學習元構建新的資源組織模式

文/李山

知識發展越快，個體就越不可能占有所有的知識。通過挖掘隱藏在學習者學習活動中的隱形學習資源和人際關系保持信息來源管道比信息資源本身更重要。“學習元”移動學習平臺對隱形知識的深層挖掘、學習資源情境性適應、知識可視化等做出了重要探索。

目前，國外的移動學習平臺已開始探索基于情境認知的平臺構建。例如Upside平臺，不僅為學習者提供微課程、移動視頻和游戲、學習活動，還提供了增強現實功能，通過地理定位和場景信息處理提供即時幫助和支持，提供了一種基于情境認知的學習范式。不過受限于技術的發展，這項功能還不是很完善。GGULIVRR項目是泛在學習下基于交互式虛擬和真實現實的通用游戲項目，目標是給學習共同體提供一個能夠生成和操作移動情境游戲的框架，在此框架內培養并提高二十一世紀技能。GGULIVR項目組利用Web2.0技術、智能化標記、二維碼技術、無線通信技術如無線射頻識別、近距離通信等，開發虛擬技術與現實實物相結合的泛在學習環境下的移動教育游戲。移動教育游戲通過在物理實體上貼上近場通訊標簽或快速響應標簽等智能標記，物理實體與數字世界相融合，使得真實的環境成為游戲的一個本質要素。這樣就把豐富的學習內容轉變為豐富的學習情境。由于GGULIVRR游戲需要跨領域、跨階層和跨文化的交流和協作才能得以完成，因此在游戲過程中也促進了參與者的認知建構和社會建構。

基于學習元的移動學習平臺

余勝泉教授于2009年提出了泛在學習環境中的學習資源設計——“學習元”的理念及構想并且其研究團隊設計和實現了學習元的運行環境。學習元是適合泛在學習環境與非正式學習的一種新型學習資源組織方式，是對未來泛在學習環境中下一代學習技術規范的初步探索。“學習元”理念認為泛在學習是共享和構建個體認知網絡和社會認知網絡的過程，個人的知識組成了內部的認知網絡，無縫學習空間中的資源與其他學習者構成社會認知網絡，學習者在與知識交互過程中，完善和改進自己的個人認知網絡，同時也構成社會認知網絡的一部分，從而與他人一起分享和構建了社會認知網絡。

基于“學習元”理念的移動學習平臺強調在真實情境中個人認知網絡和社會認知網絡的構建，并基于人際網絡庫和知識網絡庫，通過內容包裝、服務改編、資源推薦等為學習者提供最佳學習體驗以及更具針對性的資源。

語義網被認為是下一代互聯網的關鍵技術和基礎體系結構，是使互聯網從“數據網絡”發展成“知識網絡”的關鍵。本體技術是語義網絡的核心內容之一，一般用來對概念或知識進行形式化的表述，使得它們更便于被機器理解并進行進一步的自動化處理，并有助于這些概念和知識在不同的領域和人群中達成共同理解。

借助語義Web和本體技術來組織學習資源，能夠靈活、精確的表達資源的屬性，便于學習者對資源的檢索、歸類，可以極大地提高檢索的查全率和準確度，更容易被自動化的數據挖掘工具發現和集成，有助于實現泛在學習環境下分布式資源靈活的共享、聯結和重用，同時具備良好的擴展性，并且能作為智能的資源檢索和推送的基礎，大大地增強學習系統的適應性和針對用戶的個性化服務能力。正在研究的學習元平臺中，使用了基于語義Web的本體技術來組織學習元中的各類學習資源。設計了一個可擴展的學科知識本體模型，用于表達學習元中的學習資源的內在邏輯聯系。這個語義元數據模型的關鍵，是要能表達不同類型的學習資源可能包含的共同語義。針對同一個主題，可能存在不同呈現形式、表達方法和媒體類型的學習資源，但是從中抽象出的內在學科知識結構是相對穩定的，利用本體來表征學習資源中包含的知識結構，就有效地表征了學習資源所包含的與學習相關的語義信息。這個學科知識的本體模型默認包含最基本的知識類型，以及基本的知識屬性和關系。在此基礎上，參與資源建設的用戶可以通過填充這些屬性和關系，生成各種知識類型的實例；或者擴展新的知識類型和屬性，提供更為豐富的語義表達，最終形成一個與主題相關的、高度內聚的知識網絡。各種不同類型的學習資源通過這種基于知識本體的動態元數據描述方式實現有機的聚合，形成具備更加豐富的邏輯層次和關聯的整體，而不是一個簡單的樹狀結構；同時，利用知識本體蘊含的邏輯關系，可以進行一定程度的邏輯推理和運算，實現對學習資源更智能化的檢索和符合學習者情境化、個性化需要的適應性資源推送，以及多路徑的可視化知識導航。

