高振清
(蘇州健雄職業(yè)技術(shù)學(xué)院,江蘇 太倉 215411)
隨著移動(dòng)智能手機(jī)和移動(dòng)網(wǎng)絡(luò)應(yīng)用的普及,學(xué)生通過手機(jī)搜索學(xué)習(xí)資源進(jìn)行片段化的學(xué)習(xí)已經(jīng)成為一種普遍的現(xiàn)象。對碎片化的學(xué)習(xí)資源進(jìn)行整合,為學(xué)生提供學(xué)習(xí)課件,并通過內(nèi)容交互設(shè)計(jì)、功能交互設(shè)計(jì)、界面交互設(shè)計(jì),使碎片化資源能夠更加靈活地被學(xué)生所應(yīng)用。
碎片化資源是由人類活動(dòng)所產(chǎn)生的各類資源所組成,其中包括信息資源、時(shí)間資源、空間資源。隨著教學(xué)信息化的發(fā)展,各類知識以小節(jié)、單元、案例等電子形式存在于網(wǎng)絡(luò)中,形成了龐大的碎片化學(xué)習(xí)信息資源,它不僅能夠幫助學(xué)生解決針對性的問題,而且能夠成為微課設(shè)計(jì)的主要素材。學(xué)生在日常的生活中,將一些碎片化的時(shí)間和空間進(jìn)行利用,構(gòu)建符合自身?xiàng)l件與環(huán)境的碎片化時(shí)間與空間資源,通過智能手機(jī)進(jìn)行學(xué)習(xí),而不受時(shí)間和空間的限制。
交互設(shè)計(jì)是人與人之間、人與設(shè)備之間、設(shè)備與設(shè)備之間等能夠基于某種環(huán)境下進(jìn)行互動(dòng)與配合,使其能達(dá)成某種目的。在軟件設(shè)計(jì)中,交互設(shè)計(jì)以人的使用行為為目標(biāo)導(dǎo)向,以用戶習(xí)慣的使用方式規(guī)劃軟件操作流程,增進(jìn)用戶的交互體驗(yàn)。交互設(shè)計(jì)原則是要具有可視性,能夠反饋活動(dòng)信息,以流程化表達(dá)防止操作失誤,能夠準(zhǔn)確表達(dá)控制和效果之間的映射關(guān)系,保持功能與操作的表現(xiàn)的一致性,并具有準(zhǔn)確的啟發(fā)性。在進(jìn)行交互設(shè)計(jì)時(shí),劃分出分析階段、設(shè)計(jì)階段、配合階段和驗(yàn)證階段,必須明確交互設(shè)計(jì)規(guī)范,以保證產(chǎn)品設(shè)計(jì)的一致性。
網(wǎng)絡(luò)中存在著海量的信息資源,用戶通過搜索引擎系統(tǒng)搜索所需要的資源費(fèi)時(shí)又費(fèi)力,而系統(tǒng)推薦技術(shù)則能夠根據(jù)用戶網(wǎng)絡(luò)使用痕跡、對資源類型的興趣等主動(dòng)向用戶推薦,以節(jié)約用戶獲取信息的時(shí)間,提高系統(tǒng)與用戶之間的交互。個(gè)性化推薦主要由用戶模型、推薦對象模型和推薦算法所構(gòu)成,通過對用戶的特征分析將網(wǎng)絡(luò)中的資源與用戶需求相匹配,利用相應(yīng)的推薦算法進(jìn)行計(jì)算,為用戶推薦合適的信息。主要的推薦方法有基于內(nèi)容推薦、協(xié)同過濾推薦、基于關(guān)聯(lián)規(guī)則推薦和組合推薦等。
基于碎片化資源的收集課程系統(tǒng)不僅要對系統(tǒng)功能進(jìn)行設(shè)計(jì),滿足應(yīng)用上的需求,還要進(jìn)行交互設(shè)計(jì),實(shí)現(xiàn)教師與學(xué)生之間、學(xué)生與學(xué)生之間、用戶與系統(tǒng)之間、系統(tǒng)內(nèi)部流程之間的無縫銜接,增強(qiáng)系統(tǒng)的可操作性,滿足用戶個(gè)性化需求。
2.1.1 Hadoop架構(gòu)
