網絡學習個性化推薦系統(tǒng)學習者模型建模研究

莊科君 賀寶勛

摘 要 學習者模型是網絡學習個性化推薦系統(tǒng)的關鍵部分。本文在學習者信息模型規(guī)范的基礎上構建了網絡學習個性化推薦系統(tǒng)學習者模型框架，并論述了學習者特征信息的采集途徑和分析技術。

關鍵詞 學習者模型 建模 個性化推薦

中圖分類號：G642文獻標識碼：A ? DOI：10.16400/j.cnki.kjdks.2015.10.018

The Modeling Research in Personalized Recommendation

System Based in Network Learning

ZHUANG Kejun， HE Baoxun

（China West Normal University， Nanchong， Sichuan 637009）

Abstract The learner model is the key part of web based personalized recommendation system. Based on the learner information model standard， this paper creates the learner model framework in the personalized recommendation system based in network learning， and discusses the way of collecting the characteristics of learner information and analysis technologies.

Key words learner model; modeling; personalized recommendation

網絡學習個性化推薦系統(tǒng)的主要功能是能根據(jù)學習者的學習特征向學習者自動推送適合學習者的學習資源、學習活動和學習策略，是網絡環(huán)境下實現(xiàn)個性化學習的支撐平臺。學習者模型是對學習者特征的抽象和表示，是網絡學習個性化推薦系統(tǒng)的核心和關鍵部分，其好壞直接關系到個性化推薦系統(tǒng)為學習者提供個性化服務的水平，因此，構建合理的學習者模型成為搭建網絡學習個性化推薦系統(tǒng)平臺的瓶頸問題。

學習者模型建模的關鍵主要是要解決以下三個問題：首先，需要確定學習者模型主要描述學習者的哪些特征信息以便為系統(tǒng)提供最可靠的推薦依據(jù);其次需要考慮這些學習者特征信息如何獲取和采集;第三，對采集到的信息如何處理才能準確表征出學習者的特征，以此為基礎為學習者提供個性化的服務。本文將就學習者模型建模的這幾個關鍵問題展開討論。

1 學習者模型框架

學習者模型是系統(tǒng)建立的對學習者特征的描述，其主要功能是對學習者的基本信息、學習風格、學習活動過程中的學習行為、學習路徑、學習的績效表現(xiàn)等信息進行記錄、存儲、提取，以幫助系統(tǒng)更好地理解學習者在學習過程中的個性化需求，從而為學習者提供個性化的學習服務。CELTS-11學習者信息模型規(guī)范將學習者特征信息分為個人信息、學業(yè)信息、管理信息、關系信息、安全信息、偏好信息、績效信息和作品集信息八類，但這八類信息對學習者特征信息的描述在粒度上較為粗糙，需要在此基礎上做進一步的拓展。結合網絡學習中學習者的個體差異，全面考慮學習過程中影響學習的學習者因素——包括智力因素和非智力因素，我們在CELTS-11的基礎上對學習者特征信息進行擴展、歸類合并，構建出網絡學習個性化推薦系統(tǒng)學習者模型框架圖（如圖1所示）。網絡學習個性化推薦系統(tǒng)學習者模型框架圖由5種學習者特征信息組成，這5種學習者特征信息包含為學習者基本信息、偏好信息、學習目標、認知狀態(tài)和知識水平。

圖1 網絡學習個性化推薦系統(tǒng)學習者模型框架圖

2 學習者特征信息的采集

根據(jù)學習者特征信息在學習者模型中是否會隨學習活動的開展而變化更新，我們將學習者特征信息分為靜態(tài)信息和動態(tài)信息兩類。靜態(tài)信息主要指那些在學習活動過程中保持不變的信息，如學習者基本信息、偏好信息等，而動態(tài)信息則是那些會隨學習活動的開展而變化更新的信息，如學習目標、認知狀態(tài)、知識水平信息等。通過對學習者模型研究文獻的梳理，我們發(fā)現(xiàn)，學習者特征信息的獲取與采集方式主要包括兩種方式，顯性采集方式和隱性采集方式。顯性采集方式是指系統(tǒng)在學習者知曉的情況下采集由學習者直接提供的信息的過程，隱性采集方式是指系統(tǒng)在學習者不知曉的情況下通過對學習過程中學習行為的監(jiān)控而獲取信息的過程。

2.1 學習者特征信息的顯性采集法

學習者特征信息的顯性采集法主要包括以下途徑：搜集學習者第一次在系統(tǒng)注冊時提供的注冊信息以獲取學習者的相關基本信息;通過調查問卷表獲取學習者的學習風格、學習需求、學習目標、知識水平等的初始狀態(tài)信息。通過顯性采集法可以獲取學習者模型中的絕大部分靜態(tài)信息，如學習者的基本信息就是學習者注冊時提供的，包括學號、姓名、性別、專業(yè)、畢業(yè)學校、民族、聯(lián)系方式等;同時還能獲取動態(tài)信息的初始數(shù)據(jù)，這些初始數(shù)據(jù)加上靜態(tài)信息可以幫助系統(tǒng)建立起一個對學習者的初步認識，即對學習者模型的初始化。當學習者第一次進入系統(tǒng)學習時，系統(tǒng)可以依據(jù)初始學習者模型為學習者推送合適的學習資源、學習活動和學習路徑，個性化地為學習者提供學習服務。

2.2 學習者特征信息的隱性采集法

隱性采集法主要通過實時跟蹤并記錄學習者的學習行為，分析學習者特征的方法。隱性采集法通常是在學習者不知曉的情況下進行的，因而不會像顯性采集法那樣會導致學習者在系統(tǒng)中的停留時間增加。隱性采集法采集到的信息是學習者在學習活動中的學習行為信息，會隨學習活動的開展而變化更新，屬于學習者模型中的動態(tài)信息，這些動態(tài)信息將是學習者模型更新的重要數(shù)據(jù)源。學習者模型將會對隱性采集法采集到的信息進行“學習”，從而修繕學習者模型，使學習者模型朝著越來越接近真實學習者特征的方向發(fā)展，使個性化推薦系統(tǒng)的個性化服務更趨于完善。

