教育大數(shù)據(jù)驅(qū)動的個性化學(xué)習(xí)服務(wù)機制研究

楊麗娜 魏永紅 肖克曦 王維花

[摘? ?要] 大數(shù)據(jù)驅(qū)動的個性化學(xué)習(xí)正逐步成為現(xiàn)實。個性化學(xué)習(xí)服務(wù)旨在滿足學(xué)習(xí)者個性化、精準化與智能化的學(xué)習(xí)需求。研究基于在線教育大數(shù)據(jù)，采用質(zhì)性研究方法，面向在線學(xué)習(xí)全流程，在辨析了大數(shù)據(jù)背景下不同層次個性化學(xué)習(xí)內(nèi)涵的基礎(chǔ)上，從設(shè)計、實施到評價三個不同層面研究了個性化學(xué)習(xí)服務(wù)機制。研究認為：區(qū)分在線學(xué)習(xí)大數(shù)據(jù)的類別和制定基本數(shù)據(jù)指標是開展個性化學(xué)習(xí)服務(wù)的數(shù)據(jù)基石;建立面向不同個性化學(xué)習(xí)層次的學(xué)習(xí)者數(shù)字畫像是開展個性化學(xué)習(xí)服務(wù)的基礎(chǔ);整合不同類別在線學(xué)習(xí)大數(shù)據(jù)和學(xué)習(xí)者數(shù)字畫像，研究并設(shè)計個性化學(xué)習(xí)服務(wù)引擎是開展個性化學(xué)習(xí)服務(wù)的關(guān)鍵。然后結(jié)合上述研究內(nèi)容，研究并構(gòu)建了個性化學(xué)習(xí)服務(wù)體系，提出了個性化學(xué)習(xí)服務(wù)效果的評價指標和觀測維度。

[關(guān)鍵詞] 教育大數(shù)據(jù); 數(shù)據(jù)驅(qū)動; 個性化學(xué)習(xí); 服務(wù)機制

[中圖分類號] G434? ? ? ? ? ? [文獻標志碼] A

[作者簡介] 楊麗娜（1975—），女，內(nèi)蒙古烏蘭浩特人。教授，博士，主要從事教育大數(shù)據(jù)與個性化學(xué)習(xí)研究。E-mail：yanglina@tjfsu.edu.cn。

一、引? ?言

大數(shù)據(jù)作為“互聯(lián)網(wǎng)+”時代教育發(fā)展的新引擎，其思維與技術(shù)正推動著教育科學(xué)化決策、智能化管理、精準化教研、個性化學(xué)習(xí)等方面的變革與創(chuàng)新[1]。未來的學(xué)習(xí)將是大數(shù)據(jù)驅(qū)動的個性化學(xué)習(xí)，大數(shù)據(jù)正在積極推進教育的智能化發(fā)展[2]。教育大數(shù)據(jù)作為個性化學(xué)習(xí)研究與實踐的重要基石，推動著教育智能化不斷走向深入。從教育大數(shù)據(jù)的構(gòu)成來說，在線學(xué)習(xí)大數(shù)據(jù)首當其沖，可以說，教育大數(shù)據(jù)廣受關(guān)注與研究，與在線教與學(xué)的組織、實施、效果和評價密不可分[3]。在舍恩伯格的《與大數(shù)據(jù)同行——學(xué)習(xí)與教育的未來》一書[4]中，第一個大數(shù)據(jù)教育應(yīng)用的案例就來自在線學(xué)習(xí)。當前，在線教育的個性化學(xué)習(xí)研究與實踐主要集中在學(xué)習(xí)環(huán)境搭建、學(xué)習(xí)平臺開發(fā)、學(xué)習(xí)資源建設(shè)，以及個性化推薦等方面，雖然這些研究從不同側(cè)面開展了個性化學(xué)習(xí)研究，但相較于個體在線學(xué)習(xí)的系統(tǒng)性和完整性來說，鮮有研究面向在線學(xué)習(xí)全流程開展個性化學(xué)習(xí)服務(wù)體系和機制研究。大數(shù)據(jù)技術(shù)與人工智能教育應(yīng)用的不斷深入，為面向在線學(xué)習(xí)全程的個性化學(xué)習(xí)服務(wù)研究提供了強有力的數(shù)據(jù)基礎(chǔ)與技術(shù)保障。本文采用大數(shù)據(jù)驅(qū)動研究視角，以在線學(xué)習(xí)教育大數(shù)據(jù)為基礎(chǔ)，面向在線學(xué)習(xí)全流程，從在線學(xué)習(xí)個性化服務(wù)體系構(gòu)建、在線學(xué)習(xí)個性化服務(wù)實施與評價等多個方面探討個性化學(xué)習(xí)服務(wù)機制的建立，以期為促進大數(shù)據(jù)驅(qū)動的個性化學(xué)習(xí)服務(wù)實踐提供參考。

