面向農業領域的可重用學習對象模型

潘薇　練霞

摘要：以闡述當前E-learning平臺和知識管理系統的可重用性需求為前提，從模塊粒度、語義描述及知識分類三方面描述了面向農業領域的可重用學習對象模型的設計原則，為實現課件模塊的開發、重用和共享提供支持，構建出一個多層次、多粒度的可重用知識體系，進而成為未來構建面向農業生產的智能知識服務系統的數據基礎。

關鍵詞：農業；學習對象；粒度；語義結構；分類法

中圖分類號：TP311.52；S126 文獻標志碼：A 文章編號：1002-1302（2014）03-0357-03

作為一種可重用、易獲取、適應性強的數字化教學內容構件，學習對象（learning object）正受到國內外教育技術界的日益關注，并已逐漸應用于高校、企事業單位的E-learning平臺和知識管理系統等。學習對象的核心特性是可重用性[1]，其理想狀態是可供不同時間、不同地點的不同使用者出于各種目的而使用。但縱觀當前各類E-learning平臺，學習資源多以課程為單元進行整體設計，課程結構一般由篇或章節構成，在實際使用時缺乏可重用性和靈活性，往往造成網絡教學資源的重復建設。因此，本方案擬結合客戶（某大型農業企業培訓學校）的實際需求[2]，改變傳統的課程加工模式，嘗試采用基于知識模塊的學習對象模型，即按照一定的粒度和方式，將知識分解為內容相對完整的模塊，同時，根據具體的學習和授課需求又可以將這些模塊靈活組裝，針對不同學習者呈現不同的學習路徑和頁面風格，從而構建出一個多層次、多粒度的可重用知識體系（圖1）。

1 研究背景

1.1 學習對象理論

學習對象是結合了面向對象的計算機科學思想和有關教學理論而產生的一種新型計算機輔助教學構件。學習對象較典型的定義是任何具有可重用特性并用來支持學習的數字化資源[3]。根據該定義可知，學習對象可以是一個小程序、動畫、文本塊、視頻流或其他形式，也可以是在技術支持學習的過程中用到的多媒體內容、教學內容、學習圖標、教學軟件及軟件工具，所涉及到的人、組織或事件等。

學習對象的核心特性是可重用性，其實現需要內容設計、技術手段和應用方法3個方面的因素保證[4]。內容設計因素是指一個學習對象應該盡量獨立完成知識點或知識塊的教學目的，無需過多地求助于其他教學資源或學習對象；技術設計因素是指學習對象采用數字化設計，易被搜索獲取到，能夠跨平臺使用，并具有兼容性技術構造；應用方法因素是指學習對象要具有靈活性、適應性，如能夠適應學習者的特征、實現個性化定制、能夠被靈活改制等。

1.2 需求分析

本研究的目標是對客戶現有知識資源進行分析評價，制定基于知識模塊的可重用學習對象模型的設計原則，為實現課件模塊的開發、重用和共享提供基本流程規范和設計層面的支持，從而建立具有獨到競爭優勢的高效在線培訓體系，進而成為未來構建智能知識服務系統的數據基礎。

通過分析結果可知，該農業企業培訓學校知識資源的主要特點表現為：（1）信息量大。從知識的領域范圍來看，涵蓋了農業系統、管理、教育在內的多個領域，是一個跨領域綜合的知識集合。（2）信息的表現形式多。信息形式多種多樣，包括教學及相關輔助資源在內的多種知識資源，如制度、案例、記錄、報告、標準、規范等。（3）信息格式復雜。包括文本、音頻、圖片、PPT等多種格式的信息混雜在一起。（4）信息收集地點分散。信息來源豐富，如教師的課堂錄音、課件PPT、相關管理部門、網絡等。（5）使用信息的用戶不同。用戶類型包括企業普通員工、企業管理部門、普通企業客戶等。每種類型的參與者都有各自的信息需求，需要的信息范圍、側重點都不一樣。（6）資源數量和資源類型不斷擴展，內容不斷變化更新。

