高校教育資源個性化推薦現狀分析

劉平 劉瀟 湖南外貿職業學院

當前高等院校教育資源個性化推薦主要是基于用戶的學習情況進行分析，并且采取數字化的方式進行學習的模式，這種模式能夠將豐富多樣化的教育資源融入到學習者的學習過程中，也是學習者逐步建立起自身知識結構的一個重要路徑。但是在數字化學習以及教育資源個性化推薦的過程中，也往往會出現用戶的差異性問題，以及用戶在通過使用教育資源個性化推薦時，會造成一定的學習負擔或者認知負擔，或者學習過程中會遇到其他認知困難，這是在個性化的教育資源推薦過程中必須解決的一個問題。如何進一步運用好數字化的資源，形成教育資源個性化的推薦模式，是提高學習者綜合學習效率，并且提高高等院校教育效率的一個重要路徑，因此只有通過深入分析，才能夠推進教育資源個性化推薦的成熟與發展。

一、高等院校教育資源個性化推薦的基本框架

高等院校在形成教育資源個性化的過程中，最為重要的就是以學習者為中心，也就是學習者在學習過程中不斷增強自身的知識儲備，要根據其所掌握知識的各種不同節點，同時對學習的路徑進行分析與規定等，挖掘學習者在學習過程中的一些實際需求和學習偏好，為教育資源個性化推薦提供扎實基礎。教育資源的個性化首先是以學習者的個性化為重點，而本身涉及整體系統框架的架設，以及對于個性化資源推薦的模型構建，包括如何通過各種不同路徑向學習者匹配相關資源，這些都需要通過數字化的手段進行建設，通過不同的維度形成推薦算法，從而在數字化的環境之下為學習者提供個性化的學習資源。

第一方面，在系統架構上要進行精心設計。高等院校在形成個性化教育資源的推薦系統時，要通過數字化平臺對高校大學生學習的路徑進行實質性的分析，這主要是依靠以時序為主要特點的匹配規則。也就是學習者在不同時間段學習的方式，高等院校對于學習者的各種行為通過監控器進行采集。個性化的資源推薦過程中，必須根據所采集到的各種信息，對學習者的學習風格以及認知偏好的隱性特征與信息進行匹配，從而在一定的關聯規則基礎上，形成推薦性的資源集合。因此高等院校在形成個性化的教育資源推薦時，必須在系統框架上加強設計，包括對學習支持工具的分析，如學習者在交流過程中所使用的各種在線工具，以及教育資源平臺上所提供的階段性測試的這些，都是為其個性化的學習提供相關輔助。在高等院校的個性化教育資源推薦系統框架設計中，包括了對監控器的設置以及個性化推薦引擎的算法設置等，這些都是整個系統中的各種具體部件，而個性化的推薦引擎是整體系統框架設計中的核心，通過對學習者大量的學習行為進行集合，挖掘符合相關規則的信息，從而為學習者提供個性化的教育資源推薦。

第二方面，在特征模型上要加強構建。高等院校在個性化的教育資源推薦系統上，要強化對不同特征的模型進行構建，這些模型主要是來源于學習者學習過程中的一些具體行為和習慣，對于學習者的認知思維變化的情況進行綜合分析，從而對學習者的認知風格和學習偏好等方面進行系統性的整合。學習者的學習軌跡可以通過其瀏覽的文本或者圖片等各種不同媒體格式進行分析，通過分析高等院校的教育目標和計劃，在學習資源互相之間的隱性關系，將通過個性化教育資源推薦模型進行綜合分析，從了進一步對學習者參與到個性化學習過程中的學習策略制定，以及學習方式的匹配進行進一步明確。在構建其具體模型時，需要考慮其結構化的標準方式，通過多維度的屬性描述，對于個性化的教育資源推薦的對象模型進行建立，以此來提高整體系統的個性化特征以及使用的便捷性，在推薦個性化的教育資源時，能夠體現出更高的精準程度。

在這一方面設置行為日記的事物模型是學習者個性化學習行為的具體描述方式，包括學習者訪問頁面的一些具體信息，通過數字化的個性教育資源推薦系統中，對于用戶的行為日記進行記錄，從而以關聯規則挖掘相關的數據資源，通過數據之間的相關性分析，對于學習者提供更加個性化的推薦。在這種設計過程中，高等院校要嘗試建立起用戶的學習行為日記事務模型，在格式框架上包括訪問者以及訪問時間的其具體的數字化方式，囊括了學習者的各種行為，為個性化的定制各種教育資源提供基礎。