圖2 “學習元”知識群界面圖

圖3 “學習元”具體知識群界面圖

圖 1 學習資源的適應性推薦

學習元的情境化資源構建

學習元是一種特殊的結構化資源，它不僅包括學習內容，還包括學習活動、人際資源等，故向用戶推薦個性化的學習元也就是將個性化的學習內容、學習活動和人際資源同時推薦給了用戶，利于用戶在學習所需知識的同時通過參與相應的活動進而加深對知識的了解，通過與相關用戶的交互消除學習時的孤獨感，吸取他人經驗，促進社會性學習。此外，泛在學習環境下，用戶可以使用各種學習設備進行無所不在的學習。由于設備物理特征的差異，資源推薦時還需要考慮同一份資源在不同設備上的自適應呈現問題。LCS中學習資源適應性推薦的技術框架如圖 1所示。

學習元平臺中情境化、適應性推薦的整體思路是：首先，從用戶興趣、已有知識和學習偏好三個角度出發，從學習元庫中獲得對應的推薦結果作為推薦資源候選集；然后，結合情境模型中的時間、地點、設備等情境信息，過濾一部分不合適的資源集，比如iPad無法播放Flash課件，則自動將包含Flash的學習元過濾掉；接著，利用綜合聚類算法，將推薦資源候選集進行歸類、篩選，得到最符合用戶需求的推薦結果列表；最后，根據情境模型中的設備特征信息，通過資源格式轉換代理，在用戶使用的各種終端設備上適應性呈現資源。

用戶模型和情境模型是上述技術框架的核心部分。其中，用戶模型由興趣模型、知識模型和學習偏好模式組成。基于興趣的資源過濾，主要通過計算用戶之間的興趣相似度，將興趣高度相似用戶群體間收藏、訂閱和頻繁訪問的資源作為推薦對象。基于知識模型的資源過濾，主要通過對用戶的學習行為和結果進行評價分析，結合學科知識本體，識別用戶的知識結構缺陷，進而推薦那些能夠促進用戶知識結構完善的資源。基于學習偏好的資源過濾，主要結合用戶的學習風格自動篩選符合用戶偏好的學習資源。情境模型由時間、地點和設備三類信息組成，時間信息通過讀取服務器的系統時間獲得，地理位置信息通過讀取GPS數據獲得，設備信息通過調用系統相關API直接獲取。

泛在學習核心特征是學習的情境性，能夠根據不同的學習情境提供不同的學習服務，即利用智能學習設備感知用戶需求，根據用戶現場需求提供最適合的學習形式與學習服務，使學習與當前情境高度相關。基于學習元的移動學習平臺以用戶真實的情境問題為核心來組織用戶請求信息，不同用戶在不同場景下訪問同一資源時得到的內容不同。學習內容不再是簡單地存儲在資源服務器上，而是存儲在具有較強語義關聯、具有較強連通性的教育云節點中；學習內容不再是固化的、靜態的形式，而是基于情境的資源的重新組織。

知識發展越快，個體就越不可能占有所有的知識。通過挖掘隱藏在學習者學習活動中的隱形學習資源和人際關系保持信息來源管道比信息資源本身更重要。“學習元”移動學習平臺對隱形知識的深層挖掘、學習資源情境性適應、知識可視化等做出了重要探索。