教育資源個性化推薦模式初探

【摘要】： 現代信息社會環境下，大量的教育信息資源與用戶快速獲取想要的教育信息資源之間的矛盾日益凸顯，學習者之間的信息素養差異使得個性化教育信息資源得不到有效利用，引發了信息環境下新的教育不公平。本文剖析個性化信息推薦服務，探求其在教育領域的應用前景，為教育信息資源的推薦服務提供解決策略，從而在一定程度上促進個性化教育。

【關鍵詞】：教育資源；推薦系統；個性化；教育公平

隨著移動互聯網、物聯網在教育領域迅速的發展，學習模式更多地趨向于線上學習與線下學習相結合的混合式學習，可以看出，教與學更多是一種個性化學習的服務。美國著名學者卡羅爾給出的個性化教育的定義如下：個性化教育是在學習者個性特征與學習環境之間努力達到的一種平衡。也就是說，它是學習者個性特征與所學知識、概念、行為方式、學習環境、激勵系統及習得性技能之間的一種合理匹配，而且是一種連續的過程。現代科技的發展促成全球信息總量以幾何級數增長，2020年全球數據量將會達到35ZB，為2009年的44倍[1]，在大數據時代，教育信息資源的爆炸式增長和學習者個性化需求快速得到滿足之間的矛盾引領著信息服務模式的變革。

一、個性化推薦系統概述

推薦這一思想的產生可追溯到30年以前，但國內外對自動推薦系統的大量研究始于上世紀 90 年代初[2]。在早期的信息檢索領域和認知科學領域，開始出現推薦的概念。約1994年，Hill和Shardanand 等美國學者發表了關于協同過濾推薦系統的相關著作，Resnick等人在其發表的論文中詳細介紹了 Net Perceptions 公司提供的基于 Group Lens 技術的推薦系統。由此，推薦系統這一學術概念正式產生，并在人類社會學、電子商務和網絡經濟學等研究領域一直備受重視，逐漸發展成為一門獨立的學科領域，得到了許多著名大學的研究機構、知名企業和專家學者的廣泛關注。迄今為止，學術界對推薦系統的概念并無標準統一的界定[3]，但眾多專家學者給出的定義大同小異。1997 年，Resnick和 Varian 教授[4]給出了推薦系統的非形式化定義：“所謂推薦系統，就是借助電子商務網站這一平臺，為用戶推薦相關商品信息以便用戶選購滿意產品，模擬商店導購員幫助用戶完成購買過程的一種系統”，這一概念在目前被廣泛引用。

個性化信息推薦服務的實質是以用戶的需求為中心，通過分析用戶（user）與項目（item，如信息、資源、商品等）之間的二元關系幫助發現其可能感興趣的內容，并生成個性化推薦結果，進而為用戶提供區別與差異化的服務[5]。其精準化推薦的實現主要依賴于個性化信息推薦系統。

二、教育資源個性化推薦模式剖析

教育資源個性化推薦模式主要根據學習者個體特征、學習傾向、學習目標以及學習情境，對個體心態、思維、創造力、學習能力、知識技能水平等進行綜合分析、測試和診斷。同時，根據教育信息資源的課程體系、關聯進化、重組與重構等特征，構建教育信息資源個性化信息推薦服務模式，為學習者量身定制學習任務、學習策略和學習方案，整合并推薦符合其獨特學習需求的個性化教育信息資源，從而形成自適應的個性化服務，幫助學習者自我成長、自我超越。分為兩條主線：學習者和教育信息資源庫。根據學習者基本信息、行為信息和差異化的需求信息，將興趣相投、偏好一致的用戶聚合、歸類，構建學習者模型；根據資源基本特征、標簽和價值信息（其他學習者對該資源的有效評價信息），將特征相近、關聯度高的資源聚類，構建資源模型。

隨著技術的快速發展，推薦方式和策略層出不窮且不斷得到完善，分析與決策系統能夠利用現代技術手段感知學習情境，識別學習者特征，挖掘其潛在需求和模糊需求，準確定位其個性化需求。同時，通過分析學習者模型與資源模型的匹配程度，能夠選擇合適的推薦方式，形成高效的推薦機制，從而對教育信息資源進行整合和重組，挖掘優質的個性化資源，并將與學習者認知水平高度相近的教育信息資源主動提供給學習者。在此過程中，學習者模型和資源模型將隨著學習者信息和資源信息進行實時動態更新，不斷完善個性化推薦機制，促使資源進行自我調整，主動服務于學習者，形成實時性的自適應個性化服務。

三、教育信息資源個性化推薦模式應用前景分析

個性化教育是教育公平的最終目標，利用該模式促進個性化教育，是大眾所需，也是大勢所趨。如今在線教育已經成為終身教育的一種主要模式[6]，將該個性化推薦服務模式嵌入其中可以充分關注學習者個體差異和不同學習需求，體現個性化在線教育的特點，激發學習者的主動意識和學習動機。同時，該服務模式還可以用于移動終端，更好地服務于泛在學習和碎片化學習。根據不同學習者差異化和個性化需求，可以將該模式應用到智能服務填報高考志愿、教育信息管理等方面，實現“靶標式”資源和任務的主動定向推薦。

將該模式應用到教育領域，對于學習者，可以激活其隱性需求，滿足顯性需求，減少時間和精力成本，增強學習體驗，提升學習成就感；對于資源，可以促進資源的最大化利用、知識的流動和聚集及其價值的增值，保證將最好的知識推送給最需要的人；對于資源的提供者，可以提升經濟效益，幫助更好地理解用戶需求，促使其開發的資源更加精細化和差異化，開拓服務市場，讓更多的學習者來使用和購買資源。

然而，系統的推薦并不能完全滿足獨特個體的個性化需求，與學習者興趣愛好的匹配不是完全精準的。也就是說，學習資源的選取與推送存在盲點，系統不能精準地感知學習情境來有效挖掘適合學習者的個性化優質資源，為學習者適時推薦適度的教育信息資源。雖然該教育信息資源個性化推薦服務模式已得到初步應用，但還需要提升其應用價值和效果，這也是下一步研究的重點。

參考文獻：

[1] Villars R L， Olofson C W， Eastwood M. Big data： What it is and why you should care[J]. White Paper， IDC， 2011：1.

[2] Joseph A. Konstan ，John Riedl ，Maes.Agents that reduce work and information overload. Community. ACM 37（7），1994：30–40.

[3] 李東勤，徐勇.個性化推薦系統中協同過濾算法研究[J].科技信息.2012（32）：3-8.

[4]P.Resnick and H. Varian，Recommender Systems.Communications of the ACM，1997，40（03）：56-58.

[5] 楊麗娜，顏志軍，孟昭寬. 基于個性化推薦思想的虛擬社區學習共同體動態構建[J]. 現代教育技術，2012，（01）：88-92.

[6] 蔣志輝. 網絡環境下個性化學習的模式建構與策略優化[J]. 中國遠程教育，2013，（3）：48-51.