基于個性化推薦的移動學習模式探究——以高職學生為例

□查英華　朱其慎

基于個性化推薦的移動學習模式探究——以高職學生為例

□查英華朱其慎

移動學習是高等教育以及高等職業(yè)教育的一種新的學習模式，而網(wǎng)絡(luò)學習資源數(shù)量眾多的資源過載問題，使得學習者獲取有效資源的難度加大。文章根據(jù)高職學生的學習特征，建立學生與學習資源之間的二元關(guān)系，利用移動上下文推薦、學習進度預測的算法，構(gòu)建個性化推薦的移動學習模型，使學習者的專業(yè)知識易于擴展和遷移，實現(xiàn)個性化學習。在推薦算法修正和推薦結(jié)果的反饋數(shù)據(jù)優(yōu)化兩個方面提出了模型優(yōu)化的方向。

資源過載；移動上下文推薦；學習進度預測；移動學習模型；個性化學習

移動學習（M-learning）作為一種迅速被人們熟知和應用的學習模式，其核心是利用逐漸成熟的移動通信網(wǎng)絡(luò)技術(shù)和智能移動終端設(shè)備，學生可以隨時隨地獲取數(shù)字化的學習資源，也就是說，移動學習打破了固定時間、固定地點的傳統(tǒng)課堂學習方式，能夠帶給學生一種全新的、情境化的交互式學習體驗。

目前，互聯(lián)網(wǎng)的高速發(fā)展使得開放的在線教育資源激增，智能手機的普及使得學生通過移動網(wǎng)絡(luò)獲取信息更加便捷，但學習者根據(jù)自己的自身學習需要，獲取有價值的信息愈發(fā)困難，帶來嚴重的“移動信息過載”問題，導致在線教育資源利用率和移動學習者用戶體驗受到影響，而針對不同學習者的個性化推薦系統(tǒng)正是緩解“信息過載”的有效手段。本文針對高職學生的特點和“信息過載”的問題，提出了一種基于學生學習過程分析、移動上下文感知的移動學習模型，根據(jù)不同學生的特性推薦移動學習的在線資源，探索一種全新的、適合高職學生的移動學習模式。

一、移動學習概述

近幾年，隨著云計算、網(wǎng)絡(luò)技術(shù)的發(fā)展，在線教學資源呈井噴式增長，主要集中在基礎(chǔ)教育（K-12教育）、職業(yè)技能、高等教育這幾個方面，國內(nèi)外出現(xiàn)了像Coursera、網(wǎng)易云課堂、中國慕課等大型的在線課程學習平臺。在線學習資源的呈現(xiàn)方式也多種多樣，除了各種類型的文本，還有音頻、動畫、視頻等。有調(diào)查發(fā)現(xiàn)，高職學生最喜愛的學習資源是視頻，視頻呈現(xiàn)的效果比枯燥的文字更能吸引眼球，容易接受，使學生學習更輕松。

（一）移動學習的概念

關(guān)于移動學習的概念，維基百科給出的定義是：“移動學習是一種跨越地域限制，充分利用可攜技術(shù)的學習方式”。也就是說，移動學習是一種利用無線移動通信網(wǎng)絡(luò)技術(shù)（如2G/3G/4G、Wi-Fi等）以及無線移動通信設(shè)備（如智能手機、平板電腦等）獲取教育信息、資源和服務(wù)的一種新型學習模式，真正 實 現(xiàn) 了 “Anyone、Anytime、Anywhere、Anystyle （4A）”的自主學習。

（二）移動學習的發(fā)展

早在21世紀初期，歐洲與北美的部分經(jīng)濟發(fā)達國家對移動學習模式產(chǎn)生了濃厚興趣，并先后實施了多個移動學習項目，對移動學習的基礎(chǔ)理論、教學方法、教學對象以及教學模式、交互技術(shù)等進行了初步的探討，如：美國卡內(nèi)基梅隆大學的WirelessAndrew項目、美國加州大學伯克利分校的MobileEducation項目、英國Ultralab實驗室的“M-learning項目”等，這些項目都是運用移動終端設(shè)備PDA為學生提供信息，此階段的移動教育還處于低級階段，移動教育還沒有作為一種真正的教育模式在大學內(nèi)運用［1］。

