教育信息资源个性化推荐服务模式研究

2016-03-21刘静熊才平丁继红马佳佳

中国远程教育 2016年2期

刘静++熊才平++丁继红++马佳佳

【摘要】

信息环境下，海量教育信息资源与用户快速获取个性化教育信息资源之间的矛盾日益凸显，导致无处不在的学习演变为无处不在的搜索，学习者之间信息素养的差异使得个性化教育信息资源得不到有效利用，学习者不能同等享有优质教育信息资源，引发了信息环境下新的教育不公平。剖析个性化信息推荐服务，结合其研究现状，构建教育信息资源个性化推荐服务模式，探求其在教育领域的应用前景，为教育信息资源的主动服务提供解决策略，把合适的教育信息资源呈现给适合的用户，从而在一定程度上缓解数字化学习背景下的教育不公平，促进个性化教育。

【关键词】教育信息资源；个性化推荐；教育公平；个性化教育

【中图分类号】 G434 【文献标识码】 A 【文章编号】 1009—458x（2016）02—0005—05

一、问题的提出

大数据时代，教育信息资源的爆炸式增长和学习者个性化需求快速得到满足之间的矛盾引领着信息服务模式的变革。现代科技的发展促成全球信息总量以几何级数增长，2020年全球数据量将达到35ZB，为2009年的44倍[1]，这使得信息技术促进教育公平的同时也带来了巨大的挑战。面对海量的资源，学习者如何快速获取优质个性化教育信息资源的难题越发凸显。

第一，学习者需要花费大量精力搜索、鉴别和分析杂乱无序的教育信息资源。2010年6月，《纽约时报》做了一次相关民调，在45岁以下的受访者当中，近三分之一的人表示消耗巨额时间和精神成本，却依然迷失在浩瀚的信息空间中，找不到符合自己需要的资源。目前，教育信息资源的海量、静态和杂乱无章严重加大了学习者搜集资源的时间和精力成本，让无处不在的泛在学习演变成了无处不在的搜索。

第二，信息时代，个体间的“信息素养沟”演变成为“知识沟”。互联网技术的快速发展提升了用户的信息素养，也扩充了教育信息资源。然而，用户的认知容量有限，且认知能力的增长总体较为平缓，故信息素养得不到突破性提升，但教育信息资源却呈指数级增长，不断走向海量化。这就逐渐导致信息素养高的用户可以在海量资源中搜集到优质资源，而对信息素养低的用户来说，则较为困难，“优者更优，贫者更贫”的现象日趋严重，造成信息时代下的“知识沟”，加剧教育不公平。

第三，盛行的普适性教育信息资源不具有个性化，并非能满足所有用户的个性化学习需求。非主流的优质教育信息资源往往因主流教育信息资源的频繁使用而被覆盖，越来越严重的掩埋效应造成资源的浪费。在海量的教育信息资源中快速获取和有效利用优质个性化教育信息资源，是现代学习者的需求。当这种需求得不到满足时，必然鼓励着新的信息服务方式和工具的出现，个性化信息推荐服务也便应运而生。

二、个性化信息推荐服务

个性化信息推荐服务能够在用户信息迷茫、没有明确需求时及时为用户提供其感兴趣的信息，有效缓解“信息超载”引起的用户认知负荷和信息迷航等问题。它就像是商场优秀的导购员，不仅熟悉每一个商品的属性和特征，而且能记住顾客历史偏好并发现其最新偏好，为顾客推荐适合的优质商品，为商品找到最合适的买家，增加顾客的依赖度和商家的盈利。

（一）个性化信息推荐服务概述

个性化信息推荐服务的实质是以用户需求为中心，通过分析用户（user）与项目（item，如信息、资源、商品等）之间的二元关系帮助发现其可能感兴趣的内容，并生成个性化推荐结果，进而为用户提供区别与差异化的服务[2]。其精准化推荐的实现主要依赖于个性化信息推荐系统。根据不同的推荐算法，个性化推荐系统主要分为：基于协同过滤的推荐系统、基于内容的推荐系统以及混合式的推荐系统。基于协同过滤的推荐系统主要依据用户相似性或项目关联度的推荐，即用户信息（包括个人资料以及对项目的评价、收藏、购买等行为信息）的相关性，判断或者由用户群的行为信息计算出项目间关联度。基于内容的推荐系统则主要根据项目本身的特征属性，在项目库中搜索满足用户需求的项目。混合式的推荐系统则是基于以上两种方式的推荐，根据用户相似性、项目关联性及特征，利用“群体智慧”通过分析某一款产品的所有顾客购买记录，推测用户感兴趣的商品。最终不仅从用户浏览和接收的角度来呈现推荐结果，更从用户需求、商品标签以及相似用户的使用度等方面来增加推荐结果的可信度，为用户主动接受推荐结果提供依据。

