基于用戶興趣相似度的虛擬學(xué)習(xí)共同體構(gòu)建

郝耀軍+郭玉鳳+趙青杉

摘 要：傳統(tǒng)在線學(xué)習(xí)共同體的構(gòu)建過分依賴用戶的自組織性，忽視了用戶的興趣偏好特征，放任了海量信息中用戶自組織的盲目性。因此，根據(jù)學(xué)習(xí)者在網(wǎng)絡(luò)活動中的學(xué)習(xí)行為信息，計(jì)算用戶對學(xué)習(xí)內(nèi)容的偏好程度，最后利用協(xié)同過濾技術(shù)，在改進(jìn)用戶興趣相似度計(jì)算方法的基礎(chǔ)上推薦組成學(xué)習(xí)共同體。通過實(shí)際應(yīng)用，驗(yàn)證了該方法能建立有效的虛擬網(wǎng)絡(luò)學(xué)習(xí)共同體，獲得更好的學(xué)習(xí)效果。

關(guān)鍵詞：興趣相似度；學(xué)習(xí)共同體；網(wǎng)絡(luò)學(xué)習(xí)；協(xié)同過濾

中圖分類號：G434 文獻(xiàn)標(biāo)志碼：A 文章編號：1673-8454（2015）17-0020-04z

引言

互聯(lián)網(wǎng)的快速發(fā)展和不斷普及，使在線信息成為知識的重要來源，人們的學(xué)習(xí)觀念也已發(fā)生巨大改變，“從認(rèn)為學(xué)習(xí)是學(xué)習(xí)者個體的知識建構(gòu)的過程逐漸轉(zhuǎn)向?yàn)閷W(xué)習(xí)是學(xué)習(xí)者參與社會群組互動并完成知識意義建構(gòu)的學(xué)習(xí)觀”[1]。個人學(xué)習(xí)模式已不能有效滿足個人需求與社會認(rèn)知的需要，基于互聯(lián)網(wǎng)的虛擬社區(qū)應(yīng)用催生了各種各樣的學(xué)習(xí)社區(qū)?！疤摂M學(xué)習(xí)共同體是信息技術(shù)環(huán)境下群體協(xié)作、群體智慧創(chuàng)造與分享的必然結(jié)果，虛擬社區(qū)為信息的快速傳播、知識的分享與集體智慧的創(chuàng)造提供了溝通與互動的平臺?！盵1]

國內(nèi)外的學(xué)者對此展開了廣泛的研究，盧強(qiáng)[2]對近10多年來國內(nèi)學(xué)習(xí)共同體研究進(jìn)展情況進(jìn)行分析和總結(jié)，指出“國內(nèi)學(xué)習(xí)共同體領(lǐng)域主要關(guān)注學(xué)習(xí)共同體的基本理論、具體應(yīng)用以及組織策略，研究熱點(diǎn)中，學(xué)習(xí)共同體在教師專業(yè)發(fā)展領(lǐng)域的應(yīng)用和網(wǎng)絡(luò)學(xué)習(xí)共同體方面問題突出?！?關(guān)于學(xué)習(xí)共同體的構(gòu)建研究，范玉鳳[3]等對虛擬學(xué)習(xí)共同體的構(gòu)成要素進(jìn)行了分析，探討了基于活動理論建構(gòu)虛擬學(xué)習(xí)共同體的設(shè)計(jì)理念、方法和運(yùn)行機(jī)制，并依據(jù)七個要素設(shè)計(jì)了一個虛擬學(xué)習(xí)共同體的架構(gòu)原型。胡小勇[4]則研究了創(chuàng)建優(yōu)秀網(wǎng)絡(luò)學(xué)習(xí)共同體的實(shí)踐策略，并且總結(jié)了一個基于博客平臺的網(wǎng)絡(luò)學(xué)習(xí)共同體的實(shí)踐效果。在國內(nèi)實(shí)踐應(yīng)用中，孫娟[5]等通過QQ群進(jìn)行了網(wǎng)絡(luò)學(xué)習(xí)共同體在實(shí)際教學(xué)中的應(yīng)用研究；萬力勇[6]探討了基于QQ群的網(wǎng)絡(luò)學(xué)習(xí)共同體社會互動的機(jī)制，并從互動頻率、互動深度、互動方式和互動信任度等方面進(jìn)行了分析；楊洪剛[7]等人則從成員角色變化的角度分析了基于SNS的學(xué)習(xí)共同體的構(gòu)建過程。

