基于MOOC的學習定制服務模型構建研究 *

李艷紅，趙 波，甘健侯，徐天偉,3

(1.云南師范大學 信息學院，云南 昆明 650500；2.云南師范大學 民族教育信息化教育部重點實驗室，云南 昆明650500；3.華中科技大學 教育科學研究院，湖北 武漢 116024)

基于MOOC的學習定制服務模型構建研究 *

李艷紅1,2，趙 波1，甘健侯2，徐天偉1,3

(1.云南師范大學 信息學院，云南 昆明 650500；2.云南師范大學 民族教育信息化教育部重點實驗室，云南 昆明650500；3.華中科技大學 教育科學研究院，湖北 武漢 116024)

大規模在線網絡課程，是一種面向社會公眾的免費教育形式，對傳統教學模式產生了巨大的沖擊，具有優質教學資源共享的特點。當前流行的MOOCs實際上是基于內容的xMOOCs，只強調對知識的傳播和復制，并沒有很好地為學習者提供高質量、個性化的學習支持服務。該研究依托云南省教師教育聯盟MOOCs平臺，主要從個性化導學服務、學習路徑推薦和學習共同體組建三個方面探究沉浸式、強交互、重體驗的個性化在線學習環境構建，以期實現MOOCs網絡學習方式的最優化。

大規模開放在線課程(MOOCs)；學習定制；學習支持服務；知識地圖；學習Agent

大規模在線網絡課程(Massive Open Online Courses，簡稱MOOCs)，是一種面向社會公眾的免費教育形式，對傳統教學模式產生了巨大的沖擊，具有優質教學資源共享的特點，然而目前流行的MOOCs實際上是基于內容的xMOOCs。xMOOCs以行為主義學習理論為基礎，主要采用教授主義和傳播式教學手段，只強調對知識的傳播與復制，并沒有很好地為學習者提供高質量、個性化的學習支持服務。本研究依托云南省教師教育聯盟MOOCs平臺，從個性化導學服務、學習路徑引導和學習共同體組建三個方面探究沉浸式、強交互、重體驗的個性化在線學習環境的構建，以期實現MOOCs網絡學習方式的最優化。

一、學習定制服務

2014年7月，美國軟件公司Qualtrics和教育技術公司Instructure的研究調查[1]發現：導致MOOCs輟學的兩個主要原因是：(1)學習者個人時間問題；(2)MOOCs的學習體驗沒有達到學習者的預期。許多博客[2]指出通過MOOCs的“資源泛濫”，很難找到一條學習路徑，因為學習者在理解知識點遇到困難時，不能獲得及時的學習支持服務。MOOCs既沒有創造知識社區，也沒有提供學習者與教師交流互動的平臺，這使得MOOCs僅僅像是在進行教材培訓[3]。教學設計者不僅應該抓住MOOCs“大規模”“開放”和“及時反饋”的本質特征，而且需要尊重學習者的個人學習體驗，明確課程的學前要求和定位，結合課程特點設計自適應的教學模式，給學習者提供有效的個性化學習支持服務。基于MOOCs的學習定制服務能夠滿足學習者個性化的學習需求，系統通過：(1)學習者特征分析量表和學習跟蹤Agent獲取學生的特征信息，據此分析學習者的個性化需求，提高學習者的學習興趣；(2)課程知識地圖組織教學內容，定位學習者在知識領域中所處的位置，有利于學習者建立知識聯系。

(一)利用量表進行學習者特征分析

MOOCs的學習效果不僅取決于學習內容資源，而且受到學習者個體特征的影響，教學過程中需要考慮學習者的先前經驗、學習動機、元認知能力、學習風格以及學習者個性特征，當學習環境和過程與學習者的個體特征相匹配時，會實現學習過程的良性互動，并且產生最佳的學習效果。實驗數據表明[4]，關注學習者的學習起點以后，網絡學習效果取得了明顯提升。2014年6月底至7月初，果殼網MOOC學院發起的第二次MOOC中文用戶問卷調研結果顯示[5]，MOOCs學習者的主要學習動機是出于興趣，獲取新知。根據杜克大學《生物電(Bioelectricity)》MOOCs課程統計結果，所有注冊學生大約只有10%獲得課程結業證書[6]，大多數只是次要參與，即潛伏者。學生必須進行時間的自我管理，設定學習目標[7]，并且有持續的學習動機，才能順利地完成MOOCs課程。提供可以預測學習風格的輔助工具和指南可以幫助和支持所有MOOCs的參與者，這種方式可以讓每個學習者自由選擇適合自己的學習資源。當學習過程中遇到困難時，輔助工具和指南可以及時提供解決方案。學習定制服務模型根據所羅門(Barbara A. Soloman)學習風格測試量表和溫斯坦標準化學習策略量表(LASSI)進行學習者特征分析，以此推薦相應的學習模式，實現學習路徑的個性化推薦。

