個性化學習資源精準推薦系統(tǒng)設計研究

李斌　孫經(jīng)緯

摘要：隨著我國教育信息化進程的不斷推進，學習者獲取學習資源的方式逐漸從主動檢索轉(zhuǎn)變?yōu)閷W習系統(tǒng)自動推薦。智能化的學習內(nèi)容推薦行為極大地提高了用戶獲取個性化資源的效率，但是內(nèi)容推薦在教育領(lǐng)域中的應用仍存在著許多方面的不足。該研究分析了推薦系統(tǒng)在教育領(lǐng)域中的應用現(xiàn)狀，介紹了主流的推薦算法及其實現(xiàn)原理，并采用混合推薦模式和不同的推薦策略，設計出個性化學習資源精準推薦系統(tǒng)的系統(tǒng)模型，以期助力學習者的個性化學習。

關(guān)鍵詞：精準推薦;個性化學習資源;推薦算法;教育大數(shù)據(jù)

中圖分類號：TP311? ? ? 文獻標識碼：A

文章編號：1009-3044（2020）02-0057-02

1 學習資源推薦系統(tǒng)的現(xiàn)狀

1.1 教育領(lǐng)域中缺少高質(zhì)量的資源推薦應用

以“淘寶”“今日頭條”等商業(yè)應用為代表的個性化內(nèi)容推薦軟件已經(jīng)廣為人知，但是內(nèi)容推薦在教育領(lǐng)域中的發(fā)展與應用則顯得相對緩慢。一方面，教育應用軟件的設計人員對學習者獲取學習資源方式的認識不足，許多學習平臺的學習資源獲取仍然依靠學習者自主檢索和教學者分發(fā)學習材料，教育大數(shù)據(jù)所帶來的技術(shù)優(yōu)勢沒有得到很好地發(fā)揮;另一方面，盈利機構(gòu)為了搶占市場，往往通過活動推廣等營銷手段吸引用戶。但是，這類內(nèi)容推薦平臺因為推薦功能不成熟、系統(tǒng)設計不合理而逐漸被使用者放棄。

1.2 學習資源出現(xiàn)“內(nèi)孤島化”現(xiàn)象

教育大數(shù)據(jù)時代，“信息孤島”在一定程度上得到緩解，但是這種現(xiàn)象并沒有得到完全的消除。學習資源的“內(nèi)孤島化”現(xiàn)象隨著資源數(shù)量的劇增，反而呈現(xiàn)出加劇的狀況。有學者認為，“內(nèi)孤島化”的實質(zhì)是信息資源（尤其是邏輯上的）碎片化，化解信息資源的“內(nèi)孤島化”的問題在于信息資源的再整合[1]。目前國內(nèi)的學習資源推薦系統(tǒng)，往往過于注重學習資源的網(wǎng)絡化，而忽略了邏輯上相關(guān)的學習資源的聯(lián)系建設。大量的學習資源零散地分布在系統(tǒng)平臺里面，導致了在學習系統(tǒng)在進行個性化資源推薦的過程中，存在內(nèi)在聯(lián)系的學習內(nèi)容無法形成合力，學習者獲取的資源往往是零散的、碎片化的。

1.3 單一的推薦策略和推薦算法可能使用戶深陷“信息繭房”

基于用戶偏好的推送行為，往往更關(guān)注用戶偏好的內(nèi)容而非用戶實際所需要的內(nèi)容。凱斯·桑斯坦在《信息烏托邦：眾人如何生產(chǎn)知識》中提出“信息繭房”的概念，指的是“信息傳播中，因公眾自身的信息需求并非全方位的，公眾只注意自己選擇的東西和使自己愉悅的通訊領(lǐng)域，久而久之，會將自身桎梏于像蠶繭一般的‘繭房里”[2]。以內(nèi)容推薦算法為代表的推送方法，雖然可以實現(xiàn)用戶偏好內(nèi)容的推薦，但是無法確保用戶獲取到的內(nèi)容是否對其個性化學習具有積極的作用。同時，推薦系統(tǒng)在采用單一推薦策略的情況下，一旦缺乏了教學者的監(jiān)管，學習者只關(guān)注于自身偏好的學習內(nèi)容，用戶的學習路線越走越偏，這樣“不精準”的推薦行為對學習者有害而無益。

