基于社会性标签的相似学习伙伴推荐系统设计

2012-09-10王红磊

中国教育技术装备 2012年36期

王红磊

南京审计学院人事处南京 211815

作者：王红磊，研究实习员，研究方向为教育信息化、高等教育管理、网络化教育。

1 前言

“独学而无友”，“燕朋逆其师”，学习伙伴对学习者的重要性是不言而喻的。教育深受外在环境的影响，是社会化的合力。只有通过学习者相互观察、相互学习，知识才能得到有效传播，“受教育”才能得到有效产出，从一个侧面也佐证了“班级授课制”经久不衰的传奇。

随着现代教育技术的研究和发展，以信息技术的广泛应用为特征的教育信息化已成为当今教育改革和发展的“制高点”和“突破口”。《国家中长期教育改革和发展规划纲要（2010—2020年）》指出，“信息技术对教育发展具有革命性的影响”，教育信息化将成为今后十年中国教育改革发展的强大杠杆[1]。教育信息化引起学习环境、学习方式的新变化，使传统的班级集体授课方式似乎已成为现代教育方法中的一种“末位选择”，新兴的网络化教育正以其独特魅力登上教育的舞台。在新的教学方式——网络化教学中，学习者与施教者、不同学习者之间可以在时空不对等的环境下进行学习和发布资源，同时享受到自定步调、自主学习等现代学习观所推崇的学习优点，所以一时间网络化教学成为教育界和教育技术学界众多专家和学者研究的“焦点”。一般来说，网络学习需要由多媒体网络学习资源、网上学习社区及网络技术平台构成的全新的网络学习环境，所以在这个网络学习环境中，人们需要创建一个高度综合、集成的资源库，这个资源库必须囊括大量的数据文件、档案资料、软件程序等丰富的教学、学习资源。

然而，随着学习资源越来越丰富，学习者通过搜索能查到“适合”自己的资源却越来越难，在学习者学习的过程中，“信息过载”和“信息迷向”现象频频发生。社会学家奥林·克拉普（Orrin E. Klapp）曾就信息过载和由此而引起的厌烦问题做过深入讨论。他认为，信息过载不仅是信息量的增加，而且会引起信息降级。“当人们被铺天盖地的信息淹没，他们就对这些形式的交流产生了免疫力。作为代替，他们向生活中自己尊敬的人、仰慕的人和信任的人征询意见，从他们那里获取信息。”[2]在网络化学习环境中，由新技术、新环境带来的学习“兴奋”后的“孤独情绪”，信息过载现象而引起的学习者厌烦、无所适从的“心理焦虑”状态已屡见不鲜，他们极其渴望能寻找到某些“朋友”“专家”“同行”，希望从他们那里得到合适的资源。

通过对真实学习环境的调查发现，学习者对自己的学习伙伴有着个性化的选择，有效的学习也往往发生在那些学习认知风格、学习背景、学习兴趣相似的学习者群体之间。在网络化学习环境中，由于缺少某种合适有效的技术支持机制，学习者很难发现与自己兴趣或认知风格相近的学习伙伴，“独学而无友”，成为网络化教育诟病的重要原因。

近年来，不乏有研究先驱把电子商务中的个性化推荐方法引入教育技术领域，尝试将推荐系统应用到信息化教育领域中。例如：上海交通大学王志梅通过对平台学习者档案及学习行为研究，提出一种基于多代理的远程协作学习资源推荐机制，引入学习状态评估向量，构建一个供社区学习者共享的，能即时交互和学习的资源推荐平台；华东师范大学余盛爱曾提出基于语义维基的互动学习平台，从本体论出发对学习资源进行特征描述和重新组织，在此基础上建构个性化的在线学习社区，他们从不同视角提出推荐技术在网络化教育中的应用可能性。

（7）严格养护：在混凝土终凝后及时对混凝土进行针对性的保温、保湿养护。在冬季，应采用塑料和棉毡覆盖保温，减少混凝土产生裂缝。对混凝土内细小裂缝的愈合起到了保证作用。

社会学习理论认为榜样的角色特别重要：“榜样和观察者的特征决定观察学习的程度。”[5]“观察者比较容易观察那些与他们自身相似的或者认为是优秀的、热门的和有力的榜样。有依赖性的、自身概念低的或者焦虑的观察者更容易产生模仿行为。”[5]同时它认为强化也是观察学习的重要手段，“强化的可能性或外在的期望会影响个体决定观察谁、观察什么”[5]。

60例自2015年1月—2017年1月收治的肝脏核磁共振检查患者作为分析样本，以护理路径为前提，分为两组。基础组30例，患者男女比18：12，年龄23～80岁，平均（51.52±10.36）岁，文化程度：初中10例，高中9例，大专以上11例。分析组30例，患者男女比19：11，年龄24～80，平均（52.07±10.39）岁，文化程度：初中11例，高中10例，大专以上9例。对比组间数据，不统计学价值。

