國外適應性學習支持系統中情境感知模型對比研究

杜靜 高博俊 周偉 蔡臻昱

[摘 ? 要] 依據學習者的情境提供匹配的學習資源是自適應學習系統的研究難點之一，文章采用內容分析法和案例研究法，從人與環境兩方面，對2015年至2019年的國外適應性學習支持系統中情境感知功能的相關要素、實現方法、評價方式進行剖析。經過研究發現，已有的適應性學習支持系統主要應用于詞匯學習和場館學習領域;涉及要素包括用戶、社會情境、任務、時空、基礎設施和物理環境六大維度，并且對物理環境、社會情境與任務三個維度的分析需要進一步細化要素;不同維度要素信息獲取的實現方法多采用傳感器、系統日志文件、系統預設的方式;對學習支持系統評價方式主要包括用戶使用系統的一般態度、用戶使用體驗、系統對學習成績的影響等方面。最后，基于以上分析提出未來情境感知模型研究可以從三個方面開展，包括融入實時情感分析以實現學習支持服務中的人文關懷，支持多主體互動以促進知識的探究式社會協商，關注復雜學習情境建模以驅動數據密集型支持服務。

[關鍵詞] 適應性學習; 學習情境; 情境感知; 學習支持; 對比分析

[中圖分類號] G434 ? ? ? ? ? ?[文獻標志碼] A

[作者簡介] 杜靜（1989—），女，湖北武漢人。博士，主要從事適應性學習支持服務研究。E-mail：dujing@mail.bnu.edu.cn。周偉為通訊作者，E-mail：zhouwei@bnu.edu.cn。

一、引 ? 言

泛在學習時代，人們期待的智慧學習環境是一種能感知學習情境，識別學習者特征，提供合適的學習資源與便利的互動工具，自動記錄學習過程和評測學習成果，以促進學習者有效學習的學習場所或活動空間[1]。如何依據學習發生的時間、地點、學習活動等細粒度信息匹配學習支持是當前適應性學習支持系統設計過程中的研究焦點。為此，本研究將對情境感知模型的研究現狀進行分析，探索以下問題：（1）從理論上來看，情境感知功能包含的維度;（2）從實踐上來看，已實現的自適應學習系統納入了哪些維度，使用何種技術實現;（3）具有情境感知功能的學習系統的應用效果。通過對適應性學習支持系統的情境感知功能進行深度剖析，為適應性學習支持提供借鑒。

二、情境感知模型研究的緣起

（一）情境感知的內涵

關于情境的定義，學界普遍認可的是Dey從系統設計的角度給出的定義，情境為任何可以被用來描述實體的信息，實體可以是某個人、某個地點或被認為與用戶和應用程序之間的互動有關的物體，包括用戶和應用程序本身[2]。Dey曾將情境信息分為四類，通過身份（Identity）、時間（Time）、地點（Location）、活動（Activity）四個維度來回應自適應系統需要回答的四類問題[誰在參與這項活動（Who）、什么時間發生（When）、在哪里發生（Where）和什么活動正在發生（What）][3]。Bardram和Jakob從人的活動視角出發，認為情境是人的活動整體，包括行為和操作的執行[4]。本文采用了以上兩種關于情境的定義，認為情境是對人的活動過程相關的實體信息的描述，與時間、地點、行為和活動過程等因素密切相關。

情境感知計算的研究始于Want[5]，目前大多數研究者采用Schilit、Adams和Want提出的情境感知定義，即通過計算機程序感知不斷變化的環境并描述該環境下的用戶行為，再依據這些變化和用戶行為提供符合用戶需要的服務[6]。此外，Schmidt還從軟件工程的角度，就如何獲取情境信息的問題給出了情境的操作性定義，并提出情境感知模型[7]。通過以上研究發現，具有情境感知功能的自適應學習系統的實質就是通過智能技術識別與學習者相關的時間、地點、環境、活動等情境信息，從而匹配和推送合適的資源和服務。

