轉(zhuǎn)基因?qū)W習(xí)：構(gòu)建基于規(guī)則、適合大規(guī)模招生的e—learning推薦模型

丹尼爾·布爾戈斯+阿爾貝托·考比

【摘 要】 目前，教育技術(shù)領(lǐng)域的各種模式和教學(xué)法沒有同時考慮正式學(xué)習(xí)和非正式學(xué)習(xí)。推薦系統(tǒng)通常只把正式環(huán)境下的活動（比如作業(yè)、成績評定等）作為其輸入?yún)?shù)進(jìn)行儲存、跟蹤和檢索，沒有把每一個用戶的非正式活動（比如在社交網(wǎng)絡(luò)上的活動和持續(xù)性評估活動）有效結(jié)合起來。此外，學(xué)習(xí)領(lǐng)域的教學(xué)輔導(dǎo)系統(tǒng)通常只是建立在內(nèi)容過濾和其他學(xué)生的協(xié)作的基礎(chǔ)上，這進(jìn)一步削弱了輔導(dǎo)教師的關(guān)鍵作用。最后，大規(guī)模公開在線課程（MOOC）和小規(guī)模非公開在線課程（SPOC）已經(jīng)成為結(jié)合正式和非正式環(huán)境的教育模式的重要組成部分，在每一個用戶的學(xué)習(xí)路徑中發(fā)揮關(guān)鍵作用。教育需要通過我們稱之為“轉(zhuǎn)基因?qū)W習(xí)”的破壞性方法促進(jìn)教與學(xué)過程的提升。我們可以通過利用用戶的行為和交互信息以及輔導(dǎo)教師高效監(jiān)控和個性化咨詢服務(wù)改進(jìn)每一個用戶的學(xué)習(xí)表現(xiàn)。本文提出一種適合公開和非公開社交網(wǎng)絡(luò)以及學(xué)習(xí)管理系統(tǒng)的個性化e-learning推薦模型LIME，這種模型能支持“轉(zhuǎn)基因?qū)W習(xí)”，尤其適合大規(guī)模招生的課程和大數(shù)據(jù)集。文章還詳細(xì)介紹了根據(jù)這個模型研發(fā)的框架和軟件原型iLIME，以展示LIME模型是如何獨立于學(xué)校所使用的學(xué)習(xí)管理系統(tǒng)運行的。文章最后介紹了一個案例，該案例是以面向全校實施一門慕課教學(xué)為背景在Apereo Sakai CLE 2.10-svn環(huán)境下運行這個模型。文章還討論了技術(shù)問題和挑戰(zhàn)，并提出解決方案，目的是為了能實現(xiàn)在真實學(xué)習(xí)環(huán)境下運行iLIME，向?qū)W習(xí)者提供基于LIME的推薦。

【關(guān)鍵詞】 轉(zhuǎn)基因?qū)W習(xí)；非正式學(xué)習(xí)；大規(guī)模公開在線課程（MOOC）；基于規(guī)則的推薦系統(tǒng)；學(xué)習(xí)工具互操作性（LTI）

【中圖分類號】 G420 【文獻(xiàn)標(biāo)識碼】 B 【文章編號】 1009-458x（2017）07-0005-11

導(dǎo)讀：西班牙拉里奧哈國際大學(xué)（Universidad Internacional de La Rioja）是一所公立高等教育學(xué)校，2008年經(jīng)西班牙教育部批準(zhǔn)獲得學(xué)位授予權(quán)。它自稱是一所100%在線大學(xué)，一所新概念在線大學(xué)；學(xué)生來自79個國家，是一所名副其實的國際大學(xué)。拉里奧哈國際大學(xué)每周提供1，350個小時實時在線教學(xué)，此外學(xué)生還可以在線觀看教學(xué)視頻，參加實時答疑活動，聆聽由專家主講、與課程相關(guān)的專題講座。學(xué)生入學(xué)后即能夠通過電話、電子郵件或親臨校園得到個人輔導(dǎo)教師的指導(dǎo)和幫助。該校的使命、辦學(xué)理念和辦學(xué)模式?jīng)Q定了技術(shù)必然在其教學(xué)、管理和學(xué)習(xí)支持等方面發(fā)揮關(guān)鍵作用。

因此，在大規(guī)模公開在線課程（MOOC）開始風(fēng)靡全球之初，該校研究人員已經(jīng)敏銳地意識到“大規(guī)?！迸c體現(xiàn)教育教學(xué)精髓的“個性化”這二者間的矛盾并著手開展研究。作為主管研究和技術(shù)的副校長，丹尼爾·布爾戈斯教授是領(lǐng)頭人。布爾戈斯教授同時還是聯(lián)合國教科文組織e-learning教席和國際遠(yuǎn)程開放教育理事會開放教育資源教席，又是一位真正跨學(xué)科學(xué)者（獲得四個學(xué)科領(lǐng)域的博士學(xué)位），理論底蘊深厚，實踐經(jīng)驗豐富，科研碩果累累。早在2013年他便提出了個性化e-learning推薦模型LIME，即Learning （L）（學(xué)習(xí)）、Interaction （I）（交互）、Mentoring （M）（指導(dǎo)）和 Evaluation （E）（評價），①并開展相應(yīng)的教學(xué)實驗，經(jīng)過初步的實踐驗證，最終研發(fā)了iLIME這種“適合云學(xué)習(xí)環(huán)境（SPOCs或MOOCs）、輔導(dǎo)教師/教師人工操作、基于規(guī)則的推薦系統(tǒng)”。這個系統(tǒng)是在吸取同類系統(tǒng)經(jīng)驗教訓(xùn)的基礎(chǔ)上研發(fā)的，很多推薦系統(tǒng)向用戶推薦的建議“通用性”有余而“個性化”不足，輔導(dǎo)教師的助學(xué)角色嚴(yán)重弱化和邊緣化，這顯然有悖于經(jīng)過實踐證明是行之有效的教學(xué)原則，①任何希冀“以通過實現(xiàn)教學(xué)自動化從而取代教師為目標(biāo)”之企圖都必將徒勞無功，因為這從根本上與教育教學(xué)的特點和規(guī)律背道而馳。②

教育環(huán)境今非昔比，學(xué)習(xí)活動已經(jīng)不再局限于在物理意義的校園、教室和圖書館里進(jìn)行，學(xué)習(xí)資源或者說需要學(xué)習(xí)的東西已經(jīng)不再局限于“欽定”教科書，學(xué)習(xí)時間也已經(jīng)不再局限于“課程表”之類的時段。因此，作者提出“我們需要把轉(zhuǎn)基因生物這個概念引入教與學(xué)之中”，以應(yīng)對時代的挑戰(zhàn)，尤其是在實現(xiàn)正式學(xué)習(xí)活動與非正式學(xué)習(xí)活動的融合和“課內(nèi)課外資源巧妙的結(jié)合，以及利用正式教學(xué)大綱以外能服務(wù)教學(xué)目標(biāo)的豐富額外資源更新業(yè)經(jīng)認(rèn)證的內(nèi)容”等方面，我們更是需要“教育的轉(zhuǎn)基因方法”。

