基于個性化推薦的移動學習模式探究——以高職學生為例

□查英華　朱其慎

基于個性化推薦的移動學習模式探究——以高職學生為例

□查英華朱其慎

移動學習是高等教育以及高等職業教育的一種新的學習模式，而網絡學習資源數量眾多的資源過載問題，使得學習者獲取有效資源的難度加大。文章根據高職學生的學習特征，建立學生與學習資源之間的二元關系，利用移動上下文推薦、學習進度預測的算法，構建個性化推薦的移動學習模型，使學習者的專業知識易于擴展和遷移，實現個性化學習。在推薦算法修正和推薦結果的反饋數據優化兩個方面提出了模型優化的方向。

資源過載；移動上下文推薦；學習進度預測；移動學習模型；個性化學習

移動學習（M-learning）作為一種迅速被人們熟知和應用的學習模式，其核心是利用逐漸成熟的移動通信網絡技術和智能移動終端設備，學生可以隨時隨地獲取數字化的學習資源，也就是說，移動學習打破了固定時間、固定地點的傳統課堂學習方式，能夠帶給學生一種全新的、情境化的交互式學習體驗。

目前，互聯網的高速發展使得開放的在線教育資源激增，智能手機的普及使得學生通過移動網絡獲取信息更加便捷，但學習者根據自己的自身學習需要，獲取有價值的信息愈發困難，帶來嚴重的“移動信息過載”問題，導致在線教育資源利用率和移動學習者用戶體驗受到影響，而針對不同學習者的個性化推薦系統正是緩解“信息過載”的有效手段。本文針對高職學生的特點和“信息過載”的問題，提出了一種基于學生學習過程分析、移動上下文感知的移動學習模型，根據不同學生的特性推薦移動學習的在線資源，探索一種全新的、適合高職學生的移動學習模式。

一、移動學習概述

近幾年，隨著云計算、網絡技術的發展，在線教學資源呈井噴式增長，主要集中在基礎教育（K-12教育）、職業技能、高等教育這幾個方面，國內外出現了像Coursera、網易云課堂、中國慕課等大型的在線課程學習平臺。在線學習資源的呈現方式也多種多樣，除了各種類型的文本，還有音頻、動畫、視頻等。有調查發現，高職學生最喜愛的學習資源是視頻，視頻呈現的效果比枯燥的文字更能吸引眼球，容易接受，使學生學習更輕松。

（一）移動學習的概念

關于移動學習的概念，維基百科給出的定義是：“移動學習是一種跨越地域限制，充分利用可攜技術的學習方式”。也就是說，移動學習是一種利用無線移動通信網絡技術（如2G/3G/4G、Wi-Fi等）以及無線移動通信設備（如智能手機、平板電腦等）獲取教育信息、資源和服務的一種新型學習模式，真正 實 現 了 “Anyone、Anytime、Anywhere、Anystyle （4A）”的自主學習。

（二）移動學習的發展

早在21世紀初期，歐洲與北美的部分經濟發達國家對移動學習模式產生了濃厚興趣，并先后實施了多個移動學習項目，對移動學習的基礎理論、教學方法、教學對象以及教學模式、交互技術等進行了初步的探討，如：美國卡內基梅隆大學的WirelessAndrew項目、美國加州大學伯克利分校的MobileEducation項目、英國Ultralab實驗室的“M-learning項目”等，這些項目都是運用移動終端設備PDA為學生提供信息，此階段的移動教育還處于低級階段，移動教育還沒有作為一種真正的教育模式在大學內運用［1］。

自2012年以來，隨著智能移動終端設備的飛速普及，移動學習發生了巨大乃至顛覆性的變化，最成功的項目當屬風行世界的MOOC（Massive OpenOnlineCourses，大規模開放在線課程），它是由具有分享、協作精神的個人或組織發布在互聯網的開放課程。MOOC項目具有大規模的學習資源、大規模分布式學習伙伴、多樣化的分布式網絡學習方式、良好的支持服務、開放性、自組織和社會性等特點，其中最著名的MOOC平臺有：Coursera、edX 和Udacity［2］。MOOC課程與以往的網絡課程最大的區別在于：MOOC課程的教學內容被細分為小塊，將課程內容碎片化，針對知識點錄制短小精美的視頻，課程視頻在5-15分鐘以內，更有利于學生隨時隨地的移動學習，并在此過程中內嵌問題，使學習過程簡短有趣而高效，同時提供實時討論平臺，便于在線交流。

這些課程平臺大多提供針對Android和iOS的移動應用App，能適配絕大多數的智能手機屏幕，學生通過智能手機、平板等智能移動設備即可輕松學習，大大提高了移動學習的用戶體驗。這種新的學習模式帶給學生全新的、情境化的學習體驗，它將教、學、練、評、測、協作、交流等的完整教學過程通過移動終端實施，學生不僅可以進行隨時隨地的碎片化學習，根據自己的能力選擇學習單元，定制自己的學習內容，還通過在線測驗、作業等評價學習效果，與世界各個角落的學生組成學習小組，大大提高了學生的學習興趣、自主學習能力和學習效果。

