开放学习资源自主聚合研究*

赵 蔚，张赛男，孙 彪 ，李士平

(1.东北师范大学 计算机科学与信息技术学院，吉林 长春 130117；2.吉林财经大学 网络实验中心，吉林 长春 130117；3.武警长春市支队 司令部，吉林 长春 130012)

开放学习资源自主聚合研究*

赵 蔚1，张赛男2，孙 彪3，李士平1

(1.东北师范大学 计算机科学与信息技术学院，吉林 长春 130117；2.吉林财经大学 网络实验中心，吉林 长春 130117；3.武警长春市支队 司令部，吉林 长春 130012)

随着数字化学习资源大量涌现，基于资源的学习越来越受到人们的普遍关注。面对海量的资源，如何有效地聚合自己需要的知识资源，寻找知识资源的出处，获取知识间的关联，构建个人知识网络，满足学习者学习需求，已成为目前国内外学者的研究热点。该文通过对国内外资源聚合现状分析，梳理存在的不足，提出以“学习即知识的连结”为理念，关注学习者个体行为、学习者主动参与，以及学习者共同参与在资源聚合中的重要作用，将研究的重点从资源聚合的技术手段转为资源聚合的方式，将聚合的主体由“系统”转变为“学习者”，依靠“人”本身强大的语义理解与处理能力，聚合开放学习资源，实现了物化资源、人际资源、生成性资源的自主聚合，完成社会化资源网络的构建，并对研究成果进行了功能实现。

集体智慧；开放学习资源；自主聚合

一、引言

随着数字化学习资源大量涌现，基于资源的学习越来越受到人们的普遍关注。联通主义学习理论是新时代科学技术发展的产物，其核心思想认为“学习即知识的连结”。学习不是一个人的活动，而是学习者通过对知识自主选择，主动构建个人内外知识网络的过程，通过不断地与其他学习者、学习环境等交互，从而使学习者个人的内外知识网络得以实时地更新与优化。学习者之间可以通过多种方法建立彼此间的联系，Internet已然成为一个社会化的网络，学习者参与其中，相互交流、共同分享与互动，同时也产生了大量生成性资源。面对海量的学习资源，如何及时有效地聚合自己需要的知识资源，寻找知识资源的出处，获取知识间的关联，构建个人知识网络，满足学习者学习需求，已成为目前国内外学者的研究热点。在国外，英国纽卡斯尔大学主创的Dynamic Learning Maps项目，是利用语义本体(Semantic Ontology)技术，在BlackBoard平台中，将正式课程地图和个人学习档案进行有效结合，实现了以“课程内容为中心”的课程资源有效聚合[1][2]。英国学者Singh探讨了基于社会网络聚合信息的方法，指出基于社会网络聚合信息将是今后学习者与学习者交互，共同解决问题的新范式[3]。韩国学者Nyamsuren和Choi将语义网(Semantic Web)与社会网(Web2.0)联系起来，对Web2.0环境中产生的大量信息资源进行聚合，提出了“基于简约上层本体”的信息聚合策略[4]。美国学者Tom Gruber在语义网环境下，设计开发了“Real Travel”的旅行知识系统，聚合旅游相关信息[5]。在国内，北京师范大学余胜泉团队提出了“学习元”理念，采用KNS 网络方式聚合学习资源，既可以将不同的学习素材聚合成学习元，也可以将不同的学习元聚合成更大结构的学习元或数字课程[6]。清华大学韩锡斌团队依据知识分享理论，讨论了开放教育资源聚合与分享的影响因素[7]。刘军、金淑娜等研究者围绕高校图书馆网络信息资源聚合和共享，从知识管理视角，提出了采用RSS技术进行分类、组织、聚合数字图书馆中的数字化学习资源[8]。熊回香、陈珊等研究者利用Widget易制作的特性，在不同平台和应用之间定义了独立的标准,使之相互兼容，聚合跨平台的学习资源[9]。