作者認(rèn)為“正式和非正式學(xué)習(xí)相結(jié)合能夠構(gòu)建提升用戶表現(xiàn)的生態(tài)系統(tǒng)”，e-learning平臺也提供大量非正式學(xué)習(xí)和社會交互活動，而非正式學(xué)習(xí)活動對于招生規(guī)模龐大的那些在線課程或課程網(wǎng)站而言更是一種常態(tài)，如果我們希望能夠客觀了解和評價學(xué)生的真實學(xué)習(xí)情況，如果我們希望能夠及時向?qū)W生提供符合他們學(xué)習(xí)實際的改進(jìn)建議，如果我們希望能夠最大限度激發(fā)學(xué)生的學(xué)習(xí)潛能，那么我們就不能對非正式學(xué)習(xí)和社會交互活動置之不理。LIME模型的提出以及iLIME推薦系統(tǒng)軟件的研發(fā)正是以這個大背景為出發(fā)點的。

文章第三節(jié)簡要介紹LIME模型的基本情況，第四節(jié)則從五個方面闡述LIME模型的軟件實現(xiàn)指導(dǎo)原則，第五節(jié)以iLIME在一個學(xué)習(xí)管理系統(tǒng)上的實現(xiàn)為案例，討論在這個過程中所面臨的各種技術(shù)問題，以及所做出的選擇和讓步，“為下階段獨立于學(xué)習(xí)管理系統(tǒng)的實際部署（包括大規(guī)模公開在線課程引擎）鋪路”。

iLIME的最大特點是給教師和輔導(dǎo)教師賦權(quán)，從而大大提升所推薦的學(xué)習(xí)建議的個性化水平。在使用這個推薦系統(tǒng)的時候，教學(xué)人員可以根據(jù)課程特點、教學(xué)目標(biāo)和學(xué)習(xí)進(jìn)度設(shè)計規(guī)則集，分配不同活動和設(shè)置（即正式和非正式的比值）的權(quán)重，配置相應(yīng)的輸入項目和監(jiān)控策略，從而提高所推薦的學(xué)習(xí)建議相對于學(xué)習(xí)者個體的適切性。

誠如文章最后所指出的，iLIME推薦系統(tǒng)還有待在更大范圍和更大規(guī)模環(huán)境下進(jìn)一步驗證，與此同時，也還可以從幾個方面對其進(jìn)行改進(jìn)。但是，我們認(rèn)為這個模型的理念符合教育教學(xué)規(guī)律，有助于促進(jìn)技術(shù)與教育的深度融合，值得我們學(xué)習(xí)借鑒。

最后，特別值得一提的是第一作者布爾戈斯教授，在日程安排十分緊張的情況下接受我的稿約并如期完成此文。他在越洋航班上把文章初稿發(fā)給我，并在旅途公務(wù)之余完成文章的修改。衷心感謝兩位西班牙同行對我們的支持?。ㄐた『椋?/p>

破壞性學(xué)習(xí)和轉(zhuǎn)基因?qū)W習(xí)

轉(zhuǎn)基因生物（Genetically Modified Organisms）是一種通過人工修改DNA以產(chǎn)生新生命或食品的技術(shù)，這種技術(shù)頗具爭議（Apolinario， 2015； Burton et al.， 2001； Millis， 2006）。引入外來破壞能導(dǎo)致某一個物種發(fā)生顯著變化，猶如是這個物種自然進(jìn)化的一部分。物種自然進(jìn)化過程適應(yīng)了外來干預(yù)，于是增加一種額外性狀，比如某種植物變得更能抵抗惡劣氣候或災(zāi)害，在某種谷類里面添加了一種它原本沒有的維生素，或修改人類蛋白質(zhì)。這種外來干預(yù)在諸多方面有悖于常理，比如道德、科學(xué)、社會和經(jīng)濟(jì)等方面，不一而足。然而，既然存在這種技術(shù)，如果能得到恰當(dāng)應(yīng)用，它會成為人類進(jìn)步的新源泉。

今天，教育總體上看需要破壞性推動力（Collins & Halverson， 2010； Wrigley， 2009）。如果我們?nèi)匀谎赜脙汕陙淼慕膛c學(xué)方法；如果我們?nèi)匀徊捎靡磺昵暗膶W(xué)術(shù)結(jié)構(gòu)；如果我們?nèi)匀粡?qiáng)調(diào)二十世紀(jì)初的教學(xué)方法；如果我們?nèi)匀皇褂靡蛱鼐W(wǎng)興起之前的資源——如果真的是這樣，那么我們必將錯失過去二十年給我們帶來的一切有利機(jī)會。我們必將無法掌握新的、經(jīng)過改進(jìn)的、個性化的教與學(xué)方法，無法提高效率，無法表現(xiàn)得更好，無法更加享受用戶體驗，無法提升能力和技能。此外，我們有必要改變教育領(lǐng)域發(fā)展緩慢、跟不上形勢的局面。在當(dāng)今社會，年輕人和技術(shù)員、大眾傳媒和娛樂業(yè)在應(yīng)用技術(shù)方面遙遙領(lǐng)先于技術(shù)在從幼兒園到大學(xué)的課堂中的應(yīng)用。

我們現(xiàn)在有開放教育資源、大規(guī)模公開在線課程（Massive Open Online Courses，簡稱MOOC）、虛擬現(xiàn)實、增強(qiáng)現(xiàn)實、情緒智力（Emotional Intelligence）、個性化學(xué)習(xí)、學(xué)習(xí)分析技術(shù)等種類繁多的資源、服務(wù)和方法，這些都可以作為教育的補(bǔ)充，提高教育質(zhì)量，促進(jìn)教育發(fā)展（McGreal et al.， 2013； NMC， 15）。我們需要一種激進(jìn)的創(chuàng)新，設(shè)計一種新范式，以此作為對現(xiàn)有教育范式的補(bǔ)充，才能與時俱進(jìn)，跟教育體系利益相關(guān)各方（學(xué)生、教師、教授、輔導(dǎo)教師、家長等）一起進(jìn)步，而不是落后于他們。我們需要把轉(zhuǎn)基因生物這個概念引入教與學(xué)之中，換言之，我們需要教育的轉(zhuǎn)基因方法，使得教育能更快發(fā)展，能更加適合具體的實際目標(biāo)。這是一個復(fù)雜的挑戰(zhàn)，而且具有強(qiáng)制性和緊迫性。

這個挑戰(zhàn)最難把握的是處理好以下幾方面的關(guān)系：非正式教與學(xué)和日常服務(wù)與正式課程和學(xué)位專業(yè)恰到好處的融合；課內(nèi)課外資源巧妙的結(jié)合；以及利用正式教學(xué)大綱以外能服務(wù)教學(xué)目標(biāo)的豐富額外資源更新業(yè)經(jīng)認(rèn)證的內(nèi)容（Dabbagh & Kitsantas， 2012； De-la-Fuente-Valentín et al.， 2013）。