(二)利用信息Agent進行適應性學習內容推送

學習者在學習過程中產生的海量實時學習數據被MOOCs平臺記錄在案，信息Agent通過智能分析(Smart Analytics)，對學習者所產生的大數據中的“隱含意義”進行挖掘。學習信息推送是一種“資源找人”的交互模式，針對不同的學習者，推送相應的學習信息。一般的學習信息推送過程是：學習者在首次登錄學習系統時，進入服務訂閱模式，設置個人需求標簽，服務器根據信息標簽自動推送相關課程信息給用戶系統。現有的方法主要從服務器層次的“用戶—標簽—資源”三者整體關系中挖掘用戶興趣特征，較少從用戶自身出發獲取與用戶直接相關的用戶興趣特征。為了彌補現有基于需求標簽的不足，本模型引進基于Agent信息推送的概念。Agent 是人工智能領域發展起來的一個概念，是指具有感知能力、問題求解能力和與外界進行通訊能力的能持續自主地發揮作用的軟件實體[8]。Agent的學習性使得Agent能夠學習用戶的興趣、愛好，建立用戶興趣模型，從而進一步指導自己的決策。在學習的過程中，系統根據學習跟蹤Agent記錄的學習軌跡分析結果，自動推送相關信息給學習者客戶端。推送信息包括課程、學習資源、學習同伴、學習時間提醒等，其優勢在于信息的相關性、自主性和及時性。

(三)利用知識地圖進行學習定向

經過多年的發展，可汗學院[9]充分認識到如果想成為一個在線的教育機構，而不只是一個為部分學生提供在線學習輔導的機構，課程設計至關重要。為此，可汗學院為學習者建立了“知識地圖”，以幫助學習者確定學習的起點。與此同時，他們還開發了為確定學習起點設計的“前置測驗(Pretest)”。在學習一個知識點之前，學生需要先做幾道作業題，對相關知識掌握情況進行檢測。如果學生遇到了問題，可以看視頻講解，也可以看解答的提示。這樣，當學生看視頻上的知識講解時，就是帶著問題來看的，是在進行積極學習。學習定向是一種有計劃的認知過程，它具有認知、情感和行為的特征。阿姆斯和阿什(Ames,Archer)[10]發現，當教師在課堂上強調個人的提高、努力以及學習的內部動機時，學生將致力于掌握課堂中所呈現的材料以及個人學習上的進步。尼克斯(Nicholls)[11]研究的認為任務卷入(Task-involved)是一種比較積極的學習方式，在任務卷入的課堂活動中，學生將學習活動視為對具體教學材料的掌握，學生的成功與同伴、聰明感和能力感相關。知識地圖提供了任務驅動的學習過程可視化界面，使學習者清晰掌握自身學習進度和學習效果，采用任務驅動和合作學習的策略，實現學生的定向掌握和積極的學習。

二、基于MOOCs的學習定制服務模型構建研究

MOOCs領域需要研究學習者特征和如何改善學習過程體驗，以此為依據調整課程設計，提高MOOCs學習支持服務的質量。雖然這點很重要，但是很少有實證研究使MOOCs開放學習平臺的參與可視化和可測量化[12]。基于MOOCs的學習定制服務模型旨在探究在開放的云南省教師教育聯盟MOOCs學習平臺上根據學習者先前的學習經驗和當前的學習需求，實現個性化的學習路徑引導和課程內容呈現，構建適應性學習環境，實現MOOCs課程的個性化定制。整體模型如下頁圖1所示，初次登錄的學習者需要進行注冊，并且進行學習風格和學習策略測試，學習跟蹤Agent自動記錄測試結果，構造學習者個人動態的貝葉斯學習網絡。信息Agent根據貝葉斯學習網絡信息，提取學習者的個性化特征，推送適應性的課程和學習同伴，然后開始正式的課程學習。課程采用任務式的驅動策略，讓學習者和學習同伴自主地選擇學習任務進行學習，根據每個知識點的學習情況，系統自動生成個人動態課程知識地圖。學習者可以根據知識地圖的標注情況，對課程知識點的掌握情況有一個可視化的清晰了解。本服務模型的技術重點是利用信息Agent提取相關信息，進行課程和學習同伴的有效推送；技術難點是如何形成簡潔可視化的課程知識地圖界面，不需要學習者的手動操作，直接由系統根據學習跟蹤Agent的信息，生成課程知識點掌握情況的可視化界面。