虽然目前国内外学者对资源聚合方面已经进行了大量深入地研究，并取得了一定的成果，然而，在资源聚合的研究中，还存在如下方面的问题有待于深入研究。目前的研究主要集中在对传统的数字化资源(即本文中定义的物化资源)的研究，对Web3.0时代产生的人际资源与生成性资源的聚合与分享研究关注甚少；主要关注如何利用RSS、Mashup等技术实现资源的聚合，忽视了“人”的主动参与在资源传播中的重要作用，以及人与人交互产生的集体智慧对资源聚合与分享的影响。

为解决上述问题，本文从联通主义学习观出发，将“学习即知识的连结”理念贯穿学习始终，将开放学习资源界定为物化资源、人际资源、生成性资源三个维度，关注学习者个体行为、学习者主动参与和学习者共同参与在资源聚合中的重要作用，推进开放学习资源聚合这一方向的研究。

二、开放学习资源自主聚合

(一)物化资源自主聚合

物化资源指与学习相关的学习内容。物化资源聚合是指将分散在网络上大量多元的、异构的、无序的学习资源，依据学习者需求，通过学习者主动上传及自动获取的方式汇聚，并按照领域知识模型及资源建设标准，标准化聚合来的资源，为资源的分享提供标准化的资源。

1.物化资源自主聚合方法

本文采用个体聚合与集体聚合相结合，手动聚合与自动聚合相结合的方法聚合开放物化学习资源。

(1)个体聚合与集体聚合相结合

个体聚合是指学习者依据个人需求主动搜索、主动上传相关网络上的物化资源，构建个人知识资源网络。集体聚合是指依据学习者发起的主题，发挥集体智慧和群体智能，由学习群体共同完成资源的建设，具体如图1所示。

图1 物化资源的个体聚合与集体聚合

学习者依据个人学习兴趣需求，主动搜索网络上的开放学习资源，找到认为有用的资源主动上传至资源库中，构建个人知识资源网络。若找不到合适的资源，或找到的资源无法满足其个人学习兴趣需求，还可以创建相关主题，发挥集体智慧和群体力量，号召感兴趣的学习者，组成学习圈，共同完成相关主题建设。在个人层面，完成了个体知识点的学习，丰富了个体知识资源；在集体层面，丰富了资源库的内容。

(2)手动聚合与自动聚合相结合

手动聚合是指学习者手动上传相关学习资源。自动聚合是指运用网络爬虫、RSS等聚合工具聚合学习资源。传统的信息聚合方式大都是专门的信息人员收集，由信息员通过网络或其他媒体介质获取信息，然后将信息发布到网上，并提供检索功能供用户利用[10]。在本文中，平台内嵌ICDL Crawler聚焦爬虫和RSS聚合工具，实现资源跨平台自动聚合。具体如图2所示。

图2 物化资源的手动聚合与自动聚合

(3)基于集体智慧的物化资源审核

聚合来的物化资源，运用集体智慧，通过其他的学习者对其进行评价，判断其是否通过审核。如通过审核，则该资源存储到集体资源库中；如未通过审核，则保存到学习者个体资源库中，由学习者判断其保留或是删除，或修改后重新提交，重新进入审核阶段。具体如下页图3所示。

运用集体智慧审核学习者上传的资源，与参与审核的学习者可信度及其给与评分相关。学习者可信度反映的是学习者对集体建构贡献的程度，学习者创建的资源，资源间关系被其他学习者“引用”“浏览”“好评”的越多，贡献也就越大，该学习者的可信度也就越高。具体计算如公式：

Rit当前时刻t，个体i 的可信度；Rit-1前一时刻t-1个体i的可信度；x为引用权重系数；Q为个体i的个体领域知识模型“被引用”的次数；y为好评权重系数；V为个体i 的个体领域知识模型“被好评”的次数；z为浏览权重系数；L为个体i的个体领域知识模型“被浏览”的次数。