大規(guī)模公開在線課程環(huán)境下的

正式和非正式e-learning

正式學(xué)習(xí)指學(xué)校或高等教育機(jī)構(gòu)的常規(guī)課程，而非正式學(xué)習(xí)則發(fā)生于課外，大學(xué)的學(xué)習(xí)管理系統(tǒng)之外或正常面授課之外。正式和非正式學(xué)習(xí)相結(jié)合能夠構(gòu)建提升用戶表現(xiàn)的生態(tài)系統(tǒng)（Burgos， 2013）。目前在e-learning校園和平臺上，非正式學(xué)習(xí)和社會交互越來越受重視。大規(guī)模公開在線課程也不例外（Bry et al.， 2014）。在普通的在線校園，學(xué)生現(xiàn)在有各種各樣社會交互和小組協(xié)作的選擇，比如在論壇上提問或回答問題，自己發(fā)起活動，創(chuàng)建自己的網(wǎng)站或維基，邀請別人參加，點評他人工作，把課外資源融合到自己的知識庫，填寫問卷，與教師一起參加Web實時通訊（WebRTC）活動等等。小規(guī)模非公開在線課程（Small Private Online Course，簡稱SPOC）和各校的學(xué)習(xí)管理系統(tǒng)（Learning Management Systems，簡稱LMS）已經(jīng)做到能夠在非常普通的環(huán)境下提供幾乎是無窮無盡的機(jī)會，至于招生規(guī)模龐大的x/c型大規(guī)模公開在線課程（x/cMOOC）中，非正式學(xué)習(xí)機(jī)會更是呈幾何倍數(shù)增長。

考慮到這個背景，我們設(shè)計和研發(fā)了一個概念性個性化學(xué)習(xí)模型LIME，即Learning（L）（學(xué)習(xí)）、Interaction（I）（交互）、Mentoring（M）（指導(dǎo)）和 Evaluation（E）（評價）。我們將在下文闡述為什么它們是正式和非正式環(huán)境下任何學(xué)習(xí)情景的四大支柱。我們的模型通過一種簡單而又細(xì)致化可配置規(guī)則的系統(tǒng)向?qū)W生提供自適應(yīng)教學(xué)輔導(dǎo)和支持，學(xué)生以及他們的交互情況通過e-learning平臺進(jìn)行監(jiān)控，平臺能高效收集必要的輸入信息（Burgos et al.， 2007； Rocchio， 1971），比如行動、決定、分?jǐn)?shù)、交流等。我們通過結(jié)合規(guī)則，跟蹤數(shù)據(jù)，分類和設(shè)置，最終為學(xué)生提供個性化的學(xué)習(xí)咨詢服務(wù)。

本模型還借鑒其他在線教育推薦系統(tǒng)的優(yōu)點（Linden， Smith， & York， 2003； Marlin， 2003），將以下三個方面授權(quán)給教師/輔導(dǎo)教師/管理人員負(fù)責(zé)：

設(shè)計規(guī)則集；

分配每一種活動類型和設(shè)置所占分值的百分比；

據(jù)此配置站點輸入項目和監(jiān)控策略。

簡而言之，LIME是一種教師輔助的學(xué)生指導(dǎo)框架，如同其他推薦系統(tǒng)一樣，其目標(biāo)是提高學(xué)習(xí)效率（Chen & Magoulas， 2005； Ghauth & Abdullah， 2010； Kerkiri， Manitsaris， & Mavridou， 2007； Romero et al.， 2003）。本文提出一種個性化輔導(dǎo)模型，尤其強(qiáng)調(diào)兼顧正式和非正式學(xué)習(xí)環(huán)境。由于我們的推薦模型讓輔導(dǎo)教師享有課程特點、目標(biāo)和進(jìn)度等方面的絕對控制權(quán)，我們相信這個模型既適合小規(guī)模非公開在線課程（SPOC）也適合大規(guī)模公開在線課程（MOOC）。這種控制是根據(jù)學(xué)習(xí)者監(jiān)控信息、活動類型和權(quán)重為參數(shù)制訂合適的自定義規(guī)則而實現(xiàn)的。最后，從技術(shù)角度看，LIME作為一種軟件插件旨在服務(wù)招生規(guī)模大、學(xué)習(xí)參與者眾多的云端校園和大規(guī)模公開在線課程。

LIME推薦系統(tǒng)

2013年我們提出LIME模型（Burgos， 2013），這個模型由三項教學(xué)活動組成，任何一個階段的教育都離不開這三種活動：

學(xué)習(xí)（Learning）：學(xué)習(xí)者吸收知識、建構(gòu)知識的活動；

交互（Interaction）：建立關(guān)系，參加活動和開展學(xué)習(xí)交流，促進(jìn)知識和技能的掌握；

指導(dǎo)（Mentoring）：教師或輔導(dǎo)教師認(rèn)為重要的輔導(dǎo)活動。

此外還有一種貫穿于各種活動中的活動：

評價（Evaluation）：正式評分（測驗、考試、作業(yè)等）。

教師或輔導(dǎo)教師必須為自己的每一門課程設(shè)計一種教學(xué)策略，即：

設(shè)置（Setting）：正式和非正式比例的平衡。系統(tǒng)收集具體的正式和非正式活動輸入數(shù)據(jù)，按照百分比設(shè)置兩種活動的權(quán)重。比如，如果設(shè)計者希望所有活動是正式的，那么要把正式和非正式比例設(shè)置為：100% - 0%。

種類（Category）：學(xué)習(xí)、交互和指導(dǎo)三者的平衡。LIME模型的每一種活動都被賦予一個具體權(quán)重，比如，如果個人活動和小組活動同等重要，無須指導(dǎo)，那么三者的平衡是：學(xué)習(xí)（50%）- 交互（50%）- 指導(dǎo)（0%）。

輸入（Input）：列出每一種活動需要輸入的具體指標(biāo)和權(quán)重。每一項輸入應(yīng)該反映學(xué)生在學(xué)習(xí)平臺上的一個具體活動、做過的一件具體事情、獲得的一個分?jǐn)?shù)或結(jié)果。

后文圖3b是用于某一個站點的模型配置例子。輔導(dǎo)教師可以根據(jù)這些成分的具體要求人為定義推薦規(guī)則并設(shè)置參數(shù)，一旦涉及種類、輸入和設(shè)置的條件得到滿足，系統(tǒng)會自動發(fā)出推薦。由于輸入可以包括正式和非正式活動，從成績評定到在集成的Messenger或?qū)崟r通信工具上的非正式聊天均可被列為輸入項目，因此，我們能夠跟蹤用戶課堂內(nèi)外的活動。

由此可見，LMIE是一種適合云學(xué)習(xí)環(huán)境（SPOCs或MOOCs）、輔導(dǎo)教師/教師人工操作、基于規(guī)則的推薦系統(tǒng)。這也是它跟其他系統(tǒng)不同之處（Lenoy et al.， 2013； Sielis et al.， 2011）。

LIME模型的軟件實現(xiàn)指導(dǎo)原則

LIME是作為一個具體的e-learning平臺的插件運作的。常規(guī)學(xué)習(xí)管理系統(tǒng)與LIME插件的結(jié)合為我們提供一種能收集很多學(xué)習(xí)活動和事件數(shù)據(jù)、促進(jìn)各個層面（用戶、內(nèi)容和服務(wù)等）交互的學(xué)習(xí)場景，而這正是我們這個模型的基礎(chǔ)。師生均在這些e-learning站點（校園）上花很多時間，因此這些數(shù)據(jù)非常重要。

