基于個(gè)性課程推薦技術(shù)的線上學(xué)習(xí)地圖設(shè)計(jì)

宋庭新, 肖立柯

(湖北工業(yè)大學(xué)職業(yè)技術(shù)師范學(xué)院,湖北 武漢 430068 )

隨著教育信息化2.0時(shí)代的“智慧校園”建設(shè)方向的提出,各職業(yè)院校建立了數(shù)字化資源平臺(tái),并積累了大量的數(shù)字化學(xué)習(xí)資源。據(jù)職業(yè)教育專業(yè)教學(xué)資源庫(kù)導(dǎo)航網(wǎng)站統(tǒng)計(jì),目前全國(guó)參建院校1314所,已有標(biāo)準(zhǔn)化課程7069門,素材資源395萬件,參與建設(shè)教師83萬名,參與學(xué)習(xí)學(xué)生1734萬名以及企業(yè)用戶29萬名。海量的學(xué)習(xí)資源給學(xué)習(xí)者豐富職業(yè)技能知識(shí)的同時(shí)也帶來“信息迷航”和“信息過載”等問題。目前關(guān)于線上課程推薦的研究主要是結(jié)合個(gè)性推薦算法,對(duì)線上學(xué)習(xí)數(shù)據(jù)進(jìn)行整合分析,使學(xué)習(xí)資源與用戶個(gè)性匹配,從而實(shí)現(xiàn)個(gè)性化課程推薦。郭陽(yáng)等提出了基于學(xué)習(xí)者興趣的個(gè)性化課程推薦方法[1]。Chen等提出一個(gè)基于學(xué)習(xí)者現(xiàn)有知識(shí)和學(xué)習(xí)材料的知識(shí)推薦方法[2]。Jing等將用戶興趣和課程前提條件結(jié)合起來,利用協(xié)同過濾進(jìn)行個(gè)性課程推薦[3]。石弘利等結(jié)合線上平臺(tái)用戶和學(xué)習(xí)資源數(shù)據(jù)構(gòu)建物品相似度矩陣,并根據(jù)矩陣進(jìn)行用戶個(gè)性化課程推薦。孔令圓等通過多角度挖掘用戶顯式和隱式偏好,設(shè)計(jì)并實(shí)現(xiàn)了個(gè)性慕課資源推薦系統(tǒng)。上述研究對(duì)用戶個(gè)性信息進(jìn)行了挖掘,利用不同的推薦算法或者改進(jìn)算法來進(jìn)行個(gè)性化課程的推薦,但忽略了學(xué)習(xí)者的知識(shí)水平和能力水平,職業(yè)技能發(fā)展路徑規(guī)劃不足。本文利用個(gè)性推薦技術(shù)設(shè)計(jì)面向?qū)W習(xí)者的在線學(xué)習(xí)地圖,為學(xué)習(xí)者規(guī)劃目標(biāo)職業(yè)學(xué)習(xí)路徑,同時(shí)提供符合學(xué)習(xí)者個(gè)性特征的學(xué)習(xí)資源,從而提供高效的自主學(xué)習(xí)支持。

1 學(xué)習(xí)地圖概要

1.1 線上學(xué)習(xí)地圖概念

學(xué)習(xí)地圖(Learning Maps),由美國(guó)通用公司全球?qū)W習(xí)顧問史蒂夫·羅森伯姆和印度區(qū)學(xué)習(xí)顧問吉姆·威廉姆斯于1993年聯(lián)手創(chuàng)立,其主要意義是在一定的目標(biāo)下,企業(yè)員工可以通過學(xué)習(xí)地圖找到從一名底層的新員工進(jìn)入企業(yè)開始,直至成為公司高層的學(xué)習(xí)發(fā)展路徑[5]。線上學(xué)習(xí)地圖是以傳統(tǒng)的企業(yè)學(xué)習(xí)地圖為設(shè)計(jì)基礎(chǔ),以學(xué)習(xí)者崗位技能發(fā)展路徑和職業(yè)發(fā)展路徑選擇為主軸而設(shè)計(jì)的一系列線上學(xué)習(xí)活動(dòng),是學(xué)習(xí)者的線上課程學(xué)習(xí)路徑的直接體現(xiàn),線上地圖結(jié)構(gòu)如圖1所示。