（二）个性化信息推荐服务研究现状

个性化信息推荐服务最初是在电子商务领域迅速发展起来的，应用成效也尤为显著，而它在教育领域的应用仍处于探索阶段。郭亚军曾基于用户需求、信息产品、用户关系管理构建个性化信息服务钻石模型来实现资源的个性化推荐服务[3]；李宝等人提出利用学习者的静态数据与动态数据来构建学习者特征模型，采用协同过滤与相似度匹配的方式促进资源的推荐服务[4]；刘通江、王陆研制小学课程的个性化课件生成系统，预先测验学生的认知水平和学习风格，然后根据测验结果为学习者推荐自适应的内容、资源和活动[5]；柏宏权构建适应性智能教学系统，为学习者提供自适应的教学内容和学习策略，以满足其个性化学习需求[6]；刘媛筠等人认为在当代图书馆信息服务中，信息推荐服务能够将用户定制的资源随时推送给用户，方便其获取信息[7]。这些在教育领域的研究虽已取得相关成就，但其应用还不够成熟。在国家基础教育资源网中，学习者根据信息导航进行需求细化和纵向浏览，但系统经过筛选后呈现的资源参差不齐，依旧需要学习者花费大量时间和精力进行甄别，信息服务的个性化程度不高。此外，我国“985高校”图书馆的个性化服务除了查看、修改或定制信息外，大多还只限于记录读者的借阅行为、预约、续借、新书通报等功能，还不能根据用户动态的个性化需求实现及时推荐的功能。

由此可见，个性化信息推荐服务虽已引起不少教育研究者的关注和研究，但它在教育领域中应用的广泛度和个性化程度均不及在商业领域的应用。究其原因，以往的个性化信息推荐服务研究主要侧重于推荐算法本身，其推送的内容与学习者的个性匹配程度以及服务个性化程度有待提高，其理论支撑相对单薄，对学习者间的差异和个性化需求掌握不够准确。因此，迫切需要设计有效的教育信息资源个性化推荐服务模式来改善当前信息推荐服务在教育领域的应用，以提高其应用成效。

三、教育信息资源个性化推荐服务模式

信息过载引起用户认知负荷，导致优质资源浪费，其本质是用户无法准确、及时地获取满足自己个性化需求的优质资源。结合目前个性化推荐服务的研究成果，针对教育信息资源的系统性、关联性和不断进化等特征，试图通过构建教育信息资源个性化推荐服务模式来提高优质资源的使用率，为用户提供差异化服务，促进数字化学习时代下的个性化教育。

（一）教育信息资源个性化推荐服务模式构建依据

根据学习者个体特征、学习倾向、学习目标以及学习情境，对个体心态、思维、学习能力、创造力、知识技能水平等进行综合分析、测试和诊断。同时，根据教育信息资源的课程体系、关联进化、重组与重构等特征，构建教育信息资源个性化信息推荐服务模式，为学习者量身定制学习任务、学习策略和学习方案，整合并推荐符合其独特学习需求的个性化教育信息资源，从而形成自适应的个性化服务，帮助学习者自我成长、自我超越。

信息技术对教育发展具有革命性的影响[8]，利用现代技术手段，通过分析与决策系统为学习者提供小众化、个性化的信息资源服务，其效益甚至会超过那些大众化信息资源[9]。不同学习者之间的差异性和独特性是客观存在的，而网络环境下普适性的教育信息资源往往没有与学习者的这种个性化相适应。学习者的个体差异其实也是一种教学资源，在某种程度上促使学习者对个性化教育信息资源的无限渴望，同时差异性的存在也对资源建设者提出了更高要求，激发其开发和建设用户满意的优质个性化教育信息资源。尊重每一位学习者的差异，利用个性化推荐服务模式为其提供差异化服务，满足其个性化的学习需求，促使每位学习者都能同等地享有适合自己的个性化优质教育信息资源，从而推动教育公平，促进个性化教育。

（二）教育信息资源个性化推荐服务模式构建

教育信息资源个性化推荐服务旨在满足学习者的个性化学习需求，为其提供个性化的教育信息资源。尊重学习者的个体差异性和学习者的主体地位，同时根据教育信息资源的特征模型，以提高教育信息资源使用率为主要驱动力，构建教育信息资源个性化推荐服务模式，以推动信息时代下的教育公平，促进个性化教育，如图1所示。

图1 教育信息资源个性化推荐服务模式

从学习者和教育信息资源库两条主线构建该模式。根据学习者基本信息、行为信息和差异化的需求信息，将兴趣相投、偏好一致的用户聚合、归类，构建学习者模型；根据资源基本特征、标签和价值信息（其他学习者对该资源的有效评价信息），将特征相近、关联度高的资源聚类，构建资源模型。随着技术的快速发展，推荐方式和策略层出不穷且不断得到完善，分析与决策系统能够利用现代技术手段感知学习情境，识别学习者特征，挖掘其潜在需求和模糊需求，准确定位其个性化需求。同时，通过分析学习者模型与资源模型的匹配程度，能够选择合适的推荐方式，形成高效的推荐机制，从而对教育信息资源进行整合和重组，挖掘优质的个性化资源，并将与学习者认知水平高度相近的教育信息资源主动提供给学习者。在此过程中，学习者模型和资源模型将随着学习者信息和资源信息进行实时动态更新，不断完善个性化推荐机制，促使资源进行自我调整，主动服务于学习者，形成自适应的个性化服务。