第三方面，在個性化的教育資源推薦系統中，要形成路徑匹配的基本規則。在數字化的學習環境里，學習者的各種學習行為，雖然可以通過行為日記進行記錄，特別是對其不同時間節點上不同的學習行為進行分析，但是如果僅僅是基于學習行為日記進行記錄，是無法實現個性化的教育資源推薦。因此在使用個性化的教育推薦系統時，必須要根據學習者的學習需求，形成基本的路徑匹配原則，并且對不同時間段內的學習者的學習行為進行描述，進一步判定其內在的學習需求，從而形成最佳的學習路徑，因此在搭建數字化的框架時，最主要是使用關聯性規則技術，對于用戶行為進行挖掘。

從上述的幾種規則可以看出，搭建起系統性框架是個性化推薦教育資源的關鍵，而框架的核心內容就是對行為的記錄，包括學習者在瀏覽以及學習過程中的具體情況。高等院校在搭建形成個性化的教育資源推薦模式時，針對行為日記的信息序列模式要加強處理，通過對用戶訪問資源的先后順序，以及利用信息化的框架映射用戶訪問資源的對象標識，能夠幫助高等院校描述出用戶的具體圖像，從而為教育資源的個性化推薦提供基礎。

二、高等院校教育資源個性化推薦的策略選擇

高等院校在開展教育資源個性化推薦的過程中，需要考慮如何進行策略上的選擇，特別是對于學習行為的記錄和考慮等，這是在整體系統化的模式中優化配置資源必須要重點建設的部分。因此，高等院校要確定好個性化推薦的步驟，并且循序漸進地推動系統發揮出作用。

第一方面，在高校的教育資源個性化推薦中，要明確基本步驟。首先，用戶在登錄數字化的學習系統時，系統要對用戶的行為進行記錄和分析，不能夠僅僅是記錄用戶的登錄狀態。只要是通過個性化學習平臺注冊并且進行登錄的用戶，其行為都應該納入到系統支持服務的范疇。其次，用戶在實時學習的過程中，應該通過行為日記進行描述。高等院校在構建起信息化的處理模式時，需要運用行為監控器進行實時獲取并且分析，并且把所記錄的相關結果轉化成為相關序列，并且為后續的相關規則記錄提供基礎。再者，在形成個性化的學習路徑過程中，個性化的推薦引擎要對相關的用戶行為進行分析，并且通過學習者的認知風格以及認知水平等多個方面進行深入挖掘，通過相關算法進行規制性的匹配，最終為學習者提供個性化的學習路徑。最后，在學習路徑上面要進行預處理。在個性化的教育資源推薦引擎發揮積極作用的過程中，同時要對相關數據進行預處理，這樣才能夠讓使用者進行瀏覽并且使用。因為數據的形成必須要加強處理，才能夠把個性化的學習路徑的推薦以及學習教育資源的數據庫進行關聯性的映射，這樣才能夠通過轉化生成的方式，把推薦的教育資源提供給相關的用戶進行使用，從而以學習進度的方式進行體現。

第二方面，在算法的選擇上要充分考慮個性化學習路徑的關聯算法，如何形成相對應的規則，同時在每一輪掃描數據庫的時候，利用上一輪掃描形成的大序列形成候選的推薦序列，這樣更有助于個性化教育資源的推薦。系統未根據相關權重的參數值以及相關關系的類型可以推導出最優的學習路徑，因此在接下來的系統操作中分析資源對象的模型，依次分析出最優的學習路徑節點，并且根據學習者的學習風格與學習偏好，匹配最優路徑，以及符合學習者學習偏好的模式，按照學習者的學習進度進行映射的推薦。由此可見，學習者通過相關的學習支持工具，配合個性化的教育資源推薦，能夠進一步通過用戶終端進行瀏覽和學習，從而提高學習的效率。

三、結語

在個性化的學習理論支持之下強調，在學習的過程中對學習者主體作用發揮和學習的本質，就是根據學習者不同的學習情況提供相關的幫助，因此高等院校的形成個性化的教育資源推薦系統建設過程中，就必須要對認知者和學習者的思維模式進行數字化的分析，才能夠進一步運用個性化的教育資源，推薦幫助學習者掌握相關知識。因此在構建起相關的模型和框架過程里，高等院校要通過學習者持續化的學習行為，以及對其行為日記進行分析，從而深入挖掘相關數據，形成最優化的學習路徑推薦進一步的對學習者的學習風格以及偏好等進行隱性特征的分析，為教育資源的個性化推薦提供基礎。