二、高職教育移動學習特征分析

（一）高職教育的特點

高職教育是高等教育的一個重要分支，以培養具有較強動手實踐能力的高素質技術人才為目標，在專業設置和專業教學上強調技能和實踐能力的培養，知識的應用和實踐更為重要，學習的專業性也更強。與中學教育相比，高職教育的學習內容已不再是文化課而是專業課，學生根據所選的專業進行學習，不僅需要掌握課程知識，還需要培養自身解決專業領域實際問題的能力，使得高職教育階段的學習模式更應具備自主性、主動性和應用性。

大學是一個半開放的學習環境，專業課程的安排形式和學生管理都給高職學生很大的自由度，學生課余可自由支配的時間相對充裕，學生需要通過查閱資料、閱讀專業書籍等自主學習方式構建所學專業的知識架構，沿用中學的學習方法已經完全不能適應大學學習。移動學習不僅可以幫助學生有效消化課程知識，使學生的自主學習以及自學能力得到很好的訓練，智能移動終端設備還可以記錄技能訓練過程的步驟、疑難問題的解決過程，幫助學生課后進一步掌握專業課程知識［3］。

（二）高職移動學習的應用基礎

隨著國家加大對高職院校的建設投入，學校校園網特別是無線校園網絡的覆蓋，以及計算中心、數據中心的設立，為移動學習提供了良好的網絡、服務器、存儲等硬件環境支持。良好的網絡信號、帶寬和存儲空間使移動學習資源的上傳、下載更為便捷、信息量更大。

目前入學的高職院校學生都是90后，是互聯網的“原住民”，網絡是他們生活中必不可少的一部分。調查表明，90%以上的高職學生擁有智能手機，其它移動設備的擁有比例也很可觀，他們能熟練使用手機看視頻、玩游戲、聊天和聽音樂，說明大多數學生可以熟練使用手機等移動設備上網搜索信息，已具備較好的移動學習條件。

由此可以看出，高職院校已具備了移動學習的硬件條件，高職學生對移動智能終端設備的熟練運用，也降低了學生進行移動學習的難度。

（三）個性化推薦的必要性

豐富的在線學習資源提供了更多的學習選擇，使學習資源快速增加，這樣難以避免資源質量的良莠不齊，對于初學者而言，由于尚未構建好自己的專業知識架構，很難找到適合自身興趣愛好的專業資料。另外，MOOC類的在線學習資源面向所有學習者，只針對課程知識進行設計，無法考慮學生的專業結構、學習情況和學習場景，更無法幫助學生制定個性化的學習計劃。這種情況下，基于大數據的個性化推薦是一種行之有效的方法。借助強大的數據采集、分類和提取技術，根據以往的學習數據為學生賦予各種“關鍵詞”，然后再針對這些關鍵詞推薦內容，幫助學生制定學習計劃，提高學習效率，使移動學習更為有效。

三、高職學生個性化推薦的移動學習模型

通過以上分析，根據高職教育和學習的特點，針對移動學習資源的局限性、多樣性以及涉及知識點多，個性化推薦的移動學習模型的設計顯得尤為重要和必要。

（一）基于個性化推薦的學習模式

個性化學習是針對學生特定的學習需求、興趣和現有文化背景而推出的學習模式，目標是使學生決定自己的學習計劃、進度和策略。個性化學習的需求早已存在，隨著計算機技術發展和推薦算法的不斷實踐，個性化學習項目逐步展開并得到跨越式發展，如美國德州大學的全教育體驗（TEx，Total EducationalExperience）的移動先行技術服務、密歇根大學的E2Coach技術，都是利用移動技術為學生提供量身定制的教育內容和資源建議等個性化信息，根據學生的偏好和能力調整課程［4］。

學習的個性化信息推薦不僅是實現個性化學習的前提，也是緩解“信息過載”的有效手段，通過建立學生與教學資源之間的二元關系，利用學生的已有的選擇過程或相似關系挖掘學生潛在的感興趣的信息，并針對不同的學生特點進行個性化信息推薦。

（二）基于個性化推薦的移動學習模型的基本框架

基于個性化推薦的移動學習模型的基本框架如圖1所示。

圖1　基于個性化推薦的移動學習模型基本框架

1.數據采集。個性化推薦的第一步工作是收集與推薦對象相關的原始數據。基于個性化推薦的移動學習的推薦對象包括學生和教學資源，主要針對這兩個對象進行數據收集，如：學生的移動和人口統計學特征、學生-學習空間簽到、學生-學習過程、學生-參與問答等日志信息、教學資源的抓取等。目前還沒有公開的數據采集可以采納，學生的基本特征可以從高職院校的教務系統中獲取，學生的學習習慣和行為的數據最初可以通過問卷調查的方式采集，然后通過網站日志的分析進行反饋，獲取越來越準確的學生學習的特征值樣本。教學資源可以從國家資源庫、MOOC課程網站等進行抓取或獨立收集，存放于校園網的數據中心。