2 推薦算法實現(xiàn)原理及比較

目前，在內(nèi)容推薦平臺應用模型比較成熟的推薦算法有基于內(nèi)容推薦算法、基于用戶的協(xié)同過濾算法和基于關(guān)聯(lián)規(guī)則的推薦算法。三種推薦算法在內(nèi)容推薦系統(tǒng)中的實現(xiàn)原理各有不同，我們應該根據(jù)情況來進行選擇和使用。

基于內(nèi)容推薦算法，是指推薦系統(tǒng)根據(jù)學習者的瀏覽記錄和資源使用記錄等用戶行為數(shù)據(jù)，計算出學習者的資源使用偏好，并優(yōu)先向?qū)W習者推薦符合其資源偏好特征的學習內(nèi)容。

基于用戶的協(xié)同過濾推薦算法，是指推薦系統(tǒng)把興趣偏好相類似的用戶劃分到同一群體里面，當某一學習者屬于該群體中的成員時，推薦系統(tǒng)會向該學習者推薦群體中其他用戶偏好的并且該學習者沒有使用過的學習資源。

基于關(guān)聯(lián)規(guī)則推薦算法，該算法來源于美國沃爾瑪超市的“啤酒和尿布”案例，意指表面上沒有關(guān)聯(lián)的兩種物品，在背后存在著隱藏的相關(guān)性。在學習資源推薦系統(tǒng)里面，不同的用戶頻繁地使用了兩種看似無相關(guān)的學習內(nèi)容，那么這兩種學習資源之間具有潛在的關(guān)聯(lián)規(guī)則，推薦系統(tǒng)根據(jù)一定的關(guān)聯(lián)規(guī)則將頻繁集項（或頻繁同時出現(xiàn)在使用列表中）的學習資源推薦給學習者。

在實際應用當中，單一的推薦算法往往無法實現(xiàn)學習內(nèi)容的全面的、精準的推送，所以無論是商業(yè)領(lǐng)域還是教育領(lǐng)域，往往采用多種推薦算法結(jié)合的混合推送。精準在于算法，看似表現(xiàn)“非凡”的算法實際還不夠“聰明”，目前完善的辦法是多種算法組合，關(guān)聯(lián)更大數(shù)據(jù)[3]。不同的推薦算法之間存在差異，本文中介紹的三種推薦算法的比較，如下表1所示：

3 個性化學習資源精準推送系統(tǒng)設計

個性化學習資源精準推薦的實現(xiàn)，離不開多種推薦算法的合力，同時也離不開學習者操作行為數(shù)據(jù)的支撐。在軟件工程領(lǐng)域，程序常常被認為是數(shù)據(jù)結(jié)構(gòu)和算法的有機結(jié)合。同樣地，一個精準的學習資源推薦系統(tǒng)，對學習者產(chǎn)生的操作為行數(shù)據(jù)的處理和應用，以及對推薦算法的選擇至關(guān)重要。

本研究以微信小程序平臺為依托，在充分發(fā)揮微信平臺“用戶群體龐大”“用戶活躍度高”等優(yōu)勢的同時，通過采用混合推薦的方法和不同推薦策略的結(jié)合，設計出基于數(shù)據(jù)驅(qū)動的個性化學習資源精準推送系統(tǒng)模型，詳細的推薦系統(tǒng)模型如圖1所示：

從系統(tǒng)架構(gòu)的角度來看，該系統(tǒng)可以分為表現(xiàn)層、業(yè)務邏輯層和數(shù)據(jù)訪問層。在表現(xiàn)層中，主要負責的是向用戶呈現(xiàn)推薦學習資源推薦系統(tǒng)（微信小程序）的交互界面，如提供用戶授權(quán)登錄、用戶數(shù)據(jù)的輸入、學習資源的使用等界面;而業(yè)務邏輯層主要處理數(shù)據(jù)訪問層和表現(xiàn)層之間的邏輯，它包括了學習行為數(shù)據(jù)的采集、學習行為分析以及學習資源的推薦;數(shù)據(jù)訪問層主要負責存儲數(shù)據(jù)，它包括了用戶的基本數(shù)據(jù)存儲、學習資源存儲以及學習行為記錄存儲等方面。

