基于知識(shí)圖譜的戶(hù)外動(dòng)態(tài)學(xué)習(xí)資源智能生成與服務(wù)模型研究

趙剛 初潔 朱文娟 尹江華 楊麗君 蔣姝凡 吳林靜

[摘? ?要] 戶(hù)外學(xué)習(xí)要求其學(xué)習(xí)資源具有碎片化、動(dòng)態(tài)性與強(qiáng)交互等特點(diǎn)，而現(xiàn)有學(xué)習(xí)資源構(gòu)建模式存在高成本、低效率、適應(yīng)性差等問(wèn)題，且缺乏系統(tǒng)性的知識(shí)結(jié)構(gòu)，無(wú)法滿(mǎn)足智能戶(hù)外學(xué)習(xí)需求。因此，文章結(jié)合大數(shù)據(jù)和人工智能技術(shù)，提出了一種基于知識(shí)圖譜的戶(hù)外動(dòng)態(tài)學(xué)習(xí)資源智能生成與服務(wù)模型，利用多種數(shù)據(jù)源信息構(gòu)建戶(hù)外學(xué)習(xí)領(lǐng)域知識(shí)圖譜，基于推理規(guī)則智能獲取戶(hù)外學(xué)習(xí)場(chǎng)景的實(shí)體與屬性關(guān)系，然后對(duì)網(wǎng)頁(yè)上的關(guān)聯(lián)資源進(jìn)行動(dòng)態(tài)提取與組織，生成多樣化、輕量化、碎片化、交互性強(qiáng)的動(dòng)態(tài)學(xué)習(xí)資源，為不同認(rèn)知風(fēng)格的學(xué)習(xí)者提供具有差異性的動(dòng)態(tài)情境化學(xué)習(xí)內(nèi)容。同時(shí)，對(duì)模型加以應(yīng)用分析，研究結(jié)果顯示，動(dòng)態(tài)情境化的學(xué)習(xí)資源與傳統(tǒng)網(wǎng)頁(yè)資源在學(xué)習(xí)資源內(nèi)容、結(jié)構(gòu)和學(xué)習(xí)體驗(yàn)方面均存在顯著性差異，且視覺(jué)型、聽(tīng)覺(jué)型與動(dòng)覺(jué)型學(xué)習(xí)者在學(xué)習(xí)資源內(nèi)容和結(jié)構(gòu)方面差異更為顯著。研究表明，基于知識(shí)圖譜的戶(hù)外動(dòng)態(tài)學(xué)習(xí)資源能夠滿(mǎn)足不同類(lèi)型學(xué)習(xí)者的智能戶(hù)外學(xué)習(xí)需求，為智能戶(hù)外學(xué)習(xí)資源開(kāi)發(fā)研究提供了新路徑。

[關(guān)鍵詞] 知識(shí)圖譜; 智能戶(hù)外學(xué)習(xí); 動(dòng)態(tài)學(xué)習(xí)資源; 智能生成; 動(dòng)態(tài)本體

[中圖分類(lèi)號(hào)] G434? ? ? ? ? ? [文獻(xiàn)標(biāo)志碼] A

[作者簡(jiǎn)介] 趙剛（1981—），男，江西奉新人。教授，博士，主要從事多媒體技術(shù)與處理、智能學(xué)習(xí)分析研究。E-mail：zhaogang@mail.ccnu.edu.cn。初潔為通訊作者，E-mail：chujie@mails.ccnu.edu.cn。

一、引? ?言

人工智能技術(shù)的發(fā)展為全民終身學(xué)習(xí)教育體系構(gòu)建提供了技術(shù)支撐，學(xué)習(xí)者能夠突破時(shí)空限制進(jìn)行學(xué)習(xí)，真正賦予學(xué)習(xí)者自主學(xué)習(xí)的權(quán)利[1]。戶(hù)外學(xué)習(xí)指學(xué)生置身于戶(hù)外環(huán)境的學(xué)習(xí)，通過(guò)增加學(xué)習(xí)者與環(huán)境的交互， 以彌補(bǔ)傳統(tǒng)課堂單向知識(shí)傳遞的缺陷，有利于實(shí)現(xiàn)終身教育價(jià)值理念。現(xiàn)有學(xué)習(xí)資源具有開(kāi)發(fā)成本高、效率低、適應(yīng)性差等問(wèn)題，雖然部分戶(hù)外學(xué)習(xí)資源具有碎片化等特點(diǎn)，但缺乏系統(tǒng)性的知識(shí)結(jié)構(gòu)，無(wú)法滿(mǎn)足智能戶(hù)外學(xué)習(xí)知識(shí)需求。知識(shí)圖譜可以對(duì)繁雜無(wú)序的網(wǎng)絡(luò)資源進(jìn)行重新構(gòu)建，合理組織領(lǐng)域知識(shí)體系。基于此，文章聚焦戶(hù)外學(xué)習(xí)對(duì)戶(hù)外學(xué)習(xí)資源的要求，深入分析當(dāng)前戶(hù)外學(xué)習(xí)資源開(kāi)發(fā)模式存在的問(wèn)題，結(jié)合大數(shù)據(jù)、自然語(yǔ)言處理等人工智能技術(shù)，提出一種新型的基于知識(shí)圖譜的戶(hù)外動(dòng)態(tài)學(xué)習(xí)資源智能生成與服務(wù)模型，實(shí)現(xiàn)戶(hù)外學(xué)習(xí)資源的動(dòng)態(tài)生成，為學(xué)習(xí)者提供戶(hù)外學(xué)習(xí)智能服務(wù)，滿(mǎn)足智能戶(hù)外學(xué)習(xí)需求。