图3 基于集体智慧的物化资源审核

依据公式(1)计算得出参与审核的学习者可信度，设置基于集体智慧的物化资源审核规则。具体规则如下：

a.计算与参与审核的学习者可信度Rit。

b.设置学习者可信度对应评分权重Wi，具体如表1所示。

表1 学习者可信度与资源评分权重对照表

c.计算各维度学习者评价得分Si。

n是为资源打分的人数。

d.计算资源最终得分LSi；完成资源审核。

若资源最终得分LSi大于等于60分，则资源通过审核，资源最终得分LSi小于60分，则资源未通过审核。

2.物化资源的标准化

采用个体聚合与集体聚合相结合，手动聚合与自动聚合相结合的方法聚合开放物化学习资源，实现了将分散的网络资源聚合；基于集体智慧的物化资源审核，保障了聚合资源的质量。然而，网络学习资源是由不同机构采用的不同元数据标准开发的，存在资源的异构性，因此，需要建立统一的标准化的“开放学习资源建设参考规范”，实现将聚合来的开放学习资源进行标准化处理，解决网络物化资源的异构问题。

资源聚合的基础是资源库必须为资源提供元数据，由于开发标准不同存在异构性，需要进行标准化转换，本文参照Dublin Core、IEEE LOM及我国教育信息化技术标准中CELTS-41 和 CELTS-42元数据方案，设计“开放学习资源标准化参考规范”，具体如表2所示。

表2 开放学习资源标准化参考规范

运用该“开放学习资源标准化参考规范”，对目前应用较多的元数据方案IEEE LOM、Dublin Core、CELTS-41、CELTS-42所开发的资源进行映射，通过各学习资源元数据标准与“开放学习资源建设参考规范”间的映射，实现应用各学习资源元数据标准建设的学习资源的标准化处理，在映射过程中可能出现部分元素丢失，但这不影响整个标准化的进行。各元数据标准间元素映射关系具体如表3所示。

表3 元数据标准间元素映射关系表

续表3

3.物化资源的有序化

由于网络物化资源分布在不同的网站，存储在不同的服务器上，因此，网络物化资源存在无序性，要通过学习者上传时手动添加或选择的所属“知识点”与领域知识资源模型中知识节点进行关联，将物化资源定位到相应位置，实现资源的有序化，形成物化资源与知识节点的关联。同时发挥学习者集体智慧，对资源定位进行优化，如图4所示。优化结果与学习者可信度与给予的评价有关。设置基于集体智慧的资源定位优化规则。具体如下：

(1)计算与参与优化的学习者可信度Rit，具体计算见公式(1)；

(2)设置学习者可信度对应评分权重Wi，具体设置如上文表1所示；

(3)计算评价得分Pi；

在物化资源定位中，评价只包含同意或不同意两个维度，因此，评价得分可用一个二元函数Mi表示，具体如下：

然后，计算评价得分Pi。

n是评价的人数。

若最终评价得分LPi大于0分，则该资源定位准确；

若最终评价得分LPi等于0分，则该资源定位准确性不明确，需邀请更多的学习者进行打分；

若最终评价得分LSi小于0分，则该资源定位不准确，需根据学习者建议变更其关联定位位置。

4.物化资源的关联

物化资源的有序化通过资源定位，实现物化资源与领域知识模型中知识点间的关联。以领域知识模型为桥梁，实现物化资源与物化资源间的关联，最终形成与领域模型相关联的物化资源网络，如下页图5所示。

物化资源自主聚合通过个体聚合与集体聚合相结合，手动聚合与自动聚合相结合的方法将开放环境下的物化资源聚合；运用集体智慧对聚合的资源进行审核；利用开放学习资源建设参考规范，完成物化资源标准化，实现各资源标准间的映射；通过资源定位，完成物化资源有序化，实现资源与知识点间的关联；以领域知识模型为桥梁，实现物化资源与物化资源间的关联；最终形成与领域模型相关联的物化资源网络。

图4 物化资源定位

(二)人际资源自主聚合

人际资源指在学习过程中，对学习者学习进程产生影响的人，如助学者、学习伙伴、榜样等。人际网络自主聚合指通过学习者需求及个性特征，组织对学习者学习过程有用的人际资源，聚合成社会人际网络。