首先，我們在Sakai CLE學(xué)習(xí)管理系統(tǒng)上運行LIME模型。我們的主要目標(biāo)之一是把這個概念設(shè)計成為類似黑盒子（black box）的iLIME軟件，盡可能使之與目前最常見的學(xué)習(xí)管理系統(tǒng)兼容。我們對相當(dāng)數(shù)量的連接器（即驅(qū)動）進(jìn)行編程，每次一個，并連接上這個黑盒子，使之能跟特定學(xué)習(xí)管理系統(tǒng)兼容。我們把這個獨立于學(xué)習(xí)管理系統(tǒng)以外的LIME模型稱為iLIME（見圖1）。具體講，iLIME必須在以下方面跟學(xué)習(xí)管理系統(tǒng)相互關(guān)聯(lián)（見圖2）：

學(xué)生登錄學(xué)習(xí)管理系統(tǒng)或?qū)W生和教師認(rèn)為必要的時候能夠便捷地向?qū)W生做出推薦；

高效監(jiān)控或收集用戶活動；

允許輔導(dǎo)教師和教師在存放他們教學(xué)內(nèi)容的在線平臺設(shè)置LIME模型；

由于對運算能力的要求低（包括硬件和軟件兩方面），因此對學(xué)習(xí)管理系統(tǒng)和（或）數(shù)據(jù)庫服務(wù)的影響非常小。

眾所周知，各種e-learning平臺不盡相同，最主要的不同體現(xiàn)在以下方面：

用于部署環(huán)境的操作系統(tǒng)；

開發(fā)所用的編程語言；

后臺數(shù)據(jù)庫和Web服務(wù)器；

第三方信息和交換的服務(wù)、協(xié)議和界面。

由此可見，第三方應(yīng)用程序與學(xué)習(xí)管理系統(tǒng)的結(jié)合有一定難度。幸運的是，時至今日，一些標(biāo)準(zhǔn)化團(tuán)體、聯(lián)盟和眾多供應(yīng)商一直在致力于解決這個問題。下文擬闡述我們選擇哪些技術(shù)和方法解決上述問題。

（一）學(xué)習(xí)工具互操作性工具提供者服務(wù)（LTI Tool Provider）基礎(chǔ)指南

iLIME利用學(xué)習(xí)工具互操作性（Learning Tool Interoperability，簡稱 LTI）基礎(chǔ)指南（Alier， 2012； Forment et al.， 2010； Forment et al.， 2012）。LTI是教學(xué)管理系統(tǒng)全球?qū)W習(xí)聯(lián)盟（IMS Global Learning Consortium）制訂的標(biāo)準(zhǔn)，主要好處是規(guī)定了一個獨立于平臺的協(xié)議，據(jù)此可以把外部工具和服務(wù)添加到某一個站點或某一門課程上。IMS LTI標(biāo)準(zhǔn)定義兩種融合：LTI完整指南和LTI基礎(chǔ)指南。后者較為簡單，但完全能夠滿足我們的需要（詳見下述）。

LTI涉及兩個主要角色：學(xué)習(xí)管理系統(tǒng)，即工具使用者（Tool Consumer）和一系列外部提供者或內(nèi)容傳送者，即工具提供者（Tool Providers）。LTI基礎(chǔ)指南1.1版本有很多重要好處（Paulo & Queirós， 2011），但是iLIME用得最多的是：

集成的框架，即能夠很好地將數(shù)據(jù)和信息呈現(xiàn)在相同的學(xué)習(xí)管理系統(tǒng)瀏覽器窗口，通常體現(xiàn)為可以配置大小的浮動框架或彈出窗口，有助于將工具提供者融入工具使用者窗口。雖然iLIME是一種完全不用于學(xué)習(xí)管理系統(tǒng)的應(yīng)用程序，但是教師和學(xué)生在使用過程中幾乎不會覺察到這一點。

Settings API，即能夠以安全、簡單且高效和靈活的方式將有價值的工具提供者信息存入學(xué)習(xí)管理系統(tǒng)自己的數(shù)據(jù)庫。換言之，提供者的工具可以以某種獨立于數(shù)據(jù)庫的模式運行，將全部信息/配置存儲的要求轉(zhuǎn)移給使用者（即學(xué)習(xí)管理系統(tǒng)）。iLIME以這種方式運行，大大簡化了自己的架構(gòu)。系統(tǒng)管理員/站點管理者必須事先設(shè)置許可。

認(rèn)證，即經(jīng)過目前絕大多數(shù)知名Web服務(wù)和因特網(wǎng)APIs（比如推特和谷歌）所使用的行業(yè)標(biāo)準(zhǔn)OAuth協(xié)議認(rèn)證。由于OAuth協(xié)議的用戶ID和密鑰匹配，LTI工具提供者和使用者之間所有通信和會話保持機(jī)制得以妥善處理。

另外，有基本LTI支持的工具提供者能夠（如果獲得許可的話）：

獲取全班數(shù)據(jù)，包括學(xué)生姓名和（或）電子郵件賬戶；

將成績錄入課程成績冊。啟用這個程序后，工具提供者能夠把學(xué)生使用外部工具應(yīng)用程序所取得的成績發(fā)送回學(xué)習(xí)管理系統(tǒng)。

我們的理念是基于事實的，即為數(shù)可觀的e-learning軟件部署符合IMS LTI基礎(chǔ)指南要求或至少自身正在朝著這個方向發(fā)展。ATutor、Moodle、Sakai、Blackboard等等（Garcia et al.， 2011）均是執(zhí)行這個標(biāo)準(zhǔn)的工具使用者部分的開源學(xué)習(xí)平臺。

另一方面，諸如MediaWiki、WordPress和YouTube這些外部工具執(zhí)行的是LTI協(xié)議的工具提供者部分，它們能夠向任何符合LTI協(xié)議的在線校園提供教育內(nèi)容（詳見http：//www.edu-apps.org和https：//www.eduappcenter.com）。關(guān)于e-learning軟件更新情況以及它們符合IMS LTI標(biāo)準(zhǔn)和協(xié)議的情況，詳見https：//www.imsglobal.org/cc/statuschart.cfm。

（二）HTML5桌面級Web應(yīng)用客戶端

如上所述，iLIME是設(shè)計為一種LTI提供者工具的，因此它以浮動框架形式在學(xué)習(xí)管理系統(tǒng)瀏覽器窗口運行。作為HTML中的框架，它能適應(yīng)任何Web技術(shù)，從純W3C代碼到更加復(fù)雜的腳本語言（Java小程序、Adobe Flash對象等等）。但是，考慮到兼容性、安全性和目前Web開發(fā)趨勢，iLIME是作為純HTML5應(yīng)用程序編寫的。

目前市場上有很多Web應(yīng)用程序框架，我們選擇Cappuccino （http：//www.cappuccino-project.org），因為它能夠讓我們開發(fā)瀏覽器窗口內(nèi)的全桌面級應(yīng)用程序。iLIME最重要的特點可能是包含謂詞過濾（predicate filtering）。謂詞用于收集項目，與W3C XQuery 或ECMA LINQ高度相似（Cheney， Lindley， & Wadler， 2013； Pardede & Rahayu， 2009； Saigaonkar & Rao， 2010）。

（三）領(lǐng)域特定語言輕量級后臺

iLIME的多數(shù)任務(wù)發(fā)生于學(xué)生和教師使用瀏覽器期間。它在客戶端應(yīng)用和實現(xiàn)LIME模型（包括所有操作、修改和規(guī)則應(yīng)用過程），對服務(wù)器或工具使用者的服務(wù)影響非常小（見圖3b）。