模型的設計主要包括個性化的導學服務、個性化的學習路徑引導和學習共同體組建三個方面的內容：

圖1 基于MOOCs的學習定制服務模型框架圖

(一)個性化的導學服務

系統對首次注冊的學習者進行學習風格和學習策略分析測試，學習定制服務模型系統根據自動生成的測試分析結果，推薦課程學習內容和學習同伴給學習者。學習者和學習同伴共同制定學習計劃，并且按照學習計劃同步完成課程內容。

1.學習風格和學習策略分析測試

學習者在計劃、監控、小組學習、信息加工能力、知覺偏好等方面都存在差異，個性化導學要適應MOOCs學習者的個性差異，就必須了解其個性差異的本質特點。學習風格作為直接參與學習活動且具備穩定性和獨特性的學習者個性心理特征，最直接地體現著網絡學習者的個性差異，從而可以作為個性化導學策略設計的依據[13]。學習風格測試的種類很多，目前信度和效度比較高的是所羅門學習風格測試[14]。CMoodle根據該測試量表和相應的計算方法，在Moodle平臺上開發了自測活動插件，可布置在課程的任何位置。學習定制服務模型對首次注冊MOOCs課程的學生進行所羅門學習風格分析測試，測驗共有44題，獲得學生的四種學習類型：活躍型與沉思型、感悟型與直覺型、視覺型與言語型、序列型與綜合型。教學設計者事先根據每種學習類型，設置不同類型的學習任務。系統根據測試結果，自動推送相應的學習任務給學習者。

學習者學習策略的選擇是否與其認知風格、學習方式相匹配，直接影響到學習的效率。溫斯坦標準化學習策略量表(LASSI)[15]是專門設計用于測查和診斷學生適用學習方法和學習策略能力的一種測評工具。LASSI測驗施測方便，計分迅速，量表結構科學合理，測查問題全面，是目前比較理想的測查和診斷學生學習方法和學習策略的評估工具。量表由76個自我報告項目組成，共分為10個量表：態度(Attitude)、動機(Motivation)、時間管理(Time Management)、焦慮(Anxiety)、專心(Concentration)、信息處理(Information Processing)、選擇要點(Selecting Main Ideas)、學習輔助(Studying Aid)、自我測試(Self-testing)、考試策略(Test Strategies)。測試直接采用國際上的常模，將被試的原始分數轉換為百分數。將LASSI應用于學習定制服務模型，有效地測量了學習者的學習策略，有利于對學習者的學習行為進行深入的研究和評價。

2.課程和學習同伴推送

學習跟蹤Agent[16]根據學生學習痕跡(主要包括學生學習某知識點所用的時間，訪問過的鏈接，知識點測試成績和所用的時間，論壇回答和提問問題等信息)并結合學生學習風格和學習策略測試信息生成貝葉斯學習網絡(Bayesian Learning Network)。貝葉斯理論是處理不確定性信息的重要工具，在處理不確定信息的智能化系統中已成功地應用于醫療診斷、統計決策、專家系統、學習預測等領域。學生在線學習的過程中，貝葉斯學習網絡根據學習跟蹤Agent搜集的信息更新原有網絡。應用貝葉斯技術和貝葉斯動態網絡(Dynamic Bayesian Networks，DBNs)為學習信息Agent提供了形式化的數學框架和處理工具，可以有效解決信息Agent研究領域所遇到的學習行為決策問題，實現了基于MOOCs的學習定制服務模型的課程和學習同伴的智能推送。其推送過程如圖2所示，信息Agent獲取學習者的特征信息以后，生成用戶學習信息推送模型，推送模型調用課程資源數據庫的信息和學習者類型數據庫，進行課程資源的過濾和學習同伴類型的匹配，將適應學習者特征風格和學習策略的課程資源和學習同伴推送給學習者。