图5 物化资源的关联

1.人际资源自主聚合方法

采用手动聚合与自动聚合相结合的方法聚合人际资源。在人际网络中，与学习者相关的人际资源有很多，相关研究表明[11]，对学习者学习进程有影响的人际资源主要有学习伙伴、助学者、学习榜样三类人际资源。

学习伙伴指具有相同兴趣的学习者组成的学习群体。在网络学习环境中，学习者相互独立，缺少对话和情感交流，所以会感到孤独，不利于学习开展。因此，需要建立促进学习者之间交流的同伴学习共同体。

助学者指正在学习某一知识点但知识水平较高的学习者或已经完成了某一知识点学习的学习者。学习者可以在助学者那里得到经验和相关的帮助。

学习榜样加强了学习者之间的沟通，使学习者从榜样身上看到自己的潜能，增强学习者自我效能感，促进学习者学习。鉴于此，本文依据学习者模型个性化地聚合人际资源。

(1)手动添加聚合人际资源

学习者通过在学习过程中与其他学习者的交流，主动搜索、手动添加学习伙伴、助学者及学习榜样。

(2)自动推荐聚合人际资源

1)自动推荐学习伙伴的聚合方法

a.依据学习者模型，判断学习者是否具有相同的学习兴趣，聚合学习兴趣相同的学习者[12]；

b.依据测试行为，判断学习者知识水平是否相近。学习者模型把学习者知识水平，依据布鲁姆的目标分类法可以划分为六个等级，表示为L={0，1,2,3,4,5,6}，其中，“0”表示“完全不知道”。“1-6”表示依据布鲁姆的目标分类划分的(知道、领会、应用、分析、综合、评价)。如当前学习者知识水平为2，则知识水平为1和知识水平为3的学习者，认为是知识水平为2的相似学习者。

c.依据Felder-Silverman 学习风格量表，以及学习者学习行为，判断学习风格是否相同。在学习者模型将学习风格归纳为活跃型与沉思型、感悟型与直觉型、视觉型与言语型、序列型与综合型。

d.如学习风格相同，判断学习偏好是否相似。在学习者模型将学习者学习偏好界定为：相关领域偏好、学习时间偏好、学习策略偏好、学习工具偏好、信息反馈偏好、资源呈现方式偏好。分别用Pa，Pb，Pc，Pd，Pe表示，经过统计计算，偏好相同维度越多的学习者相似度越大。

如图6所示，系统将F={Learning Interest}∩{Cognitive Level}∩{Learning Style}∩{Learning Preference}，优先推荐给目标学习者。其中，F为目标学习者的学习伙伴集合；{Learning Interest}为与目标学习者具有相同学习兴趣的学习者集合；{Cognitive Level}为与目标学习者具有相似学习水平的学习者集合；{Learning Style}为与目标学习者具有相同学习风格的学习者集合；{Learning Preference}为与目标学习者具有相似学习偏好的学习者集合。同时，目标学习者也可以根据个人需要选择聚合条件，如若目标学习者需要与自己学习风格相同的学习者，则F={Learning Interest}；若目标学习者需要与自己学习兴趣相同，且具有相同学习风格的学习者，则F={Learning Interest}∩{Learning Style}。

图6 学习伙伴自动推荐聚合方法

2)自动推荐助学者的聚合方法

a.判断目标学习者是否已完成当前学习者感兴趣的知识，将已完成学习的学习者推荐给当前学习者；

b.若未完成当前学习者感兴趣的知识，判断目标学习者是否正在学习当前学习者感兴趣的知识，若正在学习当前学习者感兴趣的知识，判断目标学习者知识水平，若目标学习者知识水平高于当前学习者，则将目标学习者推荐给当前学习者。

