泛在學習環境下基于情境感知的個人學習空間研究 *

趙慧勤，張天云，王 麗

(山西大同大學 教育科學與技術學院，山西 大同 037009)

泛在學習環境下基于情境感知的個人學習空間研究 *

趙慧勤，張天云，王 麗

(山西大同大學 教育科學與技術學院，山西 大同 037009)

能夠自動感知學習者的行為、情感、社會網絡，通過多通道信息獲取，收集學習者的個性化學習成長信息，通過對大數據分析獲得學習者個性需求，為其提供個性化的學習推薦服務，這是泛在學習環境下學習者的迫切需求，基于情境感知的個人學習空間就是實現這種需求的最佳方案。該文通過對個人學習空間、情境感知的研究，提出基于情境感知的個人學習空間的框架結構，分析了其中的關鍵技術，并通過應用案例驗證了實踐的科學性和實用性。

情境感知；個人學習空間；個性化推薦

一、引言

泛在學習是任何人在任何時間、任何地點、基于任何設備獲取任何所需學習資源，享受無處不在的學習服務的過程[1]，然而泛在學習面臨“信息豐富，但獲取有用信息困難，以及提供的服務形式不具備個性化、高沉浸感等”的問題，因此，以泛在學習環境為背景，構建基于情境感知的個性化的個人學習空間具有極為重要的意義。一方面，利用該學習空間具有的情境感知功能，對學習者的學習行為、情感狀態、社會網絡進行自動感知，通過多通道的信息獲取，收集學習者個性化的學習成長信息；利用大數據分析，獲取學習者個性化的學習需求，從而有針對性地為其提供個性化的學習推薦服務，包括個性化的學習活動服務、學習評價服務、個性化推薦服務、適應性呈現服務等；另一方面，該空間具有高度智能性和真實體驗感，利用構建的三維虛擬環境彌補在線學習的虛空感，同時給予學生充分的自主學習權，使之自由選擇學習內容、安排學習進度、設定學習環境、開展學習活動，實現虛實環境間的無縫銜接，不僅支持正式學習環境下課堂教學的實施，而且支持非正式學習環境下學習者的自主學習。

本文研究的個人學習空間是基于網絡環境，以云平臺為資源支撐，通過虛擬現實技術將真實的物理學習環境與虛擬的網絡學習環境相融合，運用情境感知技術、學習行為分析技術、個性化推薦技術等，為學生提供一個具有逼真性、體驗性、交互性、智能性、個性化的個人學習空間。

二、相關概念和研究現狀

(一)個人學習空間

國外圍繞學習空間展開的研究始于2003年，英國、美國、澳大利亞等國位列前沿。2011年創刊的《學習空間》雜志由北卡羅來納大學主辦，是一本專門研究學習空間的期刊，它的創建標志著針對學習空間的研究成為熱點。美國學者布朗[2]提出學習空間的設置應與學習者的學習方式相適應。英國聯合信息系統委員會(簡稱“JISC”)[3]發布的《21世紀學習空間設計指南》，指出學習空間應根據需求來隨時調整空間布局，以支持不同的教學模式(包括“以教師為中心”和“以學生為中心”兩種模式)。澳大利亞政府投入大量經費支持學習空間的建設，其中大衛·拉德克利夫教授[4]提出了學習空間設計、評估的“教學法—學習空間—技術”(簡稱“PST”)框架，指出信息技術使學習空間擴展到物理空間和虛擬空間。祝智庭教授[5]在國內率先引入個人學習空間的概念，他從概念上將個人學習空間與個人學習環境進行了區別，提出個人學習空間是用來連接虛擬學習環境和個人學習環境，為學習者提供了與其認知程度及學習風格相適應的個性化的學習空間。楊俊鋒博士[6]對國外學習空間做了較為詳細地研究述評，并對我國學習空間的建設提出了建議。畢家娟[7]構建了泛在學習環境下個人學習空間的概念模型，對學習活動進行了分析。楊現民等[8]對網絡學習空間的內涵進行了詳細闡述，歸納總結了網絡學習空間在我國的三個發展階段，并對今后我國網絡學習空間的建設提出了指導性的建議。廖軼等[9]提出了網絡學習空間一體化設計的理念、模型構建和技術架構，并探討了在網絡學習空間數據交換和學習者模型兩個關鍵問題。胡永斌等[10]重點探討了網絡學習空間的分類。本文認為個人學習空間是將個人學習物理環境和虛擬環境進行有效結合的一種形式。

