基于個性化推薦技術的網絡學習空間一體化研究*

（吉林警察學院 信息工程系，吉林 長春 131107）

一、引言

自“十二五”提出“三通兩平臺建設”至今，國內眾多學者一直致力于網絡學習空間的理論研究與實踐探索，分別從網絡學習空間的系統架構、服務應用類型、教學模式應用等不同視角進行了深入分析和探討。“十三五”期間，由于信息技術與教育的深度融合發展，網絡學習空間應用了多種教學模式和教學策略，使教學效果顯著提高。另外，網絡學習空間融合了教育管理與校園文化建設平臺，使得家校互動更為緊密，從而促進了家長輔助學校對學生進行管理。

網絡學習空間作為信息技術支撐下的專門教育平臺，一直支持線上正式和非正式教學活動的開展。隨著數據量的增大，網絡學習空間中工具技術性支持存在明顯不足。表現為：一是缺乏數據挖掘、學習分析等智能型技術的應用；二是缺少依據用戶行為與學習風格的精準化學習服務推薦。另外，在極其需求自主性、創造性人才的今天，具有個性化特征的人才培養是知識經濟時代對教育提出的新挑戰[1]，只有具備獨特的個性化特征才能的學習者才具有創造能力。我國《教育信息化十年發展規劃（2011-2020年）》中明確指出，要“培養學生信息化環境下的學習能力”，即通過信息技術的幫助實現學生更好地自我學習和自我發展[2]。因此，如何將網絡學習空間轉變成培養學生自主性學習、個性化發展的重要學習場所，成為教育信息技術發展的重要課題。本文在對國內外關于網絡學習空間文獻歸納和整理基礎上，把個性化推薦技術融入到網絡學習空間一體化建設中，并對個性化推薦技術、空間模型和架構進行了詳細闡述，希望通過在網絡空間中運用個性化推薦技術工具，產生適合不同學習用戶特點的知識推薦和學習路徑推薦，提高網絡學習空間個性化學習能力。

二、網絡學習空間中基于推薦技術的個性化學習

所謂網絡學習空間中基于推薦技術的個性化學習，就是在虛擬化的學習場所中應用推薦技術，根據學習用戶不同的學習特征推薦相應的學習資源和學習策略，充分尊重不同學習用戶學習特征，支持以“學習者為中心”的學習活動的開展，從而實現學習用戶的個性化發展。

網絡學習空間具有豐富的學習資源和學習工具，學習用戶可以利用資源圖片、視頻和案例進行線上線下自主探究。同時，也可以利用網絡學習空間中的交流工具與學習共同體進行合作式學習，并在經驗交流中獲得知識。許多學習用戶在網絡空間中留下了屬于自己學習風格和學習特征的數據軌跡，推薦技術就是利用學習用戶在網絡學習空間中留下的軌跡數據建立學習用戶模型，并利用推薦算法與學習資源模型進行相似性計算，進而生成與不同學習用戶相適合的學習內容和學習路徑推薦，從而為學習用戶個性化學習提供支持。

（一）網絡學習空間中個性化推薦算法

推薦技術是一種大數據時代信息檢索技術。當檢索詞匯處于模糊狀態下，推薦技術能夠在海量信息中找到用戶所需求的數據，現如今推薦技術被廣泛應用于商業系統和學習系統等領域。個性化推薦算法是推薦系統的核心，學習系統中常用的個性化推薦算法主要有以下5類：基于內容的推薦、基于知識的推薦、協同過濾推薦、基于上下文感知的推薦和混合推薦。

1.基于內容的推薦

基于內容的推薦算法首先構建目標知識點屬性向量，然后通過分析用戶歷史行為記錄，構建用戶模型向量，最后計算用戶模型向量與目標知識點屬性向量的相似度，產生項目評分序列或top-N推薦。基于內容的推薦不需要大量的用戶群體或評分數據集，只有一個用戶也可以產生推薦列表[3]。

2.基于知識的推薦

基于知識的推薦，需要建立知識網絡圖譜，計算用戶已有的知識和需求知識之間的信息熵，進行權重計算為用戶推薦與舊知識最為接近的新知識。基于知識的推薦算法依賴于預先建立的特定領域的知識庫，適用于無法根據學習用戶歷史信息來推薦知識點的預測[4]。