二、相關(guān)研究

（一）戶(hù)外學(xué)習(xí)資源

戶(hù)外學(xué)習(xí)思想來(lái)源于自然學(xué)習(xí)，關(guān)注人與自然的關(guān)系問(wèn)題[2]。隨著戶(hù)外學(xué)習(xí)定義的發(fā)展[3-7]，戶(hù)外學(xué)習(xí)場(chǎng)景變得豐富多樣。目前戶(hù)外學(xué)習(xí)研究集中在戶(hù)外探索式學(xué)習(xí)和戶(hù)外體驗(yàn)式學(xué)習(xí)[8]。教師創(chuàng)建固定教學(xué)資源并提供腳手架，學(xué)生通過(guò)移動(dòng)終端基于資源進(jìn)行學(xué)習(xí)[9-10]，本質(zhì)是將傳統(tǒng)課堂學(xué)習(xí)資源遷移至戶(hù)外進(jìn)行學(xué)習(xí)。余日季等人設(shè)計(jì)了博物館文化教育體驗(yàn)系統(tǒng)[11]，學(xué)習(xí)者可通過(guò)多種感官進(jìn)行人機(jī)交互，但其為學(xué)習(xí)者提供的數(shù)字化資源一成不變。趙剛等人設(shè)計(jì)的戶(hù)外增強(qiáng)現(xiàn)實(shí)工具[12]增加了學(xué)習(xí)者戶(hù)外學(xué)習(xí)體驗(yàn)，但其需要手動(dòng)構(gòu)建資源庫(kù)，開(kāi)發(fā)成本高、效率低。

目前的戶(hù)外學(xué)習(xí)資源呈靜態(tài)化特點(diǎn)，開(kāi)發(fā)成本高，效率低，適應(yīng)性差，存在交互方式單一等問(wèn)題。有些需要手動(dòng)更新資源庫(kù)[13]，能夠結(jié)合學(xué)習(xí)者特征實(shí)現(xiàn)半自動(dòng)化資源推薦[14]，見(jiàn)表1。本文的戶(hù)外學(xué)習(xí)強(qiáng)調(diào)學(xué)習(xí)的情境性、學(xué)習(xí)過(guò)程的動(dòng)態(tài)性和學(xué)習(xí)者的主體性，因此，戶(hù)外動(dòng)態(tài)學(xué)習(xí)資源應(yīng)具有多樣化、碎片化、輕量化、交互方式豐富、動(dòng)態(tài)生成以及知識(shí)的完整性等特征，以適應(yīng)不同學(xué)習(xí)者的戶(hù)外學(xué)習(xí)需求，提高戶(hù)外學(xué)習(xí)體驗(yàn)。

（二）領(lǐng)域知識(shí)圖譜

谷歌公司于2012年首次提出知識(shí)圖譜是由具有多個(gè)屬性的實(shí)體通過(guò)關(guān)系聯(lián)結(jié)而成的網(wǎng)狀知識(shí)結(jié)構(gòu)[15]。領(lǐng)域知識(shí)圖譜是以某一領(lǐng)域問(wèn)題的邏輯關(guān)系為核心，與相應(yīng)的知識(shí)體系和能力體系建立映射關(guān)系的工具[16]。教育知識(shí)圖譜作為領(lǐng)域知識(shí)圖譜的典型代表，是教育信息化時(shí)代的重要資源。我國(guó)《新一代人工智能發(fā)展規(guī)劃》中指出，要關(guān)注教育知識(shí)圖譜，重點(diǎn)研究知識(shí)圖譜構(gòu)建與學(xué)習(xí)技術(shù)[17]。北京師范大學(xué)構(gòu)建了育人領(lǐng)域的知識(shí)圖譜[18]以及能夠進(jìn)行個(gè)性化知識(shí)呈現(xiàn)的數(shù)學(xué)智能教學(xué)系統(tǒng)[19]。這些知識(shí)圖譜能夠有效表示學(xué)科領(lǐng)域知識(shí)，支持學(xué)習(xí)導(dǎo)航、認(rèn)知診斷等智能教育應(yīng)用。此外，教育知識(shí)圖譜還能夠?qū)υ诰€教育資源進(jìn)行有效組織[20]?，F(xiàn)有學(xué)習(xí)資源適應(yīng)性差且缺乏完整的知識(shí)結(jié)構(gòu)，無(wú)法滿(mǎn)足智能戶(hù)外學(xué)習(xí)需求。因此，將領(lǐng)域知識(shí)圖譜引入戶(hù)外學(xué)習(xí)中，能夠?qū)?hù)外學(xué)習(xí)知識(shí)與網(wǎng)絡(luò)學(xué)習(xí)資源實(shí)體進(jìn)行規(guī)范化語(yǔ)義標(biāo)引，進(jìn)而實(shí)現(xiàn)戶(hù)外學(xué)習(xí)資源的有效動(dòng)態(tài)組織，提高戶(hù)外學(xué)習(xí)知識(shí)完整性。

三、基于知識(shí)圖譜的戶(hù)外動(dòng)態(tài)學(xué)習(xí)資源智能生成與服務(wù)模型

要解決當(dāng)前戶(hù)外學(xué)習(xí)資源開(kāi)發(fā)成本高、效率低、適應(yīng)性差等問(wèn)題，需要結(jié)合戶(hù)外學(xué)習(xí)資源特征，遵循情境性、服務(wù)性、動(dòng)態(tài)性和交互性等原則，從學(xué)習(xí)資源開(kāi)發(fā)和應(yīng)用的主要環(huán)節(jié)進(jìn)行創(chuàng)新和改進(jìn)。因此，本文基于大數(shù)據(jù)、人工智能、知識(shí)圖譜等技術(shù)，從學(xué)習(xí)資源需求分析、學(xué)習(xí)資源組織、學(xué)習(xí)資源生成、學(xué)習(xí)資源服務(wù)與應(yīng)用反饋等環(huán)節(jié)出發(fā)，構(gòu)建全新的戶(hù)外學(xué)習(xí)資源生成與服務(wù)模型。首先，通過(guò)數(shù)據(jù)采集和學(xué)習(xí)者建模來(lái)實(shí)現(xiàn)戶(hù)外學(xué)習(xí)場(chǎng)景感知并確定戶(hù)外學(xué)習(xí)需求;其次，通過(guò)構(gòu)建戶(hù)外學(xué)習(xí)領(lǐng)域知識(shí)圖譜實(shí)現(xiàn)學(xué)習(xí)資源的知識(shí)融合與高效組織;再次，結(jié)合學(xué)習(xí)者特征與領(lǐng)域知識(shí)圖譜智能動(dòng)態(tài)生成與呈現(xiàn)學(xué)習(xí)資源;最后，通過(guò)為學(xué)習(xí)者提供個(gè)性化智能服務(wù)與資源應(yīng)用反饋，提高學(xué)習(xí)資源應(yīng)用效率。因此，本文提出的戶(hù)外動(dòng)態(tài)學(xué)習(xí)資源智能生成與服務(wù)模型包含數(shù)據(jù)采集、學(xué)習(xí)者模型、戶(hù)外學(xué)習(xí)領(lǐng)域知識(shí)圖譜構(gòu)建、戶(hù)外動(dòng)態(tài)學(xué)習(xí)資源智能生成、戶(hù)外學(xué)習(xí)智能服務(wù)與戶(hù)外學(xué)習(xí)資源反饋六個(gè)部分， 如圖1所示。