(二)情境感知

1994年Schilit[11]首先提出了情境感知的概念，將情境感知定義為一種軟件操作，通過用戶在使用該軟件時所處的地理位置和周邊環境等因素的不同而做出不同的反饋操作結果。我們一般認可Dey[12]在其博士論文中關于情境感知的定義，即能夠利用用戶的情境信息給用戶提供適合于當時人物、時間、位置、活動的信息或服務。情境感知的目的是嘗試利用人機交互或傳感器將關于人和設備環境等的情境信息提供給計算設備，并讓計算設備給出相應的反應。目前很多研究者致力于情境感知的相關研究，并取得了一定成果。顧君忠[13]提出情境感知系統應包括五大功能，即情境數據的收集、情境數據的存儲、情境信息的生成、情境信息的處理和情境信息的使用。Guanling Chen等[14]將情境感知分為主動情境感知和被動情境感知，其中主動情境感知的信息包括時間、位置、設備等，被動情境感知的信息包括用戶的興趣、習慣等。朱鄭州[15]將情境感知應用于移動學習中，設計了服務算法eLSDACA。趙海燕等[16]構建了情境信息本體模型，用于描述數字化學習環境下的學習過程。陳穎[17]研究了智慧校園中的情境感知技術，設計了感知數據融合處理算法，提出了感知數據框架圖。吳楠[18]采用模糊聚類方法設計了基于用戶情境聚類的個性化推薦算法，并應用于移動學習系統中。

本文認為情境感知是借助于設備智能地獲取學習者情境信息(指影響學習者的相關實體狀態的信息，包括學習行為、情感狀態、社會網絡交互)，并能通過推(Push)或者拉(Pull)的方式向學習者提供學習支持服務，智能化地調整人與環境間交互的內容和方式。

三、個人學習空間的構建

(一)總體框架

泛在學習環境下基于情境感知的個人學習空間，關注的是學習者在學習過程中對于情境問題的解決，通過構建學習者特征模型，形成個性化的學習需求，在此基礎上構建個性化的推薦模型，為學習者提供個性化的學習支持服務，給予學習者針對性地指導。

基于情境感知的個人學習空間的框架結構如圖1所示，共分為五層，分別為感知層、傳輸層、數據層、控制層、應用層。感知層主要用于在泛在學習環境中通過多通道方式獲取學習者個性化的信息，包括學習行為、情感狀態、社會化交互；傳輸層主要通過局域網、寬帶、專線、WIFI或VPN等將收集到的學習者個性化信息進行網絡傳輸；數據層主要將個性化的信息進行存儲，建立學習者特征模型；控制層主要通過大數據分析獲得學習者個性化需求；應用層主要用于為學習者提供個性化的服務，包括學習內容服務、學習活動服務、學習路徑服務、學習資源服務、學習策略服務、學習評價服務以及呈現方式服務等。

圖1 基于情境感知的個人學習空間框架結構

(二)關鍵技術

1.基于情境感知的多通道信息描述、采集、存儲

情境感知就是在泛在學習環境中智能地獲取學習者個性化的信息，包括學習行為、情感狀態、社會化交互三類。學習行為信息包括學習時間、學習內容、學習評價等學習過程記錄信息；情感狀態信息包括語音、表情、動作等實時捕捉的信息；社會化交互信息包括在學習過程中與其他學習者、教師之間構成的社會網絡信息。

(1)基于情境感知的多通道的信息描述

a.學習行為信息[19]

學習行為信息包括學習者的相關特征、學習者的周邊環境、學習者使用的終端學習設備三類。

學習者的相關特征：主要包含學習者的個人基本信息、管理信息、學習活動過程信息、媒體選擇信息、學習模式信息、學習者專業技能信息等。個人基本信息包括姓名、家庭地址、郵箱、聯系方式、最后學位、最后學歷及興趣等；管理信息用于描述學習者在學習系統中所用的賬號、密碼、等級、用戶權限等；學習活動過程信息用來描述與學習發生相關的各種信息，比如學習時間、學習內容、學習效果、與他人及系統交互情況、評價等；媒體選擇信息主要描述用戶選擇媒體類型時的偏好，一般包括文本、圖形、圖像、動畫、音頻、視頻等；學習模式信息包含探究式、拋錨式等不同類型；學習者專業技能信息主要描述學習者的專業特長。

