李斌　孫經(jīng)緯

摘要：隨著我國教育信息化進(jìn)程的不斷推進(jìn)，學(xué)習(xí)者獲取學(xué)習(xí)資源的方式逐漸從主動檢索轉(zhuǎn)變?yōu)閷W(xué)習(xí)系統(tǒng)自動推薦。智能化的學(xué)習(xí)內(nèi)容推薦行為極大地提高了用戶獲取個性化資源的效率，但是內(nèi)容推薦在教育領(lǐng)域中的應(yīng)用仍存在著許多方面的不足。該研究分析了推薦系統(tǒng)在教育領(lǐng)域中的應(yīng)用現(xiàn)狀，介紹了主流的推薦算法及其實(shí)現(xiàn)原理，并采用混合推薦模式和不同的推薦策略，設(shè)計(jì)出個性化學(xué)習(xí)資源精準(zhǔn)推薦系統(tǒng)的系統(tǒng)模型，以期助力學(xué)習(xí)者的個性化學(xué)習(xí)。

關(guān)鍵詞：精準(zhǔn)推薦;個性化學(xué)習(xí)資源;推薦算法;教育大數(shù)據(jù)

中圖分類號：TP311? ? ? 文獻(xiàn)標(biāo)識碼：A

文章編號：1009-3044（2020）02-0057-02

1 學(xué)習(xí)資源推薦系統(tǒng)的現(xiàn)狀

1.1 教育領(lǐng)域中缺少高質(zhì)量的資源推薦應(yīng)用

以“淘寶”“今日頭條”等商業(yè)應(yīng)用為代表的個性化內(nèi)容推薦軟件已經(jīng)廣為人知，但是內(nèi)容推薦在教育領(lǐng)域中的發(fā)展與應(yīng)用則顯得相對緩慢。一方面，教育應(yīng)用軟件的設(shè)計(jì)人員對學(xué)習(xí)者獲取學(xué)習(xí)資源方式的認(rèn)識不足，許多學(xué)習(xí)平臺的學(xué)習(xí)資源獲取仍然依靠學(xué)習(xí)者自主檢索和教學(xué)者分發(fā)學(xué)習(xí)材料，教育大數(shù)據(jù)所帶來的技術(shù)優(yōu)勢沒有得到很好地發(fā)揮;另一方面，盈利機(jī)構(gòu)為了搶占市場，往往通過活動推廣等營銷手段吸引用戶。但是，這類內(nèi)容推薦平臺因?yàn)橥扑]功能不成熟、系統(tǒng)設(shè)計(jì)不合理而逐漸被使用者放棄。

1.2 學(xué)習(xí)資源出現(xiàn)“內(nèi)孤島化”現(xiàn)象

教育大數(shù)據(jù)時代，“信息孤島”在一定程度上得到緩解，但是這種現(xiàn)象并沒有得到完全的消除。學(xué)習(xí)資源的“內(nèi)孤島化”現(xiàn)象隨著資源數(shù)量的劇增，反而呈現(xiàn)出加劇的狀況。有學(xué)者認(rèn)為，“內(nèi)孤島化”的實(shí)質(zhì)是信息資源（尤其是邏輯上的）碎片化，化解信息資源的“內(nèi)孤島化”的問題在于信息資源的再整合[1]。目前國內(nèi)的學(xué)習(xí)資源推薦系統(tǒng)，往往過于注重學(xué)習(xí)資源的網(wǎng)絡(luò)化，而忽略了邏輯上相關(guān)的學(xué)習(xí)資源的聯(lián)系建設(shè)。大量的學(xué)習(xí)資源零散地分布在系統(tǒng)平臺里面，導(dǎo)致了在學(xué)習(xí)系統(tǒng)在進(jìn)行個性化資源推薦的過程中，存在內(nèi)在聯(lián)系的學(xué)習(xí)內(nèi)容無法形成合力，學(xué)習(xí)者獲取的資源往往是零散的、碎片化的。

1.3 單一的推薦策略和推薦算法可能使用戶深陷“信息繭房”