二、大數(shù)據(jù)視角下的個性化學(xué)習(xí)內(nèi)涵

隨著教育理念的革新與信息技術(shù)教育應(yīng)用的不斷深入，個性化學(xué)習(xí)的內(nèi)涵也在不斷發(fā)展。在線學(xué)習(xí)的出現(xiàn)，尤其是隨著人工智能技術(shù)賦能的教育實踐的不斷深入，使得踐行“因材施教”理念的個性化學(xué)習(xí)成為可能。準確把握個性化學(xué)習(xí)的內(nèi)涵是構(gòu)建大數(shù)據(jù)驅(qū)動的個性化學(xué)習(xí)服務(wù)體系的基礎(chǔ)與關(guān)鍵。英國教育與通信技術(shù)局在《個性化學(xué)習(xí)：技術(shù)提供機遇》中指出，個性化學(xué)習(xí)是以學(xué)生為中心、滿足全體學(xué)生特別是那些學(xué)習(xí)有困難學(xué)生需求的包容性的學(xué)習(xí)方式[5]。美國教育部《國家教育技術(shù)計劃》指出，個性化學(xué)習(xí)是指學(xué)生結(jié)合自身學(xué)習(xí)興趣及個人經(jīng)歷自主安排學(xué)習(xí)進度和選擇學(xué)習(xí)方法[6]。北京師范大學(xué)余勝泉教授在其著作《互聯(lián)網(wǎng)+教育：未來學(xué)校》[7]一書中提出了個性化學(xué)習(xí)內(nèi)涵的三個層次：基于知識水平的個性化學(xué)習(xí)、基于學(xué)習(xí)情境的個性化學(xué)習(xí)、適應(yīng)個性發(fā)展的柔性教育體系。上述有關(guān)個性化學(xué)習(xí)內(nèi)涵的不同界定，一方面體現(xiàn)了個性化學(xué)習(xí)內(nèi)涵的發(fā)展性與豐富性，另一方面也體現(xiàn)了個性化學(xué)習(xí)實現(xiàn)的不同階段與不同層次。本文以余勝泉教授關(guān)于個性化學(xué)習(xí)內(nèi)涵的三個層次為基礎(chǔ)開展個性化學(xué)習(xí)服務(wù)機制研究，并就這三個層次的個性化學(xué)習(xí)內(nèi)涵作進一步的闡釋。

（一）基于知識水平的個性化學(xué)習(xí)

在傳統(tǒng)大班授課的場景下，根據(jù)學(xué)生知識水平開展個性化學(xué)習(xí)很難做到，隨著教育大數(shù)據(jù)和人工智能技術(shù)的應(yīng)用，通過采集、分析和處理學(xué)習(xí)者全流程的學(xué)習(xí)行為和學(xué)習(xí)過程大數(shù)據(jù)，可以對學(xué)習(xí)者的知識學(xué)習(xí)能力進行精準診斷，并根據(jù)診斷結(jié)果，為學(xué)生提供面向知識水平提升的個性化學(xué)習(xí)服務(wù)?？梢哉f，這為基于學(xué)習(xí)者學(xué)習(xí)行為大數(shù)據(jù)的分析和診斷，實現(xiàn)基于知識水平的個性化與精準化學(xué)習(xí)服務(wù)提供了理念指導(dǎo)與技術(shù)路線參考。

（二）基于學(xué)習(xí)情境的個性化學(xué)習(xí)

當前，智能終端設(shè)備的情境感知能力越來越強，通過智能終端設(shè)備，可以有效感知學(xué)習(xí)者情境和學(xué)習(xí)需要，并向?qū)W習(xí)者提供學(xué)習(xí)資源、學(xué)習(xí)同伴、學(xué)習(xí)工具等推送服務(wù)?；谇榫掣兄膫€性化學(xué)習(xí)將會成為大數(shù)據(jù)驅(qū)動的人工智能時代的主流學(xué)習(xí)方式。在智能技術(shù)和裝備的加持下，可以非常容易地捕獲、識別和分析學(xué)習(xí)者的個性化學(xué)習(xí)需要，并能根據(jù)學(xué)習(xí)情境的變化動態(tài)調(diào)整和推送滿足學(xué)習(xí)者情境化需要的個性化服務(wù)。這個層次的個性化學(xué)習(xí)是技術(shù)充分賦能的學(xué)習(xí)階段，也是滿足學(xué)習(xí)者按需、適時、適量學(xué)習(xí)的泛在學(xué)習(xí)階段。

（三）適應(yīng)個性發(fā)展的柔性教育體系

適應(yīng)個性發(fā)展的柔性教育可以說是個性化學(xué)習(xí)理念與智能技術(shù)深度融合的高級階段。在教育理念層面，更加凸顯以人為本，突出教育的人性化、靈活性與適應(yīng)性;在教育實踐層面，通過構(gòu)建智慧化的學(xué)習(xí)空間，學(xué)習(xí)者可以在物理學(xué)習(xí)空間和虛擬學(xué)習(xí)空間之間進行無縫切換。在智慧化的學(xué)習(xí)空間中，學(xué)習(xí)者可以自定學(xué)習(xí)進度和學(xué)習(xí)步調(diào)，智慧學(xué)習(xí)空間能自適應(yīng)學(xué)習(xí)者的學(xué)習(xí)節(jié)奏，學(xué)習(xí)者完全自主安排學(xué)習(xí)內(nèi)容，自定學(xué)習(xí)計劃，不再有課上課下的概念，學(xué)習(xí)就是一種自然而然的需要和生活方式。這個層次的個性化學(xué)習(xí)雖然不再是單純的數(shù)據(jù)驅(qū)動和技術(shù)賦能的學(xué)習(xí)過程，但是，教育大數(shù)據(jù)和人工智能等相關(guān)技術(shù)卻是踐行柔性教育理念、構(gòu)建柔性教育體系的關(guān)鍵抓手和技術(shù)保障。

當前，個性化學(xué)習(xí)走向常態(tài)化雖然還有待時日，但在大數(shù)據(jù)、機器學(xué)習(xí)、深度學(xué)習(xí)，以及學(xué)習(xí)分析等技術(shù)應(yīng)用的助推下，以上三個層次的個性化學(xué)習(xí)無論在理念、方法、技術(shù)還是實踐層面上，都具有了實現(xiàn)的可能性與良好契機。