2.數據預處理。推薦對象的數據收集完成之后，需要對數據進行一些處理，這是一個數據挖掘的過程，處理結果作為推薦系統的輸入對象。在基于個性化推薦的移動學習模型中主要包括：移動用戶偏好特征，根據學生-簽到行為日志提取學生對移動網絡服務和信息內容的偏好信息，構建學生和移動網絡的二維矩陣；教學資源的網絡數據，則是根據收集的教學資源進行標簽定義、分類，形成教學資源之間關系的特征值；上下文移動用戶偏好提取，通過挖掘學生的行為與上下文之間的關聯關系，提取包含上下文的學生的移動用戶偏好；學生的移動社會化網絡構建，通過學生的用戶基本特征、學生移動學習日志和學生-問答日志中的移動社交行為，構建其移動社交網絡［5］。

3.推薦結果的生成。移動推薦算法是推薦結果生成的核心部分，移動推薦也可以使用傳統的推薦算法，如：協同過濾、基于內容的推薦、基于關聯和預測的推薦等，更需要考慮移動網絡和學習資源的特殊性，著重生成基于移動上下文推薦、基于學習進度預測的資源推薦，移動上下文推薦可以將學習時間、學習內容的關聯性等作為上下文信息融入推薦生成過程，提供知識遷移的推薦結果。多源混合的移動推薦則是根據學生偏好特征、學習進度、問答頻度、教學內容關聯性等因素對推薦結果進行排

序［6-7］。

4.推薦結果的展示。使用推薦算法獲取推薦結果后，通過學生的移動學習空間平臺呈現給學生，并結合學生的學習過程日志、問答日志等顯式反饋和移動上下文等隱式反饋，將抓取或獨立收集的教學資源通過消息推送的方式發送給學生，實現學生專業知識的擴展和遷移，并給學生推薦相關的學習計劃，幫助學生進行知識空間的管理。除此之外，還需要根據推薦精確度、多樣性等評價指標評價推薦的性能，擴展和改進學生的移動學習空間的功能和推薦的精準度。

隨著網絡技術、移動通信技術的發展，移動智能設備已成為人們獲取信息和在線學習的最便捷平臺，這將有利于高職學生接受移動學習的新模式。本文從移動學習的特點、高職學生的專業學習特性，分析了高職院校開展移動學習的可行性，同時針對“學習資源過載”給學生帶來的資源選擇困難的問題，構建了基于個性化推薦的移動學習模型，并對模型的系統架構進行了總體分析。整個模型尚需進一步完善和優化，完善使用隱式方法準確獲取學生的偏好特征，并隨著時間推移不斷修正推薦算法。根據學生對推薦結果的學習反饋數據優化該學習模型，設計更人性化的移動學習交互，都是今后重點研究的方向。

［1］王佑鎂，等.近二十年我國移動學習研究現狀與未來趨勢［J］.現代遠程教育研究，2013（1）:49-55.

［2］李云飛，等.移動學習系統及其相關學習模式［J］.開放教育研究，2012（1）:152-158.

［3］趙愛美.高職學生移動學習的研究與實踐［J］.中國職業技術教育，2013（17）:76-79.

［4］尚鮮連，張蘇，牛麗.高職教育背景下的移動虛擬學習社區模型構建研究［J］.當代職業教育，2014 （11）:7-10.

［5］孟祥武，等.移動推薦系統及其應用［J］.Journalof Software，2013，24（1）.

［6］LiM，OgataH，HouB，etal.Context-awareand PersonalizationMethodinUbiquitousLearning System ［J］.JournalofEducationalTechnology& Society，2013，16（3）:362-373.

［7］LopsP，DeGemmisM，SemeraroG.Contentbasedrecommendersystems:Stateoftheartand trends［M］//Recommendersystemshandbook. SpringerUS，2011:73-105.

責任編輯王國光

查英華（1969－），女，江蘇溧水人，南京工業職業技術學院計算機與軟件學院高級工程師，研究方向為推薦算法、教育信息化；朱其慎（1971－），男，河北棗強人，南京工業職業技術學院計算機與軟件學院副教授，研究方向為物聯網、高職教育教學。

江蘇省第二期職業教育教學改革研究課題“云計算環境下高職學生個性化移動學習模式研究”（編號：ZZZ23），主持人：查英華。

G715

A

1001－7518（2015）23-0057-04