基于用戶偏好的推送行為，往往更關(guān)注用戶偏好的內(nèi)容而非用戶實(shí)際所需要的內(nèi)容。凱斯·桑斯坦在《信息烏托邦：眾人如何生產(chǎn)知識》中提出“信息繭房”的概念，指的是“信息傳播中，因公眾自身的信息需求并非全方位的，公眾只注意自己選擇的東西和使自己愉悅的通訊領(lǐng)域，久而久之，會將自身桎梏于像蠶繭一般的‘繭房里”[2]。以內(nèi)容推薦算法為代表的推送方法，雖然可以實(shí)現(xiàn)用戶偏好內(nèi)容的推薦，但是無法確保用戶獲取到的內(nèi)容是否對其個性化學(xué)習(xí)具有積極的作用。同時，推薦系統(tǒng)在采用單一推薦策略的情況下，一旦缺乏了教學(xué)者的監(jiān)管，學(xué)習(xí)者只關(guān)注于自身偏好的學(xué)習(xí)內(nèi)容，用戶的學(xué)習(xí)路線越走越偏，這樣“不精準(zhǔn)”的推薦行為對學(xué)習(xí)者有害而無益。

2 推薦算法實(shí)現(xiàn)原理及比較

目前，在內(nèi)容推薦平臺應(yīng)用模型比較成熟的推薦算法有基于內(nèi)容推薦算法、基于用戶的協(xié)同過濾算法和基于關(guān)聯(lián)規(guī)則的推薦算法。三種推薦算法在內(nèi)容推薦系統(tǒng)中的實(shí)現(xiàn)原理各有不同，我們應(yīng)該根據(jù)情況來進(jìn)行選擇和使用。

基于內(nèi)容推薦算法，是指推薦系統(tǒng)根據(jù)學(xué)習(xí)者的瀏覽記錄和資源使用記錄等用戶行為數(shù)據(jù)，計(jì)算出學(xué)習(xí)者的資源使用偏好，并優(yōu)先向?qū)W習(xí)者推薦符合其資源偏好特征的學(xué)習(xí)內(nèi)容。

基于用戶的協(xié)同過濾推薦算法，是指推薦系統(tǒng)把興趣偏好相類似的用戶劃分到同一群體里面，當(dāng)某一學(xué)習(xí)者屬于該群體中的成員時，推薦系統(tǒng)會向該學(xué)習(xí)者推薦群體中其他用戶偏好的并且該學(xué)習(xí)者沒有使用過的學(xué)習(xí)資源。

基于關(guān)聯(lián)規(guī)則推薦算法，該算法來源于美國沃爾瑪超市的“啤酒和尿布”案例，意指表面上沒有關(guān)聯(lián)的兩種物品，在背后存在著隱藏的相關(guān)性。在學(xué)習(xí)資源推薦系統(tǒng)里面，不同的用戶頻繁地使用了兩種看似無相關(guān)的學(xué)習(xí)內(nèi)容，那么這兩種學(xué)習(xí)資源之間具有潛在的關(guān)聯(lián)規(guī)則，推薦系統(tǒng)根據(jù)一定的關(guān)聯(lián)規(guī)則將頻繁集項(xiàng)（或頻繁同時出現(xiàn)在使用列表中）的學(xué)習(xí)資源推薦給學(xué)習(xí)者。

在實(shí)際應(yīng)用當(dāng)中，單一的推薦算法往往無法實(shí)現(xiàn)學(xué)習(xí)內(nèi)容的全面的、精準(zhǔn)的推送，所以無論是商業(yè)領(lǐng)域還是教育領(lǐng)域，往往采用多種推薦算法結(jié)合的混合推送。精準(zhǔn)在于算法，看似表現(xiàn)“非凡”的算法實(shí)際還不夠“聰明”，目前完善的辦法是多種算法組合，關(guān)聯(lián)更大數(shù)據(jù)[3]。不同的推薦算法之間存在差異，本文中介紹的三種推薦算法的比較，如下表1所示：

3 個性化學(xué)習(xí)資源精準(zhǔn)推送系統(tǒng)設(shè)計(jì)

