面向學習者特征——行為數據融合的協同學習系統框架設計

【摘要】文章將個性化學習和協同學習的教育理念結合起來，提出了一個基于數據融合技術的協同學習系統框架，以解決協同學習中個體學習目標往往得不到實現的問題。

【關鍵詞】協同學習；個性化學習；學習者特征；學習者行為；學習系統

【中圖分類號】G40-57 【文獻標識碼】B 【論文編號】1009—8097 (2008) 09—0086—03

引言

學習理論和信息技術的不斷發展，促成了協同學習理論和技術的出現。文獻[1]針對計算機支持的協同學習（CSCL） 與個體學習存在的問題，提出了個性化協同學習環境（ICLE）的概念。個性化實際上是針對協同學習過程中，往往存在為了滿足協同目標的達成而犧牲個體目標的問題而提出的，個性化技術是目前信息檢索和信息系統集成的研究熱點。協同學習以系統協同思想和知識管理為基礎，適應知識與技術的發展， 對傳統學習理論進行了拓展。[2]

一 協同學習系統工作模式

協同學習技術是為了解決在異構分布式環境下存在大量重復開發的學習系統可移植性和可擴展性差的問題而產生的集成化技術，協同學習技術以知識可視化技術、計算機支持的協同學習技術、智能代理技術和模式識別技術為支撐。 從單個系統的功能來看，不能滿足學習者學習需求，更不能很好地體現協同學習的優勢。顯而易見，多個學習系統協同為學習者提供服務是解決目前系統健壯性和可移植性問題的首選方案。但是，多個系統協同工作帶來的問題也很多，例如：來源于多個系統的學習者特征信息如何規約和抽取，并形成統一的學習者模型庫；多個系統之間如何達成有效的通信機制；如何根據學習者行為的動態變化，維護和更新用戶模式庫并動態集成學習資源；如何建立統一的學習資源視圖，使學習者通過學習資源門戶輕松進入協同學習系統，并在系統智能導航下完成學習，以獲得成就動機等等。面對諸多需要解決的理論和技術層面的問題，本文認為實現協同學習個性化的關鍵在于建立在學習者特征和行為的信息融合基礎之上的學習者模型構建和重用。我們可以把協同學習系統理解為：在系統協同思想指導下的一種計算機支持的協作學習系統。該系統并不開發學習資源和功能化模塊，而是在底層異構分布式學習系統的基礎上，設計和開發一個統一資源視圖為基礎的學習門戶，學習者或學習者群（群體學習者）進入學習門戶后，通過統一資源視圖調用分布式學習資源，其實質是多源學習系統協作工作為學習者學習提供服務，并在個性化技術支持下完成個體學習目標，下圖表示獨立學習者或群體學習者通過協同學習系統學習的過程。

1 協同學習門戶：完成學習者注冊、認知需求發送、學習資源表示和學習效果呈現等功能。

2 協同化中間件：包括分布式學習系統的集成、各系統學習資源調度和包裝、學習資源統一視圖等重要構件。其中，分布式系統的異構帶來的通信障礙是解決學習系統集成的關鍵問題；如何將分布在各獨立學習系統中的知識進行標識和重構則是學習資源調度層需要解決的關鍵問題；在統一資源視圖層，學習者通過學習門戶的交互式操作，即可選擇不同的學習模塊，完成學習目標。

如圖1所示的學習過程克服了CSCL中個體學習目標和協同學習目標沖突的問題，同時降低了系統開發成本、使多個獨立學習系統的資源和功能可重用，大大降低了學習系統開發的成本，提高了系統協同工作的能力。

二 面向學習者特征——行為數據融合的協同學習系統個性化方法

1 數據融合（Data Fution）及其方法

（1） 數據融合及其層次

數據融合是一個多級、多層面的數據處理過程，主要完成對來自多個信息源的數據進行自動監測、關聯、相關、估計及組合等處理。[3]數據融合的研究起源于19世紀70年代聲納信息融合的研究，后來在軍事領域得到廣泛深入的研究，并在各發達國家的軍事系統中起著很重要的作用。隨著研究與應用的增加，其研究與應用早已擴展到各個領域之中，如交通管制、醫療診斷、機器人導航、安全控制等領域。[4]數據融合按信息抽象程度可分為3個從低到高的層次，主要有數據級融合、特征級融合和決策級融合。

（2） 數據融合的方法

數據融合是一種數據綜合和處理技術，是許多傳統學科和新技術的繼承和應用，如通信、模式識別、不確定性理論、信號處理、估計理論、最優化技術、計算機科學、人工智能和神經網絡等。數據融合方法主要分為3大類。