2 社会性标签与相似学习伙伴

SLRS将学习者分为两种，一种是学习新手，一种是相对意义的学习老手。系统设定其个性化学习资源总量低于10个的学习者称为是学习新手，由于用户使用的标签及保存的资源数目较少，此时对学习者进行相似伙伴推荐将会出现不准确现象，故不对其进行相似伙伴推荐。新手可以浏览资源，添加标签，也可以同其他学习者进行协作和交流。学习老手由于保存了较多的资源和标签信息，在使用系统时，将会得到系统推荐的相似学习伙伴。

另外，涂晓光等使用卷积神经网络在单层CT图像上区分实性结节、部分实性结节、非实性结节也取得了较好的效果[8]。

在本文中，相似学习伙伴是指这样一些用户，他们之间有着相似的关注领域、兴趣点，或者他们对相同资源具有一致或近似的理解或认知。通过社会性标签必定能发现网络学习环境中的相似学习伙伴。

社会性标签作为学习者管理、利用资源的信息组织方式，它包含着丰富的学习者使用资源的行为特征信息。因此，它是分析、研究学习者网络学习行为特征的极有价值的数据源。相比较传统的Web日志挖掘而言，在社会性标签系统中，学习者能够主动参与网络信息资源的组织与获取，其个性化的需求偏好能够较充分地得以体现。从这些信息资源中，学习用户的偏好特征必然更为客观和准确。同时，用户标签行为的本身也具有可挖掘性，用户使用标签的频繁度映射了其对这一类资源的关注程度。

2.出台针对基层统战干部的表彰奖励制度。为保证统战干部对统战对象、统战工作的熟悉度，应鼓励其长期从事基层统战工作。为此，应建立基层统战干部“功勋奖励”机制，可考虑经由中央统战部会同组织人事部门对长期从事基层统战工作并取得成绩的党员干部发放纪念章或勋章，对在统战工作某个领域取得突出成绩的“优秀统战干部”予以单项表彰，并作为统战干部年度考核、评先选优、职级晋升的重要依据。

2017年同方知网营业收入13.73亿元，比2016年增长17.1%，其中包库收入为9.27亿元，镜像站版收入为3.63亿元，流量计费收入约为0.83亿元。万方数据约为4.37亿元。

1）社会性标签体现学习者对资源的理解和认知。在网络学习环境中，学习者查找、利用资源类型各种各样，它可以是文本，也可以是视频、音频、图片等数字媒体形式。一些如图片、电影、音乐等没有明确主题的资源在收藏到学习者个性化资源库时，学习者往往需要基于自己对该资源的理解来添加社会性标签。

雌激素受体拮抗剂对人子宫内膜样癌Ishikawa细胞增殖的影响及可能的作用机制(刘俊江)(7):652

相似度值介于0（完全不相似）和1（完全相似）之间，两个对象越相似，它们的相似度值越大。

3 学习伙伴推荐设计的理论基础

已有研究者尝试借鉴电子商务推荐技术，通过挖掘网络学习者学习特征，帮助学习者发现新的学习资源，取得一定效果。笔者认为这是一种被“商业化”了的行为方式，它低估甚至忽略了学习过程中以人为本的学习理念和教育意义，这种方式只不过是把传统教学中的“满堂灌”照搬成网络化教学中的“资源灌”。从传统的教育教学中不难发现，学习伙伴、同行、榜样作为一种学习资源，一直扮演着非常重要的作用。美国新行为主义心理学家阿伯特·班图拉及其社会学习流派研究了大量的社会学习问题，提出观察学习说、社会认知说和交互决定论，并由此形成颇具影响的社会学习理论。

以“What You See Is What You Get”为核心技术理念的Web2.0社会性标签（Social Tag）技术的出现，为提高个性化推荐服务质量带来新的契机[3]。从教育技术的角度来看，社会性标签带来全新的信息交流与资源分享方式，“包含丰富的用户使用资源的行为特征信息，将成为相关具体研究领域的比较有价值的研究数据源”[4]。

2013年6月从佛山当地种植的“鸿运金钻蔓绿绒”快速繁殖无性系群体中筛选到10 株变异株，与亲本“鸿运金钻蔓绿绒”相比，颜色更加丰富鲜艳。对1 株变异单株进行组织培养快速繁殖、栽培和育种目标性状稳定性观察，结果表明，突变单株易工厂化繁殖、后代性状稳定，综合性状好，符合育种目标，命名为“鸿福金钻蔓绿绒”(表1)。

网络化学习环境本身就是一个社会性很强的学习环境，加之网络资源信息组织的高度复杂性和资源甄别的困难性，造成学习者在网络学习环境中产生困惑和迷茫。在这种状况下，学习者往往倾向于向“专家”“同伴”“榜样”寻求资源，而不是仅仅需要一些物化的“学习资源”，而且对这些学习资源的需求往往也具有挑剔性和选择性。现在的网络学习平台很少考虑学习者的这种需求，造成网络化教育的低效和相关研究者质疑声一片的局面。