學習者的周邊環境：主要包括學習者的網絡環境、學習者的工作環境。網絡環境包括帶寬、網絡運行狀態等；學習者的工作環境包括教室、辦公室、會議室、圖書館、交通工具及戶外等。不同的學習場所意味著不同的學習方式，而不同學習方式推薦的學習資源類型、形式及大小是不相同的。

學習者使用的終端學習設備：主要指數字化學習設備，包括PC、手機、iPad等。不同的終端學習設備由于操作系統、屏幕尺寸、系統版本、網絡模式都不盡相同，故而學習資源的呈現方式也有很大不同。

b.情感狀態信息

情感狀態信息包括語音、表情、動作三類，記錄了學習者學習過程中實時的情感狀態變化情況。

c.社會化交互信息

社會化交互主要描述學習者之間的關系，常見的關系包括同學關系、師生關系、同事關系、親屬關系、朋友關系等；同時，這些關系可以重疊，如學習者之間既可以是同事關系又可以同時是師生關系。

(2)多通道的信息采集和存儲

多通道的信息采集和存儲需用多種方法結合來實現。首先，將學習者進入學習系統時提供的個人實名信息存放到學習者基本信息數據庫中，該庫包含了學習者個人基本信息、管理信息、專業技能信息等方面的內容；其次，通過服務器的Web日志自動記錄學生的學習過程并存儲于學習者學習行為信息數據庫，同時使用數據挖掘與分析技術來探究學習行為的規律，從而識別不同學生的學習行為。學習者的周邊環境主要通過傳感器等物理設備和軟件接口來獲取。

情感狀態信息主要使用音頻設備、視頻設備、Kinect設備對語音、表情、動作進行捕捉，并存儲到對應的情境感知數據庫中。

社會化交互信息主要通過用戶注冊信息提取、用戶行為日志挖掘、資源標簽聚類、社會認知網絡分析、學習路徑跟蹤等來進行學習者社會化交互信息的聚合。

收集到的以上各種情境數據，均采用統一的XML文件格式進行存儲。

2.學習者特征模型的構建

將情感狀態、社會化交互也作為學習者的特征來構建特征模型，是基于情境感知的個人學習空間的特殊之處。

個性化學習支持服務模型主要是通過將學習者特征與學習支持服務特征進行相似度匹配來構建，確定學習者特征模型則成為關鍵。學習者特征模型的確定分三個步驟：第一步，學習者在個人學習空間形成之前進行前測，通過自我評價和問卷調查兩種方式形成學習者相關的信息，對其進行數據挖掘來初步確定學習者特征；第二步，在學習者學習過程中收集相關數據，并進行學習行為分析，再次確定學習者特征；第三步，把學習過程中確定的學習者特征與學習前確定的學習者特征進行對比，動態更新調整，同時實時收集學習者在學習過程中的反饋信息，再做相應更新調整，從而形成自適應的個人學習空間。本研究以個性化自主學習、個性化自適應推薦為目標，將大數據分析作為連接學習者與環境的紐帶，構建個性化自適應的在線學習分析模型。

3.個性化學習支持服務推送機制的設計

通過多通道的信息采集后，再經過推理，便可得到學習者當前的情境，接下來針對不同的學習者個性特征，利用合適的推薦技術，實現個性化的推薦服務。具體來說，推薦的服務包括：學習內容服務、學習活動服務、學習路徑服務、學習資源服務、學習策略服務、學習評價服務、呈現方式服務等。這里提到的呈現方式服務是指根據學習者特征為學習者提供合適的資源呈現類型(文字、圖片、音頻、視頻、二維或三維動畫、三維虛擬仿真實驗等)、學習組織方式(小組協作、自主探究等)、學習模式(探究式、拋錨式等)等。