圖1 線上學(xué)習(xí)地圖結(jié)構(gòu)

面對(duì)互聯(lián)網(wǎng)上繁多的學(xué)習(xí)資源,學(xué)習(xí)者可以根據(jù)線上學(xué)習(xí)地圖引導(dǎo),快速找到自己的目標(biāo)職業(yè)技能學(xué)習(xí)路徑,并且系統(tǒng)會(huì)根據(jù)學(xué)習(xí)者興趣、知識(shí)水平和學(xué)習(xí)能力等個(gè)性特征為其推薦個(gè)性化課程資源,從而實(shí)現(xiàn)學(xué)習(xí)者從某職業(yè)領(lǐng)域的初學(xué)者到具備一定職業(yè)能力的技能人才發(fā)展。本研究以職業(yè)學(xué)校開設(shè)的專業(yè)為例,結(jié)合個(gè)性推薦技術(shù)對(duì)線上學(xué)習(xí)地圖進(jìn)行設(shè)計(jì),從而幫助職校學(xué)生或社會(huì)學(xué)習(xí)者對(duì)專業(yè)技能知識(shí)進(jìn)行個(gè)性化學(xué)習(xí)以及對(duì)未來從事職業(yè)崗位的路徑選擇,促進(jìn)線上學(xué)習(xí)資源的充分利用。

1.2 線上學(xué)習(xí)地圖設(shè)計(jì)步驟

線上學(xué)習(xí)地圖的設(shè)計(jì)分為四個(gè)步驟 :技能梳理、能力分析、內(nèi)容設(shè)計(jì)以及地圖繪制。

1)技能梳理。此步驟是對(duì)目標(biāo)專業(yè)所在崗位進(jìn)行整理,列出典型工作任務(wù)并將其所包含的所有技能進(jìn)行提取,整理出不同職級(jí)的主要工作任務(wù)和所需掌握的技能。通過技能梳理,可以理清整個(gè)專業(yè)的主要工種、工作任務(wù)和與之對(duì)應(yīng)的工作技能,從而降低學(xué)習(xí)內(nèi)容的冗余重復(fù)并為整個(gè)學(xué)習(xí)地圖的構(gòu)建提供框架支持。

2)能力分析。此步驟是分析各個(gè)技能所需的知識(shí)與能力要求,根據(jù)第一步分解的職業(yè)技能,參照職業(yè)技能證書與技能大賽的能力標(biāo)準(zhǔn),分析完成此技能所需的能力要求,標(biāo)定每項(xiàng)知識(shí)或能力是“通用”、“專用”或者“銜接”,并且按照初級(jí)、中級(jí)、高級(jí)的劃分設(shè)置能力級(jí)別,建立能力模型。

3)內(nèi)容設(shè)計(jì)。此步驟為線上學(xué)習(xí)地圖建立核心階段,將所建立的能力模型與學(xué)習(xí)課程體系進(jìn)行一一映射,并針對(duì)相應(yīng)的課程體系,利用個(gè)性課程推薦技術(shù),為學(xué)習(xí)者進(jìn)行相應(yīng)目標(biāo)內(nèi)容的課程資源推薦。

4)地圖繪制。匯總所有的學(xué)習(xí)內(nèi)容,根據(jù)學(xué)習(xí)者不同的技能發(fā)展路徑要求,將學(xué)習(xí)課程劃分為基礎(chǔ)課程、銜接課程、職業(yè)核心課程,其中基礎(chǔ)課程是所有技能的學(xué)習(xí)支撐,銜接課程是技能水平從初級(jí)到中級(jí)再到高級(jí)之間的過渡,職業(yè)核心課程是以每個(gè)級(jí)別中需要掌握的核心技能作為主要能力目標(biāo)。至此,形成清晰完整的專業(yè)線上學(xué)習(xí)地圖。