（二）適應性學習支持的新訴求

適應性學習支持系統的核心特征是“適應”，適應一詞常指基于情境信息的計算（Context-based Computing），即通過識別當前用戶情境信息，計算出符合用戶需求的資源[8]。學習支持的實質是結合學習者的特征，利用各種資源，為學習者提供適應性支持。按照支持方式的不同，可以將服務分為三類：預設資源型支持、相關資源型支持和生成資源型支持[9]，見表1，其中，生成型資源服務是未來發展的方向。

尤其是近年來，學習場景多元化發展，學習支持方式也逐漸多樣化[10]，學習者特質各不相同，對學習需求和環境要求也不同[11]，表現為因學習者知識背景、認知水平、元認知能力、情感狀態、所處環境的不同，所需的學習資源、學習內容、學習指導存在較大差異[12]，這使情境感知功能對自適應學習系統顯得愈發重要。

三、研究方法與過程

（一）研究問題與研究方法

以Schmidt的情境感知模型[7]為基礎，對自適應學習系統中情境感知功能的設計與實現現狀進行探討。問題1：自適應學習系統中情境感知功能的情境要素包括哪些？問題2：獲取情境要素的技術和方法是什么？問題3：情境感知功能評價指標是什么？

在研究方法上，問題1采用內容分析法來剖析已被采用的情境要素，問題2采用案例研究法來厘清獲取情境要素的技術與方法，問題3采用案例研究法來對比情境感知功能的評價指標。

（二）篩選標準和數據來源

以Web of Science為搜索數據庫，以Recommender System、Mobile Learning System、Adaptive Learning System、Ubiquitous Learning System為搜索關鍵詞，共搜索到3420篇文章。案例篩選按照以下標準進行：數據源來自2015年后出版的相關文章;僅搜集會議文章與期刊文章，剔除非英文文章、未發表的文章、碩博士論文、新聞、報告、海報、短篇論文;該研究對自適應學習系統的研究包括功能介紹、系統評測等部分。經過篩查，剩余23篇文章。

四、情境感知模型對比分析框架

（一）情境感知相關因素的厘清

在現有的研究中，有多種對情境因素的劃分方式。有學者從人和環境的角度進行了研究。Schmidt從通用的角度將情境信息劃分為與人相關的因素（用戶信息、社會環境與任務信息指標）和與環境相關的因素（物理環境、基礎設施與地點信息）[7]。情境信息還可以劃分為內部情境和外部情境，內部情境信息用來描述用戶的狀態，獲取較困難，包括用戶的基本信息、狀態;外部情境用來描述與環境相關的信息，獲取較容易，包括空間、溫度等[13]。

還有一些研究者從學習支持的角度對情境因素進行了劃分。張劍認為，情境信息可分為學習情境和移動情境，學習情境由學習者、教育資源、學習活動、特定教學策略組成，移動情境是由輸送介質（也就是移動設備）捕捉的情境信息[14]。Yang認為，情境包括兩個維度，學習者和學習服務，與學習者相關的信息包括個人檔案、學習偏好、網絡連接渠道、學習終端等，與學習服務相關的信息包括如網絡條件、執行服務的設備和平臺等[15]。陳敏和余勝泉從學習過程情境出發，將情境信息劃分為學習目標、學習者特征、學習設備、學習環境四個維度，認為促進有效學習的發生，不僅要推薦學習內容，還需推薦與學習過程相關的內容、資源、專家和服務[16]。

綜合以上研究，已有的劃分方式都包括環境和人的因素。環境維度包括時空、物理環境（光、壓強、加速度、溫度等）;人的因素包括個體情境（脈搏、血壓、認知負荷等）、社會情境（社會交互、小組動態等）和用戶任務（目標、內容、完成時間等）。