三、基于在線教育大數(shù)據(jù)的個性化學(xué)習(xí)服務(wù)體系構(gòu)建

在線學(xué)習(xí)環(huán)境中的教育大數(shù)據(jù)，從狹義的角度來說就是在 “教”與“學(xué)”的互動中所產(chǎn)生的海量數(shù)據(jù)，這些數(shù)據(jù)涵蓋了學(xué)習(xí)行為、學(xué)習(xí)資源、學(xué)習(xí)過程、學(xué)習(xí)評價，以及基于學(xué)習(xí)交互所產(chǎn)生的各類社會化網(wǎng)絡(luò)關(guān)系數(shù)據(jù)等，可以說，這些數(shù)據(jù)涵蓋了教學(xué)全程的相關(guān)數(shù)據(jù)。這些數(shù)據(jù)擁有著海量的數(shù)據(jù)規(guī)模、多樣化的數(shù)據(jù)類型、多模態(tài)的數(shù)據(jù)形式和動態(tài)的數(shù)據(jù)體系?；谏鲜鰝€性化學(xué)習(xí)三個層次內(nèi)涵的辨析，本文將分別從在線學(xué)習(xí)大數(shù)據(jù)、學(xué)習(xí)者數(shù)字畫像、個性化學(xué)習(xí)服務(wù)引擎，以及個性化學(xué)習(xí)服務(wù)匹配等方面構(gòu)建個性化學(xué)習(xí)服務(wù)體系，如圖1所示。

個性化學(xué)習(xí)服務(wù)體系由數(shù)據(jù)層、分析層、服務(wù)層和用戶層構(gòu)成。數(shù)據(jù)層匯集和處理各類在線學(xué)習(xí)全流程大數(shù)據(jù)，為個性化學(xué)習(xí)服務(wù)實施提供數(shù)據(jù)基礎(chǔ);分析層基于數(shù)據(jù)層的各類大數(shù)據(jù)構(gòu)建不同層次的學(xué)習(xí)者數(shù)字畫像，并面向不同學(xué)習(xí)者數(shù)字畫像設(shè)計個性化學(xué)習(xí)服務(wù)引擎，這是開展個性化學(xué)習(xí)服務(wù)實施的關(guān)鍵;服務(wù)層和用戶層，面向不同認知水平、情境感知和綜合服務(wù)需求的學(xué)習(xí)者，提供不同層次和不同場景下的個性化學(xué)習(xí)服務(wù)。

（一）在線學(xué)習(xí)大數(shù)據(jù)與基本數(shù)據(jù)指標

在線學(xué)習(xí)大數(shù)據(jù)的采集和處理是個性化學(xué)習(xí)服務(wù)實施的數(shù)據(jù)基礎(chǔ)，也是準確構(gòu)建不同層次學(xué)習(xí)者數(shù)字畫像的關(guān)鍵。在線學(xué)習(xí)大數(shù)據(jù)聚合了在線學(xué)習(xí)全流程的各類學(xué)習(xí)行為、資源創(chuàng)用、學(xué)習(xí)互動、學(xué)習(xí)評價、學(xué)習(xí)情境等類別的大數(shù)據(jù)。本文面向個性化學(xué)習(xí)的三個不同層次，基于楊現(xiàn)民教授提出的大數(shù)據(jù)類別和數(shù)據(jù)基本指標[8]，將在線教育大數(shù)據(jù)分為三類：學(xué)習(xí)者知識水平診斷類大數(shù)據(jù)、情境感知類大數(shù)據(jù)，以及用戶偏好類大數(shù)據(jù)。

1. 學(xué)習(xí)者知識水平診斷類大數(shù)據(jù)

在線學(xué)習(xí)環(huán)境中，可用于診斷學(xué)習(xí)者知識水平的大數(shù)據(jù)主要有三大類，分別是學(xué)習(xí)行為數(shù)據(jù)、練習(xí)測試數(shù)據(jù)和學(xué)習(xí)結(jié)果數(shù)據(jù)。學(xué)習(xí)行為大數(shù)據(jù)主要來自于課件瀏覽、在線發(fā)言與課程筆記三大類學(xué)習(xí)行為;練習(xí)測試大數(shù)據(jù)主要來自于練習(xí)、測驗和考試環(huán)節(jié)中產(chǎn)生的大數(shù)據(jù);學(xué)習(xí)結(jié)果大數(shù)據(jù)主要來自于發(fā)布成果、分享心得和自我反思。

通過采集和分析學(xué)習(xí)者的學(xué)習(xí)行為大數(shù)據(jù)，可以精準地診斷學(xué)習(xí)者的學(xué)業(yè)困難和學(xué)習(xí)中遇到的問題，學(xué)習(xí)行為數(shù)據(jù)及其基本數(shù)據(jù)指標見表1。例如，通過分析學(xué)習(xí)者在課件瀏覽中的點播次數(shù)、暫停次數(shù)和快退重看的次數(shù)，就可以精準分析學(xué)習(xí)者的學(xué)業(yè)問題與知識水平。聚合在線學(xué)習(xí)平臺的課件瀏覽、在線發(fā)言和課程筆記等學(xué)習(xí)行為大數(shù)據(jù)，為面向基于知識水平的個性化學(xué)習(xí)服務(wù)提供了大數(shù)據(jù)基礎(chǔ)。

在線學(xué)習(xí)中的練習(xí)測試能較好地反映出學(xué)習(xí)者對知識的掌握情況，練習(xí)測試數(shù)據(jù)及其基本數(shù)據(jù)指標見表2。例如，通過分析學(xué)習(xí)者練習(xí)的正確率、錯誤率，測驗的通過率與正確率，以及考試的成績，就可以精確地診斷出學(xué)習(xí)者的知識掌握水平，這個維度的在線學(xué)習(xí)大數(shù)據(jù)也將為開展基于知識水平的個性化學(xué)習(xí)服務(wù)提供重要的數(shù)據(jù)參考，進而采取有效的干預(yù)措施，提高學(xué)習(xí)效果。

