如何識別網絡學習資源的進化狀態
——一種基于信息體量的量化表征方法

□米橋偉 楊現民 李康康

一、引言

網絡學習資源是“互聯網＋”教育的核心要素，關乎高質量教育體系的可持續發展。隨著《教育信息化“十三五”規劃》《中國教育現代化2035》《關于推進教育新型基礎設施建設構建高質量教育支撐體系的指導意見》等系列文件的出臺與實施，網絡學習資源的建設進入了高質量發展階段。

然而，當前網絡學習資源質量良莠不齊，資源雖多但不夠用、不好用，原因之一便是網絡學習資源的進化不足（楊現民等，2016；楊現民等，2022）。網絡學習資源進化是指在網絡學習環境中，學習資源為了滿足學習者的各種動態、個性化的學習需求而進行的自身內容和結構的完善與調整的動態過程（楊現民等，2011）。舉例而言：一條“新冠病毒科普知識”的資源產生后，有學習者開始閱讀、評論、留言并與作者協同完善該條資源，同時該條資源與疫情防護主題的資源逐步建立關聯，被越來越多的用戶檢索并瀏覽，自身質量也逐步提高，這個過程便是資源的進化。網絡學習資源進化具有匯聚群體智慧與力量的功能，能夠促進網絡學習資源發生內容和關聯結構上的迭代與優化，進而達到動態提升網絡學習資源質量的目標。

目前，研究者已在學習資源進化影響因素（何向陽，2015）、模式（楊現民等，2011）、動力（徐劉杰等，2018）、質量控制機制（楊現民，2015）以及進化規律（陳耀華等，2016；Ruprechter et al.，2019）等方面取得了積極的進展，但對于網絡學習資源進化狀態的劃分及其量化表征仍缺乏探索，難以支撐網絡學習資源進化預警、進化發展規律識別等研究的深入開展，同時也不利于資源管理者實時、可視化地掌握資源發展狀態，給網絡學習資源的高效管理帶來了挑戰。為此，本研究以信息生態學理論為指導，嘗試劃分網絡學習資源進化的狀態，并基于“信息體量”的視角，設計一種網絡學習資源進化狀態的量化表征方法，以期為“十四五”時期我國高質量數字教育資源建設與管理提供借鑒與指導。

二、理解網絡學習資源進化的新視角：信息生態學

信息生態學是綜合生態學和信息科學的理論與方法來研究“人—信息—環境”三者之間的相互作用，發現與預測整個生態系統的生成、演變與發展規律的科學（婁策群等，2013），目的是促進人、社會組織、信息環境乃至整個人類信息社會的可持續發展與穩定（宮啟生等，2008）。信息生態學為理解網絡學習資源進化提供了一種新的視角和思路，即以生態聯系的、動態演化的、系統的觀點來看待網絡學習資源進化的過程。

1.信息生態系統與網絡學習資源進化

信息生態學理論強調信息生態系統是具有一定組織性和社會屬性的有機整體，包含信息人、信息、信息環境三大基本要素。從信息生態學視角看，開放知識社區或網絡學習資源平臺也是一個具有信息人、網絡學習資源和信息環境的信息生態系統（以下統稱資源平臺信息生態系統）。

信息人主要指向用戶（即學習者），既可以是個體也可以是團體或組織。信息人是系統的核心主體，是系統中唯一具有信息行為的“物種”。系統中的所有要素都要以信息人的需求與活動為中心進行設計和運轉。網絡學習資源是信息人進行信息活動時的核心參與者，通過汲取信息人信息活動過程中產生的價值（信息）（楊夢晴，2020），并轉化成自身發展的物質與能量，實現自身的進化與成長。信息環境是支撐信息人開展信息活動的空間與載體，不僅包括系統功能的技術架構（如支持信息人對資源進行評論、協同編輯、點贊、收藏、轉發、關聯等交互行為），還包括系統的運行機制、管理機制等。

