學(xué)習(xí)資源個(gè)性化推薦系統(tǒng)的學(xué)習(xí)者模型構(gòu)建

田楓 李欣 劉芳 劉賢梅 王梅 張可佳 富宇

摘要：互聯(lián)網(wǎng)的高速發(fā)展導(dǎo)致網(wǎng)絡(luò)學(xué)習(xí)資源數(shù)量迅速增長(zhǎng)，案例教學(xué)、理論教學(xué)等教學(xué)資源的個(gè)性化推薦受到更多關(guān)注。學(xué)習(xí)者模型是實(shí)現(xiàn)個(gè)性化推薦的依據(jù)。文章以CELTS—11學(xué)習(xí)者模型規(guī)范為基礎(chǔ)，針對(duì)學(xué)習(xí)者的個(gè)性差異，在學(xué)習(xí)過(guò)程中對(duì)基本信息、學(xué)習(xí)風(fēng)格、知識(shí)狀態(tài)、認(rèn)知能力、興趣偏好等個(gè)性化特征展開(kāi)研究，解決目前資源推薦系統(tǒng)的學(xué)習(xí)者模型中學(xué)習(xí)者特征描述不全面、個(gè)性化程度不高等問(wèn)題，構(gòu)建出了個(gè)性化的學(xué)習(xí)者模型，為學(xué)習(xí)資源的推送提供了有力的依據(jù)，應(yīng)用效果表明了該方法的有效性。

關(guān)鍵詞：學(xué)習(xí)資源;個(gè)性化;推薦系統(tǒng);學(xué)習(xí)者模型

中圖分類(lèi)號(hào)：G642.0? ? ?文獻(xiàn)標(biāo)志碼：A? ? ?文章編號(hào)：1674-9324（2020）10-0304-02

一、前言

近年來(lái)，網(wǎng)絡(luò)學(xué)習(xí)迅速發(fā)展，已經(jīng)成為人才培養(yǎng)的重要形式。高校教育中不同程度地存在一些不利于復(fù)合型和創(chuàng)新型兼顧的人才培養(yǎng)問(wèn)題亟須解決[1]。網(wǎng)絡(luò)學(xué)習(xí)資源為學(xué)習(xí)者的自主學(xué)習(xí)、基于網(wǎng)絡(luò)的學(xué)習(xí)方式的開(kāi)展提供了有利條件。網(wǎng)絡(luò)學(xué)習(xí)者之間存在個(gè)體差異性，對(duì)學(xué)習(xí)資源的需求各不相同。

1997年，為適應(yīng)電子商務(wù)領(lǐng)域的需求，推薦系統(tǒng)概念被正式提出[2]。近年來(lái)，在教育領(lǐng)域內(nèi)，互聯(lián)網(wǎng)信息資源數(shù)量迅猛增長(zhǎng)且種類(lèi)繁多，造成了信息過(guò)載的問(wèn)題，由此引入了學(xué)習(xí)資源的個(gè)性化推薦系統(tǒng)的研究，并逐步被學(xué)者重視。學(xué)習(xí)者更加迫切地需要構(gòu)建全面的、個(gè)性化的學(xué)習(xí)者模型，來(lái)支持學(xué)習(xí)資源的個(gè)性化推薦，提高學(xué)習(xí)資源利用率以及學(xué)習(xí)者的學(xué)習(xí)效率。

二、學(xué)習(xí)資源個(gè)性化推薦系統(tǒng)的學(xué)習(xí)者模型的問(wèn)題分析

近些年的學(xué)習(xí)資源個(gè)性化推薦系統(tǒng)的學(xué)習(xí)者模型構(gòu)建存在以下問(wèn)題。

1.研究者對(duì)個(gè)性化推薦系統(tǒng)的研究重點(diǎn)是從計(jì)算機(jī)算法層面關(guān)注推薦算法的有效性或?qū)W習(xí)者單一特征的研究，使得資源推薦算法過(guò)度聚焦于特定“點(diǎn)”的學(xué)習(xí)，而導(dǎo)致學(xué)習(xí)整體目標(biāo)偏離。

2.缺少與學(xué)習(xí)者的教育過(guò)程相結(jié)合對(duì)學(xué)習(xí)者建模的研究，導(dǎo)致推薦系統(tǒng)推送的學(xué)習(xí)資源與其真正的學(xué)習(xí)需求并不匹配，資源內(nèi)容的難易很難掌握。

從分析教學(xué)的本質(zhì)出發(fā)，發(fā)現(xiàn)學(xué)習(xí)者的真實(shí)需求，構(gòu)建個(gè)性化學(xué)習(xí)者模型，能夠?yàn)閷W(xué)習(xí)資源個(gè)性化推薦系統(tǒng)的研究提供更為有利的依據(jù)。