學(xué)習(xí)成果數(shù)據(jù)也是表征學(xué)習(xí)者知識學(xué)習(xí)水平的一類大數(shù)據(jù)，通過分析學(xué)習(xí)者提交到平臺上的學(xué)習(xí)成果和自我反思數(shù)據(jù)，可以精準化地診斷學(xué)習(xí)者的知識學(xué)習(xí)情況和存在的問題，進而為學(xué)習(xí)者提供有效的干預(yù)措施和推送適合學(xué)習(xí)者情況的學(xué)習(xí)策略，見表3。

2. 情境感知類大數(shù)據(jù)

智能設(shè)備的情境感知能力越來越強大，通過移動智能設(shè)備可以有效感知學(xué)習(xí)者情境和學(xué)習(xí)需要，通過感知和有效采集在線學(xué)習(xí)的情境化數(shù)據(jù)，可以有效地開展基于情境的個性化學(xué)習(xí)服務(wù)。本文研究的學(xué)習(xí)情境數(shù)據(jù)主要包含四個方面：學(xué)習(xí)者基本信息、服務(wù)信息、學(xué)習(xí)目標、學(xué)習(xí)任務(wù)和學(xué)習(xí)結(jié)果，見表4。通過采集和分析這些維度的情境數(shù)據(jù)，可以有效地開展情境自適應(yīng)的個性化學(xué)習(xí)服務(wù)。

3. 用戶偏好類的大數(shù)據(jù)

采集和分析學(xué)習(xí)者的在線學(xué)習(xí)資源應(yīng)用行為數(shù)據(jù)，是診斷和識別學(xué)習(xí)者資源偏好模式的重要數(shù)據(jù)基礎(chǔ)，本文重點研究六類資源應(yīng)用行為數(shù)據(jù)，見表5。這些資源應(yīng)用行為中，隱含著學(xué)習(xí)者的資源興趣與偏好模式，如，通過分析學(xué)習(xí)者對某一類資源的應(yīng)用行為（如，下載、分享、轉(zhuǎn)載等），就可以分析出學(xué)習(xí)者對該類資源的喜好程度。如果學(xué)習(xí)者對某一類資源既下載又分享，那么就可以判斷該學(xué)習(xí)者對這一類資源的喜好程度較高，類似于這樣的資源應(yīng)用行為數(shù)據(jù)是構(gòu)建學(xué)習(xí)者數(shù)字化畫像的重要數(shù)據(jù)基礎(chǔ)。

學(xué)習(xí)互動數(shù)據(jù)也是一類非常重要的用于表征用戶偏好的大數(shù)據(jù)，通過采集和分析學(xué)習(xí)者的互動數(shù)據(jù)，也可以挖掘出學(xué)習(xí)者的偏好模式，學(xué)習(xí)互動大數(shù)據(jù)類別與數(shù)據(jù)基本指標見表6。通過分析學(xué)習(xí)者的發(fā)帖次數(shù)、回帖次數(shù)、提問和追問的次數(shù)等，可以分析學(xué)習(xí)者在在線學(xué)習(xí)中的參與度和活躍度，這類數(shù)據(jù)對于構(gòu)建基于多源數(shù)據(jù)類型的學(xué)習(xí)者畫像具有重要的參考價值與實踐意義。

（二）基于大數(shù)據(jù)的學(xué)習(xí)者數(shù)字畫像

學(xué)習(xí)者數(shù)字畫像是對學(xué)習(xí)者的學(xué)習(xí)風(fēng)格、個性和行為特征，以及偏好模式的形式化表征和描述。學(xué)習(xí)者數(shù)字畫像的質(zhì)量高低直接影響到個性化學(xué)習(xí)服務(wù)的品質(zhì)，包括服務(wù)的針對性、精準性、智能性和靈活性。根據(jù)上述個性化學(xué)習(xí)內(nèi)涵的三個層次，以上述提出的六類在線學(xué)習(xí)大數(shù)據(jù)為基礎(chǔ)，本文分別設(shè)計了基于知識水平、基于情境感知與融合多源數(shù)據(jù)的三個層次的學(xué)習(xí)者數(shù)字畫像。

基于知識水平的學(xué)習(xí)者畫像主要面向正式學(xué)習(xí)環(huán)境中的學(xué)習(xí)者需要和偏好進行建模。正式學(xué)習(xí)環(huán)境一般具有明確的學(xué)習(xí)目標、大綱和學(xué)習(xí)任務(wù)。通過挖掘?qū)W習(xí)者在線學(xué)習(xí)行為數(shù)據(jù)、互動數(shù)據(jù)、練習(xí)測試數(shù)據(jù)和學(xué)習(xí)結(jié)果等數(shù)據(jù)，構(gòu)建基于知識水平的學(xué)習(xí)者畫像。該學(xué)習(xí)者畫像在某種程度上就是對學(xué)習(xí)者在正式學(xué)習(xí)環(huán)境下的學(xué)習(xí)問題和學(xué)習(xí)需求的診斷、識別與分析，在此基礎(chǔ)上向?qū)W習(xí)者推送面向?qū)W習(xí)問題和學(xué)習(xí)需求的個性化診斷報告、學(xué)習(xí)策略和學(xué)習(xí)內(nèi)容，從而實現(xiàn)差異化和個性化的學(xué)習(xí)服務(wù)。

基于情境感知的學(xué)習(xí)者畫像主要面向非正式學(xué)習(xí)場景。在這樣的學(xué)習(xí)場景下，通過智能終端感知學(xué)習(xí)者置身的真實學(xué)習(xí)情境、正在解決的問題、任務(wù)或?qū)W習(xí)需求，從而構(gòu)建基于情境感知的學(xué)習(xí)者畫像。學(xué)習(xí)者由于置身在真實問題情境中，學(xué)習(xí)需求和遇到的學(xué)習(xí)問題具有不確定性和情境關(guān)聯(lián)性，因此，開展情境化的個性化學(xué)習(xí)服務(wù)，就是要在學(xué)習(xí)者無感知和無干擾的情況下，感知學(xué)生的問題情境和學(xué)習(xí)需要，主動向?qū)W習(xí)者推送學(xué)習(xí)資源、問題解決方案和學(xué)習(xí)同伴等資源，進而為學(xué)習(xí)者提供真實情境下的學(xué)習(xí)服務(wù)。