自2012年以來，隨著智能移動終端設(shè)備的飛速普及，移動學習發(fā)生了巨大乃至顛覆性的變化，最成功的項目當屬風行世界的MOOC（Massive OpenOnlineCourses，大規(guī)模開放在線課程），它是由具有分享、協(xié)作精神的個人或組織發(fā)布在互聯(lián)網(wǎng)的開放課程。MOOC項目具有大規(guī)模的學習資源、大規(guī)模分布式學習伙伴、多樣化的分布式網(wǎng)絡(luò)學習方式、良好的支持服務(wù)、開放性、自組織和社會性等特點，其中最著名的MOOC平臺有：Coursera、edX 和Udacity［2］。MOOC課程與以往的網(wǎng)絡(luò)課程最大的區(qū)別在于：MOOC課程的教學內(nèi)容被細分為小塊，將課程內(nèi)容碎片化，針對知識點錄制短小精美的視頻，課程視頻在5-15分鐘以內(nèi)，更有利于學生隨時隨地的移動學習，并在此過程中內(nèi)嵌問題，使學習過程簡短有趣而高效，同時提供實時討論平臺，便于在線交流。

這些課程平臺大多提供針對Android和iOS的移動應用App，能適配絕大多數(shù)的智能手機屏幕，學生通過智能手機、平板等智能移動設(shè)備即可輕松學習，大大提高了移動學習的用戶體驗。這種新的學習模式帶給學生全新的、情境化的學習體驗，它將教、學、練、評、測、協(xié)作、交流等的完整教學過程通過移動終端實施，學生不僅可以進行隨時隨地的碎片化學習，根據(jù)自己的能力選擇學習單元，定制自己的學習內(nèi)容，還通過在線測驗、作業(yè)等評價學習效果，與世界各個角落的學生組成學習小組，大大提高了學生的學習興趣、自主學習能力和學習效果。

二、高職教育移動學習特征分析

（一）高職教育的特點

高職教育是高等教育的一個重要分支，以培養(yǎng)具有較強動手實踐能力的高素質(zhì)技術(shù)人才為目標，在專業(yè)設(shè)置和專業(yè)教學上強調(diào)技能和實踐能力的培養(yǎng)，知識的應用和實踐更為重要，學習的專業(yè)性也更強。與中學教育相比，高職教育的學習內(nèi)容已不再是文化課而是專業(yè)課，學生根據(jù)所選的專業(yè)進行學習，不僅需要掌握課程知識，還需要培養(yǎng)自身解決專業(yè)領(lǐng)域?qū)嶋H問題的能力，使得高職教育階段的學習模式更應具備自主性、主動性和應用性。

大學是一個半開放的學習環(huán)境，專業(yè)課程的安排形式和學生管理都給高職學生很大的自由度，學生課余可自由支配的時間相對充裕，學生需要通過查閱資料、閱讀專業(yè)書籍等自主學習方式構(gòu)建所學專業(yè)的知識架構(gòu)，沿用中學的學習方法已經(jīng)完全不能適應大學學習。移動學習不僅可以幫助學生有效消化課程知識，使學生的自主學習以及自學能力得到很好的訓練，智能移動終端設(shè)備還可以記錄技能訓練過程的步驟、疑難問題的解決過程，幫助學生課后進一步掌握專業(yè)課程知識［3］。

（二）高職移動學習的應用基礎(chǔ)

隨著國家加大對高職院校的建設(shè)投入，學校校園網(wǎng)特別是無線校園網(wǎng)絡(luò)的覆蓋，以及計算中心、數(shù)據(jù)中心的設(shè)立，為移動學習提供了良好的網(wǎng)絡(luò)、服務(wù)器、存儲等硬件環(huán)境支持。良好的網(wǎng)絡(luò)信號、帶寬和存儲空間使移動學習資源的上傳、下載更為便捷、信息量更大。

目前入學的高職院校學生都是90后，是互聯(lián)網(wǎng)的“原住民”，網(wǎng)絡(luò)是他們生活中必不可少的一部分。調(diào)查表明，90%以上的高職學生擁有智能手機，其它移動設(shè)備的擁有比例也很可觀，他們能熟練使用手機看視頻、玩游戲、聊天和聽音樂，說明大多數(shù)學生可以熟練使用手機等移動設(shè)備上網(wǎng)搜索信息，已具備較好的移動學習條件。