3)自动推荐学习榜样的聚合方法

a.在集体层面，学习知识点数量多，将学习进度快、知识水平高的目标学习者推荐给当前学习者；

b.在个体层面，选择略高于当前学习者的目标学习者(学习者通过努力可达目标学习者)，将其推荐给当前学习者。

2.人际资源与知识点关联

在人际资源与知识点的关联中，通过学习兴趣属性(Interest Knowledge)和已完成的知识点(Completed Knowledge)与领域模型中知识点进行关联，人际资源与领域模型中知识点的关联是“一对多”的关系，即一个学习者可与多个知识点形成关联，具体如图7所示。

3.人际资源与物化资源关联

当学习者进入平台学习，产生学习行为，以物化资源网络为桥梁，实现人际资源与物化资源间的关联。

图7 人际资源与知识点关联

如图8所示，学习者登录平台进行学习，通过上传物化学习资源、学习物化资源、评价物化资源、分享物化资源等操作，与学习资源发生交互，即产生了学习者与物化资源的联系，学习者本身又是人际资源，因此，实现了人际资源与物化资源间的关联。

图8 人际资源与物化资源间的关联

4.人际资源与人际资源间关联

通过人际资源聚合方法，聚合学习伙伴、助学者、学习榜样三类人际资源，实现人际资源与人际资源间关联，如图9所示。

图9 人际资源与人际资源间关联

(三)生成性资源自主聚合

生成性资源指学习者参与学习的过程中，学习者根据各种外在信息，主动地建构自己的知识，并通过网络与其他学习者进行交流，将自己对某一知识的理解和认识发表，形成一种具有学习者个性化特征的资源。生成性资源是网络学习者主体性意识的体现，是学习者在交流、分享、互动时动态产生的资源，如学习路径、学习方案、Web2.0产生的资源等。生成性资源聚合是指将物化资源与人际资源交互的过程中，产生的大量生成性资源按学习者个性化需求聚合。

由于生成性资源指学习者在学习过程中，与学习资源发生交互(添加笔记、评价资源、填写书签等)而产生的一类资源，因此，生成性资源在产生时就与物化资源及人际资源完成了关联，如下页图10所示。

三、社会化知识资源网络形成

经过领域知识模型聚合、物化资源聚合、人际资源聚合及生成性资源聚合，最终形成知识与知识、知识与资源、资源与资源相关联的社会化知识资源网络。

如下页图11所示，由个体领域模型聚合为集体领域模型，实现了知识点与知识点间的关联。在物化资源聚合中，实现了知识点与物化资源、物化资源与物化资源间的关联。在人际资源聚合中，实现知识点与人际资源、物化资源与人际资源、人际资源与人际资源的关联。在生成性资源聚合中，实现了知识点与生成性资源、物化资源与生成性资源、人际资源与生成性资源、生成性资源与生成性资源的关联。

图10 生成性资源与物化资源和人际资源的关联

图11 社会化知识资源网络

如表4所示，通过领域知识模型，建立知识点与知识点间的关联，该关联继承了领域知识模型中所有的关系，即知识点间存在父子、兄弟关系。通过物化资源定位，建立知识点与物化资源的关联，两者是一对多关系，即一个知识点可包含多个物化资源。通过已学知识点、感兴趣知识点、正在学习的知识点等个性特征，建立知识点与人际资源间关联，两者是多对多关系，即一个知识点可包含多个人际资源，一个人际资源拥有多个知识点。生成性资源是人际资源与物化资源交互产生的，因此，继承了知识点与物化资源、知识点与人际资源的关系。

表4 知识点与知识点、物化资源、人际资源、生成性资源关联

续表4

如表5所示，两个物化资源所属相同知识点，则物化资源与物化资源建立关联关系。两个物化资源所属不同知识点，两者通过领域知识模型，继承领域知识模型中先后关系。通过上传资源、学习资源、评价资源等交互，建立物化资源与人际资源关联。生成性资源是人际资源与物化资源交互产生的，因此，可与物化资源直接关联。

