技术支持下个性化终身学习系统的设计研究

刘红霞，赵 蔚，陈 雷

一、引言

目前信息技术的发展，使信息的发布、传播速度和规模都达到了空前的水平，实现了全球的信息共享与交互。搜索引擎和社会化媒体为学习者带来大量冗余信息，学习者无法快速准确的定位自己需要的信息，最终导致迷航。解决这一问题的首要方式就是要求终身学习者具备最基本的信息筛选和判别能力。现代人生活的快节奏、时间的碎片化等特征直接造成了“浅阅读”的学习习惯，网络信息呈现出碎片化特点，但与此对应的是社会需要个体对知识进行“深加工”。在这样条件与目的相互冲突的前提下，如何将浏览的信息内化为知识，并进行高效的知识管理，是终身学习者需要解决的又一难题。知识是可以传递的，能力却是需要锻炼的。将知识转化为解决实际问题的能力，也是终身学习者面临的最大困境。

终身学习者具有明显的多元特征,首先表现在群体范围广，在终身学习的过程中，需要兼顾具有不同学习能力、学习背景、学习需求、学习习惯的学习者；其次由于信息和知识的更新速度快，需要为处于不同年龄阶段的学习者提供长期持续的学习服务；再次由于学习形式的多元化，包括正式学习、非正式学习和非正规学习等多种形式，每种学习形式都存在各自独特的内在机制；并且在学习方式上，要以学习者为中心，强调学习者的自主学习，培养其解决问题的能力；最后表现在学习者的学习场所和学习时间都呈现出了明显的分散化和多样化的特征。

目前，基于网络的自主学习形式越来越广泛，开放式的个性化学习系统研究应运而生。在这样的背景下，许多研究者意识到个性化推荐技术可以帮助数字化学习系统摆脱效率较低的困境，为数字化学习平台中个性化学习服务的实现提供有力的支撑。

针对如何有效利用技术为终身学习者提供优质的学习服务这一问题，本研究团队确立了一套针对终身学习者个性差异的学习支持服务模式，结合终身学习过程中学习者对“能力”的迫切需求，以“数字化学习”为主要形式和途径，将终身学习者的能力差异、需求差异、个性差异等特征结合起来，以“个性化推荐服务”为主要方式，构建了一个以能力为导向的终身学习个性化推荐系统。

二、能力导向的终身学习

在终身学习的背景下，学习者有更为明确的学习需求，有更广泛的专业能力背景，传统意义上学习目标的确定、学习活动的制定、学习成果的评估等原则远远不能满足终身学习者的需求。而能力导向的学习与终身学习的背景紧密相连，在个人层面，能够提高个人的素质，增强个人的能力，进而实现个人的发展目标。在组织层面，还有利于组织机构的发展，提高和改善组织的绩效，为企业团队带来不菲的价值利益。从社会层面上说，能力导向的学习有利于学习者把知识运用到实践中，促进社会的和谐进步。

本文所涉及的能力代表了知识、理解、技能和才能的动态组合。对于终身学习技术系统来说，从能力的视角对学习过程管理和服务进行探讨，是一种新的尝试，需要我们对这一工作进行全面的系统性研究，总结出一个较为完善的能力导向的终身学习的理论框架。

三、能力导向的终身学习个性化推荐系统

（一）CLLPRS 设计目标

能力导向的学习方式是一种全新的教育理念，在技术支持的终身学习系统中，学习者能力的管理得以实现的关键就在于能力模型的构建。本文构建的能力导向的终身学习个性化推荐系统 （CLLPRS，Competence-oriented Lifelong Learning Personal Recommendation System）是在数字化学习的环境下，面向全民终身学习能力提升的通用框架，将终身学习者的能力差异、需求差异、个性差异等特征结合起来，提供全方位的学习支持服务。

总体来说CLLPRS在学习目标的制定上，不以单纯的知识点的习得为目标，具备领域知识的连贯性，从而帮助学习者能力的持续提升。在学习者的分析上，考虑包括学习能力、学习需求及学习结果等因素。在学习资源的建设上，结合相关的资源描述标准，并依据学习支持服务的理念进行共享和重建，同时对学习资源的种类、层次提出了更高的要求。在评价机制的制定上，与学习目标相结合，合理地适应终身学习者的学习需求及数字化终身学习的相关政策。

（二）CLLPRS 服务机制

技术从出现之时起，就对教育的各个方面体现出了强大的服务性。从最初的传媒观，技术根本性地变革了教育信息的传递过程。随之的工具观，更加明确了技术对教育的附属作用，将学生和学习推到了教育的主体地位，变身为学习效能工具、交流协作工具等等。后期的环境观，则是借助人工智能等方法为学习者营造虚拟的学习情境，将学习视为一种体验性的活动。技术的发展日新月异，不同时期，在不同的教育环境和需求下，技术会表现出不同的侧重点，但无论何时都无法改变技术对教育的强大服务性。在CLLPRS服务机制的设计过程中，以终身学习者为中心，从学习者对数字化学习环境以及学习条件的直接需求出发，我们主要考虑了以下三个方面的核心元素。

1.信息技术环境、方法。数字化学习环境的营造以及学习者学习动机的激励与维持是现阶段数字化学习服务亟待解决的重点课题。CLLPRS中的信息技术环境与方法主要侧重协作学习环境的创设，以及通过评价和反馈的方式辅助学习者进行准确的自我定位，培养其团队协作能力，同时加强学习者的自我认同感。