Hadoop架構(gòu)是基于Google集群系統(tǒng)實(shí)現(xiàn)的可擴(kuò)展開源軟件框架,其采用分布式存儲與計(jì)算的方式進(jìn)行數(shù)據(jù)處理,相比單節(jié)點(diǎn)數(shù)據(jù)處理具有較高的可靠性、高效性、伸縮性。HDFS是Hadoop分布式文件系統(tǒng),通過多臺聯(lián)網(wǎng)計(jì)算機(jī)集群上運(yùn)行HDFS處理海量的文件,采用Map/Reduce并行編程模式對大規(guī)模數(shù)據(jù)集進(jìn)行并行計(jì)算,由Map任務(wù)對數(shù)據(jù)集進(jìn)行分塊,Reduce操作進(jìn)行分布處理,幫助用戶進(jìn)行數(shù)據(jù)的分類與調(diào)用。
2.1.2 分布式數(shù)據(jù)庫系統(tǒng)
分布式數(shù)據(jù)庫系統(tǒng)是由不同地理位置的多臺計(jì)算機(jī)聯(lián)合組成的計(jì)算機(jī)網(wǎng)絡(luò),每臺計(jì)算機(jī)都可以視為一個(gè)存儲節(jié)點(diǎn),通過資源池對數(shù)據(jù)進(jìn)行集中管理。每個(gè)節(jié)點(diǎn)的數(shù)據(jù)庫不僅可以獨(dú)立支持本地應(yīng)用,而且能提供數(shù)據(jù)共享。分布式數(shù)據(jù)庫系統(tǒng)采用了4層結(jié)構(gòu),即:全局外層、全局概念層、局部內(nèi)層和局部概念層。全局外層提供全局視圖服務(wù),全局概念層通過全局概念模式、分片模式、分配模式同局部概念層局部概念模式進(jìn)行映射,局部內(nèi)層通過局部內(nèi)模式映射局部數(shù)據(jù)庫,層間通過映射關(guān)系進(jìn)行模式轉(zhuǎn)換。
2.1.3 并行計(jì)算
并行計(jì)算是利用多核CPU進(jìn)行計(jì)算,能夠?qū)⒁粋€(gè)問題分解成為若干個(gè)離散任務(wù)交由不同的處理器進(jìn)行處理。并行計(jì)算由并行計(jì)算程序支持,其編程環(huán)境包括消息傳遞并行編程、共享存儲并行編程和數(shù)據(jù)并行編程。其中消息傳遞并行編程具有較好的可擴(kuò)展性,采用顯式數(shù)據(jù)分配方式,分布式數(shù)據(jù)存儲模式;共享存儲并行編程可擴(kuò)展性較差,采用隱式數(shù)據(jù)分配方式,共享數(shù)據(jù)存儲模式;數(shù)據(jù)并行編程可擴(kuò)展性一般,采用半隱式數(shù)據(jù)分配方式,共享數(shù)據(jù)存儲模式。
手機(jī)課程系統(tǒng)采用了三層結(jié)構(gòu)模式,用戶層使用手機(jī)客戶端訪問系統(tǒng),用戶包括學(xué)生、教師和管理員,功能層主要包括在線課堂模塊、課程管理模塊、視頻課件模塊和用戶管理模塊,數(shù)據(jù)層采用分布式數(shù)據(jù)管理,包括用戶信息數(shù)據(jù)庫、學(xué)習(xí)資源數(shù)據(jù)庫和知識結(jié)構(gòu)數(shù)據(jù)庫等。系統(tǒng)架構(gòu)如圖1所示。
用戶層通過手機(jī)客戶端訪問系統(tǒng),根據(jù)使用系統(tǒng)的目的不同對系統(tǒng)使用權(quán)限進(jìn)行設(shè)置,教師負(fù)責(zé)對教學(xué)資源進(jìn)行整理,提供在線教學(xué)、發(fā)布視頻課件、對課程進(jìn)行管理、發(fā)布測試題、對學(xué)生問題進(jìn)行答疑等操作,學(xué)生登錄系統(tǒng)進(jìn)行課件的學(xué)習(xí)、觀看學(xué)習(xí)課程視頻、與教師進(jìn)行互動(dòng)等操作,管理員登錄系統(tǒng)對系統(tǒng)進(jìn)行維護(hù)與更新。功能層為用戶提供系統(tǒng)各項(xiàng)功能的應(yīng)用,數(shù)據(jù)層對系統(tǒng)應(yīng)用數(shù)據(jù)進(jìn)行存儲和分類。
圖1手機(jī)課程系統(tǒng)架構(gòu)
系統(tǒng)交互設(shè)計(jì)包括了師生之間、學(xué)生之間通過系統(tǒng)進(jìn)行交互,教師通過在線答疑幫助學(xué)生解決學(xué)習(xí)過程中遇到的問題;用戶與系統(tǒng)之間的交互,通過個(gè)性化推薦分析學(xué)生的學(xué)習(xí)需求,將學(xué)生感興趣和所需的課程資源推薦給學(xué)生;系統(tǒng)之間的交互,如手機(jī)客戶端與服務(wù)器之間的交互。