根據上述資源特點，可分析得出在該項目中學習對象的應用需求，具體包括：（1）支持微型學習。微型學習是指隨時隨地可能發生的、可持續性地處理碎片化學習內容的學習活動，要求課程學習內容和資源的獲取具有隨意性，課程學習內容具有實效性、可操作性和可再生性。有別于傳統的以1節課為最小粒度的學習對象，學習者可能只需要學習知識體系中一個很小的片段。（2）支持個性化學習。該需求打破了傳統固有的課程結構，學習者可以根據自己的學習起點、學習層次等實際需求，進行跳躍式或查漏補缺式的學習等，同時可以根據實際學習效果自主調整學習策略和學習路徑。（3）支持自主組課。組課的過程是面向特定教學群體的知識重用過程。該需求要求對知識資源的內在邏輯結構進行梳理分類，同時能夠對學習對象的語義結構進行準確描述。

1.3 研究重點

根據上述應用場景得出學習對象的分析流程（圖2）。由圖2可知，在學習對象的分析流程中需要考慮若干問題。其中，設計合理的知識粒度層次、對其語義結構屬性進行準確表達，同時對知識資源進行分類梳理，是本試驗重點研究的關鍵問題。具體研究重點如下：（1）粒度。學習對象的力度大小是決定學習對象重用共享的重要因素。目前對學習對象的粒度缺乏明確規定[5]。粒度劃分過大，重用性會降低；粒度太小，知識體系結構的復雜度會增加；如何根據用戶的實際教學需要，確定適宜的學習對象粒度是大家需要解決的首要問題。（2）描述。應采用最本源的概念形式對學習對象進行簡明清晰的描述，以準確表達學習對象的語義內容，對粒度劃分進行指引，減少加工人員的主觀性偏差，同時為教師組課提供輔助。（3）分類。為了實現學習資源的交換、共享和重用，需要對各類知識資源的邏輯關系、耦合關系進行梳理、整合，建立科學合理的類目體系，以便對資源進行分類組織。

2 模型設計

2.1 學習對象粒度

當一個學習對象規模越大時，它的內容就能越完整，更有利于實現教學目標，所表現出的教學意義也就會越高；但同時，它的靈活性與可重用性卻隨著規模的增大而相應變小。在綜合分析用戶需求及資源特點的基礎上，本項目提出以知識模塊為最小教學單元的多粒度學習對象模型（圖3）。其中，知識模塊是模型中最小粒度層級；章節指若干知識模塊的組合；課時為若干章節組合所得的一節課；課程是具有完整教學意義的多個課時組合；課程體系則指一門完整知識體系的教學結構集合。學習對象各個層次的聚合特性如表1所示。

從表1可以看出，當一個學習對象規模越大時，它所包含的教學信息越多、內容越完整，更有利于實現教學目標，所表現出的教學意義也就會越高；但同時其靈活性隨著粒度的增大而相應變低。

本研究所提出的知識模塊是學習對象模型的基礎與核心。將原始文獻拆分為若干相對獨立的知識模塊，從而使知識點脫離原有的上下文語境，可以單獨使用，也可以與其他模塊組合成章節，在知識的表達和傳遞上更加靈活，具有更強的適應性。

將知識模塊的劃分原則設定為：（1）知識模塊相對獨立。模塊內容應表達單一的知識含義，即與語言中的“語素”含義近似，模塊內容只包含一個單一的知識含義，不存在一個知識模塊中多重表意的現象。（2）知識模塊已是最小知識單元，不能再細分。

