基于情境感知工具輔助碎片化學習行為的研究

張艾佳，劉正捷

（大連海事大學 信息科學技術學院，遼寧 大連 116026）

0 引言

近年來，隨著移動設備的廣泛應用，進行短期的興趣學習和快速了解新事物的碎片化學習方式越來越普及，如利用5 分鐘時間在網易公開課學習神經網絡原理，利用百度來查找任務模型的定義，利用各個傳媒App 了解社會各方面的信息知識等[1-3]。這些學習方式共同的特點是對各個知識的理解較為淺顯、短期、快速及多變，滿足人們短期的知識需求。為了適應人們對移動端碎片化學習的需求，需要研究用戶在移動環境下的相關行為。傳統方法要求研究者和用戶在同一時間、同一空間完成用戶體驗研究。傳統方法中，用戶與真實環境分離，研究結果的有效性不高。為了解決傳統方法的缺陷，研究人員提出了情境感知技術，對不同情境下的用戶行為進行合理客觀的評估[4-7]。

情境感知技術需要移動設備的配合，通過獲取移動設備中相關傳感器信息來感知用戶當前的情境狀態。該技術的本質目的是通過感知用戶的當前狀態，為用戶提供用戶期望的服務[8]。基于情境感知技術開發的遠程用戶體驗系統CAUX（Context-Aware User Experience，CAUX）是一種碎片化學習工具，能夠獲得精確時間、地點及情境下的用戶數據。情境數據可以與用戶數據耦合，增加了許多非語言線索，可以減輕研究人員的數據分析負擔，使數據更加真實有效[9]。

1 碎片化學習行為的捕捉

1.1 碎片化學習概述

目前，學術界關于“碎片化學習”的概念尚未有明確的界定。大多數研究只描述了碎片化學習的原因和具體現象，但沒有明確定義。通過閱讀相關文獻得出結論：碎片化學習的發生依賴于移動終端的充分利用；學習者的碎片化學習不受時間和空間的限制；碎片化學習過程需要依靠通信技術實現知識的傳輸和在線交流；大多數人關注的是知識內容的碎片化，強調利用碎片化時間和碎片化知識進行個體學習或組織學習[10]。

用戶在移動瀏覽器上使用學習網站進行學習是一種典型的碎片化學習行為。因此，本文旨在捕獲和研究瀏覽器碎片化學習行為。

1.2 用戶行為捕捉

CAUX 是基于情境感知的用戶體驗研究工具，安裝運行在用戶手機上，通過感知情境信息進行數據采集。目前CAUX 獲取的用戶行為數據局限于App 外的系統數據，App 內的操作行為主要依靠彈出問卷這種用戶自報告方式來獲取。這種方式對用戶侵擾性大，可行性較低。因此，考慮繼續為CAUX增加屏幕錄制功能來捕捉App 內的用戶行為。通過屏幕錄制，可以獲得用戶在App 內的完整操作，并自動存儲時間戳。

1.3 隱私保護說明

捕捉和分析用戶行為數據需要考慮隱私問題。本文采取了一系列步驟來保護數據集中相關用戶的隱私。首先，在實驗開始前，征求用戶對于屏幕錄制的同意。在數據采集過程中，屏幕上方會有紅色懸浮窗表示當前處于屏幕錄制狀態。其次，收集的所有原始數據都保存在服務器，只有研究人員可以下載查看。最后，對所有用戶進行標識符匿名化。數據集不包括研究期間涉及的用戶個人信息。

1.4 數據采集流程

數據采集流程如圖1 所示。

圖1 用戶行為數據采集流程圖

CAUX 捕捉App 內用戶行為數據的過程可以分為4 個步驟。

（1）研究人員設置指令。研究人員根據案例研究目標確定自己感興趣的情境，制定指令文件并上傳到服務器。每個研究項目可以對應一個或多個指令組，對應不同情況下的獲取意圖。以QQ 瀏覽器為例，一個指令組可將QQ 瀏覽器在前臺運行設定為指令觸發條件，將采集客觀數據和開啟錄屏設定為數據采集操作。數據采集過程的算法如Algolrithm1 描述。

Algolrithm1 數據采集算法

輸入：工具監聽事件

輸出：執行指令設定的操作（采集數據錄屏）

1.監聽系統廣播和用戶使用情況；//監聽事件

2.若ActivityLifecycleCallbacks 監聽App狀態發生變化；

3.for i=0 to list.length（）；//篩選所有含當前情境指令

4.if（App.close ? list（i）.trigger）；

5.if（App.back ? list（i）.trigger）；

6.執行list（i）.operation 中的所有執行動作；

7.else 重復步驟3；

8.重復步驟2，繼續監聽；

（2）客戶端解析指令文件。用戶安裝運行CAUX，客戶端自動從服務器下載指令。指令解析模塊負責循環解析指令，并逐條存儲在一個表結構中。

（3）客戶端監聽情境信息。循環監聽情境信息，判斷當下情境是否滿足指令的觸發條件。若滿足觸發條件，則跳轉到數據采集模塊進行相應的數據采集動作，采集客觀數據并開啟錄屏功能；若不滿足觸發條件則繼續循環監聽。

