基于知識聚合的智慧學習模型及其知識增值分析

張昕瑞，杭佳宇

（上海理工大學 管理學院，上海 200093）

由IBM最早提出的“智慧地球”理念在多個國家受到戰略層重視，其實質就是要把新一代的信息技術充分運用到各行各業之中。隨著大數據、云計算、虛擬現實等技術的發展應用，如何推進教育與信息技術深度融合、構建學習型社會、實現智慧教育成為當前重要研究課題。我國學者對智慧教育的研究成果進行了知識圖譜分析，發現目前我國智慧教育的研究主要圍繞兩大主線展開：智慧教育的微觀層面研究（相關技術、智慧課堂、智慧課程等）與宏觀層面研究（教育信息化、智慧學習環境等）[1]。李葆萍等[2]對國內外相關研究進行分析發現，智慧學習環境已成為全球關注的研究領域，研究主題有鮮明的地域特色。美國教育家約翰·杜威（John Dewey）認為，知識是已經獲得并存儲下來的學問，而智慧則是運用這些學問的能力[3]。由此可見，知識的獲得與融通（即學習過程）是智慧的基礎。因此，智慧學習是智慧教育的核心構成要素，也是智慧教育實現的路徑。

知識聚合是近年來出現在國內外學術研究中的新概念，國內外學者進行了多維度的研究。比如，從企業管理的角度探討了客戶參與產品開發過程中的知識聚合[4]，以及從知識聚合對于文明和現代化的重要性視角出發，建立知識聚合的四階段模型[5]。貫君等[6]對基于關聯數據的知識聚合研究進行回顧，提出知識聚合是通過統計分析、數據挖掘、人工智能等方法對知識進行凝聚，構建多維、多層，又互相關聯的知識體系。本文以知識聚合為切入點，探討大數據環境下智慧學習的本質，分析智慧學習中的知識聚合過程，設計基于知識聚合的智慧學習模式，對此模式下的知識增值問題進行了分析，為未來相關研究提供一些參考與啟示。

1 智慧學習流程及其知識聚合本質

知識聚合包括知識萃取、知識整合、知識優化，以及知識利用，通過知識聚合能夠及時、有效地獲取、分析和使用學習過程中具有價值的知識資源。得益于新的數據分析處理技術及軟硬件的快速發展，知識聚合已由概念成為現實，隨著相關協議和服務模式的成熟，必將在多行業多領域中得到重視和應用。

智慧學習是在新的技術環境下發展產生的，學習是核心目的，智慧則體現了兩層含義：一是指通過利用現代化信息技術，實現學習環境和過程的智慧化；二是指通過學習使得學習主體能夠提高自身的智慧程度。本文主要從第一種含義的角度探討智慧學習的流程及其知識聚合本質。

由于智慧學習的核心是學習，因此仍具有一般學習流程的特點，只是在這個過程中由于現代化信息技術和通訊技術的應用，學習流程由傳統的線性化過程向非線性化過程演化，圖1描述了這種變化。

圖1 中：產生學習需求、確定學習主題、選擇學習內容、掌握學習內容、完成學習目標及學習效果反思與評價是傳統學習環境下的線性化學習過程；而在智慧學習環境下，智慧學習通過現代信息技術和通訊技術從學習環境中獲得和處理海量信息，并從中萃取知識，對學習主體知識庫進行整合，進而實現知識的深度利用（甚至實現智慧學習環境的知識增加和傳輸），整個過程的實質就是學習主體對知識的有機聚合過程。通過知識聚合不僅能夠促進學習主體在學習過程中的知識獲取、萃取、整合和使用，也能夠降低低質量數據和信息對學習過程的干擾，從而實現智慧學習。