（一）數(shù)據(jù)采集

戶(hù)外學(xué)習(xí)情境是由學(xué)習(xí)者、戶(hù)外學(xué)習(xí)時(shí)空、戶(hù)外學(xué)習(xí)設(shè)備、戶(hù)外學(xué)習(xí)環(huán)境等因素組成的戶(hù)外場(chǎng)景[21]。要為學(xué)習(xí)者提供適合當(dāng)前學(xué)習(xí)情境的學(xué)習(xí)資源，可以基于移動(dòng)智能設(shè)備，利用全球定位系統(tǒng)（GPS）等傳感器技術(shù)獲取學(xué)習(xí)者時(shí)空信息，結(jié)合學(xué)習(xí)者需求與個(gè)性化特征，通過(guò)無(wú)線網(wǎng)絡(luò)與人工智能技術(shù)為學(xué)習(xí)者提供動(dòng)態(tài)學(xué)習(xí)資源。

（二）學(xué)習(xí)者模型

學(xué)習(xí)者在戶(hù)外學(xué)習(xí)中居于主體地位。學(xué)習(xí)者對(duì)周?chē)h(huán)境的掌控有利于激發(fā)其內(nèi)在學(xué)習(xí)動(dòng)力和探索欲望，發(fā)現(xiàn)適合于自身的獨(dú)特認(rèn)知風(fēng)格，促進(jìn)和改善學(xué)習(xí)[22]。由于學(xué)習(xí)者具有個(gè)性化特點(diǎn)，因此，需要結(jié)合學(xué)習(xí)者先驗(yàn)知識(shí)水平、學(xué)習(xí)習(xí)慣、學(xué)習(xí)偏好等靜態(tài)特征數(shù)據(jù)以及學(xué)習(xí)興趣、學(xué)習(xí)路徑[23]、學(xué)習(xí)方式等動(dòng)態(tài)特征數(shù)據(jù)，綜合分析挖掘?qū)W習(xí)需求，為學(xué)習(xí)者提供動(dòng)態(tài)學(xué)習(xí)資源及智能學(xué)習(xí)服務(wù)。

（三）戶(hù)外學(xué)習(xí)領(lǐng)域知識(shí)圖譜構(gòu)建

學(xué)習(xí)資源作為學(xué)習(xí)過(guò)程的主要支撐材料，服務(wù)于學(xué)習(xí)者知識(shí)建構(gòu)，因此，對(duì)學(xué)習(xí)資源的組織應(yīng)該圍繞知識(shí)展開(kāi)[24]。戶(hù)外學(xué)習(xí)的隨機(jī)性、情境性與開(kāi)放性要求戶(hù)外學(xué)習(xí)資源具有多樣性、靈活性與動(dòng)態(tài)性等特點(diǎn)，而通過(guò)網(wǎng)絡(luò)獲取的資源存在繁雜冗余、聚合不足等問(wèn)題。領(lǐng)域知識(shí)圖譜作為知識(shí)表示的一種重要方式，是實(shí)現(xiàn)戶(hù)外動(dòng)態(tài)學(xué)習(xí)資源智能生成的基礎(chǔ)，能夠?yàn)閷W(xué)習(xí)者反饋結(jié)構(gòu)化的戶(hù)外學(xué)習(xí)知識(shí)。圖2為戶(hù)外學(xué)習(xí)領(lǐng)域知識(shí)圖譜構(gòu)建與動(dòng)態(tài)學(xué)習(xí)資源智能生成過(guò)程。

1. 戶(hù)外學(xué)習(xí)知識(shí)獲取

網(wǎng)絡(luò)資源是領(lǐng)域動(dòng)態(tài)本體和領(lǐng)域知識(shí)圖譜構(gòu)建的重要數(shù)據(jù)來(lái)源[25]。本文通過(guò)數(shù)據(jù)采集工具實(shí)時(shí)抓取戶(hù)外學(xué)習(xí)領(lǐng)域知識(shí)，通過(guò)分詞、關(guān)鍵詞提取等處理得到戶(hù)外學(xué)習(xí)領(lǐng)域信息數(shù)據(jù)集，并以此作為戶(hù)外學(xué)習(xí)領(lǐng)域動(dòng)態(tài)本體和領(lǐng)域知識(shí)圖譜構(gòu)建的數(shù)據(jù)基礎(chǔ)。

2. 戶(hù)外學(xué)習(xí)領(lǐng)域動(dòng)態(tài)本體構(gòu)建

領(lǐng)域知識(shí)本體是領(lǐng)域知識(shí)圖譜的模式結(jié)構(gòu)，突出領(lǐng)域內(nèi)概念間的關(guān)聯(lián)關(guān)系。動(dòng)態(tài)本體以自動(dòng)構(gòu)建為主，能夠降低時(shí)間成本[26]。本文利用機(jī)器學(xué)習(xí)等技術(shù)從多種數(shù)據(jù)源中自動(dòng)抽取戶(hù)外學(xué)習(xí)領(lǐng)域知識(shí)概念和術(shù)語(yǔ)，結(jié)合學(xué)習(xí)者戶(hù)外場(chǎng)景感知需求，使用專(zhuān)用工具對(duì)戶(hù)外學(xué)習(xí)概念關(guān)系和規(guī)則進(jìn)行挖掘，智能解析數(shù)據(jù)，從而自動(dòng)化構(gòu)建戶(hù)外學(xué)習(xí)領(lǐng)域動(dòng)態(tài)本體，為戶(hù)外學(xué)習(xí)領(lǐng)域知識(shí)圖譜的構(gòu)建奠定基礎(chǔ)。