從推薦算法的角度來看，該系統(tǒng)采用基于內(nèi)容的推薦、基于用戶的協(xié)同過濾推薦和基于關(guān)聯(lián)規(guī)則推薦三種推薦算法混合推薦。一方面，多種推薦算法的組合使用既能解決用戶協(xié)同過濾算法的“冷啟動”問題，同時還能有效地減少學習者在使用學習資源的過程中對偏好資源的依賴。推薦系統(tǒng)向用戶推薦的資源不僅僅有學習者偏好的，同時也有學習者“不是十分偏好的，有助于學習者進步的”學習資源，從而避免學習者深陷“信息繭房”之中;另一方面，不同推薦算法有各自的優(yōu)勢和劣勢，通過多種推薦算法進行恰當?shù)恼希瓤梢允沟脤W習資源推薦方式的靈活多樣，同時也確保了用戶能夠得到更加全面的學習內(nèi)容。兼顧了學習者對學習資源的“用戶偏好”和“切實需求”兩大方面，極大地提升了資源推薦系統(tǒng)的精準性。

從推薦策略的角度來看，該系統(tǒng)包括了推薦系統(tǒng)自動推薦、教師引導推薦和學習者個體定制三種推薦策略。其中學習者個體定制策略的個性化學習程度最高，推薦系統(tǒng)自動推薦的個性化學習程度較高，教師引導推薦的個性化學習程度中等[4]。教師根據(jù)不同學習者自身的學習情況，向?qū)W習者推薦相關(guān)的學習資源，有利于發(fā)揮教師的監(jiān)督作用和引導作用;推薦系統(tǒng)根據(jù)學習者對學習資源的使用情況，包括學習者對資源的類型偏好、學習者對章節(jié)知識點的掌握情況，為學習者提供“用戶偏好”的和“確切需要”的學習內(nèi)容;在學習者個體定制策略方面，推薦系統(tǒng)提供了不同的標簽，用戶可以對自己感興趣的標簽進行訂閱操作，推薦系統(tǒng)會根據(jù)學習者的訂閱情況向其推薦訂閱標簽相關(guān)聯(lián)的學習內(nèi)容。

個性化學習資源精準推薦系統(tǒng)的功能實現(xiàn)，需要推薦算法、推薦策略、用戶特征數(shù)據(jù)庫和學習資源數(shù)據(jù)庫等組成要素的有機結(jié)合。學習者通過使用推薦系統(tǒng)，在授權(quán)登錄和用戶注冊的過程中生產(chǎn)了最原始的用戶特征數(shù)據(jù)，隨著用戶數(shù)量的增加和用戶使用推薦系統(tǒng)時長的累積，用戶特征數(shù)據(jù)庫變得越來越完善。推薦系統(tǒng)既可以根據(jù)學習者對資源的“收藏”“頻繁使用”等行為數(shù)據(jù)向?qū)W習者推薦“偏好資源”，也可以根據(jù)相類似的學習者群體通過用戶協(xié)同過濾的方法為學習者提供學習資源，還可以根據(jù)學習者的錯題情況及時地向?qū)W習者推薦補救性學習資源。在推薦方式多樣化、推薦內(nèi)容精準化的系統(tǒng)中，教師充當引導者和學習資源的建設者的角色，以學習者為中心的個性化學習得到強有力的支持，有效地促進了學習者的個性化學習。

4 結(jié)束語

本研究分析了學習資源系統(tǒng)的應用現(xiàn)狀，總結(jié)了內(nèi)容推薦系統(tǒng)應用于教育領(lǐng)域中存在的不足，并系統(tǒng)介紹了三種主流的推薦算法以及它們的優(yōu)勢和劣勢。通過采用混合推薦的方法，結(jié)合不同的推薦策略，設計出基于數(shù)據(jù)驅(qū)動的個性化學習資源精準推薦系統(tǒng)。通過實現(xiàn)學習資源的“個性化”“精準化”推薦，促進學習者的個性化學習。

參考文獻：

[1] 趙慧，劉君.以用戶為中心的信息構(gòu)建與網(wǎng)絡治理——信息構(gòu)建理論視野下的政府網(wǎng)站信息資源“去孤島化”研究[J].公共管理學報，2013（1）：128-134.

[2] 梁鋒.信息繭房[J].新聞前哨，2013（1）：87.

[3] 張揮，鄒宇松.信息推送教育應用探析[J].中國教育信息化，2019（10）：94-96.

[4] 孫眾.駱力明，等.數(shù)字教材中個性化學習資源的推送策略與技術(shù)實現(xiàn)[J].電化教育研究，2014，35（9）：64-70.

【通聯(lián)編輯：光文玲】