由此可以看出，高職院校已具備了移動學習的硬件條件，高職學生對移動智能終端設(shè)備的熟練運用，也降低了學生進行移動學習的難度。

（三）個性化推薦的必要性

豐富的在線學習資源提供了更多的學習選擇，使學習資源快速增加，這樣難以避免資源質(zhì)量的良莠不齊，對于初學者而言，由于尚未構(gòu)建好自己的專業(yè)知識架構(gòu)，很難找到適合自身興趣愛好的專業(yè)資料。另外，MOOC類的在線學習資源面向所有學習者，只針對課程知識進行設(shè)計，無法考慮學生的專業(yè)結(jié)構(gòu)、學習情況和學習場景，更無法幫助學生制定個性化的學習計劃。這種情況下，基于大數(shù)據(jù)的個性化推薦是一種行之有效的方法。借助強大的數(shù)據(jù)采集、分類和提取技術(shù)，根據(jù)以往的學習數(shù)據(jù)為學生賦予各種“關(guān)鍵詞”，然后再針對這些關(guān)鍵詞推薦內(nèi)容，幫助學生制定學習計劃，提高學習效率，使移動學習更為有效。

三、高職學生個性化推薦的移動學習模型

通過以上分析，根據(jù)高職教育和學習的特點，針對移動學習資源的局限性、多樣性以及涉及知識點多，個性化推薦的移動學習模型的設(shè)計顯得尤為重要和必要。

（一）基于個性化推薦的學習模式

個性化學習是針對學生特定的學習需求、興趣和現(xiàn)有文化背景而推出的學習模式，目標是使學生決定自己的學習計劃、進度和策略。個性化學習的需求早已存在，隨著計算機技術(shù)發(fā)展和推薦算法的不斷實踐，個性化學習項目逐步展開并得到跨越式發(fā)展，如美國德州大學的全教育體驗（TEx，Total EducationalExperience）的移動先行技術(shù)服務(wù)、密歇根大學的E2Coach技術(shù)，都是利用移動技術(shù)為學生提供量身定制的教育內(nèi)容和資源建議等個性化信息，根據(jù)學生的偏好和能力調(diào)整課程［4］。

學習的個性化信息推薦不僅是實現(xiàn)個性化學習的前提，也是緩解“信息過載”的有效手段，通過建立學生與教學資源之間的二元關(guān)系，利用學生的已有的選擇過程或相似關(guān)系挖掘?qū)W生潛在的感興趣的信息，并針對不同的學生特點進行個性化信息推薦。

（二）基于個性化推薦的移動學習模型的基本框架

基于個性化推薦的移動學習模型的基本框架如圖1所示。

圖1　基于個性化推薦的移動學習模型基本框架

1.數(shù)據(jù)采集。個性化推薦的第一步工作是收集與推薦對象相關(guān)的原始數(shù)據(jù)?；趥€性化推薦的移動學習的推薦對象包括學生和教學資源，主要針對這兩個對象進行數(shù)據(jù)收集，如：學生的移動和人口統(tǒng)計學特征、學生-學習空間簽到、學生-學習過程、學生-參與問答等日志信息、教學資源的抓取等。目前還沒有公開的數(shù)據(jù)采集可以采納，學生的基本特征可以從高職院校的教務(wù)系統(tǒng)中獲取，學生的學習習慣和行為的數(shù)據(jù)最初可以通過問卷調(diào)查的方式采集，然后通過網(wǎng)站日志的分析進行反饋，獲取越來越準確的學生學習的特征值樣本。教學資源可以從國家資源庫、MOOC課程網(wǎng)站等進行抓取或獨立收集，存放于校園網(wǎng)的數(shù)據(jù)中心。

2.數(shù)據(jù)預處理。推薦對象的數(shù)據(jù)收集完成之后，需要對數(shù)據(jù)進行一些處理，這是一個數(shù)據(jù)挖掘的過程，處理結(jié)果作為推薦系統(tǒng)的輸入對象。在基于個性化推薦的移動學習模型中主要包括：移動用戶偏好特征，根據(jù)學生-簽到行為日志提取學生對移動網(wǎng)絡(luò)服務(wù)和信息內(nèi)容的偏好信息，構(gòu)建學生和移動網(wǎng)絡(luò)的二維矩陣；教學資源的網(wǎng)絡(luò)數(shù)據(jù)，則是根據(jù)收集的教學資源進行標簽定義、分類，形成教學資源之間關(guān)系的特征值；上下文移動用戶偏好提取，通過挖掘?qū)W生的行為與上下文之間的關(guān)聯(lián)關(guān)系，提取包含上下文的學生的移動用戶偏好；學生的移動社會化網(wǎng)絡(luò)構(gòu)建，通過學生的用戶基本特征、學生移動學習日志和學生-問答日志中的移動社交行為，構(gòu)建其移動社交網(wǎng)絡(luò)［5］。