在國外，這方面的一些研究包括：Judy Sheard[8]研究了建立虛擬學(xué)習(xí)社區(qū)和管理共同體的方法和策略，指出計(jì)算機(jī)作為中介的協(xié)作學(xué)習(xí)會越來越頻繁，遠(yuǎn)遠(yuǎn)超過了對其理論的研究進(jìn)度，在共同體的構(gòu)建和管理中需要更多的技巧與策略。在實(shí)踐中，賓州州立大學(xué)運(yùn)用“生活—學(xué)習(xí)社區(qū)”引導(dǎo)學(xué)生廣泛參與，在操作能力、記憶力、課堂參與度、學(xué)術(shù)能力等方面卓有成效。[9] Mary Beth Rosson等人[10]基于Facebook構(gòu)建了一個稱之為“wConnect”的學(xué)習(xí)社區(qū)，用以幫助女性計(jì)算機(jī)和信息科學(xué)的職業(yè)發(fā)展。

以上這些研究與實(shí)踐，共同體的構(gòu)建主要依賴成員的自組織，不能有效利用成員的興趣偏好、學(xué)習(xí)進(jìn)度等信息，在共同體的整個存在周期中并不與其他共同體互享信息、動態(tài)調(diào)整。然而，開放虛擬社區(qū)在以指數(shù)級增長信息量的傾瀉下，不可避免地會造成信息過載現(xiàn)象，共同體成員很容易陷入“信息迷航”，因此，不僅要將數(shù)量巨大，來源廣泛，專業(yè)興趣愛好各異的社區(qū)成員聚集在一起構(gòu)建學(xué)習(xí)共同體，更重要的是能借用信息技術(shù)合理組織、管理共同體。而源于信息檢索和過濾技術(shù)的個性化推薦策略為這類問題提供了解決思路和技術(shù)支持。

協(xié)同過濾技術(shù)是最早被提出并被廣泛應(yīng)用的個性化推薦策略，該推薦算法主要分為兩大類：一類是基于用戶的協(xié)同過濾算法；另一類是基于物品的協(xié)同過濾算法。

本文根據(jù)學(xué)生的網(wǎng)絡(luò)學(xué)習(xí)活動計(jì)算用戶對學(xué)習(xí)內(nèi)容的偏好程度，進(jìn)而采用改進(jìn)的用戶興趣相似度計(jì)算方法確定用戶間的距離，利用協(xié)同過濾技術(shù)動態(tài)構(gòu)建虛擬學(xué)習(xí)共同體。實(shí)現(xiàn)了共同體內(nèi)成員以興趣為吸引、以推薦為動力的動態(tài)流轉(zhuǎn)構(gòu)建機(jī)制。

一、用戶興趣偏好的度量

對用戶興趣偏好的度量需要分析用戶在網(wǎng)絡(luò)的學(xué)習(xí)行為，也即將用戶網(wǎng)絡(luò)行為的一些結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)化成協(xié)同過濾算法所需要的數(shù)據(jù)結(jié)構(gòu)。在建立虛擬學(xué)習(xí)社區(qū)的共同體時，必須對成員的反饋信息進(jìn)行動態(tài)分析，并將其抽取、量化為共同體成員對主題或資源的興趣偏好度，也即成員——主題學(xué)習(xí)資源的評分，類似于推薦系統(tǒng)中用戶對物品的評分，這是采用協(xié)同過濾推薦技術(shù)的數(shù)據(jù)來源。

本文重點(diǎn)研究社區(qū)成員的學(xué)習(xí)主題與資源操作行為，在線學(xué)習(xí)中不像在線交易能給出明確的評分，在線學(xué)習(xí)中主要通過記錄用戶對學(xué)習(xí)資源的正反饋行為來考察用戶的偏好，在這里主要研究和量化共同體成員對主題學(xué)習(xí)資源的關(guān)注、回帖、瀏覽、轉(zhuǎn)載等操作行為，具體定量策略如表1所示。

表1中的權(quán)重分別設(shè)置為w1，w2，w3，w4依據(jù)其對偏好程度佐證的重要程度一般設(shè)置w1

對于瀏覽時長t的取值需要作特別說明：考慮到正常閱讀速度和頁面篇幅，t應(yīng)在一個合理的范圍內(nèi)，因此做如下處理：

t=0 t?t1

t t1?t

t2 t?t2?t2

其中，t1表示最小閱讀時間，當(dāng)t低于t1時，認(rèn)為學(xué)習(xí)者沒有閱讀該頁面，可能為用戶的誤操作；t2表示最大閱讀時間，表示用正常閱讀速度能夠讀完的時間，超出該時間，也不能說明用戶興趣度增加，這可以避免學(xué)習(xí)者由于處理其他事情的耽擱所帶來的影響。[11]