由于對后臺要求不高，我們決定采用現(xiàn)成最輕量級之一的服務(wù)器框架實現(xiàn)iLIME。我們選擇了Sinatra（Günter & Cleenewerk， 2010），這是一個基于Ruby、輕量級領(lǐng)域特定的Web服務(wù)器框架（Maximilien et al.， 2007），能快速辨認(rèn)HTTP 路徑、參數(shù)和動詞（GET， POST， DETELE， PUT）。我們?yōu)閕LIME服務(wù)器編寫了四條路徑（見圖6）：

檢索學(xué)生界面：這是一種GET方法，傳回iLIME學(xué)生界面，包括所有必需的HTML、Javascript和資源文件。學(xué)生界面只不過是一張推薦列表，外加某種視覺反饋（見圖4）。啟動這條路徑時，模型參數(shù)、輸入（見圖3 a）和規(guī)則列表被傳回瀏覽器，所有必不可少的步驟和運算均使用純Javascript方式在瀏覽器進(jìn)行。

檢索模型配置界面：這也是一種GET方法，把模型的管理主控臺應(yīng)用程序傳回教師或輔導(dǎo)教師瀏覽器（見圖5）。當(dāng)學(xué)習(xí)管理系統(tǒng)（工具使用者）啟動提供者工具時，iLIME后臺根據(jù)交換的參數(shù)區(qū)分教師與普通用戶（即學(xué)生）。教師和輔導(dǎo)教師能夠在這個主控臺設(shè)置模型基本變量，增加、刪除或修改輸入并設(shè)計應(yīng)用規(guī)則。

讀寫某一站點的模型信息：如上所述，iLIME利用Settings API標(biāo)準(zhǔn)，允許第三方應(yīng)用程序把相關(guān)數(shù)據(jù)讀寫在學(xué)習(xí)管理系統(tǒng)數(shù)據(jù)庫。如果沒有設(shè)置參數(shù)，這種HTTP方法（POST）把整個模型的狀態(tài)傳回某一課程的Web瀏覽器。如果是回應(yīng)請求（模型設(shè)置），則數(shù)據(jù)往相反方向傳送：從教師Web客戶端傳到能夠安全保存數(shù)據(jù)的學(xué)習(xí)管理系統(tǒng)。

監(jiān)控結(jié)果請求：LIME模型的監(jiān)控過程需要學(xué)生實際表現(xiàn)的輸入。這一監(jiān)控過程以幾種形式發(fā)生（詳見下文）。這種向iLIME后臺的查詢也是一個POST請求。

我們想再次強(qiáng)調(diào)iLIME的一大優(yōu)點：絕大多數(shù)規(guī)則應(yīng)用和過濾操作發(fā)生于客戶端，對服務(wù)器、大規(guī)模公開在線課程（MOOC）站點或?qū)W習(xí)管理系統(tǒng)的影響極小。這對于招生規(guī)模龐大、經(jīng)常有為數(shù)眾多的用戶同時登錄的在線校園而言尤為重要，因為這樣一來我們可以把大規(guī)模在線課程的各種處理過程下放到數(shù)以萬計的學(xué)習(xí)者個人瀏覽器上進(jìn)行。

（四）學(xué)習(xí)管理系統(tǒng)為iLIME挖掘數(shù)據(jù)的方式

如上所述，我們必須向LIME模型提供學(xué)生行為、活動、分?jǐn)?shù)和學(xué)習(xí)路徑等方面監(jiān)控信息。大多數(shù)e-learning推薦系統(tǒng)在某個階段都必須面對這個問題。我們在目前第一次實現(xiàn)iLIME過程正在檢測以下三種方法（見圖7）。

HTTP服務(wù)：第一步也是最直接的方法就是使用獨立于學(xué)習(xí)管理系統(tǒng)的Web服務(wù)和API調(diào)用?，F(xiàn)代學(xué)習(xí)管理系統(tǒng)（Gonzalez et al.， 2009）通常提供能夠深入底部檢索所需數(shù)據(jù)的簡單、巧妙、符合行業(yè)標(biāo)準(zhǔn)而又高效的方法（基本上是SOAP、RPC和REST）。這種方法有兩個不足。首先，并非每一項所需的服務(wù)都是默認(rèn)執(zhí)行和（或）啟動。這個問題不難解決。只要我們獲得授權(quán)在學(xué)習(xí)管理系統(tǒng)上添加這些缺失的套接字或啟動默認(rèn)禁用的套接字即可。但是，這在很多情況下難以做到（比如在受到專利保護(hù)的云端校園環(huán)境）。

采集：Web采集包括兩方面：一是執(zhí)行自動的HTTP（S）請求，檢索用戶人工運行一個Web瀏覽器時瀏覽過的那些頁面和HTML文件（Malik & Rizvi， 2011）；二是這些請求得到成功響應(yīng)后，對數(shù)據(jù)進(jìn)行提取、檢查并編寫腳本或應(yīng)用于某種分析技術(shù)。大多數(shù)HTTP命令行（CLI）客戶端程序/庫允許認(rèn)證和表單提交，這點通常能夠滿足我們的需要。雖然Web采集似乎是最具兼容性的機(jī)械化數(shù)據(jù)挖掘，但是我們?nèi)匀幻媾R一個小問題，即學(xué)習(xí)管理系統(tǒng)和大規(guī)模公開在線課程大量利用Javascript獲取資源和構(gòu)建資源獲取路徑。在這種情況下，CLI Web客戶端不能滿足要求，應(yīng)該以沒有網(wǎng)頁界面的瀏覽器（headless web browser）取而代之。這些瀏覽器可程式化，在無須任何用戶界面的情況下運行，最重要的是，它們理解Javascript。

Experience API（xAPI）：最后一種方法是利用目前廣受e-learning和學(xué)習(xí)分析技術(shù)界關(guān)注的xAPI（Kelly & Thorn， 2013）。簡而言之，xAPI是自動記錄學(xué)習(xí)系統(tǒng)上學(xué)生活動的一套標(biāo)準(zhǔn)工具和規(guī)則。這些記錄統(tǒng)一被轉(zhuǎn)移到通常在相同學(xué)習(xí)管理系統(tǒng)服務(wù)器上運行的學(xué)習(xí)記錄倉儲（Learning Record Store，簡稱LRS）上。毫無疑問，xAPI代表著一種捕獲事件的強(qiáng)有力和標(biāo)準(zhǔn)化方式，將用戶行動集中存放在一個地方。一些e-learning系統(tǒng)正在嘗試融合這種功能，但這方面工作仍有待完善。目前階段xAPI還未被用于真實的監(jiān)控，但它似乎很有可能成為未來版本的iLIME的一種獨立于學(xué)習(xí)管理系統(tǒng)的監(jiān)控策略。 xAPI目前已成功用于大規(guī)模公開在線課程引擎（MOOC engines）（比如Google Course Builder），越來越多的云技術(shù)公司專注于SaaS（軟件即服務(wù)）LRS技術(shù)（見圖8）。