2 基于分層推薦算法的個(gè)性化課程生成

2.1 個(gè)性化課程生成框架

推薦技術(shù)主要有基于內(nèi)容推薦技術(shù)和協(xié)同過濾推薦技術(shù)兩類,兩類推薦技術(shù)都有各自的優(yōu)缺點(diǎn)[5]?，F(xiàn)有的課程推薦方法是結(jié)合學(xué)習(xí)者的學(xué)習(xí)目標(biāo)、興趣、瀏覽習(xí)慣等個(gè)性特征,為其推薦個(gè)性化學(xué)習(xí)資源,并應(yīng)用課程編列技術(shù)生成個(gè)性課程[2]。在實(shí)際學(xué)習(xí)中,課程內(nèi)容需要符合學(xué)習(xí)者的知識(shí)水平和學(xué)習(xí)能力,單純的基于內(nèi)容或者基于用戶的課程生成無法滿足要求。本文根據(jù)學(xué)習(xí)者的興趣、目標(biāo)、知識(shí)水平、學(xué)習(xí)能力等學(xué)習(xí)特點(diǎn),根據(jù)以上兩類推薦技術(shù)的特點(diǎn),提出一種基于學(xué)習(xí)對(duì)象知識(shí)結(jié)構(gòu)和用戶個(gè)性特征的分層混合算法。首先基于構(gòu)建的學(xué)習(xí)地圖,利用推薦技術(shù),從知識(shí)庫(kù)中提取符合學(xué)習(xí)地圖的課程,再根據(jù)學(xué)習(xí)者的個(gè)人信息特征生成個(gè)性化課程,個(gè)性推薦系統(tǒng)框架如圖2所示。

圖2 個(gè)性推薦系統(tǒng)框架

2.2 個(gè)性化課程生成概念模型

2.2.1建立學(xué)習(xí)者模型學(xué)習(xí)者參與由領(lǐng)域?qū)＜以O(shè)計(jì)的包含課程學(xué)習(xí)所需預(yù)備知識(shí)的學(xué)前測(cè)試,并由系統(tǒng)收集數(shù)據(jù)、分析并計(jì)算評(píng)估知識(shí)水平和學(xué)習(xí)能力,生成用戶-對(duì)象評(píng)分矩陣Rij、學(xué)習(xí)者的知識(shí)矩陣Q和能力矩陣B,其中Rij表示用戶i對(duì)學(xué)習(xí)對(duì)象j的評(píng)分。設(shè)課程的知識(shí)結(jié)構(gòu)中的概念集為C=(c1,c2,…,cn),分別為每個(gè)概念ci定義相應(yīng)的特征向量(si,bi,oi)。其中si表示學(xué)習(xí)者學(xué)習(xí)概念ci的得分;bi表示學(xué)習(xí)者學(xué)習(xí)概念ci的學(xué)習(xí)能力評(píng)估;oi表示學(xué)習(xí)者對(duì)概念ci的學(xué)習(xí)目標(biāo)。得到學(xué)習(xí)者個(gè)性特征模型(Personalized Learning Profile,PLP),用N維特征向量表示為:

PLP=(C,S,B,O)=((c1,s1,b1,o1),

(c2,s2,b2,o2),…,(cn,sn,bn,on))

2.2.2建立學(xué)習(xí)對(duì)象模型基于用戶興趣對(duì)資源庫(kù)進(jìn)行篩選,采用Pearson相似度計(jì)算用戶u與用戶v之間的相似度sim(u,v),選擇最相似的k個(gè)用戶作為最近鄰居集N。對(duì)于目標(biāo)用戶u未做評(píng)分的學(xué)習(xí)對(duì)象i,用下式進(jìn)行預(yù)測(cè):

其中Pu,i表示目標(biāo)用戶u對(duì)于未評(píng)分對(duì)象i的預(yù)測(cè)評(píng)分,Nu表示用戶u的鄰居用戶集。

使用TF-IDF方法[7]抽取與學(xué)習(xí)者目標(biāo)中包含的概念子集相關(guān)聯(lián)的興趣資源子集。設(shè)課程只是結(jié)構(gòu)中的概念集為C=(c1,c2,…,cn),興趣資源庫(kù)中所有對(duì)象的集合為R=(r1,r2,…,rm),第i個(gè)學(xué)習(xí)對(duì)象ri與第k個(gè)概念ck之間關(guān)系系數(shù)用下式計(jì)算:

其中vik表示第k個(gè)概念在第i個(gè)學(xué)習(xí)對(duì)象中的權(quán)值;tfik表示概念k在學(xué)習(xí)對(duì)象i中的頻度;M表示學(xué)習(xí)對(duì)象總數(shù);dfik表示概念k在課程中的頻度。得到課程中M個(gè)學(xué)習(xí)對(duì)象與N個(gè)概念的索引矩陣為:

用下式計(jì)算任意兩學(xué)習(xí)對(duì)象之間的余弦值度量,得到課程中m個(gè)學(xué)習(xí)對(duì)象之間的關(guān)聯(lián)度矩陣L。

2.3 分層混合推薦算法流程

2.3.1從系統(tǒng)知識(shí)庫(kù)中提取某課程知識(shí)結(jié)構(gòu)用KD={C,R}表示系統(tǒng)知識(shí)庫(kù)中的概念和關(guān)系,其中C是概念集合,R是概念間的約束關(guān)系集合,設(shè)‖C‖=N,則C=(c1,c2,…,cN)。將學(xué)習(xí)地圖中學(xué)習(xí)內(nèi)容根據(jù)一定格式分成M個(gè)記錄并形成文檔,記為:D=(d1,d2,…,dm),使用TF-DIF權(quán)重度量法計(jì)算特征概念cj相對(duì)應(yīng)文檔di的TF-DIF權(quán)重wij,計(jì)算特征概念cj在整個(gè)學(xué)習(xí)內(nèi)容D中的權(quán)值并設(shè)定閾值d,選取子集C′,基于該子集從關(guān)系知識(shí)庫(kù)中求得關(guān)系R的子集R′,從而構(gòu)成目標(biāo)課程的知識(shí)結(jié)構(gòu):KD′={C′,R′},其中

C′={cj|Dcj≥d,1≤j≤N,cj∈C}

R′={r|r=〈ci,cj〉,ci∈C′,cj∈C′,

1≤i,j≤N,r∈R}

2.3.2針對(duì)學(xué)習(xí)者特征生成個(gè)性化知識(shí)結(jié)構(gòu)根據(jù)約束關(guān)系集合R′求C′的所有可能拓?fù)渑判蛐蛄屑螩i,并基于用戶u的知識(shí)特征Su和目標(biāo)特征Ou篩選出用戶可以繼續(xù)學(xué)習(xí)的概念序列集Ci′。取其特定長(zhǎng)度的字串Cu,使用絕對(duì)能力偏差(見下式)來衡量該字串用戶能力Bu與該字串難度系數(shù)Difu之間的偏差,絕對(duì)能力偏差值越小,該概念字串與用戶適應(yīng)性越強(qiáng)。

在關(guān)系集合R′中求出基于概念序列Cu的關(guān)系子集Ru,得到了個(gè)性知識(shí)結(jié)構(gòu)KDu={Cu,Ru}。其中Ru={r|r=〈cj,ck〉,cj,ck∈Cu,r∈R′}。

2.3.3基于用戶個(gè)性特征的學(xué)習(xí)對(duì)象選擇根據(jù)學(xué)習(xí)對(duì)象資源合集L中的每個(gè)學(xué)習(xí)對(duì)象ri與用戶特征概念集Cu中p個(gè)概念之間生成關(guān)聯(lián)關(guān)系向量,表示為:riu=(vi1u,vi2u,…,vipu),生成包含目標(biāo)概念的學(xué)習(xí)對(duì)象集合L′,L′={ri|ri∈L,riu∈L′,ηipu≠0},使用下式計(jì)算學(xué)習(xí)對(duì)象ri與概念集合Cu的關(guān)聯(lián)度,使學(xué)習(xí)對(duì)象集合中的每個(gè)學(xué)習(xí)對(duì)象用于支持Cu中至少一個(gè)概念學(xué)習(xí)。

基于用戶的能力特征與目標(biāo)特征進(jìn)一步過濾生成學(xué)習(xí)對(duì)象集,得到適應(yīng)概念集Cu又符合學(xué)習(xí)者個(gè)性特征的學(xué)習(xí)對(duì)象集合。將過濾得到的學(xué)習(xí)對(duì)象集合與學(xué)習(xí)者特征知識(shí)結(jié)構(gòu)進(jìn)行匹配,最后得到符合用戶的個(gè)性特征的課程集。