在信息人、網絡學習資源、信息環境三者的相互作用、相互支持下，資源平臺信息生態系統不斷地從平衡到非平衡再到新的平衡。網絡學習資源進化與資源平臺信息生態系統的平衡狀態密切相關。當網絡學習資源的供給與信息人的學習需求產生矛盾時，資源平臺信息生態系統就會失衡，逐漸出現信息污染、信息超載或信息綜合癥（陳曙，1995）等問題。此時需要尋求網絡學習資源的進化才能重新建立系統的平衡，且進化的方向必須是信息人學習資源需求發展的方向。

2.信息生態位與網絡學習資源進化

生態位表示個體或種群在生態系統中所占據的位置和狀況（尚玉昌等，1992），代表生態系統中每種生物生存所必需的最小閾值。隨著生態學與其他學科的交叉融合，生態位的概念逐漸在自然、社會、工程、經濟等多個領域普及與應用，如企業生態位

（何郁冰等，2020）、技術生態位（Lopolito et al.，2022）、社會經濟生態位（黃甜等，2022）等。一切類似于生命體的事物在特定的生態系統中都擁有自身生存的生態位。同樣，對于信息生態位的界定也不應該局限于真正生命體（信息人）這一概念，信息生態系統中的各要素都應占有一定的信息生態位（柯健等，2013），反映了要素在信息生態系統中的功能、地位以及相互關系等。

網絡學習資源的信息生態位是其生存和發展的必要條件。本文將網絡學習資源擁有的信息生態位稱作資源信息生態位，反映了網絡學習資源與信息人之間信息活動開展的情況。換言之，就是網絡學習資源的應用水平。網絡學習資源的應用水平越好，信息生態位就越寬，競爭力也越強；反之則越窄，擁有越低的競爭優勢。

網絡學習資源進化是資源信息生態位反復“拓展—壓縮（轉移）—拓展”的過程。具有相似資源服務功能的網絡學習資源會因為信息生態位的重疊產生競爭，優勢的一方會逐漸壓縮吞并弱勢一方的信息生態位。當資源信息生態位壓縮至某一閾值時，資源難以維持生存狀態，走向死亡。弱勢資源想要拓寬自己的信息生態位，重新獲得生存空間，一方面，可以通過進化，提升自身的質量，發展自己的競爭優勢；另一方面，可通過信息生態位的轉移，即將自身內容與結構進行重構或變異創新，發展特色的資源服務，在新的網絡學習資源體系中獲得生存必需的資源信息生態位。

3.信息生態鏈與網絡學習資源進化

生物的生存與活動和周圍環境密切相關。每一個生物為保持自身的生存穩定與發展，都需要時刻與外界環境進行物質與能量的交換。生態鏈就是生物之間的連接以及物質能量的交換關系。信息生態鏈是在生態鏈的基礎上發展而來，是指在特定信息生態系統中各生態要素節點之間的連接和信息的傳輸與交換關系。

在網絡學習資源進化過程中，信息生態鏈是一種連接信息人、網絡學習資源和信息環境的鏈式結構，主要負責信息的傳輸和能量的轉化。首先，信息人通過對網絡學習資源進行編輯、評論、點贊、轉發、關聯等操作產生信息（價值），信息生態鏈通過鏈條管道將信息傳遞給網絡學習資源，并在鏈條末端轉化成資源進化所需要的物質與能量。其次，網絡學習資源借助信息生態鏈將自身提供的資源服務信息傳遞給信息人，并在鏈條末端轉化成信息人發展與成長的能量。

網絡學習資源進化的效率與信息生態鏈的“健壯性”、規模密切相關。首先，信息生態鏈的“健壯性”影響著信息傳輸的“帶寬大小”和速度，關系著能量轉化的效率。其次，信息生態鏈的規模則影響著網絡學習資源進化能量的來源渠道，鏈條網越廣泛，資源進化的能量來源渠道也更加靈活，抗風險能力也越強，不會由于某個節點或是鏈條的故障、斷裂，影響信息的傳輸和能量的轉化，進而影響網絡學習資源進化的效率。