3.協同過濾推薦

協同過濾推薦是通過找到學習用戶A的近鄰學習用戶B，即找到具有相似特征的學習用戶，把學習用戶B在某領域選擇的知識項目推薦給未在該領域選擇知識項目的學習用戶A。

用戶A與用戶B的近鄰關系主要依據他們的歷史記錄或評分，采用余弦相似度、Perason相關系數、均方差、Spearman相關系數等方法計算[5]。

4.基于上下文感知推薦

首先采集用戶、上下文、時間、地點、項目、用戶評分等數據，形成數據集；然后，根據用戶歷史記錄提取用戶偏好；再次，計算用戶偏好與數據集的相關閾值；最后，根據閾值預測用戶與項目之間的潛在偏好，生成上下文感知推薦。

5.混合推薦

在具體應用中，常常將若干種個性化推薦算法通過某種方式進行結合，結合方式采用加權、變換、混合、特征組合和層疊等方法[6]，有效避免各單一的個性化推薦算法的不足，增強推薦效果。

（二）個性化推薦算法在網絡學習空間中的應用分析

網絡學習空間中的個性化推薦主要目的是使不同學習用戶獲得個性化、自適應性的學習內容，達到最佳學習效果。目前已有一些學習平臺紛紛把各種個性化推薦算法應用于知識領域，都取得了不錯的效果。但是網絡學習空間作為存儲或交換歷史數據信息最廣泛的學習平臺，更適合把幾種推薦算法捆綁在一起，順序應用推薦算法建立學習用戶模型和知識模型，從而生成基于內容的推薦、基于學習路徑推薦等個性化推薦。數據庫系統作為推薦系統的接口，為生成推薦提供數據。如圖1所示。

圖1 個性化推薦系統

三、基于個性化推薦技術的網絡學習空間一體化設計模型

（一）模型要素

網絡學習空間的構成要素是網絡學習空間模型構成的基礎，現有的網絡學習空間構成要素大多是以澳大利亞學者David Radcliffe提出的PST框架為理論基礎。所謂PST框架是指學習空間由Pedagogy（教學）—Space（空間）—Technology（技術）三者作為有機整體進行設計，強調技術在學習空間體系中的作用，使學習空間由物理空間向虛擬空間獲得有效延伸。隨著現代網絡信息技術的快速發展，特別是大數據技術、云技術的出現，智能型工具技術在網絡學習空間中扮演越來越重要的角色。因此，當前許多學者對網絡學習空間構成要素重新進行了定義，其中有代表性的，如祝智庭教授從教與學的過程出發，把網絡學習空間要素定義為教與學過程參與者的空間——角色空間，學習資源的內容資源空間，幫助用戶獲取資源的媒體工具空間，以及記錄用戶活動的過程信息空間[7]。而李振等則提出了個性化網絡學習空間的要素模型—PST-SDC模型，即教學法、技術、利益相關者、數據、學科內容五要素[8]。而本文更強調個性化推薦技術在網絡學習空間中的學習支持作用，界定模型構成要素為：空間用戶、學習工具、個性化推薦技術、學習資源及過程信息五要素。個性化推薦技術把空間用戶、學習工具、學習資源和過程信息等要素融合為一體，通過個性化推薦支持“個性化”學習活動的開展，如圖2所示。

圖2 基于個性化推薦技術的網絡學習空間構成要素

（二）模型構成要素內涵

1.空間用戶的統一身份認證和數據交換

網絡學習空間一體化模型核心思想是實現課內課外、校內校外、線上線下學習活動無縫鏈接一體化，生生之間、師生之間、教師與家長之間、教師與管理者之間持續互動一體化、各學習應用平臺數據模型一體化。因此，網絡學習空間用戶登錄必須實現統一實名身份認證，規范各類學習平臺數據模型，使學習用戶在各學習平臺的學習記錄數據及訪問數據實現繼承和交換，從而打破信息孤島，有效建立推薦模型。