表5 物化资源与物化资源、人际资源、生成性资源关联

如表6所示，通过人际资源聚合方法，聚合学习伙伴、助学者、学习榜样三类人际资源，实现人际资源与人际资源自身的关联。生成性资源是人际资源与物化资源交互产生的，因此，可与人际资源直接关联。

表6 人际资源与人际资源、生成性资源关联

如表7所示，两个生成性资源所属相同知识点，则生成性资源与生成性资源建立关联关系。两个生成性资源所属不同知识点，两者通过领域知识模型，继承领域知识模型中先后关系。

表7 生成性资源与生成性资源关联

四、开放学习资源聚合功能模块实现

开放学习资源聚合模块包括物化资源自主聚合模块、人际资源自主聚合模块、生成性资源自主聚合模块，通过这些模块实现知识点、物化资源、人际资源、生成性资源间的关联。

(一)物化资源自主聚合模块

物化资源自主聚合模块，采用个体聚合与集体聚合相结合，手动聚合与自动聚合相结合的方法聚合物化学习资源，形成知识点与资源的关联。

如图12所示，物化资源“概念”“案例”“视频讲解”“应用”“习题”均属于知识点“当型循环”，则实现知识点“当型循环”与物化资源“概念”“案例”“视频讲解”“应用”“习题”的关联。同时，物化资源“概念”“案例”“视频讲解”“应用”“习题”也可以实现这些物化资源彼此间的关联。

图12 物化资源自主聚合模块

(二)人际资源自主聚合模块

人际资源自主聚合模块实现的是人际资源与知识点的聚合，以及人际资源与物化资源的聚合。其中，人际资源与知识点聚合模块，实现人际资源与知识点的关联。人际资源与物化资源聚合模块，实现人际资源与物化资源的关联，以及人际资源自身的关联。

如图13所示，“学习者a”完成了“习题2”的练习，则实现人际资源“学习者a”与物化资源“习题2”的关联；“学习者d”与“学习者e”对相同知识点“分支结构”感兴趣，实现人际资源“学习者d”与人际资源“学习者e”的关联。“学习者j”完成了知识点“程序”的学习，实现人际资源“学习者j”与知识点“程序”的关联。

(三)生成性资源自主聚合模块

生成性资源自主聚合模块，实现了生成性资源与知识点、物化资源、人际资源间的关联。

如图14所示，在知识点“分支结构”中，“学习者a”选择“学习路径1”，实现生成性资源“学习路径1”与知识点“分支结构”及人际资源“学习者a”的关联；“学习者b”添加“书签1”，实现生成性资源“书签1”与人际资源“学习者a”的关联。在知识点“顺序结构”中，学习者f在“视频讲解”中添加了“笔记1”，实现生成性资源“笔记1”与物化资源“视频讲解”及人际资源“学习者f”的关联。在知识点“当型循环”中，学习者e在“案例”中添加了“笔记3”，实现生成性资源“笔记3”与物化资源“案例”以及人际资源“学习者c”的关联。

图13 人际资源自主聚合模块

图14 生成性资源自主聚合模块

五、结束语

本文以“学习即知识的连结”为理念，运用“合作共建”“协同编辑”“共同评价”“大众分类”等充分发挥“集体智慧”的方法，完成了物化资源、人际资源、生成性资源的聚合。其中，在物化资源聚合中，通过采用个体聚合与集体聚合相结合，手动聚合与自动聚合相结合的方法聚合物化资源，通过物化资源与领域知识模型的定位，实现知识点与物化资源间的关联，以领域知识模型为媒介，实现物化资源与物化资源间的关联。在人际资源聚合中，采用手动聚合与自动聚合相结合的方法聚合人际资源。通过人际资源与领域知识模型的定位，实现知识点与人际资源的关联；通过人际资源与物化资源的交互，实现物化资源与人际资源的关联；通过聚合学习伙伴、助学者、学习榜样三类人际资源，实现人际资源与人际资源自身的关联。本文创新了开放学习资源的聚合理念，拓展了开放学习资源的聚合方法，对开放学习资源的聚合研究有重要的借鉴作用。

[1]李士平,赵蔚等.开放学习资源自主聚合与可视化导航之共融——Dynamic Learning Maps项目评析[J].现代教育技术,2013,(9):1-7.