以上抽取的這些數(shù)據(jù)主要利用了用戶的正反饋數(shù)據(jù)，在一定程度上衡量了社區(qū)成員參與社區(qū)互動與交流過程的表現(xiàn)，也捕捉了成員對虛擬社區(qū)主題學(xué)習(xí)資源的興趣偏好程度。

二、用戶間興趣相似關(guān)系的判定

以上網(wǎng)絡(luò)行為數(shù)據(jù)經(jīng)過量化后，生成如表2所示的成員——主題學(xué)習(xí)資源得分矩陣表，該得分矩陣就是社區(qū)成員對主題學(xué)習(xí)資源興趣度與偏好的形式化表示。

在表2中，Iij表示社區(qū)成員i對j類資源的興趣度，該興趣度的定量計(jì)算公式是基于社區(qū)成員i對主題j是否關(guān)注、瀏覽的時間、回復(fù)的次數(shù)與資源的轉(zhuǎn)載情況進(jìn)行的綜合計(jì)算，定量的計(jì)算公式如下：

其中，attentionij表示成員i對j類主題的關(guān)注情況，如果加了關(guān)注，其值為1，否則為0；tij表示成員i對j類主題的瀏覽時長，avg（ti）表示成員i對社區(qū)中所有主題瀏覽的平均時長，二者比值反映了成員i對j類主題的特別瀏覽情況；ans_numij表示成員i對j類主題的回復(fù)次數(shù)，avg（ans_numi）表示成員i在社區(qū)中的平均發(fā)帖量，二者比值反映了成員i對j類主題的特別回復(fù)情況；repij表示成員i對j類主題資源的轉(zhuǎn)載情況，如果進(jìn)行了轉(zhuǎn)載，其值為1，否則為0。

在協(xié)同過濾推薦技術(shù)實(shí)現(xiàn)過程中，為了生成目標(biāo)用戶的鄰居成員集合，首先需要確定相似成員的計(jì)算方法。一般情況下，計(jì)算相似性有很多方法，常采用余弦相似性的計(jì)算方法，即通過矢量間的余弦夾角來度量用戶間的相似度。公式如下：

sim（i，k）=cos（I，k）==

其中，I、K為用戶i、k對所有主題的興趣度向量，Ri，c，Rk，c分別為用戶i和用戶k對資源c的興趣度。

三、改進(jìn)的用戶興趣相似度計(jì)算方法

在理想狀態(tài)下，隨機(jī)地對學(xué)習(xí)資源的訪問中，公式2能較好地反映用戶間的興趣相似度。但在實(shí)際使用中，對比網(wǎng)絡(luò)學(xué)習(xí)共同體的學(xué)習(xí)記錄發(fā)現(xiàn)：如果社區(qū)成員都只對基礎(chǔ)的、熱門的學(xué)習(xí)資源感興趣，這絲毫不能說明二者興趣的相似度高；例如，在“ACCESS數(shù)據(jù)庫”虛擬學(xué)習(xí)社區(qū)中，幾乎所有的學(xué)生都在開始要學(xué)習(xí)“關(guān)系數(shù)據(jù)庫原理”這類學(xué)習(xí)資源，并不能說明其中的任意兩個用戶興趣相似度高。反而，兩個成員對冷門的學(xué)習(xí)資源采取過同樣的行為更能說明他們興趣相似度高；例如，如果兩個成員都學(xué)習(xí)“菜單與工具欄”，這更能說明二者興趣相似度高。

基于以上分析，對熱門的基礎(chǔ)資源加入懲罰因子，因而在系統(tǒng)中采用如下改進(jìn)的計(jì)算用戶興趣相似度的公式：

其中，N（c）表示對c類資源感興趣的用戶數(shù)，Ri，c，Rk，c分別為用戶i和用戶k對資源c的興趣度。

可以看到，公式3通過懲罰了成員i和成員k共同興趣列表中熱門的、基礎(chǔ)的主題資源對他們興趣相似度的影響，對于用戶相似度的判定更加靈敏。

四、學(xué)習(xí)共同體的構(gòu)建

在虛擬社區(qū)開始使用時還沒有學(xué)生的學(xué)習(xí)行為數(shù)據(jù)，因此共同體在冷啟動時的構(gòu)建主要基于學(xué)生的注冊信息和自主選擇。隨著學(xué)生學(xué)習(xí)行為數(shù)據(jù)的增多，對未加入學(xué)習(xí)共同體的成員按以下策略推薦其加入已有的共同體：