隱性采集法通常通過兩種途徑獲取學習者特征的動態(tài)信息。第一種途徑是系統(tǒng)跟蹤和記錄學習者在學習活動過程中的學習行為數(shù)據(jù)，如學習者對各種類型學習資源的訪問次數(shù)可以反映出學習者對不同類型學習資源的偏好程度;學習者花費在某個知識點上的學習時間可以反映出學習者對該知識點的認知狀態(tài);學習者針對學習任務完成的作品集合數(shù)量以及練習測試的成績數(shù)據(jù)可以反映出學習者的知識水平狀態(tài)等。通過對這些學習過程中的學習行為數(shù)據(jù)進行跟蹤、記錄、挖掘，可以獲取學習者特征中的動態(tài)信息，對靜態(tài)信息進行補充和完善，使學習者模型對學習者特征的描述和刻畫隨學習活動的開展而更為準確全面。第二種途徑是系統(tǒng)從與學習者相關聯(lián)的網絡學習伙伴、指導教師等的聯(lián)系活動中搜集到的與學習者學習活動相關的數(shù)據(jù)，如學習伙伴對學習者在小組協(xié)作活動中的評價信息，指導教師在論壇、聊天室對學習者發(fā)言信息的評價等，這些信息都是判斷學習者學習態(tài)度和學習能力的重要指標，這些信息對學習者模型中學習者特征的描述也是具有重要意義的。

3 學習者特征信息的分析步驟與技術

網絡學習個性化推薦系統(tǒng)通過顯性和隱性方式采集到的學習者特征信息往往是有噪音的，系統(tǒng)必須對這些數(shù)據(jù)進行分析、處理、歸類和整合，才能獲取能夠表征學習者的特征值，作為系統(tǒng)個性化推薦的依據(jù)。

一般來講，學習者在注冊時向系統(tǒng)提供的顯性信息，如學習者的姓名、年齡、專業(yè)、民族、出生日期、聯(lián)系方式等信息可以直接被系統(tǒng)識別并作為學習者特征值存入學習者模型庫。學習者在參與學習前或在學習過程中參與問卷調查的數(shù)據(jù)，如回答學習風格測量量表得到的數(shù)據(jù)列表等需要通過相應的規(guī)則進行計算，從而歸納總結出學習者的學習風格特征。除此之外，系統(tǒng)在學習者學習過程中通過監(jiān)控學習者學習行為采集到的大部分動態(tài)信息如學習者的學習目標、學習路徑、學習行為、學習狀態(tài)、作品集合、學習交流協(xié)作等數(shù)據(jù)都無法直接作為學習者特征值存儲在學習者模型中，需要對其做進一步的篩選、挖掘、整合、歸類、重新描述之后，才能夠作為學習者特征值存儲于學習者模型中供系統(tǒng)實施個性化推薦使用，我們采用數(shù)據(jù)挖掘技術來對系統(tǒng)采集記錄下的學習者學習活動的行為數(shù)據(jù)進行分析，挖掘出學習者的學習偏好、分析出學習者的學習狀態(tài)和知識水平。對系統(tǒng)采集到的顯性信息和隱性信息，使用數(shù)據(jù)挖掘技術分析學習者的特征需要經歷兩個步驟，數(shù)據(jù)預處理階段和模式發(fā)現(xiàn)階段。數(shù)據(jù)預處理階段又包含四個步驟：首先，通過數(shù)據(jù)清洗對采集到的學習者特征信息進行篩選，將系統(tǒng)記錄下的冗余信息和記錄清除掉，篩選出那些能反映學習者特征的信息作為數(shù)據(jù)挖掘的數(shù)據(jù)源;其次，利用Cookies技術從服務器日志文件的記錄中識別每一個用戶;第三，識別會話，判斷出用戶對站點的訪問;最后，對學習者的會話進行事件定義。通過數(shù)據(jù)預處理階段得到的數(shù)據(jù)需存儲起來作為模式發(fā)現(xiàn)階段的數(shù)據(jù)源。模式發(fā)現(xiàn)階段可以使用的技術主要包括決策樹、規(guī)則歸納法、人工神經網絡、貝葉斯網絡、統(tǒng)計計算法和視頻分析技術等。

4 結語

學習者模型的建立是網絡學習個性化推薦系統(tǒng)的關鍵環(huán)節(jié)。本文在對學習者模型建模關鍵問題分析的基礎下，構建了網絡學習個性化推薦系統(tǒng)學習者模型框架，確定了學習者模型要刻畫的學習者特征信息的類型，在此基礎上，將學習者特征信息采集的方式分為顯性采集法和隱性采集法，并對每種采集法的信息采集途徑予以闡述，最后，論述了使用數(shù)據(jù)挖掘技術分析采集到的學習者特征信息的步驟及技術，對網絡學習個性化推薦系統(tǒng)學習者模型建模的過程進行了有益探索。

基金項目：西華師范大學基本科研業(yè)務費專項資金資助項目“基于WEB的網絡教學個性化推薦系統(tǒng)學習者模型構建研究”（項目編號：14D027）

參考文獻

[1] 孫志偉.基于學習者特征分析的個性化學習支持系統(tǒng)的研究[D].天津：天津師范大學，2009：14-17.

[2] 李艷燕，馬韶茜，黃榮懷.學習分析技術：服務學習過程設計和優(yōu)化[J].開放教育研究，2012（5）：18-24.