由以上分析可以看到，智慧學習本質上是知識聚合過程的一種實踐，因此，有必要從知識聚合的角度設計有效的智慧學習模式，以支持和實現智慧教育的快速發展。

2 基于知識聚合的智慧學習模式

郭本俊等[7]從計算區域網的基礎上提出了智慧學習的概念空間模型，減小了物聯網普適計算運行環境遷移“粒度”。郭曉珊等[8]從智慧學習環境的構成要素角度出發，構造了一個包括云計算、物聯網、泛在網和大數據元素的智慧學習簡單概念模型。祝智庭等[9]在透析數字學習生態系統萌發、內涵、信息模式和無縫集成的基礎上，建構了一種智慧學習的生態系統。這些研究對智慧學習模式作出了有益的嘗試，本文在這些研究的基礎上，進一步從智慧學習的學習流程和知識聚合過程出發，構建智慧學習模式（見圖2）。

在智慧學習模式中，基礎設施層包括計算機硬件、系統軟件及各種通信基礎設施等，是整個智慧學習系統的基石。大數據處理層包括數據存儲和數據加工處理功能，對云端中各類知識及經驗進行聚合、整理，分析學習主體的學習需求、學習行為特征，實時、持續地通過服務層從云端向學習主體提供動態定制化知識的推薦。學習主體根據大數據處理層推薦的學習內容在服務層進行學習，在學習的過程中進行知識萃取和整合，并進行學習經驗和體會的分享、互動及反饋，進而促進云端知識經驗庫的豐富。安全傳輸層負責通過終端接入層進入智慧學習系統的學習主體的信息傳輸安全。除了以上5層架構，實現智慧學習還需技術和政策兩大支持，即技術標準與通信協議以及政策法規和行業標準作為保障。

在智慧學習模式中，知識聚合主要體現在3方面：泛在感知，即接入智慧學習系統的多種智能設備，構成各種學習信息泛在感知和聚合的基礎；智能聚合，即通過對多來源知識及經驗和學習主體知識庫進行識別、分類、挖掘、分析，實現實時、動態、定制化學習內容推薦；知識價值增值，在學習主體主動/被動產生學習需求后，智慧學習系統通過高質量學習信息的推送和實施監控干涉，幫助學習主體實現高效學習，完成知識萃取、知識整合和知識利用，進而實現學習個體以及學習環境的知識價值增值過程。下文將從知識聚合中知識價值增值的角度，選擇學習個體知識增值為研究對象進行分析。

3 智慧學習模式中的個體知識增值

在智慧學習模式下，學習個體經過一段時間學習后，不僅可以實現自身知識增值，同時經過學習個體對知識的萃取整合和創新，實現對智慧學習環境的反饋，從而實現整個學習環境的知識增值。本文從學習主體個人知識增值角度出發，探討智慧學習環境中個體知識增值問題。由于學習過程既包括了學習主體從智慧學習環境中進行的知識的獲取行為，也包括學習主體對所獲取知識的萃取整合過程，因此，建立智慧學習模式下的個體知識增值模型需要首先建立知識獲取模型與知識萃取整合模型，在此基礎上給出學習個體知識增值的描述。

3.1 知識獲取模型

圖3描述了智慧學習環境下個體知識獲取過程。知識獲取的影響因素包括學習主體的個人內在因素和學習環境的外生因素。內在因素包括學習主體的知識缺口、學習能力、理解能力等，外在因素包括外部知識需求、學習/知識環境的脆弱性、知識保密、距離等[10]。對于個人知識獲取，知識缺口和知識需求是兩個關鍵影響因素。在智慧學習環境下，距離這一外在因素可以基本不考慮，本文建立的知識獲取模型為

式中：Cit為學習個體i在t時刻從智慧學習環境中獲取的知識量， 0 ≤α≤1（α代表知識的獲取彈性）；KEt為智慧學習環境在t時刻所提供的知識量；Kit為學習個體i在t時刻自身知識量；At為在t時刻，智慧學習環境中知識傳遞的影響因子。由于知識的獲取不可能是完全無償的過程，在知識獲取的過程中，存在以下3種交易：知識—物質交易（需要通過物質獲取知識）、知識—知識交易（通過個體已知的知識滿足個體的知識需求）、知識—情感交易（通過情感獲取知識）[11]。如果3種交易都沒有發生，則At=0，否則，。智慧環境下的知識來源并不是全部免費的，在完全市場條件下，At最終會是一個均衡值。在知識獲取過程中，存在非經濟因素的作用，比如發生知識—情感交易時，At可能大于1。