4.信息熵與網絡學習資源進化

熵的概念最早起源于物理學，在熱力學中用來表征物質的狀態，即體系的混亂程度。一般來說，正熵代表了體系內的無序性，負熵則是系統有序的一個量度（Yang et al.，2007）。任何封閉的系統，其熵總是自發地朝著熵增加的方向（即無序的狀態）發展，且這個過程是不可逆的，但在一定的時間和空間里可將原來的無序狀態轉變為有序的狀態（Cooke，1996）。而要使得系統從混沌狀態轉變為在時間、空間或功能上的有序狀態的關鍵在于系統可以持續不斷地與外界進行互動，引入能夠促進自身進化的負熵，抑制自身體內正熵的增長速度，進而使得自己獲得更好的發展。網絡學習資源也不例外，吸收負熵也是資源發生進化的必要且決定性條件。網絡學習資源與外界環境互動的過程也是資源被用戶應用的過程，而用戶與資源的交互行為是產生負熵的主要途徑。倘若資源只是被創建但缺乏應用，很快就會因為體內熵值過高而衰老、死亡。

信息與熵一樣，都可用于表征事物的狀態發展與變化情況，區別是信息是消除了不確定性的東西（Shannon，1948），是熵的對立面（張守鳳等，2021）。信息可以看作熵的消除或負熵（陳昌曙，2001）。1948年，香農把熵的理念與信息量的大小相互結合，提出了一種測度信息量大小的工具——信息熵。信息熵也是反映系統有序與無序狀態的重要指標，信息熵與信息量的大小成反比關系，且信息量越大，系統越有序。可見，信息量可看作減少熵的程度或可理解為負熵的大小。用戶與網絡學習資源的交互過程中產生的信息可理解為資源進化所需吸收的負熵，信息量的大小代表了資源吸收的負熵值。

無論是資源信息生態位的擴張還是信息生態鏈的健壯，都需要負熵才能得以發展和維持。只有不斷地提升網絡學習資源的應用水平，才能為資源提供源源不斷的負熵，保證資源的可持續進化和蓬勃發展。

三、網絡學習資源進化狀態的質性描述

1.網絡學習資源進化的特征

網絡學習資源進化與其具有類似生物的生命屬性是分不開的。生命都是在進化中存在和發展的，“物競天擇”“適者生存”“優勝劣汰”是生命存在和發展的基本法則。在進化法則的驅使下，網絡學習資源進化呈現選擇性、漸進性、群智性以及循環性四項特征。

（1）選擇性

網絡學習資源進化的選擇性可分為外部選擇和內部選擇。外部選擇主要體現在用戶選擇和關聯選擇兩個方面。首先，符合用戶需求的網絡學習資源會被不斷地選擇與應用，進而獲得更多的能量與物質，快速生長與進化。其次，網絡學習資源往往會選擇高質量的其他資源進行關聯，關聯的優質資源越多、越全面，資源的質量也就相對越高。內部選擇主要表現為資源內容要素和關聯網絡節點的選擇。在資源內容被不斷修訂、編輯、關聯的過程中，優質的要素和網絡節點會被選擇遺傳下來（寧德鵬等，2020），使得資源具有自身的專長和優勢，以區別其他資源而存在。

網絡學習資源進化的選擇性具有創造的作用，它不僅表現為單純地保留高質量資源或淘汰劣質資源，而且還能加強和積累網絡學習資源中優良的基因和特性，使之朝著一定的方向發展，改善與提升整個網絡學習資源群的質量。

（2）漸進性

生物進化是由低級到高級、由簡單到復雜的發展過程。網絡學習資源的進化同樣是一個不斷走向復雜與高質量的過程。從內容上來看，資源不斷被用戶編輯、更新，實現優質資源的積累，資源形態和資源組織模式逐漸趨合用戶需求，最終實現自身內容的進化。從結構上來看，資源在剛被創建時，關聯網絡上僅有自身一個節點，通過不斷地與其他資源建立關聯，逐步擴大自身的網絡規模，形成龐大復雜的“資源云”，實現自身關聯結構的進化（楊現民等，2011）。資源正是通過不斷地優化內容和關聯結構，才能適應外界環境的需要與變化，不斷提升自身的競爭力。