個性化學(xué)習(xí)資源精準(zhǔn)推薦的實(shí)現(xiàn)，離不開多種推薦算法的合力，同時也離不開學(xué)習(xí)者操作行為數(shù)據(jù)的支撐。在軟件工程領(lǐng)域，程序常常被認(rèn)為是數(shù)據(jù)結(jié)構(gòu)和算法的有機(jī)結(jié)合。同樣地，一個精準(zhǔn)的學(xué)習(xí)資源推薦系統(tǒng)，對學(xué)習(xí)者產(chǎn)生的操作為行數(shù)據(jù)的處理和應(yīng)用，以及對推薦算法的選擇至關(guān)重要。

本研究以微信小程序平臺為依托，在充分發(fā)揮微信平臺“用戶群體龐大”“用戶活躍度高”等優(yōu)勢的同時，通過采用混合推薦的方法和不同推薦策略的結(jié)合，設(shè)計(jì)出基于數(shù)據(jù)驅(qū)動的個性化學(xué)習(xí)資源精準(zhǔn)推送系統(tǒng)模型，詳細(xì)的推薦系統(tǒng)模型如圖1所示：

從系統(tǒng)架構(gòu)的角度來看，該系統(tǒng)可以分為表現(xiàn)層、業(yè)務(wù)邏輯層和數(shù)據(jù)訪問層。在表現(xiàn)層中，主要負(fù)責(zé)的是向用戶呈現(xiàn)推薦學(xué)習(xí)資源推薦系統(tǒng)（微信小程序）的交互界面，如提供用戶授權(quán)登錄、用戶數(shù)據(jù)的輸入、學(xué)習(xí)資源的使用等界面;而業(yè)務(wù)邏輯層主要處理數(shù)據(jù)訪問層和表現(xiàn)層之間的邏輯，它包括了學(xué)習(xí)行為數(shù)據(jù)的采集、學(xué)習(xí)行為分析以及學(xué)習(xí)資源的推薦;數(shù)據(jù)訪問層主要負(fù)責(zé)存儲數(shù)據(jù)，它包括了用戶的基本數(shù)據(jù)存儲、學(xué)習(xí)資源存儲以及學(xué)習(xí)行為記錄存儲等方面。

從推薦算法的角度來看，該系統(tǒng)采用基于內(nèi)容的推薦、基于用戶的協(xié)同過濾推薦和基于關(guān)聯(lián)規(guī)則推薦三種推薦算法混合推薦。一方面，多種推薦算法的組合使用既能解決用戶協(xié)同過濾算法的“冷啟動”問題，同時還能有效地減少學(xué)習(xí)者在使用學(xué)習(xí)資源的過程中對偏好資源的依賴。推薦系統(tǒng)向用戶推薦的資源不僅僅有學(xué)習(xí)者偏好的，同時也有學(xué)習(xí)者“不是十分偏好的，有助于學(xué)習(xí)者進(jìn)步的”學(xué)習(xí)資源，從而避免學(xué)習(xí)者深陷“信息繭房”之中;另一方面，不同推薦算法有各自的優(yōu)勢和劣勢，通過多種推薦算法進(jìn)行恰當(dāng)?shù)恼希瓤梢允沟脤W(xué)習(xí)資源推薦方式的靈活多樣，同時也確保了用戶能夠得到更加全面的學(xué)習(xí)內(nèi)容。兼顧了學(xué)習(xí)者對學(xué)習(xí)資源的“用戶偏好”和“切實(shí)需求”兩大方面，極大地提升了資源推薦系統(tǒng)的精準(zhǔn)性。