3.推薦結(jié)果的生成。移動推薦算法是推薦結(jié)果生成的核心部分，移動推薦也可以使用傳統(tǒng)的推薦算法，如：協(xié)同過濾、基于內(nèi)容的推薦、基于關(guān)聯(lián)和預測的推薦等，更需要考慮移動網(wǎng)絡(luò)和學習資源的特殊性，著重生成基于移動上下文推薦、基于學習進度預測的資源推薦，移動上下文推薦可以將學習時間、學習內(nèi)容的關(guān)聯(lián)性等作為上下文信息融入推薦生成過程，提供知識遷移的推薦結(jié)果。多源混合的移動推薦則是根據(jù)學生偏好特征、學習進度、問答頻度、教學內(nèi)容關(guān)聯(lián)性等因素對推薦結(jié)果進行排

序［6-7］。

4.推薦結(jié)果的展示。使用推薦算法獲取推薦結(jié)果后，通過學生的移動學習空間平臺呈現(xiàn)給學生，并結(jié)合學生的學習過程日志、問答日志等顯式反饋和移動上下文等隱式反饋，將抓取或獨立收集的教學資源通過消息推送的方式發(fā)送給學生，實現(xiàn)學生專業(yè)知識的擴展和遷移，并給學生推薦相關(guān)的學習計劃，幫助學生進行知識空間的管理。除此之外，還需要根據(jù)推薦精確度、多樣性等評價指標評價推薦的性能，擴展和改進學生的移動學習空間的功能和推薦的精準度。

隨著網(wǎng)絡(luò)技術(shù)、移動通信技術(shù)的發(fā)展，移動智能設(shè)備已成為人們獲取信息和在線學習的最便捷平臺，這將有利于高職學生接受移動學習的新模式。本文從移動學習的特點、高職學生的專業(yè)學習特性，分析了高職院校開展移動學習的可行性，同時針對“學習資源過載”給學生帶來的資源選擇困難的問題，構(gòu)建了基于個性化推薦的移動學習模型，并對模型的系統(tǒng)架構(gòu)進行了總體分析。整個模型尚需進一步完善和優(yōu)化，完善使用隱式方法準確獲取學生的偏好特征，并隨著時間推移不斷修正推薦算法。根據(jù)學生對推薦結(jié)果的學習反饋數(shù)據(jù)優(yōu)化該學習模型，設(shè)計更人性化的移動學習交互，都是今后重點研究的方向。

［1］王佑鎂，等.近二十年我國移動學習研究現(xiàn)狀與未來趨勢［J］.現(xiàn)代遠程教育研究，2013（1）:49-55.

［2］李云飛，等.移動學習系統(tǒng)及其相關(guān)學習模式［J］.開放教育研究，2012（1）:152-158.

［3］趙愛美.高職學生移動學習的研究與實踐［J］.中國職業(yè)技術(shù)教育，2013（17）:76-79.

［4］尚鮮連，張?zhí)K，牛麗.高職教育背景下的移動虛擬學習社區(qū)模型構(gòu)建研究［J］.當代職業(yè)教育，2014 （11）:7-10.

［5］孟祥武，等.移動推薦系統(tǒng)及其應用［J］.Journalof Software，2013，24（1）.

［6］LiM，OgataH，HouB，etal.Context-awareand PersonalizationMethodinUbiquitousLearning System ［J］.JournalofEducationalTechnology& Society，2013，16（3）:362-373.

［7］LopsP，DeGemmisM，SemeraroG.Contentbasedrecommendersystems:Stateoftheartand trends［M］//Recommendersystemshandbook. SpringerUS，2011:73-105.

責任編輯王國光

查英華（1969－），女，江蘇溧水人，南京工業(yè)職業(yè)技術(shù)學院計算機與軟件學院高級工程師，研究方向為推薦算法、教育信息化；朱其慎（1971－），男，河北棗強人，南京工業(yè)職業(yè)技術(shù)學院計算機與軟件學院副教授，研究方向為物聯(lián)網(wǎng)、高職教育教學。

江蘇省第二期職業(yè)教育教學改革研究課題“云計算環(huán)境下高職學生個性化移動學習模式研究”（編號：ZZZ23），主持人：查英華。

G715

A

1001－7518（2015）23-0057-04