（五）規(guī)則：謂詞編輯和采集過濾

iLIME的規(guī)則是采用謂詞編輯器（predicate editor）設(shè)計的（見圖9）。Apple推廣這種工具，Cappuccino Javascript框架對其進(jìn)行修改，它基本上是由一套建立在數(shù)據(jù)采集基礎(chǔ)上的條件所組成，以此決定哪些對象通過甄別，即滿足預(yù)設(shè)條件（Bosch et al.， 2009）。

這是一種直截了當(dāng)編寫和應(yīng)用LIME規(guī)則的方法，其結(jié)果要么是空集（?）要么是非空集。如果是非空集，預(yù)設(shè)的推薦會在學(xué)生登錄學(xué)習(xí)管理系統(tǒng)或人工啟動iLIME LTI 工具提供者時發(fā)送給他/她。需要特別強(qiáng)調(diào)的是，謂詞過濾和推薦完全發(fā)生于瀏覽器端。

規(guī)則應(yīng)該配有推薦文字和視覺標(biāo)志（見圖10）說明進(jìn)步情況。此外，也可以提供背景文字，解釋推薦建議的性質(zhì)（一般建議、學(xué)習(xí)進(jìn)步建議、參加論壇討論建議、協(xié)作程度建議等等）。

案例：在一個學(xué)習(xí)管理系統(tǒng)上實現(xiàn)iLIME

本節(jié)將介紹在Apereo Sakai CLE 2.10-svn學(xué)習(xí)管理系統(tǒng)上實現(xiàn)iLIME的情況（見圖11）。

（一）Apereo Sakai CLE學(xué)習(xí)管理系統(tǒng)

Apereo Sakai CLE目前位居最常用學(xué)習(xí)管理系統(tǒng)前十名（Aberdour， 2007）。此外，Sakai還得到一個非常健康和開放的開發(fā)者社區(qū)的支持。這意味著他們經(jīng)常有新產(chǎn)品和補(bǔ)丁發(fā)布，整個工程充滿活力。另外，一些著名e-learning專家和負(fù)責(zé)教育領(lǐng)域其他相關(guān)工程的Apereo 基金會也支持Sakai。該基金會和Sakai社區(qū)內(nèi)部對于這個學(xué)習(xí)管理系統(tǒng)是否適合大規(guī)模公開在線課程（MOOC）有熱烈辯論。但是，毫無疑問，Sakai能夠滿足用戶規(guī)模龐大的課程站點要求（Epelboin， 2013）。我們部署該款軟件即將發(fā)布的SVN版本（2.10），因為它能很好地執(zhí)行IMS LTI v1.1，這一點對iLIME至關(guān)重要。

（二）監(jiān)控正式和非正式輸入

如上所述，LIME模型需要來自監(jiān)控學(xué)生過程的輸入。正式和非正式行為對于學(xué)生獲取推薦建議至關(guān)重要。LIME收集用戶表現(xiàn)、用戶交互和教師指導(dǎo)方面的證據(jù)。這些證據(jù)或輸入來自于正式教學(xué)相關(guān)的活動，比如考核或評定成績，也來自非正式背景，比如社交網(wǎng)絡(luò)的交互。至于在Sakai上的非正式表現(xiàn)，如上所述可以通過三種途徑收集：Web服務(wù)、LRS （xAPI）和采集。雖然Web服務(wù)API是開放和可擴(kuò)展的，Sakai內(nèi)置的默認(rèn)服務(wù)種類不夠多，無法傳回大多數(shù)常見的學(xué)習(xí)者的非正式數(shù)據(jù)。另一方面，雖然Sakai已經(jīng)實現(xiàn)xAPI客戶端界面，然而目前能夠在LRS儲存記錄的工具為數(shù)極少。

但是，Sakai本身具有作為一種非常好的站點統(tǒng)計和報告工具的特點，結(jié)合了發(fā)生在學(xué)習(xí)管理系統(tǒng)上的大量交互事件。發(fā)生非正式事件時，所有錄入的活動儲存在數(shù)據(jù)庫字段上（比如“工具名稱”“學(xué)生ID”和“日期”）。換言之，Sakai已經(jīng)能夠?qū)芏喾N社交活動進(jìn)行監(jiān)控、記錄和制成表格（見圖12）。

通過內(nèi)置Web服務(wù)無法得到這些報告，但可以通過簡單而又快速的HTTP采集技術(shù)輕而易舉地獲得。我們在試驗中利用Ruby編程語言和Gem（語言插件）Mechanize（基于Nokogiri XML解析器）（Hunter， 2013）。Mechanize作為這種語言的C-擴(kuò)展（Muhammad & Ierusalimschy， 2007），這樣便能快速分析XML樹。這種挖掘的結(jié)果是一個帶有非正式行為痕跡的JSON對象，該對象隨后被封裝傳回瀏覽器。我們的腳本必須編寫挖掘的目標(biāo)站點ID參數(shù)和檢索非正式事件的目標(biāo)用戶ID參數(shù)：

雖然我們把這些輸入列為“非正式”類，但是這些在LIME模型上的分類由輔導(dǎo)教師決定。

至于正式輸入，通常只給學(xué)生作業(yè)評定成績（見圖13）。基于這個假設(shè)，我們設(shè)計了簡單腳本，用于采集作業(yè)列表和每一個學(xué)生的成績等數(shù)據(jù)。此時，必須使用無界面瀏覽器（多虧Selenium功能測試Web服務(wù)器）（Grigalis & Cenys， 2014； Holmes & Kellogg， 2006），因為一些鏈接是基于Ecmascript的，普通HTTP 調(diào)用功能不夠強(qiáng)大，無法檢索相關(guān)信息（在Sakai環(huán)境下）。如前所述，這種腳本包含站點ID和用戶ID參數(shù)，把包含某一個學(xué)生的作業(yè)和成績的JSON對象傳回：

（三）LTI實現(xiàn)情況

如前所述，Sakai CLE通過內(nèi)置實現(xiàn)IMS Basic LTI。由于有LTI，iLIME：

在Sakai同一個窗口運行，猶如一種有機(jī)工具。學(xué)生和教師都不用把iLIME跟Sakai其他工具區(qū)分開來；

iLIME根據(jù)用戶角色恰當(dāng)啟動和展示相應(yīng)屏幕和用戶界面。這是通過認(rèn)證和學(xué)習(xí)管理系統(tǒng)與iLIME之間初始信息交換過程得以實現(xiàn)的；

我們的推薦系統(tǒng)沒有在自己的數(shù)據(jù)庫運行，而是利用LTI Settings API，把模型配置、規(guī)則和輸入儲存起來。

最后這一點，每一個課程站點都有自己的配置，與其他課程站點不同。這些基于課程的配置儲存在獨立數(shù)據(jù)庫和可供查詢的地方，只要獲得讀寫許可，iLIME在必要的時候可以自由獲取這些信息。雖然這些數(shù)據(jù)字段是VARCHAR/TEXT SQL格式化的域，我們決定把iLIME配置編寫成Base64編碼的JSON字符串，以便處理非ASCII 字符，這似乎是LTI基礎(chǔ)指南（1.1版本）的局限。即將發(fā)布的LTI 2.0版本將全面支持工具提供者處理復(fù)雜和大型的Unicode JSON字符串，允許儲存信息豐富的對象。另一個局限是4千字節(jié)的門檻。工具提供者被允許通過LTI Settings API（同樣LTI 2.0版本將解除原有限制并增強(qiáng)這個門檻）保持他們的數(shù)據(jù)。JSON和Base64編碼的字符串壓縮算法已經(jīng)被用來壓縮這種數(shù)據(jù)緩存。所有這些任務(wù)都是在客戶端空間執(zhí)行（見圖14）。