3. 戶(hù)外學(xué)習(xí)知識(shí)抽取與表示

知識(shí)抽取包括實(shí)體抽取、關(guān)系抽取和屬性抽取[27]。首先，通過(guò)面向開(kāi)放域的實(shí)體抽取方法[28]實(shí)現(xiàn)戶(hù)外學(xué)習(xí)領(lǐng)域的實(shí)體抽取;然后，將獲取的結(jié)構(gòu)化數(shù)據(jù)訓(xùn)練實(shí)體屬性標(biāo)注模型用于關(guān)系與屬性抽取。戶(hù)外學(xué)習(xí)知識(shí)采用三元組描述實(shí)體間的關(guān)系，包括（實(shí)體1，關(guān)系，實(shí)體2）和（實(shí)體，屬性，屬性值）。實(shí)體是戶(hù)外學(xué)習(xí)領(lǐng)域知識(shí)圖譜的最基本元素，如綠蘿、辛亥革命博物館;關(guān)系存在于不同實(shí)體之間，如生長(zhǎng)于、坐落于;屬性指戶(hù)外學(xué)習(xí)場(chǎng)景對(duì)象具有的特征，如顏色、建設(shè)周期;屬性值指對(duì)象屬性的值，如黃色、2年。

4. 戶(hù)外學(xué)習(xí)知識(shí)融合

戶(hù)外學(xué)習(xí)知識(shí)抽取與表示獲取的實(shí)體、關(guān)系及屬性可能包含冗余和錯(cuò)誤，知識(shí)融合可以剔除冗余、消除錯(cuò)誤，從而建立更加清晰完善的戶(hù)外學(xué)習(xí)領(lǐng)域知識(shí)體系。戶(hù)外學(xué)習(xí)知識(shí)融合包括實(shí)體對(duì)齊和實(shí)體鏈接。首先，從各類(lèi)數(shù)據(jù)源中進(jìn)行戶(hù)外學(xué)習(xí)領(lǐng)域?qū)嶓w抽取，然后，通過(guò)實(shí)體消歧與共指消解等操作，對(duì)戶(hù)外學(xué)習(xí)知識(shí)庫(kù)中的各個(gè)同名實(shí)體是否指向同一戶(hù)外場(chǎng)景、多個(gè)實(shí)體是否存在含義相同等情況進(jìn)行判斷;最后，將該實(shí)體與戶(hù)外學(xué)習(xí)知識(shí)庫(kù)中相應(yīng)的正確實(shí)體進(jìn)行鏈接。

5. 戶(hù)外學(xué)習(xí)知識(shí)推理

知識(shí)圖譜在構(gòu)建過(guò)程中可能有關(guān)系或?qū)傩缘娜笔?，使知識(shí)圖譜存在不完備性和不正確性。知識(shí)推理可以基于已經(jīng)建構(gòu)的知識(shí)圖譜，通過(guò)一些推理算法得到該領(lǐng)域新的事實(shí)[29]。由于戶(hù)外學(xué)習(xí)知識(shí)多樣化，且其數(shù)據(jù)收集方式缺乏整體性，因此，可以通過(guò)知識(shí)推理方法擴(kuò)展戶(hù)外學(xué)習(xí)領(lǐng)域知識(shí)圖譜[30]。例如，戶(hù)外學(xué)習(xí)領(lǐng)域知識(shí)圖譜中存在由不同數(shù)據(jù)源得到的兩個(gè)三元組：（含笑花，屬于，常綠灌木）和（含笑花，又名，白蘭花），可以利用知識(shí)推理來(lái)獲取新的事實(shí)知識(shí)（白蘭花，屬于，常綠灌木）。

（四）戶(hù)外動(dòng)態(tài)學(xué)習(xí)資源智能生成

戶(hù)外學(xué)習(xí)場(chǎng)景種類(lèi)豐富且具有多種屬性，直接從網(wǎng)絡(luò)獲取的資源可能存在分散無(wú)序、缺乏關(guān)聯(lián)性等問(wèn)題，導(dǎo)致學(xué)習(xí)者耗費(fèi)大量時(shí)間提取學(xué)習(xí)內(nèi)容。因此，本文通過(guò)戶(hù)外學(xué)習(xí)領(lǐng)域知識(shí)圖譜對(duì)戶(hù)外學(xué)習(xí)相關(guān)網(wǎng)絡(luò)資源進(jìn)行知識(shí)標(biāo)引，結(jié)合戶(hù)外學(xué)習(xí)領(lǐng)域知識(shí)圖譜的推理規(guī)則智能獲取戶(hù)外學(xué)習(xí)場(chǎng)景的實(shí)體與屬性關(guān)系，基于實(shí)體與屬性對(duì)網(wǎng)頁(yè)上的關(guān)聯(lián)資源進(jìn)行動(dòng)態(tài)提取并做碎片化處理，結(jié)合學(xué)習(xí)者個(gè)性化特征將獲取到的資源動(dòng)態(tài)組織并呈現(xiàn)給學(xué)習(xí)者，以滿(mǎn)足其智能戶(hù)外學(xué)習(xí)需求。

1. 戶(hù)外學(xué)習(xí)資源知識(shí)標(biāo)引

戶(hù)外學(xué)習(xí)領(lǐng)域知識(shí)圖譜將匹配的戶(hù)外學(xué)習(xí)知識(shí)元以標(biāo)簽的形式標(biāo)引到網(wǎng)絡(luò)資源內(nèi)容上，通過(guò)在網(wǎng)絡(luò)資源的不同位置添加標(biāo)簽，建立網(wǎng)絡(luò)資源內(nèi)容與標(biāo)簽的關(guān)聯(lián)關(guān)系[31]，進(jìn)而將戶(hù)外學(xué)習(xí)領(lǐng)域知識(shí)圖譜與網(wǎng)絡(luò)資源緊密結(jié)合，使網(wǎng)絡(luò)學(xué)習(xí)資源成為有語(yǔ)義關(guān)聯(lián)關(guān)系的結(jié)構(gòu)化知識(shí)。