圖2 課程和學習同伴智能推送服務模型框架圖

(二)個性化的學習路徑引導

20多年網絡教育實踐中被證明能夠有效保證網上學習效果的教學經驗被很好地總結為MOOCs的基本教學模式，如網上學習輟學率高，因此不能單純靠學生自學，一定要有老師引導授課。但是，基于MOOCs大規模的學習人數，光靠教師的一己之力是力不從心的。在線學習情景提供了良好的交互技術支持和豐富的在線資源，有利于學習者自主學習的發生。學習者原有的知識結構以及學習風格等個性化因素會影響其對在線資源的選擇和活動的意義建構，形成學習者的個性化學習路徑。因此，一定要借助MOOCs系統平臺本身的設計，讓學習者在系統的路徑引導下，進行自主的學習。這樣不僅能讓學習者獲得高效的學習體驗，而且有利于解決MOOCs高輟學率的難題。

1.學習任務驅動

在進行基于MOOCs的教學設計時，必須制定學習激勵策略，引起學生的學習內部動機，才能順化學習過程。研究表明，采用任務驅動式學習策略在網絡學習過程中取得了良好的學習效果[17]。任務驅動式學習策略是通過“任務”來誘發、加強和維持學習者的成就動機。任務是一個由外向內的演化過程，以成就動機的產生為宗旨。系統根據課程知識點要求，按照學習風格和學習策略的測試類型，設計闖關式學習任務供不同類型的學習者進行選擇，使學習過程激發學習者的好奇心。

2.學習路徑引導

學習者對教學內容的選擇并不是隨機的，而是在教學內容相關理論框架基礎上，依據知識點之間的知識網絡關系構成特點，主動選擇意義建構需要的知識點序列進行學習[18]。知識地圖應用于教育領域，不僅能夠幫助教師組織教學內容，而且可以有效地反映課程的學習目標、學科體系、層次關系和關聯關系等，有利于學生定位當前在知識領域中所處的位置，建立知識聯系[19]，如圖3所示。知識地圖提供了任務驅動的學習過程可視化界面，使學習者清晰掌握自身學習進度和學習效果。學習者根據學習任務自主構建個人課程知識地圖學習網絡，將確定的最終知識源建立知識與知識之間的關聯，并與網絡系統進行集成，建立知識鏈接。完成特定學習任務的學習之后，學習者需要完成學習效果自查表，根據課程目標的自查表項可以使學習者明確知識重點和自身的學習效果。

(三)學習共同體組建

相比于網絡公開課，MOOCs的學習者不但有學習的熱情，更有實際的行動。他們喜歡跟隨老師精心準備的學習材料認真學習、愿意花時間與學習同門課程的其他學習者探討課程問題，學習者的緊密互助塑造了課程學習的良好氛圍。學習者對共同體的歸屬感、認同感以及從其他成員身上所得到的尊重感有利于增強學習者對共同體的參與程度，維持他們持續、努力的學習活動。基于MOOCs的學習定制服務模型構建了學習同伴數據庫，用于進行學習同伴推送。在學習同伴數據庫中以學習類型互補為原則，進行學習風格和學習策略的匹配。學習者根據系統推送或者自主搜索的結果，進行雙方自主互選。學習者與學習同伴進行交流與合作，形成合作學習的模式，共同建構知識、分享知識。如圖4所示，學習者、學習同伴、教師和助教形成基于MOOCs平臺的學習共同體，實線箭頭代表強交互，虛線箭頭代表弱交互。傳統的MOOCs網絡學習平臺中，學習者和學習同伴實際上只是通過學習論壇的隨機弱交互，大多數學習者失去了傳統課堂的師生情感交流，常常感覺孤獨無助。在此基礎上，我們突出了學習同伴的作用，信息在圓環內自由地流動，形成一個強交互的整體。