與情境信息最相關的要素為設備和使用者，因此，本研究主要借鑒Brusilovsky和Millán[17]的觀點，從設備和人的視角對情境信息加以考量，如圖1所示。從用戶的視角來看，情境信息建模是對用戶建模部分進行了擴充，這種方式更傾向于不將用戶信息劃分為情境信息的一部分;從設備的視角來劃分情境因素是普適計算和移動學習普遍采用的方式，這種方式將用戶的信息看作情境的一部分，這也是大多數自適應學習系統采用的劃分方式。后續的分析也將從設備的視角對自適應學習系統的情境感知模型進行分析。

（二）情境感知模型分析框架

結合以上關于情境感知因素的研究，圍繞信息、媒介、方法和效果四個方面提出了情境特征分析框架“U-TIPS2”，如圖2所示。該框架關注到人和環境兩類因素，包括六大維度，物理環境、用戶、基礎設施、時空、

任務和社會情境。其中，用戶、社會情境和任務三要素和人密切相關，物理環境、基礎設施、時空和環境相關。該模型用來分析四類問題：（1）何種信息——系統涉及的信息類型，如用戶情境、社會情境等;（2）何種媒介——系統使用的基礎設施，如Ibeacons、傳感器等，對應于案例描述的“終端類型”部分;（3）何種方法或技術——系統使用的識別情境信息的技術，如人臉識別、語音識別等;（4）何種效果——系統的評價方式，如測評對象、測評維度等。

五、對比分析結果

（一）案例介紹

利用內容分析法，對相關案例系統的背景信息進行分析，見表2。目前，已實現的具有情境感知功能的適應性學習系統多應用于語言學習和場館學習兩個方面。在語言學習方面，Liu等設計了健身場景下的協作式英語學習系統UFELCS[20];Yao結合二維碼技術設計了基于真實學習環境的平臺PCAR，該平臺可提升學習者的英語應用能力并激發學習興趣[24];Wang以英語詞匯中的音節為基礎，設計了幫助學習者提升英語學習水平的系統I SEE[26]。此外，還有英語學習系統UoLmP[29]、阿拉伯語言學習系統U-Arabic[27]。在場館學習方面，Chiu結合導航算法B-MONS開發了支持博物館學習的混合式泛在學習系統[22]。除此之外，還有面向文化學習的旅游及相關服務的移動推薦系統Looker[18]、利用群體智能算法的基于位置的混合式旅游推薦系統HLTRS[19]等。

（二）情境感知功能對比分析結果

在搜集國外具有情境感知功能的適應性學習系統的基礎上，利用內容分析法，對相關文章中描述的情境要素以及實現要素的方法進行細粒度提取，表3列舉了與人相關的三個維度的分析結果，表4列舉了與環境相關的三個維度的分析結果。

需要說明的是，表中的“日志”指追蹤歷史數據的日志文件，“QR Code”指由Denso公司于1994年9月研制的一種矩陣二維碼符號，“API”指用戶應用程序接口，“自選”指由使用者自愿選擇，“RFID”指一種閱讀器與標簽之間進行非接觸式的數據通信方式，“×”表示系統沒有列入此要素。

從“用戶—社會情境—任務”維度的對比分析結果來看，在用戶維度，多數系統涵蓋了基本信息、習慣偏好、認知風格、學習需求、知識水平等，基本信息（如姓名、年齡、年級等人口信息）大多在用戶系統注冊時直接獲取，習慣偏好、認知風格、學習需求多利用問卷獲取;在社會情境維度方面，主要描述了交互信息和小組成員的分工情況，如UFELCS系統利用QR Code獲取小組成員組隊信息[20];在任務維度，包含的信息主要包括活動信息、學習資源和測試題信息，活動信息多采用QR Code的方式獲取，如BCAULS、IULS、U-Arabic。

通過“用戶—社會情境—任務”維度的分析可知，在用戶維度，用戶信息表征多集中在人口信息、認知風格、知識水平等淺層次信息，包括UFELCS、BCAULS、PCAR、IULS等，對學習者情感狀態以及學習者的個性化學習需求關注較少;在社會情境維度，多數系統關注個人學習，對協作學習關注不足;在任務維度，對多用戶協作情境下的任務描述需加強，搜集到的案例僅有SCORLL、UFELCS、UoLmP和A Mobile Label Assisted System涉及協作學習的情境感知。可能的原因是，這些系統的主要功能是針對個體推薦學習資源，針對小組推薦學習資源和學習活動的功能設計較少，使得對社會維度的因素考慮不足。

[參考文獻]

[1] 黃榮懷， 楊俊鋒， 胡永斌. 從數字學習環境到智慧學習環境[J]. 開放教育研究， 2012， 18（1）： 75-84.