2.2 知識模塊描述

根據上述粒度原則可知，知識模塊是最小知識單元，每個模塊都可以從若干角度對某個概念進行說明，大家將這些角度稱為概念的屬性[6]。每一概念的屬性和包含的知識內容就是一個知識模塊，它單獨表意，沒有再細分的必要。有研究表明，當一個知識點的粒度處于不可再拆分狀態時，其內容往往是圍繞著一個特定概念的某種屬性而進行論述的，換句話說，一個概念加一個屬性就可以完整表達一個基本的知識內涵，因此為了實現知識處理的簡單化和關系描述的標準化，可以將每個知識單元的描述概念化，即定義一個2元組：知識模塊=（概念|屬性）。此外，一個知識模塊還有可能同時描述多個概念，對于這種情況則將知識模塊定義為：知識模塊=（概念1，概念2，…，概念N|屬性|概念間關系）（圖4）。

一篇文獻中可能有多個概念，一個概念也可能有多個屬性，概念和屬性之間是“一對多”的關系。可以通過對現有知識資源進行分析，總結出一些通用屬性以作指引。例如，從知識闡述形式的角度可以總結出定義、背景、解釋、分析、比較等屬性；從知識約束內容的角度可以總結出條件、目的、范圍、影響、優缺點等屬性。此外，一般來說，不同類型的文檔都有其通用的層次結構，可以針對資源的不同類型總結其結構屬性。知識模塊的語義描述對用戶的檢索和精確定位、自主組課都至關重要，同時也為原始課程文檔的拆分確定了依據和原則。

2.3 知識資源分類

為了有效地創建、組織和編列學習對象，有必要對各類知識資源的邏輯關系、耦合關系進行梳理、整合，建立科學合理的類目體系[7]。目前常用的線性分類法層次性好，能較好地反映類目之間的邏輯關系；實用方便，既符合手工處理信息的傳統習慣，又便于電子計算機處理信息。但其缺點在于結構彈性較差，分類結構一經確定，不易改動。同時，當分類層次較多時，代碼位數較長、效率較低。分面組配分類法可以較好地解決電子資源分類問題，而且本身建設成本較低，能夠適應資源的變化，揭示細小專深的主題。但是絕對的組配也會帶來類目及其不均勻，臨時組合對標引要求較高的問題。因此，本方案采用半分面組配式分類法，結合線性分類法和分面組配法的優點，在有效控制分類法規模的同時，提高分類體系的適應性和靈活性，降低標引難度。

筆者以《中國農業百科全書》《中圖分類法》等為參考，首先從知識內容的角度切入，以學科脈絡為主要依據，按照信息資源描述的主題內容建立分類主分表，以涵蓋知識資源的全部領域范圍（表2）。

3 總結

本研究提出了一種面向農業領域的可重用學習對象模型，針對當前企業E-learning和知識管理系統中存在的可重用性需求，重點對學習對象的粒度、知識模塊描述、知識資源分類等關鍵問題進行研究，為學習對象最大程度的重用和個性化學習提供支持，為下一步技術平臺開發和應用奠定良好的基礎。

參考文獻：

[1]胡小勇，祝智庭. 可重用學習對象的分類法[J]. 電化教育研究，2003（8）：9-12，17.

[2]李建龍，李 鶴，剛成誠，等. 5S一體化集成技術及其在農業科學中的應用進展[J]. 江蘇農業科學，2010（5）：26-29.

[3]David A W. Connecting learning objects to instructional design theory：a definition，a metaphor，and a taxonomy[EB/OL]. [2013-05-08]. http：//archive2.nmc.org/projects/lo/sap_pa_wiley.shtml.

[4]祝智庭，胡小勇. 學習對象理念的發展歷程[J]. 電化教育研究，2002（9）：14-19.

[5]Reusable Learning-Glossary[EB/OL].（2010-10-08）[2013-05-08]. http：//www.innovativelearning.ca/archive/resources/examples/glossary.htm.

[6]Information mappin[EB/OL]. [2013-05-08]. http：//www.namahn.com/resources/documents/note-IM.pdf.

[7]馬張華. 信息組織[M]. 3版.北京：清華大學出版社，2008：74-130.

[8]陳洪瀾. 論知識分類的十大方式[J]. 科學學研究，2007，25（1）：26-31.