文/倪居 李勇

教學(xué)資源庫(kù)建設(shè)是學(xué)?！叭斯ぶ悄?教育”應(yīng)用的核心，是信息技術(shù)與課程整合的關(guān)鍵，因此，必須加快資源庫(kù)建設(shè)，讓學(xué)生能在開(kāi)放的網(wǎng)絡(luò)教學(xué)環(huán)境中獲取更多的網(wǎng)絡(luò)教學(xué)資源，提高教學(xué)效果，從而為今后的就業(yè)創(chuàng)業(yè)奠定堅(jiān)實(shí)的基礎(chǔ)。

一、當(dāng)前教學(xué)資源庫(kù)存在的問(wèn)題

當(dāng)前我國(guó)教育信息化程度不斷增強(qiáng)，參與教學(xué)資源庫(kù)建設(shè)的學(xué)校和機(jī)構(gòu)越來(lái)越多，教學(xué)資源庫(kù)中包含了豐富的教育教學(xué)資源，但是這些資源并不是完全開(kāi)放共享的，有些資源僅供校內(nèi)師生使用，有些資源僅供會(huì)員免費(fèi)使用，還有些資源需要付費(fèi)才能使用，教學(xué)資源庫(kù)存在著不能有效利用和難以統(tǒng)籌管理的問(wèn)題，阻礙了資源庫(kù)的進(jìn)一步發(fā)展。

（一）不同的技術(shù)平臺(tái)導(dǎo)致資源共享困難

支撐資源庫(kù)的平臺(tái)種類繁多，這些平臺(tái)采用不同的技術(shù)標(biāo)準(zhǔn)進(jìn)行建設(shè)，但是，資源格式和存儲(chǔ)方式的不統(tǒng)一，會(huì)導(dǎo)致不同資源庫(kù)之間難以共享。

（二）資源缺乏及時(shí)維護(hù)導(dǎo)致不能及時(shí)更新

資源庫(kù)建設(shè)周期長(zhǎng)，難度大，需投入大量的人力成本，并且建成以后缺乏及時(shí)有效的維護(hù)，使資源難以隨著教學(xué)知識(shí)的發(fā)展及時(shí)更新，導(dǎo)致教學(xué)資源缺乏動(dòng)態(tài)性和可移植性。

（三）技術(shù)平臺(tái)的智慧化程度不高導(dǎo)致資源無(wú)法有效利用

現(xiàn)有的平臺(tái)只能滿足簡(jiǎn)單的檢索，用戶無(wú)法從大量的資源中快速檢索到對(duì)自己切實(shí)有用的資源，因此，網(wǎng)絡(luò)學(xué)習(xí)者容易被大量的資源迷惑。資源庫(kù)信息的過(guò)載常常導(dǎo)致訪問(wèn)者陷于信息迷航[1]，另外平臺(tái)不能主動(dòng)地分析學(xué)習(xí)者的學(xué)習(xí)行為和學(xué)習(xí)需求，不能滿足學(xué)習(xí)者對(duì)學(xué)習(xí)資源多樣化和個(gè)性化的需求。

（四）資源共享理念不夠開(kāi)放

多平臺(tái)之間相互封閉，教學(xué)資源重復(fù)開(kāi)發(fā)，難以實(shí)現(xiàn)共享和開(kāi)放。如果能夠以開(kāi)放和共享的觀念建設(shè)和使用資源，必定能夠推動(dòng)在線教育的快速發(fā)展。

二、基于個(gè)性化推薦技術(shù)的教學(xué)資源自適應(yīng)推送

個(gè)性化推薦系統(tǒng)適用的業(yè)務(wù)范圍非常廣泛，如電子商務(wù)網(wǎng)站、搜索引擎、線上服務(wù)、線上交易等，可以說(shuō)只要存在信息過(guò)載的問(wèn)題，個(gè)性化推薦技術(shù)都可以進(jìn)行解決[2]。因此，在學(xué)習(xí)者使用教學(xué)資源庫(kù)時(shí)，如果能根據(jù)學(xué)習(xí)者的個(gè)性特征精準(zhǔn)推送其所需要的教學(xué)資源，就可以解決學(xué)習(xí)者在面對(duì)海量資源所產(chǎn)生的信息迷航問(wèn)題，提高學(xué)習(xí)者的學(xué)習(xí)效率。

教學(xué)資源庫(kù)要解決的核心問(wèn)題是為學(xué)習(xí)者提供個(gè)性化的教與學(xué)服務(wù)。滿足師、生、校、家的需求，實(shí)現(xiàn)高效互動(dòng)。《新一代人工智能發(fā)展規(guī)劃》中提出要建立以學(xué)習(xí)者為中心的教育環(huán)境，提供精準(zhǔn)推送的教育服務(wù)。所以教學(xué)資源庫(kù)的建設(shè)應(yīng)該能實(shí)現(xiàn)個(gè)性化推薦和自適應(yīng)學(xué)習(xí)的功能。

（一）學(xué)習(xí)者模型構(gòu)建

學(xué)習(xí)者模型的構(gòu)建基于學(xué)習(xí)者特征和教學(xué)資源庫(kù)兩條主線，收集學(xué)習(xí)者的基本信息，學(xué)習(xí)歷史記錄，對(duì)比學(xué)習(xí)者之間需求的差異[3]。采用K-Means聚類算法將學(xué)習(xí)者進(jìn)行分類，將有相同或相似需求的用戶進(jìn)行聚合，從而構(gòu)建學(xué)習(xí)者聚類模型。