圖3 個性化學習路徑服務模型框架圖

圖4 學習共同體示意圖

當前碎片化的傳播語境弱化了學生深入思維的能力，削弱了學生思維的邏輯性和連貫性[20]。學習共同體通常采取的合作學習的形式是當前很受研究者重視的一種學習形式，雖然形式多樣，但有共同點：學習者和學習同伴開展合作學習，互相幫助，共同學習[21]。Cohen[22]研究發現，合作學習的效果受許多條件的制約：(1)學習任務應該是團體性任務，即學習任務所要求的資源(信息、知識、技能、材料等)，單個學習者不能全部具有，離開與學習同伴的合作交流，學習者無法完成課程目標。任務目標是共同的，同時資源上又是相互依賴的，這可以促進學習者對活動的參與。(2)合作學習的任務最好是結構不良的問題(Ill-structured Problem)，開放式、答案不唯一的問題更能引發學生的深層次的溝通。(3)合作學習的效果主要取決于學生之間相互作用的頻度和形式。研究表明，小組成員提供詳細解釋的次數與其學習效果顯著相關；成功的學習小組一般會提出更多的與任務相關的問題，在策略及策略解釋上花更多的時間。另外，合作的結構化程度也會影響到學習效果。結構化水平較高的合作學習對于常規的學習任務較為合適，結構化水平較低的合作學習更適合于開放式的、探索式的學習任務。

因此，在進行闖關式學習任務的設計時，需要綜合考慮學習任務的性質、學習交流頻度和形式，為了增強學習同伴的作用，系統規定學習者和學習同伴只有在都完成課程要求時，才能順利結業。只有通過合理設計學習任務和合作形式，才能得到學習共同體的真正作用。

三、結束語

本研究的特色和重要意義主要有三點：(1)MOOCs僅以名校聲譽作為質量保障的基礎，缺乏有效的學習支持服務，不具備系統、完整的教學管理體系[23]。本研究在學習者特征分析的基礎上，進行適應性學習內容推送，實現學習路徑的個性化引導，營造了學習者的自主學習環境；(2)本研究首次將成熟的Agent和知識地圖應用到MOOCs的學習分析和學習路徑的引導過程中，實現了教育、計算機科學和圖書館學的交叉融合，使MOOCs的學習過程更加智能化；(3)本研究在MOOCs學習定制服務研究領域屬于比較早期的研究，可以為MOOCs平臺系統今后的發展建設提供了參考性的研究建議。

接下來的研究是利用本研究團隊正在實現的云南省教師教育聯盟MOOCs平臺進行《計算機導論》公共課程的實驗教學，學習對象是云南師范大學本科一年級三個公共大班學生，大概有400人左右。實驗數據的類型主要有兩種：(1)系統數據。根據學習跟蹤Agent記錄的學習過程數據，進行基于學習者在線學習行為的數據分析；(2)實際調查數據。課程結束以后，給學習者發放課程調查問卷，并且進行隨機訪談；(3)最后，根據學習者的課程學習效果分析數據和學習者意見調查問卷和訪談信息，對本學習定制服務模型進行修正。

[1] Qualtrics.Qualtrics and Instructure Partner Reveal Top Motivations for MOOC Students[EB/OL].http://www.qualtrics.com/press/pressreleases/qualtrics-and-instructure-partner-reveal-topmotivationsfor-mooc-students,2014-09-10.

[2] Russell Boyatt, Mike Joy, Claire Rocks, Jane Sinclair.What (Use) is a MOOC?[A].The 2nd International Workshop on Learning Technology for Education in Cloud Springer Proceedings in Complexity[C].Berlin:Springer Netherlands,2014.133-145.

[3] Rachelle DeJong Peterson.MOOC Fizzles[J].Academic Questions,2014,(9):316-319.

[4] Hanna Toiviainen, Seppo Toikka, Jiri Lallimo. Analysing Expansive Learning in a Multilayered Design Project[A]. Collaborative Knowledge Creation[C].Rotterdam:Sense Publisher,2012.93-116.

[5]果殼網.2014年MOOC學習者報告[EB/OL].http://www.zhongjiaomedia.com/mooc/601.html,2014-08-24.

[6] Lewin, Tamar.Universities Abroad Join Partnerships on the Web[J].New York Times, 2013,(3):21.

[7] K. Masters.A Brief Guide To Understanding MOOCs[J]. The Internet Journal of Medical Education,2011,(1):2.

[8] Macal C M,North M J.Tutorial on agent-based modelling and simulation[J].Journal of Simulation,2010,(3):151-162.

[9] Prensky M. Khan Academy[EB/OL]. Educational Technology.http://www.marcprensky.com/writing/Prensky-Khan_Academy-EdTech-Jul-Aug2011.pdf,2014-09-15.