2. 戶(hù)外學(xué)習(xí)資源提取與碎片化處理

利用規(guī)則+機(jī)器學(xué)習(xí)相結(jié)合的方法，建立實(shí)體、關(guān)系、屬性等訪問(wèn)約束和推理規(guī)則，結(jié)合學(xué)習(xí)者對(duì)特定戶(hù)外學(xué)習(xí)場(chǎng)景的動(dòng)態(tài)感知確定學(xué)習(xí)需求，實(shí)現(xiàn)基于戶(hù)外學(xué)習(xí)領(lǐng)域知識(shí)圖譜的資源智能檢索與提取。對(duì)資源進(jìn)行碎片化處理，如網(wǎng)絡(luò)視頻可通過(guò)視頻處理工具自動(dòng)截取關(guān)鍵部分形成微視頻，網(wǎng)頁(yè)文本可直接進(jìn)行關(guān)鍵內(nèi)容截取，以滿(mǎn)足戶(hù)外學(xué)習(xí)資源短小精悍、簡(jiǎn)明扼要的需求。

3. 戶(hù)外學(xué)習(xí)資源動(dòng)態(tài)組織與呈現(xiàn)

不同戶(hù)外學(xué)習(xí)場(chǎng)景需要的資源類(lèi)型不同，將獲取的大量碎片化網(wǎng)絡(luò)資源無(wú)序地呈現(xiàn)給學(xué)習(xí)者會(huì)增加認(rèn)知負(fù)荷，根據(jù)學(xué)習(xí)者個(gè)性特征將無(wú)序資源進(jìn)行有序組織，可以幫助學(xué)習(xí)者迅速準(zhǔn)確地得到所需要的資源。

認(rèn)知風(fēng)格作為學(xué)習(xí)者個(gè)性特征的重要組成部分，是學(xué)習(xí)過(guò)程中穩(wěn)定的行為表現(xiàn)方式[32]。Neil Fleming開(kāi)發(fā)的VARK認(rèn)知風(fēng)格模型，是基于學(xué)習(xí)者個(gè)人的信息接收和感知方式對(duì)認(rèn)知風(fēng)格進(jìn)行的分類(lèi)，包括視覺(jué)型、聽(tīng)覺(jué)型、讀寫(xiě)型和動(dòng)覺(jué)型[33]。在對(duì)戶(hù)外學(xué)習(xí)資源進(jìn)行動(dòng)態(tài)組織時(shí)，需要根據(jù)學(xué)習(xí)者認(rèn)知風(fēng)格設(shè)計(jì)不同的資源組織方式，基于學(xué)習(xí)者認(rèn)知風(fēng)格的媒體偏好總結(jié)戶(hù)外學(xué)習(xí)資源頁(yè)面設(shè)計(jì)規(guī)則，為戶(hù)外學(xué)習(xí)資源動(dòng)態(tài)組織提供依據(jù)，如圖3（a）所示。以菊花為例設(shè)計(jì)不同的頁(yè)面呈現(xiàn)方式，示例如圖3（b）所示。

（五）戶(hù)外學(xué)習(xí)智能服務(wù)

基于知識(shí)圖譜的戶(hù)外動(dòng)態(tài)學(xué)習(xí)資源智能生成與服務(wù)模型滿(mǎn)足服務(wù)型原則，能夠結(jié)合學(xué)習(xí)者需求提供戶(hù)外學(xué)習(xí)個(gè)性化推薦服務(wù)、智能檢索服務(wù)與知識(shí)可視化服務(wù)。

1. 個(gè)性化推薦服務(wù)

戶(hù)外學(xué)習(xí)領(lǐng)域知識(shí)圖譜作為一種戶(hù)外學(xué)習(xí)知識(shí)表征工具，能夠反映戶(hù)外知識(shí)間的先后關(guān)系?；谠撝R(shí)圖譜，結(jié)合戶(hù)外學(xué)習(xí)情境，根據(jù)學(xué)習(xí)者對(duì)戶(hù)外學(xué)習(xí)資源的需求、學(xué)習(xí)者的認(rèn)知風(fēng)格與知識(shí)狀態(tài)等靜態(tài)和動(dòng)態(tài)個(gè)性化特征，通過(guò)有效的推薦算法，能夠精準(zhǔn)實(shí)現(xiàn)學(xué)習(xí)資源的個(gè)性化推薦服務(wù)[34-35]。

2. 智能檢索服務(wù)

基于知識(shí)圖譜的智能檢索能夠根據(jù)學(xué)習(xí)者查詢(xún)的戶(hù)外學(xué)習(xí)情境，結(jié)合學(xué)習(xí)者意圖進(jìn)行推理，基于知識(shí)圖譜實(shí)現(xiàn)對(duì)術(shù)語(yǔ)概念的檢索，且其檢索結(jié)果具有層次化與結(jié)構(gòu)化等特征。比如，學(xué)習(xí)者檢索郁金香，基于知識(shí)圖譜的搜索引擎就會(huì)結(jié)構(gòu)化呈現(xiàn)郁金香的形態(tài)特征、品種分類(lèi)等場(chǎng)景屬性信息。

3. 知識(shí)可視化服務(wù)

戶(hù)外學(xué)習(xí)知識(shí)可視化服務(wù)表現(xiàn)在知識(shí)結(jié)構(gòu)的可視化和知識(shí)內(nèi)容的可視化。知識(shí)結(jié)構(gòu)的可視化是通過(guò)圖表等視覺(jué)表征手段為學(xué)習(xí)者展現(xiàn)戶(hù)外學(xué)習(xí)領(lǐng)域知識(shí)的內(nèi)在關(guān)聯(lián)，并為學(xué)習(xí)者提供腳手架。知識(shí)內(nèi)容的可視化表現(xiàn)為系統(tǒng)提供可視化三維資源以增加學(xué)習(xí)者的交互體驗(yàn)。