信息技術(shù)教育應(yīng)用的不斷深入，使得正式學(xué)習(xí)與非正式學(xué)習(xí)的邊界越來越模糊，融合學(xué)習(xí)者多源偏好數(shù)據(jù)來構(gòu)建學(xué)習(xí)者數(shù)字畫像，可實現(xiàn)個性化學(xué)習(xí)服務(wù)的自適應(yīng)性和智能性。多源數(shù)據(jù)融合就是要綜合采集、挖掘和分析能夠通過數(shù)據(jù)表征或表達學(xué)習(xí)者學(xué)習(xí)興趣、學(xué)習(xí)需要、學(xué)習(xí)問題的各類大數(shù)據(jù)，包括知識層面的學(xué)習(xí)大數(shù)據(jù)、情境感知的學(xué)習(xí)大數(shù)據(jù)，還包括在線學(xué)習(xí)者學(xué)習(xí)偏好的演化生成數(shù)據(jù)、學(xué)習(xí)者的社會化學(xué)習(xí)互動數(shù)據(jù)、在線學(xué)習(xí)平臺上動態(tài)連接的學(xué)習(xí)同伴，以及以學(xué)習(xí)資源、學(xué)習(xí)活動和學(xué)習(xí)互動為媒介動態(tài)生成的學(xué)習(xí)圈子等各類生成性大數(shù)據(jù)等，融合在線學(xué)習(xí)多模態(tài)數(shù)據(jù)，構(gòu)建學(xué)習(xí)者的綜合數(shù)字畫像，可以較為完整和系統(tǒng)地為學(xué)習(xí)者提供更具針對性和精準性的個性化學(xué)習(xí)服務(wù)，如推送滿足學(xué)習(xí)者認知風(fēng)格和學(xué)習(xí)偏好的學(xué)習(xí)路徑、學(xué)習(xí)資源包、社會認知網(wǎng)絡(luò)等。這些體現(xiàn)著在線學(xué)習(xí)者個體特征和偏好模式的多模態(tài)資源將會從不同的維度和側(cè)面滿足學(xué)習(xí)者的個性化、精準化與智能化的學(xué)習(xí)需求。

（三）個性化學(xué)習(xí)服務(wù)引擎

大數(shù)據(jù)是個性化學(xué)習(xí)服務(wù)實施的基礎(chǔ)，學(xué)習(xí)者畫像是個性化學(xué)習(xí)服務(wù)實施的關(guān)鍵。個性化學(xué)習(xí)服務(wù)引擎是建立在大數(shù)據(jù)和學(xué)習(xí)者畫像基礎(chǔ)上的一個集服務(wù)適配、規(guī)則生成、算法選擇與動態(tài)推送于一體的智能知識系統(tǒng)，它能動態(tài)、自適應(yīng)地建立起學(xué)習(xí)者、學(xué)習(xí)情境、學(xué)習(xí)偏好和學(xué)習(xí)資源之間的個性化匹配關(guān)系，并能基于不同類型的學(xué)習(xí)者畫像實施精準化的學(xué)習(xí)服務(wù)。本文中的個性化學(xué)習(xí)服務(wù)引擎由個性化學(xué)習(xí)資源服務(wù)適配器、自適應(yīng)學(xué)習(xí)模式匹配規(guī)則庫、智能推薦算法適配器、動態(tài)學(xué)習(xí)路徑生成器和動態(tài)學(xué)伴推送規(guī)則庫組成。

1. 個性化學(xué)習(xí)資源服務(wù)適配器

個性化學(xué)習(xí)資源服務(wù)適配器是一個知識系統(tǒng)，由個性化學(xué)習(xí)資源的主題、類型、形態(tài)等方面的匹配與服務(wù)規(guī)則集構(gòu)成。該適配器面向不同學(xué)習(xí)者群體提供精準化的學(xué)習(xí)資源推送，例如，面向不同知識水平學(xué)習(xí)者畫像、情境感知學(xué)習(xí)者畫像，以及多源數(shù)據(jù)融合學(xué)習(xí)者畫像，依據(jù)適配器的服務(wù)規(guī)則建立學(xué)習(xí)者偏好與學(xué)習(xí)資源的動態(tài)匹配關(guān)系。

2. 自適應(yīng)學(xué)習(xí)模式匹配規(guī)則庫

自適應(yīng)學(xué)習(xí)模式匹配規(guī)則庫通過挖掘和分析六類在線學(xué)習(xí)大數(shù)據(jù)獲得學(xué)習(xí)者的學(xué)習(xí)模式，在此基礎(chǔ)上識別、分析和生成學(xué)習(xí)者與學(xué)習(xí)內(nèi)容、學(xué)習(xí)活動、學(xué)習(xí)策略、學(xué)習(xí)成果呈現(xiàn)方式等方面的匹配關(guān)系。自適應(yīng)學(xué)習(xí)模式匹配涉及在線學(xué)習(xí)者學(xué)習(xí)模式與資源類型、形態(tài)、呈現(xiàn)方式、推送時機等方面的服務(wù)需求匹配。

3. 智能推薦算法適配器

智能推薦算法適配器用于動態(tài)、自適應(yīng)地選擇和確定服務(wù)不同學(xué)習(xí)者的智能推薦算法。目前，主流的智能推薦算法有基于內(nèi)容的推薦、基于關(guān)聯(lián)規(guī)則的推薦、基于協(xié)同過濾的推薦、基于語義本體的推薦算法等，該適配器面向不同類型學(xué)習(xí)者畫像或某一維度的學(xué)習(xí)行為大數(shù)據(jù)，實現(xiàn)智能推薦算法的自適應(yīng)選擇與應(yīng)用。