（3）群智性

基于信息生態理論可知，網絡學習資源進化的關鍵因素是信息人，信息人的“智慧”決定了資源進化的效率和質量。以往，網絡學習資源的更新頻率以及質量往往由最初的創建者決定。資源被創建后，由于缺乏及時動態的更新，導致無法滿足用戶的現實需求，最終被淘汰。隨著技術的快速發展，一些具有開放性、共建性的平臺（如維基百科、百度百科、學習元）為網絡學習資源進化注入了群體智慧。網絡學習資源的每一次進化都是集體智慧的體現。當網絡學習資源無法滿足用戶的需求時，用戶之間會通過編輯、評論、點贊、關聯等方式進行互動交流、協商對話和反思改進。在多方思想碰撞中，資源將群體智慧轉化成進化發展的能量進而實現自身的發展進化，極大地增強了網絡學習資源進化的有效性和合理性。

（4）循環性

循環性是指網絡學習資源進化是一個不斷“出生—死亡—出生”的周而復始的過程。雖然網絡學習資源的類生物屬性決定其必然經歷出生、生長、衰老、死亡等階段，但與真正生命體的演化不同，網絡學習資源具有“復活”的特質，表現為死亡狀態的資源會重新獲得新生，進入新一輪的進化階段。網絡學習資源重獲新生的途徑主要有兩種：一是通過人為干預的方式對死亡狀態的資源進行重組或者創新；二是外界環境的突變或人類認識的改變也可以激活死亡態資源的組織活力，重新獲得生命。網絡學習資源的“復活”時間，取決于人為干預的時間或人類認識改變的時間等。

2.網絡學習資源進化狀態的劃分與描述

網絡學習資源進化的選擇性、漸進性、群智性和循環性決定了網絡學習資源的進化過程更加復雜多變，但總體趨勢仍然遵循生命發展的一般軌跡。楊現民等（2011）認為泛在學習環境中學習資源的演化過程可分為產生、成長、成熟、消亡4 個階段；徐劉杰等（2018）將泛在學習資源的進化過程分為正發展狀態、平衡狀態以及淘汰狀態；趙蔚等（2012）則將數字學習資源的發展分為組織階段、生長階段、進化階段以及演變階段；孫振領（2011）將知識的進化過程分為孕育、產生、成長、成熟和衰老5個狀態。本研究以信息生態學為指導，借鑒以上學者對于學習資源生命周期的劃分，將網絡學習資源進化的狀態分為起始態、成長態、穩定態、衰退態和死亡態5種類型。

（1）起始態

起始態即網絡學習資源剛被創建的階段。該階段的網絡學習資源由于缺乏用戶的使用，資源與用戶之間并未建立起物質循環、能量流動和信息傳遞的信息生態鏈，雖具有一定的資源信息生態位，但競爭力較弱。此時，網絡學習資源面臨的主要問題是如何營造促進自身應用水平提升的有利條件，有效汲取生存所需要的各種因子，以獲得充足的生存條件與空間（劉志峰等，2009）。

（2）成長態

用戶一旦發生了編輯、評論、關聯等交互行為，該網絡學習資源便進入了成長態。在這個時期，由于資源不斷地與用戶進行選擇、更新、點贊等互動，資源質量不斷提高，資源的應用水平日漸提升，獲得的負熵逐漸增加（徐劉杰等，2018），信息生態鏈形成且不斷健壯擴大，信息生態位持續拓展。此時的網絡學習資源內容不斷豐富與優化，資源關聯結構不斷由簡單走向復雜，競爭優勢逐漸提升，輻射效應日漸擴大。而成長態的資源同樣面臨著發展問題，例如，如何增加穩定的黏性用戶數量，如何保持自身持續的成長，以及如何盡快進入穩定態等。