（六）戶(hù)外學(xué)習(xí)資源反饋

戶(hù)外動(dòng)態(tài)學(xué)習(xí)資源的開(kāi)發(fā)以學(xué)習(xí)者需求為中心，因此，需要對(duì)其進(jìn)行有效的評(píng)價(jià)反饋。一方面，學(xué)習(xí)者可以通過(guò)自主探討板塊與其他學(xué)習(xí)者交流自己的想法;另一方面，可以通過(guò)小范圍系統(tǒng)試用調(diào)查，對(duì)動(dòng)態(tài)學(xué)習(xí)資源的內(nèi)容、結(jié)構(gòu)以及學(xué)習(xí)者的學(xué)習(xí)體驗(yàn)效果等方面進(jìn)行分析，并基于此迭代修正戶(hù)外動(dòng)態(tài)學(xué)習(xí)資源智能生成與服務(wù)模型。

四、基于知識(shí)圖譜的戶(hù)外動(dòng)態(tài)學(xué)習(xí)資源

智能生成與服務(wù)模型應(yīng)用分析

（一）實(shí)驗(yàn)設(shè)計(jì)

為了驗(yàn)證模型的適用性，本研究以武漢某學(xué)校的72名學(xué)生作為調(diào)查對(duì)象，將其隨機(jī)分為實(shí)驗(yàn)組和對(duì)照組，以學(xué)校草坪作為戶(hù)外學(xué)習(xí)場(chǎng)景進(jìn)行學(xué)習(xí)。對(duì)于實(shí)驗(yàn)組（38人），我們提供了動(dòng)態(tài)情境化學(xué)習(xí)資源，其可根據(jù)不同學(xué)習(xí)者的認(rèn)知風(fēng)格及學(xué)習(xí)情境進(jìn)行學(xué)習(xí)內(nèi)容和頁(yè)面布局的動(dòng)態(tài)調(diào)整與呈現(xiàn)。對(duì)于對(duì)照組（34人），我們提供傳統(tǒng)網(wǎng)頁(yè)作為學(xué)習(xí)資源，其內(nèi)容在任何情況下都是相同的。在學(xué)習(xí)之前，研究人員為每位學(xué)習(xí)者講解學(xué)習(xí)資源的使用方法;學(xué)習(xí)之后，借助問(wèn)卷星平臺(tái)對(duì)每位學(xué)習(xí)者進(jìn)行后測(cè)問(wèn)卷調(diào)查。實(shí)驗(yàn)過(guò)程中所有學(xué)習(xí)者均使用平板設(shè)備進(jìn)行學(xué)習(xí)。

（二）問(wèn)卷的信效度

戶(hù)外學(xué)習(xí)資源使用情況調(diào)查問(wèn)卷由學(xué)習(xí)者對(duì)學(xué)習(xí)資源的期望、學(xué)習(xí)資源內(nèi)容、學(xué)習(xí)資源結(jié)構(gòu)以及學(xué)習(xí)體驗(yàn)四個(gè)維度構(gòu)成，借鑒了前人有關(guān)學(xué)習(xí)資源問(wèn)卷的部分題項(xiàng)[36]，共20個(gè)題目，其中個(gè)人基本信息3題，學(xué)習(xí)者期望3題，學(xué)習(xí)資源內(nèi)容6題，學(xué)習(xí)資源結(jié)構(gòu)4題，學(xué)習(xí)體驗(yàn)4題。該問(wèn)卷基于李克特量表進(jìn)行編制?？寺“秃咋料禂?shù)作為問(wèn)卷信度的度量，當(dāng)α系數(shù)值大于0.7時(shí)表明問(wèn)卷信度良好。學(xué)習(xí)者期望、學(xué)習(xí)資源內(nèi)容、學(xué)習(xí)資源結(jié)構(gòu)以及學(xué)習(xí)體驗(yàn)維度的信度分別為0.907、0.859、0.803和0.830，α均大于0.7，且問(wèn)卷整體信度為0.882，表明此問(wèn)卷所測(cè)得的結(jié)果具有較高的穩(wěn)定性和一致性。通過(guò)探索性因素分析方法檢驗(yàn)該問(wèn)卷的結(jié)構(gòu)效度，其KMO為0.782，明顯大于0.6，說(shuō)明問(wèn)卷整體具有良好的建構(gòu)效度。

（三）實(shí)驗(yàn)結(jié)果分析

1. 兩組學(xué)習(xí)者的學(xué)習(xí)資源使用情況

本研究采用獨(dú)立樣本T檢驗(yàn)對(duì)數(shù)據(jù)進(jìn)行分析，結(jié)果見(jiàn)表2，兩組學(xué)習(xí)者在學(xué)習(xí)資源內(nèi)容、學(xué)習(xí)資源結(jié)構(gòu)、學(xué)習(xí)體驗(yàn)三個(gè)維度均存在顯著性差異，而學(xué)習(xí)者對(duì)學(xué)習(xí)資源的期望方面無(wú)顯著性差異。

結(jié)果表明，使用動(dòng)態(tài)情境化學(xué)習(xí)資源的學(xué)習(xí)者相較于使用傳統(tǒng)網(wǎng)頁(yè)的學(xué)習(xí)者，在學(xué)習(xí)資源內(nèi)容、學(xué)習(xí)資源結(jié)構(gòu)、學(xué)習(xí)體驗(yàn)三個(gè)維度都有明顯的差異。相比于對(duì)照組，實(shí)驗(yàn)組學(xué)習(xí)者對(duì)學(xué)習(xí)資源內(nèi)容的滿(mǎn)意程度較高（t=-4.710，p=0.000<0.001），學(xué)習(xí)者認(rèn)為學(xué)習(xí)資源能夠動(dòng)態(tài)生成，不會(huì)產(chǎn)生重復(fù)（M對(duì)照=2.68，M實(shí)驗(yàn)=3.74，t=-4.742），且能夠滿(mǎn)足其個(gè)性化學(xué)習(xí)需求（M對(duì)照=2.71，M實(shí)驗(yàn)=3.79，t=-4.088）;實(shí)驗(yàn)組學(xué)習(xí)者對(duì)學(xué)習(xí)資源結(jié)構(gòu)的滿(mǎn)意度也高于對(duì)照組（t=-6.807，p=0.000<0.001），實(shí)驗(yàn)組普遍認(rèn)為學(xué)習(xí)資源具有良好的結(jié)構(gòu)性，能夠?qū)崿F(xiàn)獨(dú)立自主的學(xué)習(xí)（M對(duì)照=3.06，M實(shí)驗(yàn)=4.13，t=-5.717）。此外，實(shí)驗(yàn)組學(xué)習(xí)者認(rèn)為學(xué)習(xí)資源導(dǎo)航清晰、容易使用，可以交流互動(dòng)，對(duì)學(xué)習(xí)體驗(yàn)的滿(mǎn)意度較高（t=-3.072，p=0.003<0.01）。兩組學(xué)習(xí)者在學(xué)習(xí)前對(duì)學(xué)習(xí)資源的期望沒(méi)有差異，且在總體上對(duì)學(xué)習(xí)資源充滿(mǎn)期待（M對(duì)照=4.03，M實(shí)驗(yàn)=4.08，t=-2.60）。