推薦算法是個性化學習支持服務中最核心的部分，決定了學習支持服務的優劣，但到目前為止還沒有真正意義上面向特定應用情境的智能推薦算法，多數推薦算法都是對傳統經典推薦算法的改進。本文將內容過濾推薦算法、項目評分預測算法引入到傳統的協同過濾推薦算法中，采用組合的協同過濾推薦算法，依據所建立的學習者特征模型進行信息元匹配檢測，考慮學習者對內容、活動、資源的需求以及當前的情境信息，智能化地推送合適的呈現方式服務，如資源呈現類型、感應終端學習設備、學習伙伴(根據學習者之間物理位置、個人興趣、專業領域等進行匹配)等，并對學習者的學習活動過程進行實時跟蹤和記錄，實現學習評價服務。此外，根據學習者興趣特征，按照漸進式和突發性情境劃分，給出學習者下一步的學習策略與學習路徑的自適應調整方式，從而完善個性化的推薦服務。

四、個人學習空間的應用

(一)基于情境感知的個人學習空間原型系統的設計

根據上文給出的基于情境感知的個人學習空間框架結構，筆者設計了基于情境感知的個人學習空間原型系統，如右圖2所示。需要說明的是，該原型只是模擬泛在學習環境下眾多學習情境之一，主要體現了個人學習空間框架結構中感知層和傳輸層的設計思想。物理場景中的情境感知設備主要包括獲取學習者學習信息的輸入設備(如拾音器、實時跟蹤攝像頭等)、學習者展示信息的輸出設備(如交互式白板、專家指導系統、三維情境互動教學平臺等)、獲取情感信息的設備(如Kinect等)、傳輸情境數據的設備(如智能網關等)。其中，利用捕捉設備Kinect的SDK可以獲取并識別Kinect捕捉的深度數據源、彩色數據源、骨骼運動數據源以及面部表情數據源，為捕捉學習者的實時動作、表情等提供了支撐。場景中所有的輸入設備最終接入智能網關并由其將數據編碼提交到遠程服務器和相關數據庫，通過消息推送服務器將適合學習者的推薦結果及時反饋到相應的輸出設備上。

本文探討的學習空間可以為學習者提供多種不同的學習組織形式，如自主學習、協作學習及角色扮演等，不同的學習組織形式可以選擇不同的設備或設備組合進行情境感知。比如，將三維情境互動教學平臺和Kinect等設備有機結合，利用Kinect實時捕捉動作、表情等數據，并應用于三維的智能代理或學習者替身上，即可支持在三維情境互動教學平臺中進行生動、形象、實時、具有情感支持的角色扮演等學習形式。

圖2 基于情境感知的個人學習空間原型系統

除了學習者自主選擇學習組織形式外，該原型系統還可根據學習者的學習情境，推薦合適的學習環境和學習內容呈現方式。簡單舉例說明，如通過無線傳感器感知到當前環境亮度很高而不適合使用投影儀展示時，系統會自動推薦使用電子白板或其他流明度更高的顯示系統。再比如，通過實時跟蹤攝像頭可以自動聚焦到所關注的學習者身上，對學習者進行位置跟蹤等。

(二)基于Android的個性化學習空間推薦的實現

目前泛在學習環境以PC、手機、iPad等終端為主，而不同的學習終端的操作系統和傳輸協議各不相同，因此在實現相應功能時必須有針對性地設計個性化的學習空間推薦技術。本文設計并實現了基于主流手機操作系統Android的個性化學習空間推薦系統的部分功能，包括學習者物理定位功能與學習者資源推薦等功能的實現。

基于Android的個性化學習空間推薦主要涉及到的技術包括：學習者的學習相關信息的獲取與分類存儲、學習者的學習行為相關信息的大數據分析、個性化學習空間推薦的策略及推送技術本身，推薦模型如下頁圖3所示。