（3）穩定態

隨著用戶資源的不斷儲備以及信息生態鏈的逐漸健壯穩定，網絡學習資源步入了發展的黃金時期，即穩定態。在這個階段，網絡學習資源保持較高且持續的應用水平（楊現民等，2022），能夠保障持續穩定的負熵攝入。此時，網絡學習資源不僅具備高質量的內容，其內容的呈現形態、組織模式等符合絕大多數用戶的偏好和要求，其關聯結構也可以滿足用戶非線性和拓展學習的需求。此時的資源在相似資源體系中具有較強的競爭力，受到用戶的持續關注與使用，呈現欣欣向榮的態勢。

（4）衰退態

隨著外界環境或人類認識的改變，學習資源提供的服務與用戶的資源需求出現供需失衡的現象，而網絡學習資源優化速度又趕不上學習者需求的變化，網絡學習資源便進入了衰退態。此階段，由于資源被用戶選擇與應用的頻率逐漸降低（徐劉杰等，2012），資源所吸取的負熵也不斷減少，信息生態鏈日益松動、老化，信息生態位逐漸被其他競爭資源壓縮，生存空間日益減小。對于衰退態的資源來說，如何尋求變化與創新，重新適應用戶的需求是其亟需解決的關鍵問題。

（5）死亡態

若處于衰退態的網絡學習資源未被改變或干預，資源最終會被用戶舍棄（徐劉杰等，2018），攝入的負熵幾乎沒有或為零，信息生態鏈崩潰瓦解，信息生態位小于生存閾值，走向死亡。對于死亡態的資源來說，亟需解決的關鍵問題在于如何重新激活組織活力，獲得新生命。

理論上而言，網絡學習資源作為類似于生物生命體的事物，從創建開始，會隨時間的流逝依次經歷初始態、成長態、穩定態、衰退態和死亡態。但是由于其從根本上而言還是人工系統，并不完全遵循生命體進化的演化規律，我們可以通過人工干預的方式實現資源進化狀態的跳躍與反復。例如，做好目標用戶學習需求的調研或者采用有效的推廣手段等，可以使資源一被創建就直接進入穩定態；還可以通過對衰退態和死亡態的資源進行“變異”創新，重新激活網絡學習資源活性，使其回到成長態或穩定態。

四、網絡學習資源進化狀態的量化表征

1.量化表征的總體設計思路

由信息生態學可知，網絡學習資源的應用水平與資源所吸取的負熵息息相關。資源的應用水平越高，資源獲得的負熵也就越多，進化的狀態也相對越好。而網絡學習資源的應用水平又由附著在網絡學習資源上的信息體量決定。資源應用的越好，附著在資源上的信息體量也就越大，資源所吸收的負熵量也就越多。

“應用為王，服務至上”是新時期教育信息化工作開展的基本原則，網絡學習資源進化狀態的量化表征方法亦應遵循此原則進行設計。基于此，研究從信息體量的角度出發，通過信息體量的變化速度以及趨勢來判定網絡學習資源的進化狀態，主要包括以下5 個步驟：（1）基于文獻和實際調研確定信息體量指標體系；（2）計算網絡學習資源進化信息體量與擬合曲線；（3）基于信息體量計算資源某時刻或某時間段的資源進化力；（4）基于資源進化力計算網絡學習資源當前進化力相對于前一時間段進化力的增長率；（5）融入時間屬性，綜合信息體量、資源進化力和資源進化力增長率量化判定網絡學習資源的進化狀態，如圖1所示。

圖1 網絡學習資源進化狀態量化表征方法設計思路

2.信息體量指標體系的確定

在確定總體的量化思路后，最重要的就是構建科學合理的網絡學習資源進化信息體量指標體系。基于團隊前期對泛在學習資源概念模型、資源進化模式以及資源進化評價指標的研究成果，同時對國內20 多個區縣智慧教育云平臺的調研，初步提煉出了4類一級指標（包括內容更新信息、資源關聯信息、資源使用信息和資源評論信息）和9個二級指標（如表1所示）。

表1 網絡學習資源進化信息體量指標體系

3.信息體量及其擬合曲線

（1）指標權重的確定

用戶與資源的不同交互行為對網絡學習資源進化程度的促進效果是不同的，因而每類指標能為資源進化提供負熵的程度也是有差異的，因此必須先確定信息體量指標的權重，才能科學、合理地計算網絡學習資源的信息體量。由于每個一級指標下的二級指標為平行指標，且對于資源進化的影響差異不大，只做計數處理，不賦予權重。