（4）采集到的數據暫存在本地文件夾中，通過通信模塊上傳到服務器。

本文的研究目標是碎片化學習過程中的用戶體驗問題，主要基于瀏覽器的使用行為。根據研究目標及數據采集策略，制定具體采集指令，主要包括碎片化學習行為中瀏覽器使用的數據捕獲，其余數據如時間、地理位置及運動狀態等，作為場景還原和用戶協同回顧的輔助信息。主要的數據采集指令如表1所示。

表1 基于CAUX 的案例數據采集指令

指令的編碼如下所示：

2 數據分析和用戶體驗

2.1 行為數據分析過程

用戶開啟CAUX 后，CAUX 會將用戶數據上傳至服務器。研究人員需要登錄服務器將用戶數據下載到本地。完成數據下載后，系統會對用戶數據進行分析。用戶體驗的數據分析過程包括用戶數據的篩選和整理、按照數據分析方法分析用戶數據、與用戶進行協同回顧式訪談以及用戶體驗問題匯總4個步驟。

（1）從數據庫下載CAUX數據。使用Algolrithm2 的數據篩選算法對數據進行自動化處理，篩選出碎片化學習行為相關的數據。

Algolrithm2 數據篩選算法

輸入：原始數據采集文本monitor.txt

輸出：數據集D

1.導入并讀取原始數據采集文本monitor.txt;

2.for i=0 to monitor.Rowlength（）;

3.if 第i 行的第一列==UserLearning;

4.SignData.add（i）%執行記錄具有的標記此行;

5.for j=0 to SignData.length（）;

6.if SignData[j]＜10;

7.for p=0 to SignData[j]+10;

8.if p.[3]==“App 前臺”orp.[3]==“App 后臺”

or p.[1]==“UserLearning”;

9.FilterData.add（p）;//記錄篩選出來的行號;

10.else

11.for p=SignData[j]-10 to SignData[j]+10;

12.if p.[3]==“App 前臺”or p.[3]==“App 后臺”or p.[1]==“UserLearning”;

13.FilterData.add（p）;//記錄篩選出來的行號;

1 4.N e w_lists=sorted（set（sxData），key=FilterData.index）;//剔除重復數據并排序

15.for k=0 to New_lists.length（）

16.Alldata.add（monitor.（New_lists[k]））;// 篩選標記數據與上下文中與軟件切換相關的數據

17.end;

（2）分析處理后的數據集，利用錄屏的方式研究軟件內行為，探索用戶可能遇到的用戶體驗問題。

（3）針對仍存在疑惑的數據，與用戶進行協同式訪談。在協同式訪談過程中，要求用戶說明使用軟件時發生的事情以及他們對此的感受。

（4）問題總結。研究人員需要將第二階段發現的用戶體驗問題和第三階段發現的用戶體驗問題進行匯總，得出碎片化學習的用戶體驗問題列表。

2.2 實例分析

研究人員利用CAUX 工具采集了13 名用戶的數據，歷時60 天，共采集到36 193 條有效的情境數據，不同網絡環境下的錄屏數據共652 段。利用以上數據，按照數據分析流程發現CAUX 問題。案例數據分析用戶體驗問題結果如表2 所示。

表2 碎片化學習用戶體驗問題實例

3 用戶體驗優化方案

碎片化學習存在難以集中記錄的現象。例如，用戶在微信中看到知識點，保存的同時想查詢更多信息，于是在瀏覽器查詢信息。微信和瀏覽器都記錄各自App 內看到的部分信息，知識信息零散地分布，用戶后期再回顧時不能很好地系統化學習。針對上述問題，結合學習者的實際學習需要，本文提出基于移動環境下的碎片化學習集中記錄任務模型，具體模型如圖2 所示。

圖2 碎片化學習集中記錄任務模型

針對學習者在學習中存在的筆記記錄無固定存放地、收集到的網絡學習資料存放較為松散導致后期無法有效地進行集中歸納以及溫習等問題，將相關問題引申到無目的學習范疇，建立了集中記錄模型。模型將學習者的學習類型分為有目的學習和無目的學習兩種。

對于有目的學習，將重點放在對有用知識點的獲取上。如果獲得有用知識點，集中記錄系統將對新獲得的知識點進行識別，分辨原有記錄系統是否有相關知識片段存在。如果原有系統已存在相關知識片段，那么系統將對原有的知識片段進行定位，由用戶來確認知識片段的相似性或者可用性后，系統對知識片段進行集中記錄和保存。當獲取的知識片段為全新內容時，系統將其自動歸類，由用戶選擇存放位置后，進行統一存放。

對于無目的學習，用戶可以對相關內容進行選擇性學習。如果用戶決定選擇相關內容的學習，相關知識點的記錄按照有目的學習流程進行相關操作。上述流程優化可以有效改善碎片化學習系統中的集中記錄問題，使得學習者可以有效地完成知識體系的整合，改進碎片化學習零散的缺點。

4 結語

本文應用遠程用戶體驗研究工具CAUX 對互聯網模式下的用戶碎片化學習體驗進行探索性的研究。將CAUX 采集的數據進行分析，確定數據分析方案，結合人工方法分析不同情境下用戶碎片化學習的行為與意圖，最終發現不同情境下的用戶體驗問題。應用CAUX 工具對采集的數據進行前處理，之后確定數據清洗流程、數據初步篩選規則、補充分析以及問題總結等方法，最后對篩選后的數據進行舉例分析，得出互聯網背景下用戶碎片化學習存在的諸多問題。選取了具有代表性的碎片化學習行為，有針對性地提出了用戶體驗優化方案，具有很好的參考價值。