（1）無學(xué)習(xí)記錄者，開始學(xué)習(xí)時進(jìn)入知識樹根結(jié)點(diǎn)相關(guān)的共同體學(xué)習(xí)。

（2）有學(xué)習(xí)記錄者，通過系統(tǒng)推薦用TOPN篩選找到其用戶興趣相似度最高的5名用戶。

（3）對5名用戶所屬的學(xué)習(xí)共同體用TOP1篩選找到認(rèn)同感最大的學(xué)習(xí)共同體，推薦用戶加入。

（4）若用戶不認(rèn)同上述結(jié)果可以自行選擇加入其他學(xué)習(xí)共同體。

在協(xié)同過濾推薦過程中，隨著時間的推移，社區(qū)成員的學(xué)習(xí)興趣、專業(yè)愛好會發(fā)生變化，該計(jì)算、推薦過程也會不斷重復(fù)進(jìn)行，根據(jù)社區(qū)成員不間斷的反饋行為，就可以計(jì)算出潛在的興趣相似集合，進(jìn)而實(shí)現(xiàn)動態(tài)的學(xué)習(xí)共同體構(gòu)建。

在筆者主持的ACCESS數(shù)據(jù)庫教改項(xiàng)目中，對網(wǎng)絡(luò)學(xué)習(xí)資源按“關(guān)系數(shù)據(jù)庫原理”、“SQL語言及實(shí)驗(yàn)”、“數(shù)據(jù)庫設(shè)計(jì)”、“表操作”、“查詢操作”、“窗體設(shè)計(jì)”、“宏”、“VBA編程”、“報表設(shè)計(jì)”、“菜單與工具欄”、“數(shù)據(jù)的傳遞與共享”等主題設(shè)計(jì)。在該學(xué)習(xí)平臺，成員分屬于不同的學(xué)習(xí)小組，每個學(xué)習(xí)小組可以共享學(xué)習(xí)資源，成員之間可以發(fā)私信。系統(tǒng)根據(jù)用戶的學(xué)習(xí)記錄向其推薦興趣相似度較高的成員以及適合加入的學(xué)習(xí)共同體。該推薦更多地關(guān)注相似用戶的學(xué)習(xí)狀態(tài)，動態(tài)向當(dāng)前用戶推薦感興趣的學(xué)習(xí)共同體，推薦其加入。社區(qū)某用戶登錄并學(xué)習(xí)一段時間后，有如圖1所示的學(xué)習(xí)界面。

在未改進(jìn)興趣相似度算法之前，由于知識樹的根結(jié)點(diǎn)“關(guān)系數(shù)據(jù)庫原理”主題學(xué)習(xí)資源處于基礎(chǔ)地位，學(xué)習(xí)用戶較多，在開始推薦時由于受其影響會向每個用戶推薦加入“關(guān)系數(shù)據(jù)庫原理”學(xué)習(xí)共同體，并且在后續(xù)學(xué)習(xí)中“關(guān)系數(shù)據(jù)庫原理”學(xué)習(xí)共同體總會出現(xiàn)在推薦中，推薦效果并不理想，該資源的“群集”現(xiàn)象十分明顯，后來利用改進(jìn)的公式3，加入懲罰因子后，推薦的精度和靈敏度都大幅度提高。

在上述學(xué)習(xí)共同體的構(gòu)建中，以相對靜態(tài)的學(xué)習(xí)主題資源劃分若干數(shù)目相對確定的學(xué)習(xí)共同體，共同體內(nèi)的成員以興趣為基礎(chǔ)組織，隨著學(xué)習(xí)的進(jìn)展，成員在不同的共同體間流動，從而吸引興趣相近的好友在不同的共同體間遷徙。這種以興趣吸引為基礎(chǔ)、以集中遷徙為動力的機(jī)制可以促使所有學(xué)習(xí)者在不同主題資源的學(xué)習(xí)共同體內(nèi)交叉進(jìn)步。

五、關(guān)鍵技術(shù)實(shí)現(xiàn)

系統(tǒng)基于.NET平臺開發(fā)，開發(fā)環(huán)境使用Visual Studio 2008，采用基于B/S的三層體系結(jié)構(gòu)，用ASP.Net實(shí)現(xiàn)，在協(xié)同過濾技術(shù)的實(shí)現(xiàn)環(huán)節(jié)引入IronPython語言編程實(shí)現(xiàn)。在混合編程時，需要在ASP.Net的WebSite項(xiàng)目中添加對IronPython.dll，ironMath.dll，Microsoft.Web.IronPython.dll三個文件的引用。