圖3 智慧學習環境下個體知識獲取過程Fig.3 Individual knowledge achievement process in smart learning environment

3.2 知識萃取整合模型

無論對于學習個體還是整個智慧學習環境而言，知識系統都是一個有輸入、處理、輸出以及反饋的循環過程，其中的輸入即知識獲取模型中所得到的知識獲取量，處理包括了學習個體對知識的萃取、整合及利用，輸出即學習個體經過學習后所掌握的知識量。反饋則有兩種類型：第一種反饋是學習個體經過學習后，對下次學習系統進行輸入的反饋（FIi），這一反饋可能是正向反饋，也可能是負向反饋；第二種反饋是學習主體在學習后，由于自身知識增值，對整個智慧學習環境進行的反饋（FOi），這一反饋一般視為正向反饋。圖4描述了這一智慧學習環境下的知識萃取整合模型。

圖4 知識萃取整合模型Fig.4 Knowledge extraction and integration model

輸入Cit為個體i從智慧學習環境中獲取的知識量，輸出的Kit+1為個體i經過學習后吸收儲備的總知識量，在此過程中，學習體i對從環境中獲取的知識進行萃取和整合，得到新的知識量，形成知識價值增值 ? Kit+1,?Kit+1=Kit+1-Kit。

學習個體i經過一段時間學習后實現的知識增值為

式中：λi為學習個體i對知識進行萃取、整合、利用和創新的能力；μi為學習個體i獲取的知識中能夠滿足其個體知識需求的比例；θi為學習個體i對獲取的滿足其需求的知識通過學習后的吸收率；為個體i對獲取知識中暫時沒有作用的知識吸收儲備的比例。

智慧學習表現形式多樣，以可汗學院（https://www.khanacademy.org/）為例，本文探討的知識增值過程可描述如下：學生i根據學習進度要求、階段測試結果，并結合自身個性化學習需求，形成其知識需求；在此基礎上，學生i需要考慮合適的知識來源，包括課本、教師授課資源、可汗學院提供的教學資源、同學共享信息、在線其他資源、討論區等，根據這些知識資源的可靠性、獲取難易程度等進行甄選，在這一過程中，教師、家長、同學以及可汗學院系統也會根據學生i的個性化數據進行知識推薦，綜合形成學生i在某時間段智慧學習的知識輸入Cit。考慮到每個學習主體的個人學習能力、學習前知識存儲量，甚至學習環境中不同主體之間的情感差異，學生i的知識萃取、整合和利用過程極具個性化，其在t+1時刻所掌握的知識量Kit+1及對輸入和環境的反饋也千差萬別，甚至同一個學生個體在不同學習階段中，其知識增值的參數也會發生變化，導致知識增值量ΔKit+1呈現出非線性的形態。

4 結論與展望

智慧教育是教育信息化發展的高級階段[12]，智慧學習則是實現智慧教育的核心環節。本文通過分析智慧學習流程揭示了其知識聚合本質，從智慧學習的知識聚合過程出發，構建了智慧學習模式。在此基礎上，本文嘗試從知識獲取和知識萃取整合兩個過程出發，建立了個體學習者的知識增值模型，為實現智慧學習提供了具有可操作性的參考依據。但是，本文僅探討了智慧學習環境中個體知識增值的描述，對于整個學習環境的知識增值描述還有待于進一步分析。作為新的研究和應用領域，智慧學習和智慧教育仍面臨很多亟待解決的問題，包括技術障礙、政策制定、學習主體行為研究等，有待進一步深入探索和發現。