結(jié)論和今后工作

教育需要一場革命，一場充分利用市場上現(xiàn)成的、用戶已經(jīng)在使用的產(chǎn)品的革命。轉(zhuǎn)基因方法能使教育系統(tǒng)及其用戶有更好的表現(xiàn)，獲得更多機(jī)會和進(jìn)一步提高自身能力。

本文提出一種基于規(guī)則的e-learning推薦模型LIME。該模型把學(xué)生在在線校園或大規(guī)模公開在線課程（MOOC）環(huán)境下的活動分成四類：學(xué)習(xí)（L）、交互（I）、指導(dǎo)（M）和評價（E），尤其重視在課程站點或小組活動中正式和非正式學(xué)習(xí)活動的權(quán)重設(shè)置。根據(jù)教師或輔導(dǎo)教師的教學(xué)經(jīng)驗和教學(xué)判斷，每一類活動和每一個設(shè)置都被賦予一個權(quán)重。

LIME的規(guī)則以對學(xué)生在e-learning平臺上的（正式和社交性）活動和動作進(jìn)行監(jiān)控的結(jié)果為輸入。輔導(dǎo)教師根據(jù)LIME模型對每一項輸入進(jìn)行分類并賦予一個載荷。啟動規(guī)則的時候，模型的基本參數(shù)會給輸入分配權(quán)重，然后對輸入進(jìn)行過濾，最后把推薦意見發(fā)送給學(xué)生。換言之，這個模型根據(jù)用戶在其上的活動和使用情況向用戶提供個性化指導(dǎo)，這是伴隨學(xué)習(xí)進(jìn)展的一個動態(tài)過程，使得學(xué)生在整個學(xué)習(xí)過程都能夠獲得穩(wěn)定的教學(xué)輔導(dǎo)支持。

為了驗證LIME模型，我們設(shè)計了iLIME框架，用以證明這個概念在作為與IMS LTI兼容的提供者工具在Sakai CLE學(xué)習(xí)管理系統(tǒng)上實現(xiàn)的有效性。iLIME旨在應(yīng)用于真正終端用戶和學(xué)習(xí)管理系統(tǒng)上，進(jìn)一步優(yōu)化LIME模型，提高學(xué)生的總體學(xué)習(xí)表現(xiàn)。本文討論了我們面臨的各種技術(shù)問題以及為了在Sakai CLE學(xué)習(xí)管理系統(tǒng)上實現(xiàn)iLIME所做出的選擇和讓步，同時，我們也著眼于為下階段獨立于學(xué)習(xí)管理系統(tǒng)的實際部署（包括大規(guī)模公開在線課程引擎）鋪路。

iLIME主要是作為一種客戶端Javascript應(yīng)用進(jìn)行設(shè)計的，因此非常適合同時服務(wù)數(shù)以萬計學(xué)習(xí)者的學(xué)習(xí)環(huán)境（比如大規(guī)模公開在線課程[MOOC]）。

我們計劃下階段把iLIME部署在其他通用學(xué)習(xí)管理系統(tǒng)（比如Moodle和Canvas等）和x型大規(guī)模公開在線課程（xMOOC）平臺上，使用自然語言處理（Natural Language Processing）（Bing， 2010）實現(xiàn)推薦標(biāo)志自動化（積極、負(fù)面、一般等），對iLIME進(jìn)行改造以適應(yīng)LTI 2.0，并為Sakai學(xué)習(xí)管理系統(tǒng)開發(fā)一些xAPI界面。

鳴謝

本研究得到拉里奧哈國際大學(xué)研究和技術(shù)部（UNIR Research）（http：//research.unir.net）以及教育創(chuàng)新和技術(shù)研究院（Research Institute for Innovation & Technology in Education，簡稱iTED， http：//research.unir.net/ited）的部分資助。

[參考文獻(xiàn)]

Aberdour， M. （2007）. Open Source Learning Management Systems： Emerging open source LMS markets. Epic White Paper， 2007.

Apolinario， R. M. （2015）. Genetically Modified Organisms. Scholarly & Creative Works Conference. Poster presentation. Dominican University of California. Retrieved from http：//scholar.dominican.edu/scw/scw 2015/Guz306/16/

Bing， L. （2010）. Sentiment Analysis and Subjectivity. In N. Indurkhya & F. J. Damerau （Eds.）， Handbook of Natural Language Processing （Second Edition） （pp. 627-666）. Boca： Taylor and Francis Group.

Bosch， H， Heinrich， J.， Muller， C.， Hoferlin， B.， Reina， G.， Hoferlin， M.， Worner， M.， & Koch S. （2009）. Innovative filtering techniques and customized analytics tools. In Proc. IEEE Symp. Visual Analytics Science and Technology （pp. 269–270）. VAST09.

Bry， F.， Ebner， M.， Pohl， A.， Pardo， A.， & Taraghi， B. （2014）. Interaction in Massive Courses. Journal of Universal Computer Science， 20 （1）， 1-5.

Burgos， D. （2013）. L.I.M.E. A recommendation model for informal and formal learning， engaged. International Journal of Artificial Intelligence and Interactive Multimedia， 2 （2）， 79-86.

Burgos， D.， Tattersall， C.， & Koper， R. （2007）. How to represent adaptation in eLearning with IMS Learning Design. Interactive Learning Environments， 15 （2）， 161-170.

Burton， M.， Rigby， D.， Young， T.， & James， S. （2001）. Consumer attitudes to genetically modified organisms in food in the UK. European Review of Agricultural Economics， 28（4）， 479-498.

Chen， S. Y.， & Magoulas， G. D. （2005）. Adaptable and Adaptive Hypermedia Systems. Hershey， PA： IRM Press.

Cheney， J.， Lindley， S.， & Wadler， P. （2013）. A practical theory of language-integrated query. In Proceedings of the 18th ACM SIGPLAN International Conference on Functional Programming （ICFP '2013） （pp.403-416）. ACM， New York， NY， USA.

Collins， A.， & Halverson， R. （2010）. The second educational revolution： Rethinking education in the age of technology. Journal of computer assisted learning， 26（1）， 18-27.

Dabbagh， N.， & Kitsantas， A. （2012）. Personal Learning Environments， social media， and self-regulated learning： A natural formula for connecting formal and informal learning. The Internet and higher education， 15（1）， 3-8.

De-la-Fuente-Valentín， L.， Carrasco， A.， Konya， K.， & Burgos， D. （2013）. Emerging technologies landscape on education： A review. IJIMAI， 2（3）， 55-70.

Epelboin， Y. （2013）. MOOC in Europe. Internal report. UPMC-Sorbonne Université， 2013.

Forment， M.， Casany-Guerrero， M.， J.， Conde， M.， García， F. J.， & Severance， C. （2010）. Interoperability for LMS： the missing piece to become the common place for e-learning innovation. International Journal of Knowledge and Learning， 6 （2/3）， 130-141.