2.實現多種角色共同參與

訪問網絡學習空間的主體不僅包括學生還包括教師、家長、學習伙伴、管理者等多個角色。家長通過網絡空間可以查看學生的學習成績，也可以通過空間評價體系和管理工具對學校、教師開展評價，提出良好建議，便于參與學校的管理。學校也可以借助空間及時向家長傳遞學生的學習情況、推送學校的教育理念和各種優秀的教育方法。不僅使家長全方位了解學生的學習和發展，更能積極明確學校的教育理念和思路，有效地參與學生的管理，幫助學生成長。總之，網絡學習空間在信息技術支撐下實現多個角色間的交流、溝通、分享、反思，共同促成知識生成、情感交流和協作。

3.學習資源的高度整合與共享

學習資源是學習用戶在網絡學習空間開展學習活動的基礎。如果僅僅憑借本單位、本院校建設的學習資源，平臺的應用受到極大的限制。因此，為了保障網絡學習空間一體化中的資源共享，需要全國各高校與主管部門按照網絡空間“人人通”技術規范和標準搭建資源數據庫和訪問接口，統一信息模型和信息交換，使網絡學習空間中的學習用戶及參與者可以通過搜索工具、外部平臺訪問入口等方式共享外部資源。

4.學習工具的高度集成

網絡學習空間中的學習工具包括虛擬教室、視頻點播、電子課本、各種智能應用、答疑、在線咨詢等學習應用系統，是幫助學習用戶進行學習的工具集合。網絡學習空間中的學習工具有效實現了教室、實驗室、家庭、圖書館等物理學習場所向虛擬學習場所的集成性轉移。在網絡學習空間中借助于學習工具，學習用戶可以建構自己的個人學習空間，完成在線學習、實現個人成長和個人發展。

5.過程信息空間

過程信息空間記錄了學習用戶在網絡學習空間中一切活動和活動結果數據[9]。這些數據包括學習用戶的知識項目進程、考試成績、訪問路徑以及各學習工具應用情況等等。個性化推薦技術可以利用過程信息數據，計算用戶的學習偏好、學習特征從而建立學習用戶模型，為個性化推薦實現提供必要數據。

四、基于個性化推薦技術的網絡學習空間設計一體化架構

基于個性化推薦技術的網絡學習空間一體化構架以其模型要素構成和內涵為理論基礎，分為用戶空間層、應用服務層、個性化推薦技術層、數據資源層、基礎設施層五個層級，如圖3所示。

圖3 基于個性化推薦技術的網絡學習空間一體化架構

（一）用戶空間層

用戶空間是平臺提供給各空間參與者訪問系統的接口界面，在這一空間中，用戶完成身份認證、系統登陸和各應用平臺的訪問與交互，是訪問網絡學習空間的入口。

（二）應用服務層

本層是為空間各應用系統提供技術支持的核心，涵蓋“虛擬教室”“視頻點播”“學生中心”“教師中心”“評價系統”及“互動交流”等應用和管理工具，為各類學習用戶提供支持服務。

（三）個性化推薦層

該層是實現“以學生為中心”的個性化推薦技術的關鍵，個性化推薦技術通過對過程信息數據庫和學習資源數據庫進行分類、聚類、相似性計算等算法分析，在該層中構建的學生模型和資源模型，并進行二者相似度計算，從而生成推薦。

（四）數據資源層

本層主要包含網絡學習空間所需的學習資源數據、學生基本信息數據、教師基本信息數據以及用戶訪問網絡學習空間應用系統留下的過程信息數據。并且數據資源層的各類數據庫在數據交換中心與各平臺進行數據交換，實現網絡學習空間數據資源共享和一體化。

（五）基礎設施層

本層包含平臺賴以運行的操作系統、大型服務器、各種網絡設備以及相關計算機硬件，為系統實現統籌管理和服務資源配置與調度等底層支持與操作。

五、結束語

現今隨著云技術、大數據、物聯網等計算機網絡通信技術的高速化發展，如何在網絡學習空間中實現個性化學習和個性化人才培養是當今探討的熱點。本文把大數據技術中的個性化推薦技術融入到網絡學習空間的一體化建設中，意旨通過個性化推薦技術實現網絡學習空間的個性化精準推薦，更好地為學生的個性化學習提供服務。