4. 動態(tài)學(xué)習(xí)路徑生成器

學(xué)習(xí)者的學(xué)習(xí)過程不僅是知識的習(xí)得過程，也是一個體現(xiàn)學(xué)習(xí)者個體特征的學(xué)習(xí)路徑的生成過程。學(xué)習(xí)路徑體現(xiàn)著學(xué)習(xí)者知識學(xué)習(xí)的序列化和系統(tǒng)性，動態(tài)學(xué)習(xí)路徑生成器不僅面向?qū)W習(xí)者推送傳統(tǒng)意義上的學(xué)習(xí)資源與學(xué)習(xí)內(nèi)容，同時也將通過對六類在線學(xué)習(xí)大數(shù)據(jù)的挖掘與分析，面向不同類型學(xué)習(xí)者畫像，根據(jù)學(xué)習(xí)者的個體特征提供動態(tài)的學(xué)習(xí)路徑推送。

5. 動態(tài)學(xué)伴推送規(guī)則庫

在線學(xué)習(xí)不僅是學(xué)習(xí)者的知識建構(gòu)過程，同時也是學(xué)習(xí)者之間的社會化互動過程。動態(tài)學(xué)伴推送規(guī)則庫通過分析在線學(xué)習(xí)者的學(xué)習(xí)大數(shù)據(jù)，為學(xué)習(xí)者聚合和推薦具有相似學(xué)習(xí)偏好的學(xué)習(xí)同伴。為在線學(xué)習(xí)者動態(tài)推送學(xué)伴，不僅可以促進學(xué)習(xí)者的學(xué)習(xí)，還可以幫助學(xué)習(xí)者構(gòu)建虛擬的社會化學(xué)習(xí)網(wǎng)絡(luò)，讓學(xué)習(xí)者在虛擬學(xué)習(xí)社群中更加有效地開展在線學(xué)習(xí)。

四、個性化學(xué)習(xí)服務(wù)的實施與評價

（一）個性化學(xué)習(xí)服務(wù)的實施

個性化學(xué)習(xí)服務(wù)的實施是對個性化學(xué)習(xí)服務(wù)體系的具體實踐。本文將個性化學(xué)習(xí)服務(wù)實施分為知識習(xí)得導(dǎo)向服務(wù)、情境感知導(dǎo)向服務(wù)和綜合服務(wù)三種類別。知識導(dǎo)向的個性化學(xué)習(xí)服務(wù)是依托個性化學(xué)習(xí)服務(wù)引擎的個性化學(xué)習(xí)資源服務(wù)適配器、動態(tài)學(xué)習(xí)路徑生成器和動態(tài)學(xué)伴推送規(guī)則庫，面向傳統(tǒng)的正式學(xué)習(xí)環(huán)境，以知識的習(xí)得與目標的達成為目的，向?qū)W習(xí)者提供個性化的學(xué)習(xí)服務(wù)，服務(wù)的內(nèi)容涵蓋基于學(xué)習(xí)問題診斷的資源推薦、學(xué)習(xí)路徑推薦、學(xué)習(xí)同伴推薦等服務(wù)內(nèi)容。情境感知的個性化學(xué)習(xí)服務(wù)是面向真實情境中問題解決的服務(wù)，服務(wù)內(nèi)容涵蓋主動感知學(xué)習(xí)者需求和偏好變化，根據(jù)學(xué)習(xí)者在真實學(xué)習(xí)情境中遇到的學(xué)習(xí)問題和任務(wù)類型，智能化診斷學(xué)習(xí)者遇到的問題，并能適時給出解決問題的方案、方法和解決流程的參考等。個性化學(xué)習(xí)的綜合服務(wù)可以實現(xiàn)傳統(tǒng)的正式學(xué)習(xí)環(huán)境與非正式學(xué)習(xí)環(huán)境的無縫銜接，在不被打擾的情況下為學(xué)習(xí)者提供面向?qū)W習(xí)問題解決、學(xué)習(xí)資源需求、學(xué)習(xí)任務(wù)完成等情況的個性化資源、學(xué)習(xí)策略、學(xué)習(xí)活動、學(xué)習(xí)建議等方面的個性化推送服務(wù)。

（二）個性化學(xué)習(xí)服務(wù)的評價

個性化學(xué)習(xí)服務(wù)的評價是改進和完善個性化學(xué)習(xí)服務(wù)體系的有效機制。大數(shù)據(jù)和學(xué)習(xí)分析技術(shù)的應(yīng)用不但為個性化學(xué)習(xí)服務(wù)的實施提供了強有力的技術(shù)支持，同時也為個性化學(xué)習(xí)服務(wù)的評價提供了技術(shù)保障。個性化學(xué)習(xí)服務(wù)實施效果最終是要對學(xué)習(xí)者的學(xué)習(xí)服務(wù)體驗和學(xué)習(xí)成效進行檢驗。本文提出了六個方面的評估指標及其觀測二級指標，這些指標可從不同的側(cè)面和維度來評估個性化學(xué)習(xí)服務(wù)的效果，如圖2所示。