2.智能机制。社会化媒体、web2.0等技术的兴起，直接推动了学习者由受众到微众的彻底性变革。CLLPRS主要从社会性的视角，利用社会化媒体等方式，加强学习者间的关联性。为学习者智能的推送具有兴趣相同或能力高于我的人，方便学习者间的交流。

3.个性化服务机制。终身学习者在学习过程的各个环节中都呈现出了强烈的多元性特征，为了提供更加适宜的学习资源和学习活动，CLLPRS从人本主义的角度出发，提出 “学习者关怀”的服务理念。具体表现在以时间线和学习路径为主要形式的个性化导航服务、偏好服务、将学习者的背景信息与学习活动匹配的定位服务，以及以教学策略为基础的能力发展规划服务等方面。

（三）CLLPRS 概念模型

在终身学习的环境下，以个性化推荐为目的的概念模型，是一种涉及多个方面的复杂模型，其具体构建的实质是对知识的准确表示，以及学习者能力、行为和偏好的一种精炼描述的具体过程。CLLPRS中核心的概念模型如图1所示，主要涉及五个子系统，分别是学习者模型、学习活动模型、能力差距分析模块、教学策略模块以及系统推荐算法模块。

图1 CLLPRS概念模型

首先，能力差距分析模块将学习者模型中的现有能力水平及学习目标两者进行对比分析，得出学习者的能力差距。再结合学习活动模块中学习活动的知识水平进行匹配，传送给教学策略模块。教学策略模块将能力差距分析的结果信息与学习者模型中个人的学习路径、学习活动模型中的学习负荷联系起来进行符合教育学原理的深入分析。推荐算法模块是CLLPRS的核心组成部分，将教学策略模块、学习者偏好信息、学习活动评价信息、交流协作信息相结合，根据特定算法，为终身学习者制定符合个性特征和需求的能力发展方案。

四、CLLPRS个人能力发展规划设计框架

在CLLPRS中，以学习者的能力需求为切入点，以能力的提升为最终目标。但由于能力是一个抽象的概念，较难进行直接的操作。同时仅针对单一能力的培养不利于学习者综合素质的提升，以及解决真实问题的能力。因此，我们针对学习者的能力需求进行结构分析，将能力与任务之间产生映射，并采用典型任务列表的方式对各项子能力进行直观量化。并通过学习者对任务列表自我执行能力的自评和系统相应信息的采集，即显性和隐性相结合的方式进行学习者初始能力的判定，进而得出任务差距，推送给学习者基于任务的学习方案。学习结果将保存至能力档案，方便下阶段初始能力的判定。图2主要描述了个人能力发展规划设计的主体框架。

第一阶段：学习者能力需求的提交。由于终身学习者具有广泛的学习能力特征，考虑到学习者可能无法准确表达自己的能力需求这一因素，系统为其提供较为直观的能力标签，进行学习者能力需求信息的采集。

图2 个人能力发展规划设计框架

第二阶段：学习者能力差距分析。虽然能力是一个较为抽象的概念，但能力之间的层级等关联关系是确定的。在获取到学习者的能力需求后，对其目标能力的结构进行分析，挖掘出要实现该复杂能力所必须满足的子能力系列。同时将目标能力的子能力序列与典型任务相匹配，呈现给学习者，通过学习者对自我现有能力的主观估计和系统提供的学习者的客观信息两种方式进行能力现状的估计。在这两个阶段的基础上，实现任务的差距分析。

第三阶段：基于任务的学习方案制定。该环节的理论基础主要源于任务驱动的教学设计理念，需要针对不同任务情境设计不同的活动细节。

第四阶段：学习成果的评定。该阶段主要针对学习活动的执行情况，也就是学习结果进行评估和反馈，并将信息记录至学习者能力档案，为后续的能力判定提供精确信息。

五 结束语

本文研究的主体思路是将电子商务领域中的个性化推荐的服务理念，人力资源管理领域中的能力导向的评估思想，引入到终身学习数字化服务体系中，进而构建出一个能力导向的终身学习个性化推荐系统，辅助终身学习者实现个人能力的有效提升。论文在终身学习个性化服务模式的基础上，以构建“可互操作的能力模型”的形式来实现个性化推荐学习系统中能力的评估导向作用，并提出一套针对能力差距的个人能力发展方案，希望能够为我国终身学习数字化学习体系的构建提供一种新的解决思路。

[1]巨瑛梅.终身教育的理论与实践：渊源、演变及现状[D].北京：北京师范大学，1999.

[2]杨银付.《教育规划纲要》的理念与政策创新[J].教育研究，2010(8).

[3]张英奎，张超.能力素质模型在企业人力资源管理中的应用[J].北京化工大学学报(社会科学版),2009(2).

[4]张丹.能力导向的终身学习个性化学习路径的构建研究[D].吉林长春：东北师范大学，2011.

[5]Feng-Hsu Wang.Content Recommendation Based on Education-Contextualized Browsing Events for Web-based Personalized Learning[J].Educational Technology&Society,2008（11）.

[6]Drachsler，Hendrik Hummel，Hans Koper，Rob.personal recommender systems for learners in lifelong learning requirements，techniques and model[J].International Journal of Learning Technology，2008(3).