1.學習者的學習相關數據的獲取與分類存儲

這里涉及到的學習者的學習相關數據主要包括學習者基本信息、學習者學習行為、學習者情感狀態的相關數據，具體內容見下頁表所示。

圖3 基于Android的個性化學習空間推薦系統模型

學習者學習的相關數據及采集項表

2.學習者學習行為相關信息的大數據分析

數據采集后，需要對上面采集的信息進行數據分析，得到學習者的個性化學習特征模型。學習者特征模型用一個向量描述：

3.基于信息元的組合協同過濾推薦策略

基于信息元的組合協同過濾推薦策略是先利用基于內容的過濾預測出學習者學習相關信息的評分，然后采用相似性度量方法，計算學習者之間的相似性，從而為目標學習者做出推薦。具體來說就是首先生成目標學習者的最近鄰居，根據最近鄰居的信息元產生目標學習者的個性化學習空間推薦列表，這里的信息元是指采用元數據描述的學習者學習相關信息。

很顯然，目標學習者最近鄰居與信息元中子項目評分的準確性直接決定了整個推薦系統的推薦水平，本文利用余弦相似性預測學習者相似性。設學習者m和學習者n共同評分測量過的學習相關信息中的子項目集合表示為，學習者m和學習者n已評分測量過的子項目集合分別表示為學習者之間的相似性則表示為：

基于以上相似性測量原理確定最近鄰居之后，即可用推測的方法為目標學習者推薦合適的與相對應的信息元所描述的學習相關信息，學習者m對學習相關信息子項目k的預測Wm,k為:

4.基于Android的學習者物理位置定位功能的實現

由于個性化學習空間推薦首先要檢測學習者所處的環境，比如學習者在教室和在地鐵或圖書館等位置，推薦的策略與內容應該有所不同。

功能實現的原理：Android系統常見的定位技術一般有四種實現方法：全球定位系統(GPS)、百度地圖Android定位SDK、高德地圖 Windows Phone SDK及Google地圖API，本文使用GPS+JSON技術實現精確定位學習者位置并將數據信息返回服務器以作為推薦策略依據。基于Android的實現界面如圖4所示。

圖4 基于Android的學習者物理定位界面

5.基于Android的學習者資源推薦功能的實現

(1)功能實現的原理

基于Android的資源推送功能的實現同樣有多種方法，如輪詢拉方式、SMS推方式及持久連接方式(Push)等方法，其中輪詢拉方式需要客戶端不斷向服務器發起輪詢詢問，故占用系統資源較大；SMS推方式比較及時但需要向運營商繳納信息費用，會增加學習成本；持久連接方式通過客戶端和服務器建立長久的Socket連接實現數據推送，性能提升了但沒有降低后臺耗電的缺點。本文采用第三種方法實現資源推薦功能。

(2)Android界面設計

學習者進入學習終端App界面，通過點擊按鈕進入個人學習空間清單列表界面；點擊任意一個清單可以進入推薦的相關科目學習，點擊“Clear”清除推薦的列表，返回即可重新定制個人學習空間。

五、結束語

智慧學習以發展學習者的學習智慧，提高學習者的創新能力為最終目標，研究和構建泛在學習環境下的個人學習空間，能夠極大地促進智慧學習的研究。本文將學習分析理論和推送理論應用于個人學習空間的構建，推動了智慧學習環境的深入研究。基于情境感知的多通道學習過程信息采集，特別是情感狀態、社會化交互信息作為學習者特征模型構建的信息來源，使得學習者特征模型構建更具真實性。在個性化學習支持服務方面提供學習內容服務、學習活動服務、學習路徑服務、學習資源推薦服務、學習策略服務、學習評價服務、呈現方式服務等，特別是提供了三維的呈現方式，更具實用性。本文研究并構建的個人學習空間，通過情境感知、大數據的學習行為分析等提前獲得學習者的學習需求，通過個性化的學習支持自動推送服務，極大地節省了學習者查找相關資料的時間，提高了學習效率。同時，該學習空間能夠實時地感知相關信息、動態地適應學習者的需求，具有個性化、智能化、逼真性等特點，使學習者在泛在學習環境下能夠輕松、自由、沉浸地學習。

[1] 楊現民,余勝泉.生態學視角下的泛在學習環境設計[J].教育研究,2013,(3):103-110.

[2] Diana G. Oblinger. Learning Space[DB/OL]. http://www.educause.edu/ research-and-publications/books/learning-spaces,2012-04-20.

[3] JISC. Designing Spaces for Effective Learning: a Guide to 21st Century Learning Space Design[DB/OL]. http://www.jisc.ac.uk/uploaded_ documents/ JISClearningspaces.pdf,2012-09-15.