1. 服務(wù)時機的恰當性

資源推送時機是評價學(xué)習(xí)服務(wù)個性化水平的一個重要指標。在教育大數(shù)據(jù)普及應(yīng)用之前，個性化學(xué)習(xí)服務(wù)的層次僅停留在粗粒度資源等很有限的水平上。例如，在課前為學(xué)習(xí)者推送一些課前指導(dǎo)資料或?qū)W(xué)任務(wù)清單，而這種推送往往也都是規(guī)?；耐扑?，就其本質(zhì)而言是一種將學(xué)習(xí)者偏好平均化的推送，并不能對學(xué)習(xí)者的個性化學(xué)習(xí)行為和學(xué)習(xí)過程進行精準的識別和分析，進而也無法有效地挖掘和分析學(xué)習(xí)者的學(xué)習(xí)行為數(shù)據(jù)，以及隱藏在學(xué)習(xí)行為數(shù)據(jù)背后的真實學(xué)情，推送的時機并不好掌握。教育大數(shù)據(jù)的創(chuàng)生與應(yīng)用，對于開展適時的個性化學(xué)習(xí)服務(wù)提供了數(shù)據(jù)和技術(shù)層面的支持。通過采集在線學(xué)習(xí)平臺上學(xué)習(xí)者的各類學(xué)習(xí)大數(shù)據(jù)，結(jié)合學(xué)習(xí)者的學(xué)習(xí)進程與適時學(xué)情進展，采用學(xué)習(xí)分析技術(shù)可以精準定位學(xué)習(xí)者在不同學(xué)習(xí)時段的資源服務(wù)需求。無論線上還是線下學(xué)習(xí)，學(xué)習(xí)者的學(xué)習(xí)主要有三個關(guān)鍵時段，即課前、課中與課后，鑒于不同學(xué)習(xí)時段學(xué)習(xí)者的不同學(xué)情與服務(wù)需求，本研究認為個性化學(xué)習(xí)服務(wù)可在這三個關(guān)鍵時刻進行推送，即課前的復(fù)習(xí)舊知與預(yù)習(xí)新知的推送、課中的新知建構(gòu)與新知內(nèi)化環(huán)節(jié)的推送，以及課后的鞏固新知與應(yīng)用新知的推送。面向這三種不同學(xué)習(xí)時段開展適時的資源與服務(wù)推送，不僅可以實現(xiàn)在線學(xué)習(xí)的精準服務(wù)，同時也可以提升學(xué)習(xí)者的個性化學(xué)習(xí)體驗。

2. 資源服務(wù)的差異性

從學(xué)習(xí)資源的生成與組織來看，在線學(xué)習(xí)資源可分為靜態(tài)資源與生成性資源。將相對穩(wěn)定、良構(gòu)和系統(tǒng)性的顯性知識視為靜態(tài)資源，將在教與學(xué)的過程中動態(tài)產(chǎn)生的非良構(gòu)、過程性和易變性的資源視為生成性資源。學(xué)習(xí)者由于學(xué)習(xí)風(fēng)格的不同，對于靜態(tài)資源和生成性資源的需求與偏好也表現(xiàn)出很大的差異性。靜態(tài)資源的服務(wù)效果評價應(yīng)重點關(guān)注學(xué)習(xí)資源的類型、內(nèi)容與學(xué)習(xí)者的風(fēng)格匹配度。根據(jù)Felder-Silverman學(xué)習(xí)風(fēng)格維度（信息加工、感知、信息輸入、內(nèi)容理解）的描述，不同學(xué)習(xí)者在學(xué)習(xí)風(fēng)格上具有差異性。例如，視覺型的學(xué)習(xí)者更喜歡圖表、圖形和視頻類的資源，而言語型的學(xué)習(xí)者更喜歡文字為主的學(xué)習(xí)資源。鑒于生成性資源是在學(xué)習(xí)過程中動態(tài)生成和演化出來的過程性資源，蘊含著學(xué)習(xí)者在學(xué)習(xí)互動中的很多隱性知識，這類資源對于學(xué)習(xí)者來說更具參考價值。為此，生成性資源的服務(wù)效果評價應(yīng)重點關(guān)注的是服務(wù)系統(tǒng)是否能夠匯聚這些生成性資源，并通過學(xué)習(xí)大數(shù)據(jù)分析診斷學(xué)習(xí)者對生成性資源的需求，在此基礎(chǔ)上開展生成性資源的推送服務(wù)，例如，向?qū)W習(xí)者推送學(xué)習(xí)主題相關(guān)的學(xué)習(xí)策略、學(xué)習(xí)活動、知識點序列、學(xué)習(xí)路徑以及學(xué)習(xí)同伴等。

3. 服務(wù)推送的靈活性

評判個性化學(xué)習(xí)服務(wù)效果的另一個指標是服務(wù)推送的靈活性，主要體現(xiàn)在兩個方面：一方面，服務(wù)系統(tǒng)能夠面向不同學(xué)習(xí)者畫像精準推送資源與服務(wù)，并能隨著學(xué)習(xí)情境或?qū)W習(xí)任務(wù)的變化，動態(tài)調(diào)整服務(wù)策略，在不同學(xué)習(xí)者畫像之間進行適時切換;另一方面，服務(wù)系統(tǒng)能夠針對某一特定學(xué)習(xí)者畫像，開展情境導(dǎo)向、目標導(dǎo)向、任務(wù)導(dǎo)向和問題導(dǎo)向的資源與服務(wù)推送。通過這兩個方面的服務(wù)推送，可以為學(xué)習(xí)者提供滿足其不同學(xué)習(xí)目標、學(xué)習(xí)任務(wù)、學(xué)習(xí)情境、問題解決需要的學(xué)習(xí)資源與服務(wù)，讓學(xué)習(xí)者在毫無察覺的情況下獲取所需的資源與服務(wù)。

4. 服務(wù)方式的恰當性

服務(wù)方式的恰當性主要體現(xiàn)在三個方面：學(xué)習(xí)者的認知水平匹配度、資源偏好匹配度和學(xué)習(xí)者類型匹配度。服務(wù)系統(tǒng)通過學(xué)習(xí)大數(shù)據(jù)挖掘、分析與診斷，為學(xué)習(xí)者提供滿足其不同認知水平和偏好的資源。不同類型的學(xué)習(xí)者，在認知水平和資源偏好上均具有差異性，個性化學(xué)習(xí)服務(wù)系統(tǒng)的精準化服務(wù)也體現(xiàn)在能夠為學(xué)習(xí)者提供滿足上述三方面差異的服務(wù)。例如，有的學(xué)習(xí)者喜歡某一主題的學(xué)習(xí)資源包方式的推送;有的學(xué)習(xí)者喜歡學(xué)習(xí)建議或?qū)W習(xí)策略的推送，而不是傳統(tǒng)意義上的學(xué)習(xí)資源服務(wù);有的學(xué)習(xí)者喜歡為其推送適合自己認知水平的學(xué)習(xí)路徑或?qū)W習(xí)任務(wù)清單，以便更有針對性地解決學(xué)習(xí)問題和完成預(yù)期學(xué)習(xí)目標等。