[2] ABOWD G D， DEY A K， BROWN P J， et al. Towards a better understanding of context and context-awareness[C]//International symposium on handheld and ubiquitous computing. Berlin， Heidelberg： Springer， 1999： 304-307.

[3] DEY A K， ABOWD G D. Providing architectural support for building context-aware applications[D]. Atlanta： Georgia Institute of Technology，2000.

[4] BARDRAM J E. Activity-based computing for medical work in hospitals[J]. ACM Transactions on computer-human interaction （TOCHI）， 2009， 16（2）： 10.

[5] WANT R， HOPPER A， FALCAO V， et al. The active badge location system[J]. ACM Transactions on information systems （TOIS）， 1992， 10（1）： 91-102.

[6] SCHILIT B， ADAMS N， WANT R. Context-aware computing applications[C]//1994 First Workshop on Mobile Computing Systems and Applications. Santa Cruz， USA： IEEE， 1994： 85-90.

[7] SCHMIDT A， BEIGL M， GELLERSEN H W. There is more to context than location[J]. Computers & graphics， 1999， 23（6）： 893-901.

[8] BRUSILOVSKI P， KOBSA A， NEJDL W. The adaptive web： methods and strategies of web personalization[J]. Springer science & business media， 2007，4321： 521-549.

[9] WAHLSTER W， TACK W. Ressource adaptive kognitive prozesse[M]//Informatik'97 informatik als innovationsmotor. Berlin， Heidelberg： Springer， 1997： 51-57.

[10] 武法提， 黃石華， 殷寶媛. 場景化：學習服務設計的新思路[J]. 電化教育研究， 2018， 39（12）：65-71.

[11] KOBSA A . User Modeling and User-Adapted Interaction[J]. User modeling and user-adapted interaction， 2005， 15（1）：185-190.

[12] TORTORELLARA W， GRAF S. Considering learning styles and context-awareness for mobile adaptive learning[J]. Education and information technologies， 2017， 22（1）： 297-315.

[13] K？譈HN R， KELLER C， SCHLEGEL T. A context taxonomy supporting public system design[C]// 1st International Workshop on Model-based Interactive Ubiquitous System. Copenhagen， Denmark： ACM， 2011：45-50.

[14] 張劍. 情境感知自適應移動學習系統框架研究——以uolmp系統為例[J]. 情報探索， 2015（6）： 50-52.

[15] YANG S J. Context aware ubiquitous learning environments for peer-to-peer collaborative learning[J]. Journal of educational technology & society， 2006， 9（1）： 188-201.

[16] 陳敏， 余勝泉. 泛在學習環境下感知學習過程情境的推薦系統設計[J]. 電化教育研究， 2015（4）： 76-82.

[17] BRUSILOVSKY P， MILL？魣N E. User models for adaptive hypermedia and adaptive educational systems[M].The adaptive web. Berlin， Heidelberg： Springer， 2007： 3-53.

[18] MISSAOUI S， KASSEM F， VIVIANI M， et al. LOOKER： a mobile， personalized recommender system in the tourism domain based on social media user-generated content[J]. Personal and ubiquitous computing， 2019， 23（2）： 181-197.

[19] RAVI L， SUBRAMANIYASWAMY V， VIJAYAKUMAR V， et al. Hybrid location-based recommender system for mobility and travel planning[J]. Mobile networks and applications， 2019， 24（4）： 1-14.