● 直接對數據源操作。如加權平均、神經元網絡等。

● 利用對像的統計特性和概率模型進行操作。如卡爾曼濾波、貝葉斯估計、多貝葉斯估計、統計決策理論等。

● 基于規則推理的方法。 如模糊推理、證據推理、產生式規則等。

2 面向學習者特征-行為數據融合的協同學習系統個性化方法

協同學習技術的關鍵在于解決系統和模型的互操作問題，其中web服務技術很好地解決了異構系統的透明訪問問題，模型互操作是目前的亟需解決的問題。大多數研究采取的方法是利用本體技術，對已有系統學習者模型進行規約和融合，形成學習者模型庫并重用學習者模型，從而實現協同學習的個性化。[2，5]本文采用數據融合技術來解決模型互操作的問題，相對而言，數據融合技術的仿生特性更符合學習過程中學習者對信息進行內化和順應的過程。本文中將學習者特征規定為學習者風格，這類數據可有學習者在進入系統時注冊信息中抽?。粚W習者行為則是對學習者學習過程的跟蹤和記錄，在電子商務領域，已存在大量對用戶行為的研究。[6-8]文獻[9]采用C/S架構實現了課件學習過程的跟蹤，用來實現對參加遠程學習的用戶進行過程性評價。其中客戶端軟件是一個能夠播放光盤、網絡課件， 能夠對學員光盤、網絡課件學習的過程進行記錄跟蹤并能將學習記錄與服務器同步的IE內核瀏覽器，服務器端接收并存儲客戶端上傳的有效的學習過程跟蹤記錄， 并將學習記錄與客戶端和LMS遠程教育平臺同步。服務器端采用了MIF（Education Management Information System Interoperability Framework，教育管理信息系統互操作框架）規范。本文在其基礎上擴展了學習者特征信息的融合，并將其用來形成學習者模型庫，從而實現多個學習系統用戶模型的重用，學習行為與學習特征數據融合中間件框架如圖2所示：

● 從現有分布式學習系統和個性化學習門戶兩個方向收集學習者特征數據和行為數據，通過學習者特征庫和學習者行為庫的數據融合形成用戶模型庫，用戶模型庫可更新和重用。

● 融合數據需同步到各分布式學習系統，用來向學習者提供個性化服務。

三 面向學習者特征-行為信息融合的協同學習系統框架

學習者特征和行為數據融合的目的是形成能被重用的學習者模型，從而使分布式學習系統更好地為學習者提供協同化的個性化服務。本文提出的協同化中間件和數據融合中間件中各單元的數據接口和通信機制由于篇幅所限，將另文詳述。本文最后提出一個面向學習者特征-行為信息融合的協同學習系統框架，該框架將協同化中間件和數據融合中間件結合起來，將分布式系統系統工作技術與個性化技術結合起來，用以完成協同學習個性化的教育理念?？蚣苋鐖D3所示。

從圖3可以看出：

第一，學習者可以從個性化協同學習門戶或者分布式學習系統完成學習；個性化協同學習門戶類似一個聯邦體的Agent；

第二，學習者若通過個性化學習門戶完成學習，則首先向統一資源視圖提出服務請求，然后由統一資源視圖向學習系統包裝層發送資源需求信息，學習系統包裝層則向分布式學習系統搜索相關學習資源，并將其標記、地址等信息一并發送至學習資源調度層，學習資源調度曾則發送相關信息到統一資源視圖層，學習者則通過門戶訪問到這些來自分布式學習系統的學習資源，并完成與這些學習資源的交互及其他學習者的交互。這里的統一資源視圖與SOA架構中的服務注冊中心的功能相似；

第三，學習者在注冊、學習過程的各種信息通過數據融合中間件的抽取、處理、同步，使該系統能夠更好地體現個性化學習，學習者模型的重用及其更新，是該系統開發的關鍵和難點；

第四，該系統的特點是將協同學習技術及個性化技術結合起來，同是系統本身并不參與學習資源的開發和學習內容的建設，這些資源和功能均在底層的分布式系統之中。

參考文獻

[1] 祝智庭等.協同學習-面向知識時代的學習技術系統框架[J].中國電化教育，2006，(4):5-9.

[2] 劉均等.個性化協同學習環境本體的研究[J].西安交通大學學報，2003，(2):184-187.

[3] 熊凌，張凱.數據融合及其應用[J].浙江工業大學學報， 2005，(6):145-147.

[4] 劉云生，彭建平.信息融合的研究[J].計算機工程與應用， 2005，(3):181-183.

[5] 王真星等.基于本體的協同知識交流模型[J].計算機工程， 2007，(1):1-3.

[6] 傅關友，朱征宇.個性化服務中基于行為分析的用戶興趣建模[J].計算機工程與科學，2005，(12):76-78.

[7] 胡亞慧等.關于提取Web 用戶瀏覽行為特征的研究[J].計算機工程與設計，2006，(9):3416-3418.

[8] 王亞飛，沈連婠.學習者行為追蹤系統的架構與實現[J].現代遠程教育研究，2006，(6):18-20.

[9] 肖勇等.課件學習過程跟蹤系統的設計與實現[J].遠程教育雜志，2007，(3):62-65.