2. 四種認(rèn)知風(fēng)格學(xué)習(xí)者的學(xué)習(xí)資源使用情況

戶(hù)外動(dòng)態(tài)學(xué)習(xí)資源智能生成與服務(wù)模型可以根據(jù)學(xué)習(xí)者的認(rèn)知風(fēng)格提供不同的學(xué)習(xí)資源，通過(guò)問(wèn)卷統(tǒng)計(jì)，視覺(jué)型學(xué)習(xí)者最多，占61%，其他三種類(lèi)型比例相當(dāng)，如圖4所示。為對(duì)比四種認(rèn)知風(fēng)格的學(xué)習(xí)者對(duì)動(dòng)態(tài)學(xué)習(xí)資源和傳統(tǒng)網(wǎng)頁(yè)學(xué)習(xí)資源的使用態(tài)度，本研究進(jìn)行了實(shí)驗(yàn)分析，結(jié)果見(jiàn)表3。

結(jié)果表明，四種學(xué)習(xí)者在學(xué)習(xí)期望維度沒(méi)有顯著性差異，每類(lèi)學(xué)習(xí)者對(duì)學(xué)習(xí)資源都抱有較高期待。除讀寫(xiě)型學(xué)習(xí)者外，其他三類(lèi)學(xué)習(xí)者在學(xué)習(xí)資源內(nèi)容和結(jié)構(gòu)方面均有顯著性差異，證明本研究的動(dòng)態(tài)情境化學(xué)習(xí)資源較傳統(tǒng)網(wǎng)頁(yè)能夠?yàn)閷W(xué)習(xí)者提供較好的資源內(nèi)容和結(jié)構(gòu)，而傳統(tǒng)網(wǎng)頁(yè)以文本為主，符合讀寫(xiě)型學(xué)習(xí)者學(xué)習(xí)特點(diǎn)，因此，兩種學(xué)習(xí)資源對(duì)兩組學(xué)習(xí)者差異性不大。聽(tīng)覺(jué)型（t=-5.220，p=0.002<0.001）和動(dòng)覺(jué)型（t=-3.101，p=0.017<0.05）學(xué)習(xí)者的學(xué)習(xí)體驗(yàn)差異較大，可能因?yàn)檫@兩種動(dòng)態(tài)情境化的學(xué)習(xí)資源具有較強(qiáng)的交互性，使得學(xué)習(xí)者體驗(yàn)較好。

五、結(jié)? ?語(yǔ)

本文針對(duì)戶(hù)外學(xué)習(xí)資源開(kāi)發(fā)模式存在的問(wèn)題，基于戶(hù)外學(xué)習(xí)資源特點(diǎn)，結(jié)合學(xué)習(xí)者的戶(hù)外學(xué)習(xí)需求，提出一種基于知識(shí)圖譜的戶(hù)外動(dòng)態(tài)學(xué)習(xí)資源智能生成與服務(wù)模型，并初步嘗試了該模型的戶(hù)外應(yīng)用。實(shí)驗(yàn)結(jié)果表明，相較于傳統(tǒng)網(wǎng)頁(yè)資源，動(dòng)態(tài)情境化的學(xué)習(xí)資源在學(xué)習(xí)資源內(nèi)容、學(xué)習(xí)資源結(jié)構(gòu)和學(xué)習(xí)體驗(yàn)方面均有顯著性差異，且視覺(jué)型、聽(tīng)覺(jué)型與動(dòng)覺(jué)型學(xué)習(xí)者差異較大，讀寫(xiě)型學(xué)習(xí)者僅在學(xué)習(xí)資源內(nèi)容方面有差異。該資源基本能夠滿(mǎn)足不同類(lèi)型學(xué)習(xí)者的戶(hù)外學(xué)習(xí)需求。后續(xù)，我們將繼續(xù)擴(kuò)大應(yīng)用對(duì)象與范圍，以驗(yàn)證并完善戶(hù)外動(dòng)態(tài)學(xué)習(xí)資源智能生成與服務(wù)模型的適用性，以期為戶(hù)外學(xué)習(xí)資源的研究提供一些參考。

[參考文獻(xiàn)]

[1] 中共中央，國(guó)務(wù)院.中國(guó)教育現(xiàn)代化2035[EB/OL].（2019-02-23）[2021-06-20].http：//www.gov.cn/xinwen/2019-02/23/content_53679 87.htm.

[2] ADKINS C， SIMMON B. Outdoor， experiential， and environmental education： converging or diverging approaches？[EB/OL]. （2002-08-04）[2021-06-21]. https：//files.eric.ed.gov/fulltext/ED467713.pdf.

[3] ROUSSEAU J J. Emile： or on education [M]. New York： Basic Books，1979.

[4] AGASSIZ L. The structure and growth of domesticated animals[J]. The American naturalist，1873，7（11）：641-657.

[5] CHUCK W. Boy scouts of America： a centennial history[M]. Dorling Kindersley：DK Publishing， 2013.

[6] LEWIS C. The Administration of outdoor education programs[M]. Dubuque： Kendall Hunt Publishing Company， 1975.

[7] DONALDSON G W， DONALDSON L E. Outdoor education a definition[J]. Journal of health physical education recreation， 1958， 29（5）：17-63.

[8] STYMNE J. Mobile learning in outdoor settings： a systematic review [C]//16th International Conference on Mobile Learning. Portugal：Iadis Digital Library， 2020：63-70.

[9] JONG M， LUK E. Adopting eagleeye in outdoor exploratory learning from the teacher perspective[C]//International Conference on Advanced Learning Technologies. Greece： IEEE Press， 2014：617-21.