[10] Michiel Ferrari,Robea J Sternberg.The Development of Mental Abilities and Styles[A].Handbook of Child Psychology: Child Psychology and Practice[C].Oxford City:Cambridge University Press,1998.899-945.

[11] Olaf Koller.Goal Orientations:Their Impact on Academic Learning and Their Development During Early Adolescence,Motivational Psychology of Human Development[J].Advances in Psychology, 2000, (131):129-142.

[12] Jean Heutte, Jonathan Kaplan, Fabien Fenouillet, Pierre-André Caron, Marilyne Rosselle.MOOC User Persistence[A].Learning Technology for Education in Cloud,MOOC and Big Data[C].Berlin:Springer International Publishing,2014.13-34.

[13] 衷克定,劉洋.基于學習風格理論的在線導學策略設計與實踐[J].開放教育研究,2012,(3):83-89.

[14] Felder, F.M. and Soloman, B.A. Index of Learning Styles[EB/OL].http://www.engr.ncsu.edu/learningstyles/ilsweb.html,2014-09-15.

[15] Claire E. Weinstein.LASSI 2nd Ed User’s Manual[M].Florida:H&H Publishing Company,Inc.1990.

[16]Fenton-Kerr T, Clark S, Cheney G.Multi-Agent Design in Flexible Learning Environments[EB/OL].http://ascilite.org.au/conferences/wollongong98/asc98-pdf/fenton-kerr0057.pdf,2014-09-15.

[17] Ali Borji,Majid Nili Ahmadabadi.Online learning of taskdriven object-based visual attention control[J].Image and Vision Computing,2010,(7):1130-1145.

[18] 曹良亮.在線學習中學習路徑分析及學習行為特點研究[J].中國遠程教育,2014,(4):25-30.

[19] Trucano, Michael. Knowledge Maps: ICT in Education[M].Washington, DC: infoDev World Bank, 2005.

[20] 李艷紅,趙波,甘健侯.基于MOOC的佤族文化大眾教育網絡學堂構建研究[J].民族論壇,2014,(5):81-84

[21] Robert E.Slavin.Co-operative learning:what makes groupwork work?[A]. The nature of learning: Using research to inspire practice[C].Berlin:Springer US,2010.161-178.

[22] Haym Hirsh,William W. Cohen.Learning from Data with Bounded Inconsistency[A].Incremental Version-Space Merging: A General Framework for Concept Learning[C]. Berlin:Springer US,1990.29-48.

[23] 姚媛,韓錫斌,劉英群等.MOOCs與遠程教育運行機制的比較研究[J].遠程教育雜志,2013,(6):3-10.

李艷紅：在讀碩士，研究方向為智能教學系統設計(crazylife127@126.com)。

趙波：教授，研究生導師，研究方向為軟件工程和知識工程。

甘健侯：教授，研究生導師，研究方向為智能信息處理、語義Web。

徐天偉：在讀博士，教授，研究生導師，研究方向為高等教育管理、教育信息化。

2014年8月8日

責任編輯：李馨 趙云建

The Research of the MOOCs Study Custom Service Model

Li Yanhong1,2, Zhao Bo1, Gan Jianhou2, Xu Tianwei1,3
(1.School Of Information Science And Technology, Yunnan Normal University, Yunnan Kunming 650500;2.Key Laboratory of Educational Information for Nationalities, Ministry of Education, Yunnan Normal University, Yunnan Kunming 650500;3.Institute of Education Sciences, Huazhong University of Science and Technology, Wuhan Hubei 430074)

Massive open online courses is a kind of free education for the public,having a huge impact on traditional teaching mode,and has the characteristics of high quality teaching resources sharing.Now,MOOCs only brings the mass production of knowledge learning,doesn’t realize the personalization and customization of the courses.So,it needs the research of the design related learning resources and system framework.The research of the MOOCs study custom service model reach the optimization of the network teaching methods.

MOOCs;Study Custom;Service Model;Knowledge Map;Study Agent

G434

A

1006—9860(2014)11—0039—05

* 本文系民族教育信息化教育部重點實驗室開發基金課題(課題編號：EIN2011B005)、云南省教育廳科學研究基金研究生項目(項目編號：2014J037)、2014年云南師范大學研究生創新基金項目研究成果。