一級指標的權重通過層次分析法（AHP）進行確定。研究選取了13 位數字教育資源領域專家，采用1～9 級評價等級對一級指標進行重要性對比。最后，綜合13 位專家的評價矩陣生成群決策綜合矩陣，綜合矩陣隨機一致性比率CR＝0.0071＜0.1，說明權重分配合理，具體如表2所示。

表2 信息體量一級指標權重

（2）信息體量的計算

信息體量表示附著在資源個體上所有的信息量總和（用RG表示），由4類一級指標的信息量加權之和表示。計算公式如下：

其中，RG 表示信息體量；m 表示一級指標個數；Ej表示每類一級指標的信息量大小，計算方式為信息條數的累加，如表1所示；Wj為每類一級指標的權重。

（3）信息體量曲線擬合

通常情況下，采集到的由信息體量（RG）和時間（T）所組成的數據集是離散的，不能充分反映兩組數據之間的內在聯系，也難以觀察和預測信息體量的變化趨勢。因此，需要采用曲線擬合的方式，選用合適的模型（或者稱為數學函數），將離散的數據擬成平滑且連續的曲線，得到資源信息體量隨著時間變化的增長曲線函數RG（T）。

網絡學習資源進化信息體量的增長曲線屬于典型的“S”型曲線，而最常用的3種“S”型擬合模型為Logistic函數模型（Verhulst，1845）、Gompertz函數模型（Gompertz，1825）和Von Bertalanffy 模型（Von Bertalanffy，1938），具體應用時可根據擬合度（R2）的大小進行選取（R2越接近1 越好）。3 種模型的表達式如表3所示。

表3 3種“S”型模型表達式

4.資源進化力與增長率

隨著網絡學習資源的不斷進化，其信息體量也不斷增加。但僅通過信息體量的多少難以精準判定網絡學習資源所處的進化狀態，故研究引入資源進化力和資源進化力增長率兩個關鍵性指標，結合信息體量綜合量化與判定網絡學習資源的進化狀態。

（1）資源進化力

資源進化力是資源壽命時長的決定因子（用REP表示）。從熵的視角來看，資源進化力即網絡學習資源吸收負熵的能力，體現了資源在某時刻或某時間段內資源進化的能力和趨勢。從應用的視角來看，資源進化力代表了網絡學習資源能夠支持用戶個性化學習乃至社會發展的能力。資源進化力的大小可由資源信息體量的增加速度表示，計算公式如下：

資源的活性強度與資源進化力的大小密切相關，資源進化力的大小直接反映了資源的活性度。基于信息生態學可知，網絡學習資源從起始態到穩定態的發展過程中，資源進化力不斷增強，穩定態時保持動態穩定，而衰退態時又逐漸減小，當小于某一閾值（a）時，進入死亡態。同時，考慮到網絡學習資源處于穩定態時，其資源進化力大小并非穩定不變，而是呈現波浪式浮動，研究規定當資源進化力大于穩定態閾值（b）時，則資源處于穩定態。

資源進化力閾值（a 與b）的確定，要根據網絡學習資源的特點以及平臺的實際情況（例如資源平臺的管理與運行機制、平臺的用戶流量以及技術架構等），選擇合適的方法進行設定。一般來說，可采用以下4 種方式進行閾值設定（殷寶媛等，2020）：一是根據資源管理者或專家的經驗進行設定；二是采用或改良已有研究規定的閾值；三是通過對大量數據集的訓練，最終由模型計算出閾值；四是對于類似于正態分布的數據，可以將閾值確定為REPmax±?（即最大REP 加減任一個數）。

為避免不可控的因素使網絡學習資源在某段時間內無法被用戶獲取和使用（如平臺維修或自然災害等），導致資源在該段時間內RG一直為0或REP始終小于a而被誤判為起始態和死亡態的現象，研究定義RG等于0的時長（DT1）小于等于K（具體由管理者確定）時，資源處于起始態，否則為死亡態；當REP小于a的時長（DT2）小于等于Z（具體由管理者確定）時，則定義該時間段內資源為衰退態，否則為死亡態。