從推薦策略的角度來看，該系統(tǒng)包括了推薦系統(tǒng)自動推薦、教師引導(dǎo)推薦和學(xué)習(xí)者個體定制三種推薦策略。其中學(xué)習(xí)者個體定制策略的個性化學(xué)習(xí)程度最高，推薦系統(tǒng)自動推薦的個性化學(xué)習(xí)程度較高，教師引導(dǎo)推薦的個性化學(xué)習(xí)程度中等[4]。教師根據(jù)不同學(xué)習(xí)者自身的學(xué)習(xí)情況，向?qū)W習(xí)者推薦相關(guān)的學(xué)習(xí)資源，有利于發(fā)揮教師的監(jiān)督作用和引導(dǎo)作用;推薦系統(tǒng)根據(jù)學(xué)習(xí)者對學(xué)習(xí)資源的使用情況，包括學(xué)習(xí)者對資源的類型偏好、學(xué)習(xí)者對章節(jié)知識點(diǎn)的掌握情況，為學(xué)習(xí)者提供“用戶偏好”的和“確切需要”的學(xué)習(xí)內(nèi)容;在學(xué)習(xí)者個體定制策略方面，推薦系統(tǒng)提供了不同的標(biāo)簽，用戶可以對自己感興趣的標(biāo)簽進(jìn)行訂閱操作，推薦系統(tǒng)會根據(jù)學(xué)習(xí)者的訂閱情況向其推薦訂閱標(biāo)簽相關(guān)聯(lián)的學(xué)習(xí)內(nèi)容。

個性化學(xué)習(xí)資源精準(zhǔn)推薦系統(tǒng)的功能實(shí)現(xiàn)，需要推薦算法、推薦策略、用戶特征數(shù)據(jù)庫和學(xué)習(xí)資源數(shù)據(jù)庫等組成要素的有機(jī)結(jié)合。學(xué)習(xí)者通過使用推薦系統(tǒng)，在授權(quán)登錄和用戶注冊的過程中生產(chǎn)了最原始的用戶特征數(shù)據(jù)，隨著用戶數(shù)量的增加和用戶使用推薦系統(tǒng)時長的累積，用戶特征數(shù)據(jù)庫變得越來越完善。推薦系統(tǒng)既可以根據(jù)學(xué)習(xí)者對資源的“收藏”“頻繁使用”等行為數(shù)據(jù)向?qū)W習(xí)者推薦“偏好資源”，也可以根據(jù)相類似的學(xué)習(xí)者群體通過用戶協(xié)同過濾的方法為學(xué)習(xí)者提供學(xué)習(xí)資源，還可以根據(jù)學(xué)習(xí)者的錯題情況及時地向?qū)W習(xí)者推薦補(bǔ)救性學(xué)習(xí)資源。在推薦方式多樣化、推薦內(nèi)容精準(zhǔn)化的系統(tǒng)中，教師充當(dāng)引導(dǎo)者和學(xué)習(xí)資源的建設(shè)者的角色，以學(xué)習(xí)者為中心的個性化學(xué)習(xí)得到強(qiáng)有力的支持，有效地促進(jìn)了學(xué)習(xí)者的個性化學(xué)習(xí)。

4 結(jié)束語

本研究分析了學(xué)習(xí)資源系統(tǒng)的應(yīng)用現(xiàn)狀，總結(jié)了內(nèi)容推薦系統(tǒng)應(yīng)用于教育領(lǐng)域中存在的不足，并系統(tǒng)介紹了三種主流的推薦算法以及它們的優(yōu)勢和劣勢。通過采用混合推薦的方法，結(jié)合不同的推薦策略，設(shè)計(jì)出基于數(shù)據(jù)驅(qū)動的個性化學(xué)習(xí)資源精準(zhǔn)推薦系統(tǒng)。通過實(shí)現(xiàn)學(xué)習(xí)資源的“個性化”“精準(zhǔn)化”推薦，促進(jìn)學(xué)習(xí)者的個性化學(xué)習(xí)。

參考文獻(xiàn)：

[1] 趙慧，劉君.以用戶為中心的信息構(gòu)建與網(wǎng)絡(luò)治理——信息構(gòu)建理論視野下的政府網(wǎng)站信息資源“去孤島化”研究[J].公共管理學(xué)報(bào)，2013（1）：128-134.

[2] 梁鋒.信息繭房[J].新聞前哨，2013（1）：87.

[3] 張揮，鄒宇松.信息推送教育應(yīng)用探析[J].中國教育信息化，2019（10）：94-96.

[4] 孫眾.駱力明，等.數(shù)字教材中個性化學(xué)習(xí)資源的推送策略與技術(shù)實(shí)現(xiàn)[J].電化教育研究，2014，35（9）：64-70.

【通聯(lián)編輯：光文玲】