[10] 周東波，趙瓊，鐘正.構(gòu)建基于泛在學(xué)習(xí)理論的地理戶(hù)外探究學(xué)習(xí)系統(tǒng)[J].中國(guó)遠(yuǎn)程教育，2013（2）：80-85.

[11] 余日季，蔡敏，蔣帥.基于移動(dòng)終端和AR技術(shù)的博物館文化教育體驗(yàn)系統(tǒng)的設(shè)計(jì)與應(yīng)用研究[J].中國(guó)電化教育，2017（3）：31-35.

[12] ZHAO G， LIU S， ZHU W J， QI Y H. A lightweight mobile outdoor augmented reality method using deep learning and knowledge modeling for scene perception to improve learning experience[J]. International journal of human-computer interaction， 2021，37（9）：884-901.

[13] 王小根，鄧烈君，王露露，范水娣.基于知識(shí)元的移動(dòng)學(xué)習(xí)資源組織模式研究[J].電化教育研究，2017，38（1）：86-93.

[14] 李寶，張文蘭.智慧教育環(huán)境下學(xué)習(xí)資源推送服務(wù)模型的構(gòu)建[J].遠(yuǎn)程教育雜志，2015（3）：41-48.

[15] 李振，周東岱，王勇.“人工智能+”視域下的教育知識(shí)圖譜：內(nèi)涵，技術(shù)框架與應(yīng)用研究[J].遠(yuǎn)程教育雜志，2019（4）：42-53.

[16] 范佳榮，鐘紹春.學(xué)科知識(shí)圖譜研究：由知識(shí)學(xué)習(xí)走向思維發(fā)展[J].電化教育研究，2022，43（1）：32-38.

[17] 國(guó)務(wù)院.新一代人工智能發(fā)展規(guī)劃[EB/OL].（2017-07-20）[2021-07-10].http：//www.gov.cn/xinwen/2017-07/20/content_5212064.htm.

[18] 余勝泉，彭燕，盧宇.基于人工智能的育人助理系統(tǒng)——“AI好老師”的體系結(jié)構(gòu)與功能[J].開(kāi)放教育研究，2019，25（1）：27-38.

[19] 萬(wàn)海鵬，余勝泉.基于學(xué)習(xí)元平臺(tái)的學(xué)習(xí)認(rèn)知地圖構(gòu)建[J].電化教育研究，2017，38（9）：83-88，107.

[20] 張波，金玉鵬，張倩，趙勤，王嬌燕.試論一種新型在線教育資源大數(shù)據(jù)組織框架[J].中國(guó)電化教育，2018（3）：41-46.

[21] CHEN M， YU S Q， CHIANG F K. A dynamic ubiquitous learning resource model with context and its effects on ubiquitous learning[J]. Interactive learning environments， 2017， 25（1）：127-141.

[22] QUINN J. New learning worlds： the significance of nature in the lives of marginalised young people[J]. Discourse studies in the cultural politics of education， 2013， 34（5）：716-730.

[23] AHMAD A， KARDAN， MOLOOD， et al. A new personalized learning path generation method： ACO-MAP[J]. Indian journal of scientific research， 2014， 5（1）：17-24.

[24] 王萌，龍樂(lè)思，朱嘉麒.我國(guó)圖情檔學(xué)科關(guān)于文化信息數(shù)字資源整合的研究——以博物館研究為視角[J].圖書(shū)館雜志，2020，39（4）：80-91.

[25] PENG Z， EL-GOHARY N. Ontology-based automated information extraction from building energy conservation codes[J]. Automation in construction， 2017， 74：103-117.

[26] 高桓，漆桂林.動(dòng)態(tài)本體（Dynamic Ontology）[EB/OL].（2017-11-07）[2021-07-22].https：//zhuanlan.zhihu.com/p/30799669.

[27] 翟社平，馬蒙雨，馬傳賓，高山，郭琳.一種多策略的中文領(lǐng)域本體概念抽取方法[J].西安郵電大學(xué)學(xué)報(bào)，2017，22（1）：94-98.

[28] 劉嶠，李楊，段宏，劉瑤，秦志光.知識(shí)圖譜構(gòu)建技術(shù)綜述[J].計(jì)算機(jī)研究與發(fā)展，2016，53（3）：582-600.

[29] 官賽萍，靳小龍，賈巖濤，王元卓，程學(xué)旗.面向知識(shí)圖譜的知識(shí)推理研究進(jìn)展[J].軟件學(xué)報(bào)，2018，29（10）：2966-2994.

[30] 郭琳.面向Web數(shù)據(jù)的知識(shí)圖譜學(xué)習(xí)與推理關(guān)鍵技術(shù)研究[D].西安：西安郵電大學(xué)，2018.

[31] 張?jiān)牛炖?基于手機(jī)終端的免費(fèi)網(wǎng)絡(luò)資源知識(shí)元標(biāo)引實(shí)踐探討[J].圖書(shū)館工作與研究，2015（12）：106-109，112.

[32] 譚頂良.學(xué)習(xí)風(fēng)格論[M].南京：江蘇教育出版社，1995.

[33] POONAM K， PARAMITA S P， MANISHA J， et al. The learning styles and the preferred teaching-learning strategies of first year medical students[J]. Journal of clinical & diagnostic research jcdr， 2013，7（6）：1089-92.

[34] 師亞飛，彭紅超，童名文.基于學(xué)習(xí)畫(huà)像的精準(zhǔn)個(gè)性化學(xué)習(xí)路徑生成性推薦策略研究[J].中國(guó)電化教育，2019（5）：84-91.

[35] 丁繼紅，劉華中.大數(shù)據(jù)環(huán)境下基于多維關(guān)聯(lián)分析的學(xué)習(xí)資源精準(zhǔn)推薦[J].電化教育研究，2018，39（2）：53-59，66.

[36] 王瑞霞.基于知識(shí)地圖的移動(dòng)學(xué)習(xí)資源設(shè)計(jì)與實(shí)現(xiàn)——以“媒介素養(yǎng)”學(xué)習(xí)資源為例[D].南京：南京師范大學(xué)，2016.