（二）資源模型構(gòu)建

資源模型的構(gòu)建基于資源基本特征、標(biāo)簽和用戶對(duì)資源的有效評(píng)價(jià)三個(gè)方面，采用杰卡德相似系數(shù)計(jì)算資源與資源之間的相似度，采用Apriori算法挖掘頻繁項(xiàng)集。將特征相近，相似度高，用戶評(píng)價(jià)好的資源組成候選資源鏈，構(gòu)建資源關(guān)聯(lián)規(guī)則模型。

（三）按照學(xué)習(xí)者需求匹配資源

要想實(shí)現(xiàn)較好的個(gè)性化推薦效果，可以利用人工智能技術(shù)，感知學(xué)習(xí)情境，對(duì)學(xué)習(xí)者進(jìn)行精確定位，按照學(xué)習(xí)者特征構(gòu)建用戶畫像。根據(jù)用戶畫像選擇合適的推薦算法主動(dòng)給用戶推薦能夠滿足他們興趣和需求的資源，形成高效的推薦機(jī)制。

（四）個(gè)性化推薦

為了節(jié)省用戶時(shí)間并幫助用戶快速找到感興趣的資源，利用教學(xué)資源庫(kù)中海量的用戶訪問(wèn)數(shù)據(jù)，研究用戶的興趣偏好，分析用戶的需求和行為，引導(dǎo)用戶發(fā)現(xiàn)需求信息，將相關(guān)資源準(zhǔn)確地推薦給所需用戶，幫助用戶發(fā)現(xiàn)他們感興趣但很難發(fā)現(xiàn)的資源，增強(qiáng)用戶體驗(yàn)效果，增加用戶黏度，從而使用戶與資源庫(kù)之間建立穩(wěn)定的交互關(guān)系，實(shí)現(xiàn)鏈?zhǔn)椒磻?yīng)增值。

在資源庫(kù)使用過(guò)程中，根據(jù)學(xué)習(xí)者聚類模型和資源關(guān)聯(lián)規(guī)則模型建立不同的指標(biāo)評(píng)價(jià)模型的優(yōu)劣。K-Means聚類模型的優(yōu)劣取決于初始聚類中心的選擇，在使用中為了得到較好的結(jié)果，可以選擇不同的初始聚類中心多次運(yùn)行K-Means算法。Apriori算法評(píng)價(jià)指標(biāo)為置信度、支持度和提升度。在資源庫(kù)的使用過(guò)程中進(jìn)行多次計(jì)算，發(fā)現(xiàn)最小支持度、最小置信度下Apriori算法求取的關(guān)聯(lián)規(guī)則數(shù)目適中，能夠得出優(yōu)良結(jié)果，能夠不斷優(yōu)化資源關(guān)聯(lián)規(guī)則模型。

學(xué)習(xí)者聚類模型和資源庫(kù)關(guān)聯(lián)規(guī)則模型均根據(jù)歷史數(shù)據(jù)進(jìn)行建模，隨著時(shí)間的變化，學(xué)習(xí)者信息和資源庫(kù)信息也在發(fā)生變化，因此，建議每個(gè)月運(yùn)行一次模型，確認(rèn)模型的穩(wěn)定性，如果模型穩(wěn)定性不佳，則需要重新訓(xùn)練模型。根據(jù)以往經(jīng)驗(yàn)建議每隔半年訓(xùn)練一次模型。通過(guò)不斷改進(jìn)算法、優(yōu)化模型、完善個(gè)性化推薦機(jī)制，促使資源整合，使教學(xué)資源庫(kù)主動(dòng)服務(wù)于學(xué)習(xí)者，從而構(gòu)建性能優(yōu)良的自適應(yīng)學(xué)習(xí)系統(tǒng)。

三、教學(xué)資源庫(kù)個(gè)性化推薦算法的選擇

推薦系統(tǒng)（Recommender System）是解決信息過(guò)載的有效手段，也是提供個(gè)性化服務(wù)信息的工具。在實(shí)際構(gòu)建推薦系統(tǒng)時(shí)，并不是采用單一的某種推薦算法進(jìn)行推薦，而是結(jié)合多種推薦算法將推薦結(jié)果進(jìn)行組合，最后得出最優(yōu)的推薦結(jié)果。在組合推薦結(jié)果時(shí)，可以采用串行或者并行的方法。

目前最常用的解決方式是挖掘各種推薦算法的優(yōu)點(diǎn)，并將多種推薦算法進(jìn)行整合，這種改進(jìn)算法稱之為混合推薦算法。混合推薦的方式通常有三類：針對(duì)不同的學(xué)習(xí)者使用不同的推薦策略；針對(duì)不同的學(xué)習(xí)資源使用不同的推薦策略；針對(duì)所有學(xué)習(xí)者和所有學(xué)習(xí)資源，使用混合的推薦策略進(jìn)行推薦。

四、結(jié)語(yǔ)

人工智能技術(shù)在教學(xué)資源庫(kù)中的應(yīng)用，不僅使資源庫(kù)能夠?qū)崿F(xiàn)及時(shí)更新，不斷優(yōu)化，提高資源庫(kù)的使用準(zhǔn)確率與效率，而且能夠滿足學(xué)習(xí)者對(duì)于資源更新速度和快速搜索感興趣課程資源的需求，有助于學(xué)習(xí)者從中獲取更多有價(jià)值的學(xué)習(xí)資源，在節(jié)省用戶時(shí)間，改善用戶體驗(yàn)，提升學(xué)習(xí)成就感等方面發(fā)揮著巨大作用。