[2]Cotterill S.Dynamic learning Maps Project Proposal [EB/OL].https:learning-maps.ncl.ac.uk/about,2014-01-15.

[3]V.K Singh,R.Jalan,S.K.Chaturvedi.Collective Intelligence Based Computational Approach to Web Intelligence[M].Shanghai:IEEE Computer Society Press,2009.27-31.

[4]T.Segaran.Programming Collective Intelligence:Building Smart Web2.0 Applications[M].Canada:O.Reilly Media Inc Press,2007.

[5]Tom Gruber.C Collective Knowledge Systems:Where the Social Web meets the Semantic Web[J].Journal of Web Semantics,2008,(6):4-13.

[6]余胜泉,杨现民等.泛在学习环境中的学习资源设计与共享——“学习元”的理念与结构[J].开放教育研究,2009,(1):47-53.

[7]韩锡斌,周潜等.基于知识分享理论的开放教育资源共建共享可持续发展机制的研究[J].清华大学教育研究,2013,(3):28-37.

[8]刘军,金淑娜.基于RSS订阅中心的高校图书馆网络信息资源聚合研究[J].图书馆学研究,2013,(19):58-64.

[9]熊回香,陈姗等.基于Web 3.0的个性化信息聚合技术研究[J].情报理论与实践,2011,(8)：95-99.

[10]胡海涛.Folksonomy在网络学习资源管理中的应用研究[D].济南:山东师范大学,2008.

[11]Alexandra I.Cristeaamp;Arnout de Mooij LAOS:Layered WWW AHS Authoring Model and their Corresponding Algebraic Operators [EB/OL].http://www2003.org/cdrom/papers/alternate/P301/p301-cristea.pdf,2015-05-15.

[12]张赛男,赵蔚.面向个人的终身学习服务模式中用户模型的构建研究[J].现代远距离教育,2012,(6):45-50.

赵蔚：博士，教授，博士生导师，研究方向为个性化自适应学习(zhaow577@nenu.edu.cn)。

张赛男：博士，实验师，研究方向为网络个性化学习(120486544@qq.com)。

2015年7月30日

责任编辑：李馨 赵云建

Research on Autonomic Aggregation of Open Learning Resources

Zhao Wei1,Zhang Sainan2,Sun Biao3,Li Shiping1
(1.School of Computer Science and Information Technology,Northeast Normal University,Changchun Jilin 130117;2.Network Experiment Center,Jilin University of Finance and Economics,Changchun Jilin 130117; 3.Command,Chinese People’s Armed Police Detachment of Changchun City,Changchun Jilin 130012)

With the large numbers of digital learning resources,people pay more and more attention to learning resources based on web.People face with massive resources,how to effectively aggregate knowledge resources they need,to fi nd the source of the knowledge resources,to get the relationship of Knowledge,to build personal knowledge network have become a research focus.Based on the situation analysis of resources aggregation and the concept of study is knowledge connecting ,this paper proposes to concern about the important role of the behavior of the individual learner,learner’s active participation,and learners’ participation in resource aggregation,to transfer the focus of research from the technology to the way and the aggregating body from system to learner.Systern rely on personal semantic understanding and processing capabilities,achieve the autonomic aggregation of physical resources,human resources and generative resources,and complete the construction of the social network of resources and the functional implementation of the research.

Collective Intelligence; Open Learning Resources; Autonomic Aggregation

G434

A

1006—9860(2015)11—0036—09

* 本文系教育部人文社会科学研究规划基金项目 “基于知识图谱的开放学习资源自主聚合研究”(项目编号：14YJA880103)、全国教育科学“十二五”规划教育部重点课题“可视化技术支持下学科知识自主学习模型研究”(项目编号：DCA130224)阶段性成果，得到中央高校基本科研业务费专项基金资助。