[4] Radcliffe,D. A Pedagogy-Space-Technology (PST) Framework for Designing and Evaluating Learning Places[A]. Proceedings of the Next Generation Learning Spaces Colloquium [C]. Brisbane: The University of Queensland,2008.9-16.

[5] 祝智庭,管玨琪,劉俊.個人學習空間:數字學習環境的新焦點[J].中國電化教育,2013,(3):1-11.

[6] 楊俊鋒,黃榮懷,劉斌.國外學習空間研究述評[J].中國電化教育,2013,(6):15-20.

[7] 畢家娟,陳琳,宋鹽兵.泛在學習環境下個人學習空間的構建[J].廣州廣播電視大學學報,2014,(5):9-13.

[8] 楊現民,趙鑫碩等.網絡學習空間的發展：內涵、階段與建議[J].中國電化教育,2016,(4):30-36.

[9] 廖軼,李波,周航.支持個性化發展的網絡學習空間一體化設計[J].中國電化教育,2016,(4):43- 51.

[10] 胡永斌,黃如民,劉東英.網絡學習空間的分類:框架與啟示[J].中國電化教育,2016,(4):37- 42.

[11] B. Schilit,N. Adams,and R. Want. Context-aware Computing Applications[A]. IEEE Workshop on Mobile Computing Systems and Applications[C]. Santa Cruz:IEEE Press,1994.89-191.

[12] Dey, A. K. Providing Architectural Support for Building Contextaware Applications [D].Atlanta:Georgia Institute of Technology,2000.

[13] 顧忠君.情境感知計算[J].華東師范大學學報:自然科學版,2009, (5):1-20.

[14] Guanling Chen, David Kotz. A Survey of Context-Aware Mobile Computing Research[DB/OL]. http://cs.dartmouth.edu/reports/ TR2000-381.pdf,2016-03-11.

[15] 朱鄭州.一種基于情境感知的學習服務發現算法[J].計算機科學,2012,39(2):132-147.

[16] 趙海燕.基于情境感知和本體的E-Learning系統研究[J].計算機工程與應用,2012,48(16):51-56.

[17] 陳穎.基于情境感知的智慧校園體系及運營模式探究[D].北京:北京交通大學,2013.

[18] 吳楠.基于情境感知的移動學習系統研究[D].合肥:安徽工業大學,2014.

[19] 陳正暉,陳慶章.泛在學習環境下的個性化學習服務平臺的研究與設計[J].今日中國論壇,2013,(6):120-123.

Constructing a Context-aware Computing Personal Learning Space in Ubiquitous Learning Environment

Zhao Huiqin, Zhang Tianyun, Wang Li
(College of Education Science and Technology, Datong University of Shanxi, Datong Shanxi 037009)

Automatically sensing the learners’ behavior, emotion and social networks, collecting individual growth information of the learners by multi-channels and obtaining individual needs of the learners to provide personal push service by big data analysis are the urgent needs for the learners in ubiquitous learning environment. The best solution to achieve the goal is constructing a contextaware computing personal learning space. This paper reported that the current status of personal learning space and context-aware computing in this paper. The framework of a context-aware computing personal learning space is proposed. The key technologies are analyzed and the performance of science and practice is veri fi ed by an application case in the paper.

Context-aware Computing; Personal Learning Space; Personalized Push

趙興龍

G434

A

1006—9860(2016)07—0036—07

* 本文受山西大同大學博士科研啟動經費、山西省教育科學“十二五”規劃指令課題“基于虛擬現實技術的中學物理實驗探究性教學仿真平臺的研究與實現”(項目編號：ZL-13020)、山西省教育科學“十二五”規劃課題“三維虛擬環境下教學模式研究”(項目編號：GH-12063)資助。

2016年5月9日

趙慧勤：博士，教授，院長，研究方向數字化學習環境與資源、計算機教育應用、信息技術與教師教育、虛擬現實技術(zhao_hui_qin@163.com)。

張天云：碩士，講師，研究方向為數字化學習環境與資源、虛擬現實技術(345510642@qq.com)。

王麗：碩士，講師，研究方向為虛擬現實技術、遠程教育(wangli523971@126.com)。