（2）資源進化力增長率

資源進化力的增長率也稱作資源進化力的增長速度，指的是當前信息體量的增加速度與原來信息體量增加速度之間的比例關系（用r表示）。增長率體現了資源進化力的變化方向，可以反映資源進化的整體發展趨勢。當資源處于成長態時，資源進化力的增長率為正；當資源處于衰退態時，資源進化力的增長率為負。計算公式如下：

5.資源進化狀態的量化表征與判定

基于上述概念，得到網絡學習資源5種進化狀態的量化表征形式，如表4所示。

表4 網絡學習資源進化的量化表征形式

由表4 可知，結合時間屬性，綜合信息體量RG、資源進化力REP、資源進化力增長率r 3個變量對網絡學習資源進化的狀態進行量化表征與判定的標準如下。

（1）起始態。此時的信息體量在規定時長（K）內為零，量化表征為RG＝0&DT1≤K。

（2）成長態。此時信息體量不斷增加，資源進化力增長但小于穩定態閾值，且資源進化力正向增長，量化表征為RG＞0&0＜REP＜b&r＞0。

（3）穩定態。此時信息體量穩定增加，且資源進化力達到穩定態閾值，量化表征為RG＞0 &b≤REP。

（4）衰退態。衰退態的網絡學習資源信息體量依然增加，但是具有兩種情況：一是資源進化力減至穩定態閾值下但依然大于等于活性最低閾值，且資源進化力成負向增長，量化表征為RG＞0&a≤REP＜b&r＜0；二是資源進化力小于最小活性閾值，但時長小于等于規定時間（Z），量化表征為RG＞0&REP＜a&r≤0&DT2≤Z。

（5）死亡態。死亡態的網絡學習資源也有兩種不同的情況：一是資源進化力小于活性閾值的時間超出規定時長（Z），量化表征為RG＞0&REP＜a& r≤0 & DT2＞Z；二是信息體量為零的時長超出規定時長（K），量化表征為RG＝0&DT1＞K。

五、網絡學習資源進化狀態量化表征方法的應用案例

1.學習資源案例選取

為了更加清晰地展示量化表征方法的應用過程，研究從學習元平臺中選取了“職業探索”（創建于2017 年11 月12 日）資源作為案例對象，對2017 年11 月13 日—2017 年12 月22 日期間的進化狀態進行量化判定。選取該案例的理由：一是學習元平臺是基于“生成”“進化”“連接”等理念（余勝泉等，2009）構建的一種新型知識開放社區，可支持收集信息體量指標體系中的所有數據；二是該資源可收集到的數據量較為充足；三是該資源可展示進化的5種狀態。

2.量化表征方法應用

（1）信息體量計算及曲線擬合

首先，運用信息體量計算公式得到“職業探索”資源在該段時間內的信息體量數據，結果如表5所示。其中T1表示時間為2017年11月13日，T40表示時間為2017年12月22日，每個時間段相隔1天。

表5 “職業探索”資源的信息體量

其次，分別采用Logistic、Gompertz 和Von Bertalanffy 模型對表5 中的數據進行非線性擬合。擬合結果表明，以上三種模型對于資源進化信息體量的增長曲線擬合效果均比較合理，其中Von Bertalanffy 模型擬合效果最佳，R2＝0.980。因此，本案例采用Von Bertalanffy 模型對“職業探索”資源的信息體量數據進行擬合，得到RG 與T 的函數關系為RG（T）＝2171.013（1-0.718e-0.131T）3，并運用Python繪制出“職業探索”資源的信息體量增長曲線，即RG（T）函數曲線，如圖2所示。