3 基于個(gè)性課程推薦技術(shù)的線上學(xué)習(xí)地圖設(shè)計(jì)

對(duì)于線上學(xué)習(xí)地圖構(gòu)建來說,要按照技能人才成長(zhǎng)成才的培養(yǎng)規(guī)律,以職業(yè)發(fā)展為主線,以能力提升為目標(biāo),將學(xué)習(xí)內(nèi)容整合[9]。例如在數(shù)控技術(shù)專業(yè)學(xué)習(xí)地圖中,按照設(shè)計(jì)步驟,需要對(duì)數(shù)控專業(yè)的崗位進(jìn)行梳理,提取崗位工種和對(duì)應(yīng)典型工作任務(wù),根據(jù)崗位要求分析其中技能要素,從而建立技能模型。根據(jù)學(xué)習(xí)者的特征和需求,利用個(gè)性推薦技術(shù),結(jié)合海量的線上課程資源,實(shí)現(xiàn)個(gè)性化課程內(nèi)容的推薦。最后匯總內(nèi)容,按照技能發(fā)展路徑形成學(xué)習(xí)地圖。實(shí)現(xiàn)學(xué)生從課程到崗位,學(xué)習(xí)到就業(yè)的有效銜接,從而使學(xué)習(xí)者找到自己的職業(yè)能力提升方向。

3.1 崗位梳理

本文以數(shù)控技術(shù)專業(yè)為例,對(duì)該專業(yè)崗位技能進(jìn)行調(diào)研,并結(jié)合高職院校該專業(yè)的培養(yǎng)目標(biāo)分析該專業(yè)崗位類別、工種與典型工作任務(wù)。數(shù)控技術(shù)專業(yè)面向“數(shù)控加工技術(shù)”及“數(shù)控設(shè)備管理技術(shù)”方向,培養(yǎng)“會(huì)操作、懂工藝、精裝調(diào)”的高素質(zhì)技術(shù)技能人才[10]。目前主要有五類崗位:數(shù)控編程、數(shù)控設(shè)備操作、機(jī)械加工工藝施工、數(shù)控機(jī)床裝配與數(shù)控設(shè)備維修。表1顯示了與各種崗位對(duì)應(yīng)的崗位工種和典型的工作任務(wù)。

表1 數(shù)控專業(yè)方向崗位分布

3.2 技能分析

對(duì)于數(shù)控技術(shù)專業(yè)來說,職業(yè)資格證書包含數(shù)控車床操作工、數(shù)控銑床操作工、數(shù)控加工中心操作工、質(zhì)量檢驗(yàn)員等。教育部出具的專業(yè)教育標(biāo)準(zhǔn)規(guī)定了各專業(yè)對(duì)應(yīng)的“職業(yè)范圍”,根據(jù)專業(yè)及其方向,分別對(duì)應(yīng)1～3個(gè)職業(yè)資格證。另外,各職業(yè)資格證書分為初級(jí)工、中級(jí)技工、高級(jí)技工、工程師、高級(jí)工程師5個(gè)等級(jí)[11]。結(jié)合數(shù)控技術(shù)崗位的典型工作任務(wù),參考職業(yè)技能資格證書等級(jí)標(biāo)準(zhǔn)和職業(yè)技能大賽技能分級(jí)要求,詳細(xì)分析其中的技能點(diǎn),國(guó)家職業(yè)技能分級(jí)標(biāo)準(zhǔn)目前覆蓋了數(shù)控車銑加工、多軸數(shù)控加工、數(shù)控設(shè)備維護(hù)與修理等三個(gè)崗位群[12]。對(duì)三個(gè)崗位群證書所需技能進(jìn)行分析,提取出每個(gè)崗位群的核心崗位技能。以數(shù)控車銑加工為例,將核心工作任務(wù)中需要掌握的技能按照職業(yè)發(fā)展從初級(jí)、中級(jí)到高級(jí)的方式進(jìn)行排列,如表2所示。