[20] LIU G Z， CHEN J Y， HWANG G J. Mobile─based collaborative learning in the fitness center： a case study on the development of English listening comprehension with a context─aware application[J]. British journal of educational technology， 2018， 49（2）： 305-320.

[21] TORTORELLARA W， CHEN N S. Framework for designing context-aware learning systems[J]. Education and information technologies， 2018， 23（1）： 143-164.

[22] CHIU C K， TSENG J C， HSU T Y. Blended context-aware ubiquitous learning in museums： environment， navigation support and system development[J]. Personal and ubiquitous computing， 2017， 21（2）： 355-369.

[23] CHIN K Y， LEE K F， CHEN Y L. Using an interactive ubiquitous learning system to enhance authentic learning experiences in a cultural heritage course[J]. Interactive learning environments， 2018， 26（4）： 444-459.

[24] YAO C B. Constructing a user-friendly and smart ubiquitous personalized learning environment by using a context-aware mechanism[J]. IEEE transactions on learning technologies， 2015， 10（1）： 104-114.

[25] INTAYOAD W， BECKER T， TEMDEE P. Social context-aware recommendation for personalized online learning[J]. Wireless personal communications， 2017， 97（1）： 163-179.

[26] WANG W Y， HUANG Y M. Interactive syllable-based English vocabulary learning in a context-aware environment[J]. Journal of educational computing research， 2017， 55（2）： 219-239.

[27] ALOBAYDIE K， ALKHAYATR Y， ARSHADMR M， et al. Context-aware ubiquitous Arabic vocabularies learning system （U-Arabic）： a framework design and implementation[C]// 7th IEEE International Conference on Control System， Computing and Engineering. ?Penang， Malaysia： IEEE， 2017： 23-28.

[28] HSU T Y， CHIOU C K， TSENG J C R， et al. Development and evaluation of an active learning support system for context-aware ubiquitous learning[J]. IEEE transactions on learning technologies， 2015， 9（1）： 37-45.

[29] G？魷MEZ S， ZERVAS P， SAMPSON D G， et al. Context-aware adaptive and personalized mobile learning delivery supported by UoLmP [J]. Journal of king saud university-computer and information sciences， 2014， 26（1）： 47-61.

[30] CHEN C M， CHEN L C， YANG S M. An English vocabulary learning app with self-regulated learning mechanism to improve learning performance and motivation[J]. Computer assisted language learning， 2019， 32（3）： 237-260.

[31] CHEN G， XIN Y， CHEN N S. Informal learning in science museum： development and evaluation of a mobile exhibit label system with iBeacon technology[J]. Educational technology research and development， 2017， 65（3）： 719-741.

[32] CHEN C C， LIN P H. Development and evaluation of a context-aware ubiquitous learning environment for astronomy education[J]. Interactive learning environments， 2016， 24（3）： 644-661.

[33] SUN J C Y， CHANG K Y. Design and development of a location-based mobile learning system to facilitate English learning[J]. Universal access in the information society， 2016， 15（3）： 345-357.

[34] MOURI K， OGATA H， UOSAKI N， et al. Context-aware and personalization method based on ubiquitous learning analytics[J]. Journal of universal computer science， 2016， 22（10）： 1380-1397.

[35] ZHAO S， GHOLAMINEJAD A， DING G， et al. Personalized emotion recognition by personality-aware high-order learning of physiological signals[J]. ACM transactions on multimedia computing， communications， and applications， 2019， 15（1）： 1-19.

[36] 鐘啟泉. 學習環境設計：框架與課題[J]. 教育研究， 2015， 36（1）： 113-121.

[37] 何克抗. 教學代理與自適應學習技術的新發展——對美國《教育傳播與技術研究手冊》（第四版）的學習與思考之六[J]. 開放教育研究， 2017，23（5）： 11-20.

[38] PAXTON A， TULLETT A. Open Science in data-intensive psychology and cognitive science[J]. Policy insights from the behavioral and brain sciences， 2019， 6（1）： 47-55.