圖2 “職業探索”資源的信息體量增長曲線

根據增長曲線可知，學習資源“職業探索”的信息體量在初始階段增長較緩，隨后逐漸加速，最后趨于某一定值。

（2）資源進化力計算

對函數RG（T）求導，得到資源進化力函數REP（T），其變化曲線如圖3所示。由變化曲線可知，該資源的資源進化力前期逐漸增加，達到最大值后逐漸減小，最后趨于零。

圖3 “職業探索”資源的資源進化力變化曲線

（3）資源進化力增長率的計算

由圖3可知，資源進化力在峰值之前的增長率大于0，峰值之后的增長率小于0。經計算，當T約為6時，資源進化力達到峰值。“職業探索”資源在11月13日—11月18日期間，資源進化力增長率為正值；11月19日—12月22日期間，資源進化力增長率為負值。

（4）資源活性閾值和時長的設定及資源進化狀態的判定

本案例中資源進化時長K、Z 由資源管理者根據實際情況進行設定，該案例設定為K＝Z＝7（天）。資源進化力活性閾值a，b 根據前文中的一和四兩種方法，同時結合團隊前期的實踐經驗和成果進行綜合設定，設定結果為a 為20，b 為110。經計算，當T處于4～9天時，資源處于穩定態，當T＞32天時，資源進入死亡態，具體如表6所示。

表6 “職業探索”資源進化狀態時間段

綜上，資源“職業探索”被創建后，經歷了3天的成長態后進入穩定態，但只保持了短短6天的穩定態，而后逐漸走向衰退。雖然該學習資源在后續的時間里仍然有信息體量的增加，但是活性值依然較低。資源管理者應該以此為依據，深入分析該資源快速進入穩定態，又快速衰退的原因，以為其他資源的進化干預提供借鑒和指導。

3.量化表征方法應用建議

本研究提出的量化表征方法在具體應用時需要根據實際情況進行適當調整，主要建議有：（1）本研究中所提出的信息體量指標體系相對完整，但在實際的資源平臺中能采集到的數據不盡相同，故在量化表征網絡學習資源進化狀態的過程中，需要根據實際能夠采集到的數據情況對信息體量指標體系進行增刪。（2）研究針對初擬的信息體量指標體系，采用層次分析法（AHP）對一級指標的權重進行了設定。但由于資源平臺的特征以及平臺建設的側重點不同，在具體的應用過程中，可以適當調整指標權重。（3）需要選擇合適的方法確定資源進化力的閾值和時長。

六、結語

本研究以信息生態學為指導，將網絡學習資源進化的狀態劃分為起始態、成長態、穩定態、衰退態和死亡態，并從“信息體量”的視角出發，設計了一套網絡學習資源進化狀態的量化表征方法。這是網絡學習資源進化研究領域的新探索，有助于提升各地智慧教育云平臺的資源管理效能。

量化表征方法有望服務于三個場景：一是網絡學習資源的智能化管理。通過運用量化表征方法，管理者可以實時掌握平臺中每個資源的進化程度以及未來的發展趨勢，據此設定自動化的管控流程，在減少人力和物力的同時提升網絡學習資源的管控效率。二是個性化網絡學習資源推薦。通過量化表征方法，系統可對匹配篩選出的網絡學習資源序列進行狀態判定（即二次篩選排序），優先推薦進化狀態優良的資源；同時，還可以保障推薦出去的網絡學習資源具有前瞻性，避免學習者還未完成學習任務，學習資源就已衰退或死亡，影響學習者的學習體驗和效果。三是量化表征方法為網絡學習資源進化預警和群體進化規律識別研究提供了基礎的數學模型，可以服務于網絡學習資源進化的進一步研究。

本研究主要存在兩方面不足：一是本文定義的各類權重、閾值等參數值是在結合專家意見和團隊前期實踐成果基礎上初步擬定的，并不一定適用于所有平臺，在具體的應用過程中需要管理者根據平臺情況進行調整；二是量化表征方法還尚未在實際的資源平臺中進行進一步的測試和驗證。后續，團隊將依托學習元、彭城課堂、智慧教育云平臺等強化網絡學習資源進化量化表征方法的應用實踐，進一步提升量化表征結果的精度，擴大量化表征方法的應用范圍和實踐價值，以更好地支撐開放環境下大規模網絡學習資源的高質量發展。