三、學(xué)習(xí)資源個(gè)性化推薦系統(tǒng)的學(xué)習(xí)者模型構(gòu)建

1.學(xué)習(xí)者模型構(gòu)建。學(xué)習(xí)資源個(gè)性化推薦系統(tǒng)中構(gòu)建學(xué)習(xí)者模型包括以下三個(gè)關(guān)鍵點(diǎn)：（1）確定學(xué)習(xí)者的個(gè)性化特征。從不同研究視角分析學(xué)習(xí)者模型，發(fā)現(xiàn)學(xué)習(xí)者模型中必須同時(shí)包含智力因素與非智力因素特征。這些特征不能獨(dú)立存在，而是需要相互作用才能形成一個(gè)有機(jī)整體。國(guó)內(nèi)的CELTS-11學(xué)習(xí)者模型規(guī)范包含個(gè)人信息、學(xué)業(yè)信息、管理信息、關(guān)系信息、安全信息、偏好信息、績(jī)效信息、作品集信息[3]，該規(guī)范對(duì)學(xué)習(xí)過(guò)程信息的描述不夠細(xì)致，對(duì)學(xué)習(xí)者非智力因素特征，如學(xué)習(xí)風(fēng)格、興趣偏好等方面的描述涉及不多。本文基于CELTS-11學(xué)習(xí)者信息模型規(guī)范，并整合其他必不可少的個(gè)性化學(xué)習(xí)者特征，將學(xué)習(xí)者特征分為基本信息、認(rèn)知能力、知識(shí)狀態(tài)、學(xué)習(xí)風(fēng)格、興趣偏好五個(gè)維度。（2）利用系統(tǒng)收集的初始學(xué)習(xí)者特征信息完成學(xué)習(xí)者模型的初始化。（3）將學(xué)習(xí)者模型分為數(shù)據(jù)層、分析層、應(yīng)用層，分析學(xué)習(xí)者個(gè)性化特征的維度指標(biāo)，理清其中各層級(jí)之間的關(guān)聯(lián)關(guān)系，動(dòng)態(tài)更新學(xué)習(xí)者模型，以便為后續(xù)的個(gè)性化服務(wù)提供基礎(chǔ)。

2.學(xué)習(xí)者模型的層次分析。數(shù)據(jù)層中包含靜態(tài)數(shù)據(jù)、動(dòng)態(tài)數(shù)據(jù)以及推理數(shù)據(jù)三種類(lèi)型的數(shù)據(jù)。靜態(tài)數(shù)據(jù)是學(xué)習(xí)者模型規(guī)范中的個(gè)人信息、管理信息和安全信息的擴(kuò)展，作為學(xué)習(xí)者模型的基本信息、學(xué)習(xí)風(fēng)格等特征的初始信息來(lái)源。動(dòng)態(tài)數(shù)據(jù)是對(duì)學(xué)習(xí)者模型規(guī)范中學(xué)業(yè)信息、績(jī)效信息、偏好信息等信息的細(xì)化。推理數(shù)據(jù)以靜態(tài)數(shù)據(jù)和動(dòng)態(tài)數(shù)據(jù)為基礎(chǔ)，通過(guò)分析隱藏在靜態(tài)和動(dòng)態(tài)數(shù)據(jù)背后的潛在規(guī)律和模式來(lái)獲取數(shù)據(jù)分析層中學(xué)習(xí)者興趣偏好、認(rèn)知能力、知識(shí)狀態(tài)的特征值，動(dòng)態(tài)更新學(xué)習(xí)者模型。

分析層分為數(shù)據(jù)分析層和邏輯分析層。數(shù)據(jù)分析層是針對(duì)學(xué)習(xí)者基本信息、學(xué)習(xí)風(fēng)格、興趣偏好、認(rèn)知能力和知識(shí)狀態(tài)五種學(xué)習(xí)者特征進(jìn)行分析;邏輯分析層是對(duì)學(xué)習(xí)過(guò)程中的互動(dòng)信息、學(xué)習(xí)行為、學(xué)習(xí)內(nèi)容等行為指標(biāo)進(jìn)行了層次分析。互動(dòng)分析包括同伴互動(dòng)分析、課程評(píng)價(jià)分析;學(xué)習(xí)行為分析包括作業(yè)完成度分析、頁(yè)面訪問(wèn)次數(shù)分析、資源訪問(wèn)時(shí)段分析;學(xué)習(xí)內(nèi)容分析是對(duì)章節(jié)測(cè)試、學(xué)習(xí)目標(biāo)、資源類(lèi)型、資源內(nèi)容展開(kāi)分析。這五類(lèi)學(xué)習(xí)者特征的分析結(jié)果將直接作用于學(xué)習(xí)者模型的應(yīng)用層。