5. 服務(wù)推送的多樣性

服務(wù)推送的多樣性主要體現(xiàn)在資源的多樣性、服務(wù)方式的多樣化和服務(wù)途徑的多元化三個方面。學(xué)習(xí)資源的多樣性體現(xiàn)在學(xué)習(xí)資源的種類、數(shù)量和形態(tài)的多樣性方面。鑒于在線學(xué)習(xí)者在學(xué)習(xí)風(fēng)格和認知水平上的差異，不同的學(xué)習(xí)者對所推送資源呈現(xiàn)方式都有不同的喜好模式，多樣化的資源推送可以滿足不同學(xué)習(xí)風(fēng)格學(xué)習(xí)者的不同需求。服務(wù)方式的多樣化體現(xiàn)在面向?qū)W習(xí)者在學(xué)習(xí)終端、學(xué)習(xí)情境、問題解決、學(xué)習(xí)偏好等方面差異的多樣化服務(wù)。服務(wù)途徑的多元化體現(xiàn)在課前、課中和課后這三個不同學(xué)習(xí)時段，服務(wù)系統(tǒng)可以針對這三個不同學(xué)習(xí)時段的學(xué)情和學(xué)習(xí)需要，通過采取課前預(yù)習(xí)推送、課上生成性資源推送和課后學(xué)習(xí)鞏固與內(nèi)化階段的推送來促進學(xué)習(xí)者的學(xué)習(xí)，進而提升學(xué)習(xí)效果。

五、結(jié)? ?語

個性化學(xué)習(xí)服務(wù)是教育理念與信息技術(shù)深度融合與應(yīng)用的產(chǎn)物，面向國家在5G教育應(yīng)用中不斷涌現(xiàn)出的多元化、智能化、聯(lián)通性等方面的服務(wù)需求，大數(shù)據(jù)驅(qū)動的個性化學(xué)習(xí)研究與實踐已經(jīng)成為教育信息化領(lǐng)域的一個重要課題。開展個性化學(xué)習(xí)服務(wù)的關(guān)鍵在于，精準識別學(xué)習(xí)者在不同學(xué)習(xí)情境、學(xué)習(xí)任務(wù)、問題解決中的服務(wù)需求與偏好，建立學(xué)習(xí)者偏好模式與學(xué)習(xí)服務(wù)的有效匹配機制。本文以在線教育大數(shù)據(jù)為基礎(chǔ)，面向在線學(xué)習(xí)全流程，從個性化學(xué)習(xí)服務(wù)體系構(gòu)建的關(guān)鍵要素、個性化學(xué)習(xí)服務(wù)實施與評價等方面探討了個性化學(xué)習(xí)服務(wù)機制，這是開展個性化學(xué)習(xí)服務(wù)實踐的重要前提，也是助力學(xué)習(xí)者實現(xiàn)個體知識與社會知識建構(gòu)、不斷完善學(xué)習(xí)者個性化知識體系的重要機制。

[參考文獻]

[1] 李振，周東岱，董曉曉，黃雪嬌.我國教育大數(shù)據(jù)的研究現(xiàn)狀、問題與對策——基于CNKI學(xué)術(shù)期刊的內(nèi)容分析[J].現(xiàn)代遠距離教育，2019（1）：46-55.

[2] 卓文秀，楊成，李海琦.大數(shù)據(jù)與教育智能——第17屆教育技術(shù)國際論壇綜述[J].終身教育研究，2019（3）：62-67.

[3] 孫洪濤，鄭勤華.教育大數(shù)據(jù)的核心技術(shù)、應(yīng)用現(xiàn)狀與發(fā)展趨勢[J].遠程教育雜志，2016，34（5）：41-49.

[4] 維克托·邁爾-舍恩伯格，肯尼思·庫克耶.與大數(shù)據(jù)同行——學(xué)習(xí)和教育的未來[M].趙中建，張燕南，譯.上海：華東師范大學(xué)出版社，2015.

[5] 費龍，馬元麗.發(fā)展個性化學(xué)習(xí)，促進教育公平——英國個性化學(xué)習(xí)基本理論及實踐經(jīng)驗探討[J].全球教育展望，2010（8）：42-46.

[6] National Education Technology Plan 2010.Transforming American education： learning powered by technology[DB/OL].[2019-12-18].http：//www.lahc.cc.ca.us/research/Learn_Powered_by_tech_exec-sum%205-11.pdf.

[7] 余勝泉.互聯(lián)網(wǎng)+教育：未來學(xué)校[M].北京：電子工業(yè)出版社，2019.

[8] 楊現(xiàn)民，田雪松.中國基礎(chǔ)教育大數(shù)據(jù)（2016—2017）：走向數(shù)據(jù)驅(qū)動的精準教學(xué)[M].北京：科學(xué)出版社，2018.

[9] 楊麗娜，魏永紅.情境化的泛在學(xué)習(xí)資源智能推薦研究[J].電化教育研究，2014（10）：103-109.

[10] R·M·加涅，W·W·韋杰，K·C·戈勒斯.教學(xué)設(shè)計原理[M].王小明，龐維國，陳保華，等譯，皮連生校.上海：華東師范大學(xué)出版社，2018.