答疑交互設(shè)計(jì)是教師與學(xué)生之間進(jìn)行提問并解答的交互功能,其中包括學(xué)生提問模塊和教師答疑模塊,答疑交互設(shè)計(jì)在課程視頻瀏覽的下方,便于學(xué)生能夠快速提出問題。同時(shí),學(xué)生提出的問題會(huì)被系統(tǒng)存儲在問題記錄中,便于再遇到同類問題時(shí)系統(tǒng)可以自動(dòng)給予解答。教師答疑可以在教師在線的情況下進(jìn)行實(shí)時(shí)回復(fù),也可以在某一個(gè)時(shí)間進(jìn)行統(tǒng)一回復(fù)。
推薦交互設(shè)計(jì)包括三個(gè)部分,一是生成用戶特征數(shù)據(jù),二是對用戶信息與碎片化資源進(jìn)行匹配,三是給出推薦的結(jié)果到用戶客戶端。推薦引擎基于用戶特征向量,分析并提取用戶個(gè)性化的特征,將其轉(zhuǎn)換為數(shù)據(jù),按照學(xué)生瀏覽課程的內(nèi)容、搜索的問題等依據(jù)聚類算法進(jìn)行聚類分析,同時(shí)對網(wǎng)絡(luò)中的碎片化資源進(jìn)行篩選和排序,最終給出用戶個(gè)性化的推薦課程。在推薦交互設(shè)計(jì)中推薦算法采用基于內(nèi)容的推薦算法:詞頻-逆向文檔頻率方法(Term frequency-Inverse document frequency,TF-IDF),設(shè)文檔集為d1,d2,…,dn,關(guān)鍵詞為k1,k2,…,kn,算法可以定義為:
其中,TFij為詞頻,IDFi為逆向文檔頻率。fij為關(guān)鍵詞出現(xiàn)的次數(shù),maxzfzj為文檔中關(guān)鍵詞出現(xiàn)次數(shù)的最大值,N為文檔數(shù)量,ni表示出現(xiàn)關(guān)鍵詞的文檔。一個(gè)文檔dj用向量表示,m為關(guān)鍵詞的個(gè)數(shù),那么用戶a配置文件和課程s配置文件的匹配度夾角余弦方法可以作為計(jì)算用戶a關(guān)鍵字說明文件和課程s關(guān)鍵字說明文件的相似度,計(jì)算公式表示為:
手機(jī)客戶端與服務(wù)器端交互設(shè)計(jì)是實(shí)現(xiàn)客戶端與服務(wù)器之間的數(shù)據(jù)定向存儲與調(diào)用,在設(shè)計(jì)中,可以采用Flex所提供的Mate架構(gòu),基于標(biāo)簽和事件驅(qū)動(dòng),通過事件總線EventBus監(jiān)聽客戶端信息,并將信息通過事件處理器進(jìn)行處理,對應(yīng)服務(wù)器數(shù)據(jù),提供數(shù)據(jù)服務(wù)。同時(shí)服務(wù)器通過事件分發(fā)器將信息轉(zhuǎn)交給事件總線進(jìn)行處理,實(shí)現(xiàn)客戶端與服務(wù)器端的數(shù)據(jù)交互。
本文設(shè)計(jì)了基于碎片化資源的手機(jī)課程交互系統(tǒng),根據(jù)系統(tǒng)用戶類型將系統(tǒng)功能劃分為在線課堂、課程管理、視頻課件和用戶管理四項(xiàng)功能,并根據(jù)交互設(shè)計(jì)思想設(shè)計(jì)答疑交互,推薦交互和手機(jī)客戶端與服務(wù)器端交互。構(gòu)建滿足學(xué)生與教師進(jìn)行實(shí)時(shí)或者延時(shí)互動(dòng)的答疑板塊,實(shí)現(xiàn)師生互動(dòng)。利用大數(shù)據(jù)技術(shù)將碎片化資源進(jìn)行整理,根據(jù)用戶特征將關(guān)聯(lián)資源推薦給用戶,實(shí)現(xiàn)人機(jī)的個(gè)性化交互。采用Mate架構(gòu)設(shè)計(jì)手機(jī)客戶端與服務(wù)器端的數(shù)據(jù)交互,保證客戶端信息與數(shù)據(jù)庫服務(wù)一一對應(yīng)。