表2 數(shù)控車銑加工技能分析

3.3 學(xué)習(xí)內(nèi)容設(shè)計(jì)

根據(jù)上節(jié)的技能分析,對(duì)每個(gè)技能點(diǎn)進(jìn)行課程上的映射,實(shí)現(xiàn)技能知識(shí)與崗位職業(yè)技能和課程學(xué)習(xí)資源的對(duì)應(yīng)。以數(shù)控加工為例,將表2技能點(diǎn)映射到課程體系中,對(duì)職業(yè)核心技能所需的支撐課程進(jìn)行重構(gòu),如圖3所示。

圖3 職業(yè)核心技能對(duì)應(yīng)的課程體系

將圖3中各等級(jí)技能對(duì)應(yīng)的課程內(nèi)容根據(jù)一定的格式形成文檔集合D=(d1,d2,…,dm),使用TF-DIF權(quán)重度量法計(jì)算特征概念相對(duì)應(yīng)文檔的TF-DIF權(quán)重,并在設(shè)定的閾值內(nèi)選取子集C′,基于該子集從關(guān)系知識(shí)庫(kù)中求得關(guān)系R的子集R′,從而構(gòu)成目標(biāo)課程的知識(shí)結(jié)構(gòu)KD′={C′,R′},為后續(xù)向?qū)W習(xí)者推薦個(gè)性化的學(xué)習(xí)內(nèi)容提供課程結(jié)構(gòu)基礎(chǔ)。

3.4 學(xué)習(xí)地圖繪制

匯總所有課程學(xué)習(xí)內(nèi)容,根據(jù)學(xué)習(xí)者不同的專業(yè)發(fā)展方向,將課程內(nèi)容分為職業(yè)基礎(chǔ)課程、銜接課程與職業(yè)核心課程三類,不同類型的課程由若干門課程組成,其中職業(yè)基礎(chǔ)課程是該專業(yè)的支撐課程,是該專業(yè)所有方向后續(xù)學(xué)習(xí)的基礎(chǔ)。銜接課程主要在不同等級(jí)之間起過渡作用,為下一級(jí)的學(xué)習(xí)打下堅(jiān)實(shí)的知識(shí)基礎(chǔ)。職業(yè)核心課程以每個(gè)等級(jí)的核心技能作為主要載體,以學(xué)習(xí)者勝任崗位能力為目標(biāo)進(jìn)行設(shè)置。將所有課程內(nèi)容按照學(xué)習(xí)者的職業(yè)能力發(fā)展順序形成路徑,這樣,清晰完整的線上學(xué)習(xí)地圖就繪制完成,如圖4所示。

圖4 數(shù)控專業(yè)線上學(xué)習(xí)地圖框架

4 結(jié)束語

本文提出的基于個(gè)性推薦技術(shù)的線上學(xué)習(xí)地圖,是以分層混合推薦算法為基礎(chǔ),借鑒企業(yè)員工培訓(xùn)做法,同時(shí)結(jié)合職業(yè)教育“崗課賽證”融通模式,設(shè)計(jì)的一種基于職業(yè)技能發(fā)展的線上學(xué)習(xí)輔助工具。該地圖充分挖掘?qū)W習(xí)者的個(gè)性特征和職業(yè)發(fā)展需求,解決了學(xué)習(xí)者在線學(xué)習(xí)時(shí)面臨的信息迷航和信息過載,可以充分利用互聯(lián)網(wǎng)上的課程學(xué)習(xí)資源,具有很好的應(yīng)用價(jià)值。下一步,將引入知識(shí)圖譜技術(shù),對(duì)線上課程資源進(jìn)行知識(shí)體系和知識(shí)點(diǎn)之間的關(guān)聯(lián)建模,進(jìn)一步完善學(xué)習(xí)地圖的課程推薦功能,從而更好地幫助學(xué)習(xí)者開展線上個(gè)性化學(xué)習(xí)。同時(shí),學(xué)習(xí)地圖也將成為“互聯(lián)網(wǎng)+教育”時(shí)代網(wǎng)絡(luò)學(xué)習(xí)平臺(tái)的門戶和搜索引擎,幫助學(xué)習(xí)者量身訂做符合自身需求的學(xué)習(xí)資源和課程。