對于改進(jìn)的用戶興趣相似度計(jì)算方法的關(guān)鍵IronPython代碼如下：

def userSim（train）：

#建立倒排表

Item_users=dict（）

for u，items in train.items（）：

for j in items.keys（）：

if j not in item_users：

Item_users[j]=set（）

Item_users[j].add（u）

#計(jì)算用戶間的興趣相似度

C=dict（）

N=dict（）

for j， users in item_users.items（）：

for u in users：

N[u] +=1

for v in users：

if u==v：

Continue

C[u][v]+=1/math.log（1+len（users））

#計(jì)算改進(jìn)的興趣相似度

W=dict（）

for u，related_users in C.items（）：

for v， cuv in related_users.item（）：

W[u][v]=cuv/math.sqrt（N[u]*N[v]）

return W

六、結(jié)束語

本文設(shè)計(jì)了一種基于改進(jìn)用戶興趣相似度的學(xué)習(xí)共同體的構(gòu)建方法，借鑒協(xié)同過濾算法思想將具有相似興趣的學(xué)習(xí)者自動有效地組織成學(xué)習(xí)共同體，幫助虛擬社區(qū)“人以群分”，促進(jìn)協(xié)作式學(xué)習(xí)。在學(xué)習(xí)共同體的生成中既摒棄了盲目的自組織性，又兼顧了用戶的自主性，保證信息暢通。實(shí)驗(yàn)結(jié)果證明：該構(gòu)建方法具有較高的分組效率和良好的用戶滿意度，靈活動態(tài)的組建方法和適當(dāng)?shù)牧鬓D(zhuǎn)遷徙機(jī)制都有積極的探索意義。但用戶在初次“冷啟動”學(xué)習(xí)時一般按學(xué)習(xí)進(jìn)度默認(rèn)加入“初始學(xué)習(xí)組”，這種處理方式還需要探討改進(jìn)。

參考文獻(xiàn)：

[1]楊麗娜，顏志軍等.基于個性化推薦思想的虛擬社區(qū)學(xué)習(xí)共同體動態(tài)構(gòu)建[J].現(xiàn)代教育技術(shù)，2012，22（1）：88-92.

[2]盧強(qiáng).國內(nèi)學(xué)習(xí)共同體研究現(xiàn)狀與進(jìn)展分析[J].中國遠(yuǎn)程教育，2012（5）：29-35.

[3]范玉鳳，李欣.活動理論視角下的虛擬學(xué)習(xí)共同體構(gòu)建研究[J].中國電化教育，2013（2）：43-47.

[4]胡小勇.促進(jìn)教師專業(yè)發(fā)展的網(wǎng)絡(luò)學(xué)習(xí)共同體創(chuàng)建研究[J].開放教育研究，2009（2）：87-91.

[5]孫娟，熊才平，謝耀輝.基于IM的網(wǎng)絡(luò)學(xué)習(xí)共同體構(gòu)建及應(yīng)用研究[J].現(xiàn)代教育技術(shù)2011，21（4）：130-135.

[6]萬力勇，趙呈領(lǐng)等.基于群的網(wǎng)絡(luò)學(xué)習(xí)共同體社會互動研究[J].電化教育研究，2012（9）：56-58.

[7]楊洪剛，寧玉文，高東懷等.基于SNS的網(wǎng)絡(luò)學(xué)習(xí)共同體構(gòu)建研究[J].現(xiàn)代教育技術(shù)，2010，20（5）：93-96.

[8]Judy Sheard.Electronic Learning Communities： Strategies for Establishment and Management[J].ITiCSE04，United Kingdom， 2004（8）：37-41.

[9]Sandra Gorka， Matthew Helf， Jacob Miller. Implementing a Living-Learning Community in Information Technology[J].SIGITE14， Atlanta， Georgia， USA， 2014（10）：153-157.

[10]Mary Beth Rosson， John M. Carroll， Dejin Zhao， Timothy Paone. wConnect： A Facebook-Based Developmental Learning Community to Support Women in Information Technology[J]. C&T09， University Park， Pennsylvania， USA， 2009（6）：125-134.

[11]何玲，高琳琦.網(wǎng)絡(luò)環(huán)境中學(xué)習(xí)資料的個性化推薦方法[J].中國遠(yuǎn)程教育， 2009（2）：67-69.

[12]項(xiàng)亮.推薦系統(tǒng)實(shí)踐[M].北京：人民郵電出版社，2012.

[13]席亞卿，馬芳.基于群體動力機(jī)制的校際網(wǎng)絡(luò)學(xué)習(xí)共同體支撐平臺的構(gòu)建[J].中國教育信息化，2012（5）：37-38.

（編輯：楊馥紅）