“互聯網+”時代移動學習資源個性化推薦模型

文/王吉林

在互聯網+時代，移動設備的廣泛使用，極大地擴展了終身學習的范圍，有效地促進了移動學習的發展。與此同時，伴隨而來的資源過載、信息迷航等新問題，讓個性化學習服務顯得尤為重要。移動學習作為一種學習網絡資源的重要方式，為個性化學習提供了更為便捷的條件和途徑。這種隨時、隨地的個性化的學習模式，在個性化推薦技術的深入發展和促進下，既能夠讓學習者在更短的時間內，從繁雜的學習資源中高效地、精確地定位目標資源，減少時間和精力耗費，又滿足學習者的個性化學習需求。因此，移動學習資源的個性化推薦模型研究，是當前研究的熱點。本文在對當前較為常見的個性化推薦算法模型進行研究的基礎上，提出了一個混合式的個性化資源推薦模型，希望為今后移動學習資源的個性化推薦提供模型構架方面的參考。

1 移動學習資源個性化推薦研究現狀分析

近十年來，關于移動學習資源的個性化推薦的研究，主要集中在個性化推薦模型或模式的構建研究這一領域。作為研究熱點，不少學者進行了相關研究，取得了一定的成果，現歸類分析如下：

1.1 基于情境的移動學習資源個性化推薦

在移動學習中，學習情境是與學習者有關的一切屬性的集合。由于與學習者和學習過程息息相關，因此，作為學習效果的重要影響因素之一，受到研究者的重視。

吳楠運用模糊聚類的方法對用戶的情境進行聚類，構建用戶集合，結合基于用戶的協同過濾算法進行個性化推薦，設計了一種基于用戶情境聚類的個性化推薦算法和基于情境感知的移動學習系統原型。經測試，在移動學習應用中具有一定的有效性。但是，沒有排除無關情境因素，各個情境因素所占權重均按相同計算，且對學習資源的設置與存儲和系統性能的評價研究不足。

于灝媛提出了基于情景感知的個性化學習資源推薦規則，在此基礎上實現了基于學習者的學習風格和學習環境的移動學習資源個性化推薦系統。但是，存在學習情境信息的種類偏少，位置情境信息獲取不足等問題。

1.2 基于社會化標簽的移動學習資源個性化推薦

在移動學習中，社會化標簽是一種分類方式，可以準確地標注學習者的興趣、學習行為、學習記錄和學習資源等信息。由于具有靈活、成本低、自生語義性強等優點，很適合被用在個性化推薦系統中。

趙艷，王亞民利用用戶使用標簽的頻率和時間因素計算用戶的標簽偏好向量，獲取相似鄰居所收藏的資源，從而構建P2P 環境下基于社會化標簽的個性化推薦模型。經驗證，綜合用戶標簽使用頻率和時間因素的推薦效果有一定的優越性，但是，通過人工方式對標簽進行處理，缺少了控制標簽模糊性機制。

陳淼，唐章蔚提出了基于社會化標簽思想的個性化資源推薦模型，設計了情境因素、用戶特點因素、用戶興趣因素、用戶目標因素和反饋更新因素這五個維度的學習資源個性化推薦模型。

1.3 基于本體論的移動學習資源個性化推薦

鐘珞，薛慶吉，鄭明珠，袁景凌提出了基于本體論的移動學習資源關系框架和個性化學習模型，并描述了移動學習中本體開發的基本流程和研究方案。

李小文,童莉莉,李榮祿對個性化學習支持服務進行深入系統的研究提出了PMKS——學習主體(Person)、移動工具(Mobile)、知識或者服務(Knowledge)和情境(Scene) 的移動學習理論框架。以“移動學習”教育部—國移動聯合實驗室為平臺支撐，設計開發了“和教育”云平臺。

此外，還有部分研究者提出了基于電子書包的移動資源個性化推薦模型、基于關聯規則和聚類分析的移動資源個性化推薦模型、基于學習分析的移動資源個性化推薦模型。這些推薦模型，在一定程度上提高了學習資源的使用效率，促進了學習效果的提升。但是，在某些方面也都存在一些局限性。在信息過載的移動學習環境中，如何在最短的時間內，高效、精確地獲取學習資源，最大限度地滿足個性化需求，是需要不斷探索的研究點。

2 移動學習資源個性化推薦模型

通過分析歸納前人的研究，并結合當前研究現狀，本文構建了一種基于混合模式的移動學習個性化推薦模型，如圖 1 所示。

該模型應用于移動端的混合環境下，分為基礎層、模型層、算法層和應用層。

2.1 基礎層

該模塊主要負責收集與學習者相關的數據（學習者的基本信息、學習者的學習行為、學習資源的基本信息、日志記錄以及反饋信息等），然后進行清洗、去重、規范化等處理，生成學習者的基本信息、學習風格、偏好信息、學習者行為信息和歷史記錄等數據庫，供后續使用。

2.2 模型層

此模塊主要是根據采集到的不同的數據信息，構建相應的模型，存在一定的可變性。主要包括：知識模型、學習資源特征模型、學習者學習風格模型、學習者關系模型、設備關系模型。其中，知識模型包括名稱、關鍵詞、描述、所屬、所需時間、難度系數、關聯等屬性。學習資源特征模型由資源名、特點、描述、類型、結構、關聯等組成。學習者學習風格模型，主要包括學習者的基本背景特征、興趣愛好、認知狀態、知識水平、學習目標、學習方式、學習習慣等。學習者關系模型，主要有習者偏好分和相似學習者偏好分組成。設備關系模型，主要包括名稱、類型、操作系統、其他等屬性。此模塊各個模型的具體建構過程要依賴于收集到的數據，此處就不展開敘述。

圖1：基于混合模式的移動學習資源個性化推薦模型

2.3 算法層

個性化推薦算法是個性化推薦的核心和關鍵，其推薦的結果，直接影響到推薦效果和學習者體驗。目前主流的推薦方法有基于內容的推薦、協同過濾推薦、基于關聯規則的推薦、基于社會化標簽的推薦、基于情境感知的推薦和基于混合模式的推薦。移動學習資源的個性化推薦算法，就是將這些推薦算法應用到移動學習系統或平臺中，給學習者推薦個性化的學習資源。本框架采用的是基于混合模式的推薦算法，基于情境感知的推薦，應用于學習風格模型相關的部分，基于內容的推薦算法應用于學習資源模型相關的部分，基于社會化標簽的推薦算法應用于知識模型和評價反饋部分，基于協同過濾的推薦算法，應用于學習者模型的相關部分。基于關聯規則的推薦算法，應用于學習者關系模型和設備關系模型相關的部分。

2.4 應用層

在移動學習設備中，呈現學習資源，設置推薦的模塊。比如：線上推薦、線下推薦、基于熱度推薦、基于分群推薦、基于偏好推薦等模塊等，將推薦結果返回給學習者，學習者在學習過程中的日志信息和評價等信息會反饋給數據采集部分，然后更新各個模型以及相應的推薦算法，對推薦結果進行二次排序后再次發回給學習者，如此反復。

3 總結

本文在分析移動學習資源個性化推薦現狀的基礎上，給出了一種基于混合模式的移動學習資源個性化推薦模型，并對模型的各個模塊進行簡單說明。由于采集到的數據曾在差異，個性化推薦模型和算法有一定的可變性，因此，在模型層和算法層沒有具體展開敘述，具有一定的局限性。隨著信息技術的發展，智慧學習的和人工智能對個性化推薦算法提出了更高的要求，今后將慎重考慮推薦的影響因素及權重，進一步學習資源個性化推薦模型和算法，更加注重驗證效果。