真實(shí)實(shí)驗(yàn)數(shù)據(jù)和應(yīng)用效果的支撐。在下一步研究中，需要根據(jù)實(shí)際情況對(duì)個(gè)性化導(dǎo)學(xué)模型進(jìn)行開發(fā)與應(yīng)用。同時(shí)根據(jù)反饋結(jié)果，不斷調(diào)整算法模型與各類參數(shù)；根據(jù)大數(shù)據(jù)背景從算法的效率上改進(jìn)個(gè)性化導(dǎo)學(xué)模型，以不斷完善個(gè)性化導(dǎo)學(xué)過程的普適性和高效性。此外，現(xiàn)有泛在學(xué)習(xí)系統(tǒng)中仍存在監(jiān)控、調(diào)節(jié)學(xué)習(xí)過程工具缺乏等問題，仍應(yīng)從學(xué)習(xí)控制和監(jiān)督出發(fā)，探討結(jié)合督學(xué)技術(shù)的系統(tǒng)實(shí)現(xiàn)。