4 基于社会性标签相似学习伙伴推荐系统的设计思路

4.1 设计模型

相似学习伙伴推荐系统（Similar Learner Recommendation System，以下简称SLRS）是基于社会性标签技术，结合目前成熟的网络应用程序开发技术，架构出一个在线资源共享平台。在这个平台中，标签关系作为学习者学习特征描述的数据信息，从中挖掘学习者之间相互关系，把具有相同资源需求和偏好的学习者进行相互推荐。图1为SLRS系统架构图。

图1 SLRS设计模型

社会性标签的兴起源于社会性网络服务的应用——Del.icio.us书签服务。1998年，美国人约舒亚·沙科特（Joshua Schachter）在设计网站memepool时，需要链接大量的网络资源，为了能更快捷地找到所需要的资源，于是他在每个链接的后面加上一个“关键词”，作为对这个资源的简单描述。这些“关键词”就是社会性标签的最初雏形。后来，约舒亚重写该数据库并放在互联网上，很快就受到广大网络用户的青睐和众多网站服务商的效仿，社会性标签服务也以其独特的魅力推动Web2.0网络时代到来。

不同的学习者根据自己的理解和认知对学习资源进行描述，添加不同的标签信息。SLRS通过对标签关系挖掘，根据推荐算法形成相似伙伴推荐数据库，再将TOPN相似伙伴推荐给学习者，从而使学习者得到相似的学习伙伴。

4.2 相似度计算

借用情报学领域共现分析技术中的分析思想，做出定义。

定义：若两个用户A、B拥有相同资源Urli,A使用n个标签Tag1、Tag2...Tagn进行标记，B使用m个标签Tag1、Tag2...Tagm标记，其中，有t个标签Tag1、Tag2...Tagt为相同标签，则称Tag1、Tag2...Tagt为A、B的共现标签，这种现象称为标签共现。同时，把标签共现总次数定义为共现强度，记做Strength。标签共现现象见表1。

食品添加剂作为食品工业的重要组成部分，可以说是食品工业的“灵魂”。越是食品工业发达的国家和地区，食品添加剂工业也越发达[1]。然而，近年来一些不法商贩为了谋取私利滥用食品添加剂或者将诸如“三聚氰胺”“吊白块”“瘦肉精”“苏丹红”等非法添加物用于食品生产中[2]，使得食品添加剂在食品工业中应用的安全性受到质疑，同时引起消费者对食品添加剂的误解。一些企业刻意使用“零添加”“不添加”等广告语误导消费者，更加深了社会舆论对食品添加剂的不信任。因此，对于食品类专业的学生而言，科学认识食品添加剂并且规范生产、使用食品添加剂的能力培养则显得至关重要。

为消除高频词的消极影响，采用Jaccard系数计算相似度[6]。Jaccard系数计算公式：

JaccardSim(S,T)=JaccardSim(T,S)=|S,T的交集|/|S,T的并集|

公式中：S代表集合S；T代表集合T。即：A用户与B用户之间的相似度=A与B共现标签数/(A用户的标签数+B用户的标签数-A与B共现标签数)。根据标签共现定义，则用户之间Jaccard系数为：

2）社会性标签使用频度能体现学习者对资源的需求和偏好。现实学习状态表明，不同的学习者对资源的需求和偏好是不同的，如果学习者偏好某类资源，他拥有非常多的此类资源，必将使用较高频度的标签。在社会性网络中，学习者拥有资源的分布状况可以用标签频度来衡量。

图2 SLRS推荐流程图

表1 标签共现现象

4.3 SLRS推荐过程

社会性标签是学习者特征建模的重要内容属性，在存储数据库中，它是一种文本格式的数据，因此SLRS可以统计标签出现次数，同时可对文本特征进行数据挖掘。

要激发孩子参与阅读活动的热情，家长主导下的亲子阅读必须是一个趣味十足且富有意义的活动。除了开展各种形式的阅读活动，家长还要引导孩子进行想象和创造，深入挖掘阅读材料的价值，使亲子阅读变得有趣、有价值、有意义。

如图2所示，SLRS推荐流程描述：1）从数据库中获取学习者USER、标签TAG、资源数据RESOURCE；2）根据标签使用情况，计算每个标签使用频度；3）根据标签使用频度，采用层次聚类算法，对学习者进行初步聚类；4）利用步骤3产生的聚类结果，分析学习者之间的标签共现现象；5）若没有标签共现，直接向学习者推荐聚类后的结果，推荐N个相近邻作为该位学习者的相似学习伙伴；6）若存在标签共现，计算学习者与临近用户的Jaccard相似系数，根据相似系数，推荐N名学习者作为该位学习者的相似学习伙伴。