Forment， M.， Casany-Guerrero， M.J.， Mayol， E.， Piguillem， J.， Galanis， N.， García， F. J.， & Conde， M. A. （2012）. Docs4Learning： Getting Google Docs to work within the LMS with IMS BLTI. Journal of Universal Computer Science， 18 （11）， 1483-1500.

García， F. J.， Conde， M. A.， Marc， M.， & Casany-Guerrero， M. J. （2011）. Opening Learning Management Systems to Personal Learning Environments. Journal of Universal Computer Science， 17 （9）， 1222-1240.

Ghauth， K. I.， & Abdullah， N. A. （2010）. Learning materials recommendation using good learners ratings and content-based filtering. Education Technology Research and Development， 58 （6）， 711-727.

Gonzalez， M. A. C.， Penalvo， F. J. G.， Guerrero， M. J. C.， & Forment， M. A. （2009）. Adapting LMS Architecture to the SOA： An Architectural Approach. Internet and Web Applications and Services， 2009. ICIW '09 （pp. 322-327）.

Grigalis， T.， & Cenys， A. （2014）. Unsupervised Structured Data Extraction from Template-generated Web Pages. Journal of Universal Computer Science， 20 （2）， 169-192.

Günter， S.， & Cleenewerk， T. （2010）. Design principles for internal domain-specific languages： a pattern catalog illustrated by Ruby. Proceedings of the 17th Conference on Pattern Languages of Programs， article 3.

Holmes， A.， & Kellogg， M. （2006）. Automating functional tests using Selenium. Agile Conference， 2006.

Hunter， P. （2013）. Instant Nokogiri. Packt Publishing Ltd.

Kelly， D.， & Thorn， K. （2013）. Should Instructional Designers care about the Tin Can API？. eLearning Magazine， 3. Retrieved from http：//dl.acm.org/citation.cfm？id=2446579

Kerkiri， T.， Manitsaris， A.， & Mavridou， A. （2007）. Reputation metadata for recommending personalized e-learning resources. IEEE Computer Society， 2007.

Lenoy， D.， Parada， H.， Mu?oz-Merino， P.， Pardo， A.， & Delgado， C. （2013）. A Generic Architecture for Emotion-based Recommender Systems in Cloud Learning Environments. Journal of Universal Computer Science， 19 （14）， 2075-2092.

Linden， G.， Smith， B.， & York， J.， （2003）. Amazon.com recommendations： Item-to-item collaborative filtering. Internet Computing IEEE， 7 （1）， 76-80.

Malik， S. K.， & Rizvi， S. A. M. （2011）. Information Extraction Using Web Usage Mining， Web Scrapping and Semantic Annotation. Computational Intelligence and Communication Networks （CICN）， 2011 International Conference （pp. 465-469）.

Marc， M.， Mayol E.， Casany-Guerrero， M. J.， Piguillem， J.， Merriman， J.， Conde， M. A.， García， F. J.， Tebben， W.， & Severance， C. （2012）. Clustering Projects for eLearning Interoperability. Journal of Universal Computer Science， 18 （1）， 106-122.

Marlin， B. （2003）. Modeling user rating profiles for collaborative filtering. In S. Thrun， L. K. Saul， & B. Sch?lkopf （Eds.）， Advances in neural information processing systems （pp. 627-634）. Cambridge， MA： MIT Press.

Maximilien， E.， Wilkinso， H.， Desai， N.， & Tai， S. （2007）. A Domain-Specific Language for Web APIs and Services Mashups. Service-Oriented Computing-ICSOC， 4749， 13-26.

McGreal， R.， Kinuthia， W.， Marshall， S.， & McNamara， T. （2013）. Open educational resources： Innovation， research and practice. Commonwealth of Learning， Vancouver.

Millis， N. （2006）. Genetically modified organisms. Australian State of the Environment Committee， Department of the Environment and Heritage， Canberra， Australia. Retrieved from http：//www.deh.gov.au/soe/2006/emerging/gmo/index.html

Muhammad， H.， & Ierusalimschy， R. （2007）. C APIs in Extension and Extensible Languages. Journal of Universal Computer Science， 13 （6）， 839-852.

New Media Consortium & EDUCAUSE Learning Initiative. （2015）. The NMC Horizon Report： 2015 Higher Education Edition. Austin， TX： The New Media Consortium.

Pardede， J.， & Rahayu， W. （2009）. SQL/XML Hierarchical Query Performance Analysis in an XML-Enabled Database System. Journal of Universal Computer Science， 15 （10）， 2058-2077.

Paulo， J.， & Queirós， R. （2011）. Using the Learning Tools Interoperability Framework for LMS Integration in Service Oriented Architectures. Conference Proceedings in Technology Enhanced Learning， TECH-EDUCATION 11. Springer Verlag， 2011.

Rocchio， J. J. （1971）. Relevance feedback in information retrieval， in the SMART Retrieval System. Experiments in Automatic Document Processing. Englewood Cliffs， NJ： Prentice Hall， Inc.， 1971.

Romero， C.， Ventura， S.， De Bra， P. D.， & Castro， C. D. （2003）. Discovering prediction rules in AHA！ courses. 9th International User Modeling Conference.

Saigaonkar， S.， & Rao， M. （2010）. XML filtering system based on ontology. A2CWiC 2010： Proc. of the 1st Amrita ACM-W Celebration on Women in Computing in India.

Sielis， G.， Mettouris， C.， Papadopoulos， G.， Tzanavari， A.， Dols， R.， & Siebers， Q. （2011）. A Context Aware Recommender System for Creativity Support Tools. Journal of Universal Computer Science， 17 （12）， 1743-1763.

Wrigley， T. （2009）. Rethinking education in the era of globalization. In D. Hill （Ed，）， Contesting Neoliberal Education： Public Resistance and Collective Advance （pp. 61-82）. New York & Abingdon： Routledge.

收稿日期：2017-03-23

定稿日期：2017-03-31

作者簡介：丹尼爾·布爾戈斯（Daniel Burgos）博士，西班牙拉里奧哈國際大學(xué)（Universidad Internacional de La Rioja）副校長（知識、轉(zhuǎn)移和技術(shù)）、教授、教育創(chuàng)新和技術(shù)研究院院長；聯(lián)合國教科文組織e-learning教席，國際遠(yuǎn)程開放教育理事會開放教育資源教席；曾任拉里奧哈國際大學(xué)工程學(xué)院院長，源訊研究與創(chuàng)新部教育處總監(jiān)和用戶體驗實驗室主任，荷蘭開放大學(xué)副教授；參與四十多個歐盟資助課題，發(fā)表120多篇論文；擁有四個博士學(xué)位，分別是傳播學(xué)博士、計算機(jī)科學(xué)博士、教育博士和人類學(xué)博士。

阿爾貝托·考比（Alberto Corbí），西班牙拉里奧哈國際大學(xué)教育創(chuàng)新和技術(shù)研究院高級研究員；主要研究領(lǐng)域：推薦系統(tǒng)、e-learning標(biāo)準(zhǔn)和系統(tǒng)互操作性。

譯者簡介：肖俊洪，汕頭廣播電視大學(xué)教授，Distance Education （Taylor & Francis）期刊副主編，System： An International Journal of Educational Technology and Applied Linguistics （Elsevier）編委（515041）。

責(zé)任編輯 郝 丹

編 校 韓世梅