應(yīng)用層包括個(gè)性化界面定制、個(gè)性化信息檢索和個(gè)性化學(xué)習(xí)資源推薦。個(gè)性化界面定制是指在人機(jī)交互過(guò)程中在交互內(nèi)容以及呈現(xiàn)方式上滿(mǎn)足學(xué)習(xí)者的個(gè)性化需求。個(gè)性化信息檢索是學(xué)習(xí)者利用推薦系統(tǒng)展開(kāi)學(xué)習(xí)時(shí)，學(xué)習(xí)者通過(guò)輸入關(guān)鍵字獲取到與其興趣偏好相關(guān)的信息。個(gè)性化學(xué)習(xí)資源推薦服務(wù)是系統(tǒng)通過(guò)學(xué)習(xí)者特征分析獲取學(xué)習(xí)者的個(gè)性化需求，向其推薦感興趣或符合學(xué)習(xí)需求的學(xué)習(xí)資源。

在上述學(xué)習(xí)者模型中，數(shù)據(jù)層是學(xué)習(xí)者模型的數(shù)據(jù)基礎(chǔ)，分析層是學(xué)習(xí)者模型的主體，通過(guò)數(shù)據(jù)分析和邏輯分析過(guò)程，提取學(xué)習(xí)者特征，從而更好地為應(yīng)用層服務(wù)。應(yīng)用層是前面所有層級(jí)所存在的價(jià)值體現(xiàn)，它們之間互相關(guān)聯(lián)，不可分割。

四、結(jié)論

隨著網(wǎng)絡(luò)學(xué)習(xí)資源數(shù)量的迅速增長(zhǎng)，個(gè)性化推薦系統(tǒng)在學(xué)生理論學(xué)習(xí)資源、實(shí)驗(yàn)資源與案例資源的定向推薦過(guò)程中顯得越發(fā)重要。因?yàn)閷W(xué)習(xí)者是推薦系統(tǒng)的核心，對(duì)于學(xué)習(xí)者信息了解得越深入，考慮得越全面，個(gè)性化學(xué)習(xí)資源推薦的準(zhǔn)確性越高，對(duì)學(xué)習(xí)者幫助程度就越高。本文將智力與非智力因素相結(jié)合確定學(xué)習(xí)者個(gè)性化特征，構(gòu)建了更為全面、人性化的學(xué)習(xí)者模型，有效解決了推薦系統(tǒng)中學(xué)習(xí)者特征描述不全面的問(wèn)題。該方法在“機(jī)器學(xué)習(xí)”等課程的案例教學(xué)資源推送中得到了成功應(yīng)用。

參考文獻(xiàn)：

[1]田楓，劉賢梅，周凱，等.高校電子信息科學(xué)類(lèi)復(fù)合型創(chuàng)新人才培養(yǎng)模式探索與實(shí)踐[J].教育教學(xué)論壇，2016，（16）：140-141.

[2]李曉昀.基于隱性反饋的個(gè)性化自適應(yīng)電子商務(wù)推薦系統(tǒng)研究[D].衡陽(yáng)：南華大學(xué)，2007.

[3]李唯實(shí).個(gè)性化教育中的學(xué)習(xí)者模型技術(shù)研究[D].長(zhǎng)沙：國(guó)防科學(xué)技術(shù)大學(xué)，2011.

The Learner Model Construction of Personalized Learning Resource Recommendation System

TIAN Feng，LI Xin，LIU Fang，LIU Xian-mei，WANG Mei，ZHANG Ke-jia，F(xiàn)U Yu

（School of Computer and Information Technology，Northeast Petroleum University，

Daqing，Heilongjiang 163318，China）

Abstract：The rapid development of the Internet has led to a rapid increase in the number of online learning resources，and more attention has been paid to personalized recommendation of teaching resources such as case teaching and theoretical teaching.Learner model is the basis of realizing personalized recommendation，in this paper，based on CELTS - 11 learners model specification，according to the learner's individual differences，in the process of learning the basic information，learning style and knowledge state，cognitive ability，study interest preferences such as the personalized features，to resolve the resource recommender system learners model describing is not comprehensive，the learners do not have a high level of personal problems，construct，the personalized learner model for learning resource push provided the powerful basis，application results show the effectiveness of the method.

Key words：network learning resources;personalized;recommended system;learner model