（三）教育信息资源个性化推荐服务模式内涵

1. 尊重学习者个体间差异，定位内在学习需求，提升学习体验。该模式能够尊重不同学习者之间的差异，感知学习情境，准确定位个性化学习需求，从而提升学习体验，缓解学习者认知负荷，促进个性化教育。人是有思想、有情感的独特个体，教育要培养的不是批量生产的产品，而是具有独特个性的个体。因此，该模式的构建将个体的独特个性纳入其中，向学习者推荐的资源内容能够具有很大的灵活性。

不同类型和层次的学习者对信息需求的广度和深度各不相同。系统能够分析不同学习者的信息，构建包含学习者档案、动态需求和相似学习者信息的学习者模型，感知学习情境，全面定位其个性化需求。同时，通过剖析学习者模型与资源模型的匹配程度，做出正确的分析和精准的决策，从而帮助过滤无效信息，推荐适合的优质个性化教育信息资源，提升学习者的学习体验。在教育领域，学生、教师和科研人员对教育信息资源的需求存在着很大差异。例如，学生在学习过程中希望能得到针对自己特殊学习问题的及时服务和帮助；教师在教学设计过程中希望能快速获取与教学活动相关的教学资源；科研人员则希望得到更多学科范围内新的思想观点、学术前沿、理论热点及事实性材料等。该系统能够根据这种需求差异，进行资源过滤和重组，帮助其在混沌无序的资源中获取优质个性化教育信息资源，从而广、快、准地满足学习者的个性化需求。

2. 指引资源，挖掘优质个性化资源，催生更优资源。根据个性化的学习需求，利用该模式挖掘优质个性化教育信息资源，用最短的路径和最少的时间为学习者提供指引服务，指导资源建设者开发个性化的优质教育信息资源，催生更优资源。那么，什么样的资源才是优质资源呢？斯蒂芬·P·罗宾斯认为，质量是产品或服务达到预期要求并满足顾客期望的能力[10]。所以，教育信息资源质量则是由满足用户需求的程度决定的，用户满意且充分尊重个体差异的个性化资源才是优质资源。

依据KWL学习策略，通过分析学习者的个性化需求，利用资源的关联信息和进化信息，挖掘被大众化教育信息资源掩埋的优质个性化教育信息资源，实现资源的自我价值，缓解资源的掩埋效应。其中，K代表系统能分析出用户知道什么（Know what），从而激活其原有知识，巩固先前所学内容，为学习新内容做准备；W代表系统能精准判断用户想要知道什么（Want to learn），并为其推荐适合的学习内容和资源；L则指系统根据用户对知识的掌握程度（Learning level）为其推荐符合其能力的学习资源和任务。同时，学习者也可以参与编辑、丰富和标记教育信息资源，由资源的消费者转变为创造者，实现资源的动态发展，促使资源与资源之间产生连接，实现资源的关联进化，形成资源关系网。教育信息资源不同于一般商品，它具有一定的课程体系，所以系统可以根据其内在教学规律和资源间关联性挖掘潜在的个性化教育信息资源。

3. 提供自适应的个性化服务，推动教育公平，促进个性化教育。该模式能够将适合的教育信息资源（在用户认知能力和最邻近发展区范围内，与个体差异化特征相匹配，符合其个性化需求的教育信息资源）推荐给合适的学习者，为其提供自适应的个性化服务，促进个性化教育。只有符合个体兴趣和发展需要的学习任务，个体才会积极投入；反之，个体则往往消极应对。因此，准确把握“度”成为关键，而对不同学习者来说，这种“度”必然是有差异的，它主要由学习者模型、资源模型以及系统监测与感知所决定，构建三维坐标系并探讨对“度”的掌控，分析自适应个性化服务系统影响因子及其之间的关系，如图2所示。

图中的A、B、C、D四个点代表资源的个性化程度分别由系统监测与感知，学习者模型和系统监测与感知，学习者模型、资源模型和系统监测与感知，资源模型和系统监测与感知所决定。自适应个性化服务提供的资源应该高度符合学习者模型、资源模型以及系统监测与感知信息，即处于坐标中C点位置的资源是最符合也是最适合的优质资源，而以C点为球心的球与该立方体的重合部分即为相对较为适合该学习个体的资源。系统通过综合分析学习者特征、行为信息以及资源属性等数据，掌控适合学习者个体的“度”，从而向其推荐处于C点位置或距该点最近并在其认知弹性能力范围内、符合最邻近发展区（指学习者通过独立学习与教师教授所获得的知识之间的差距）的教育信息资源，适时、适度地提供个性化学习服务。如果学习者在某个问题上停滞时间太长，系统可以实时地进行动态干预，关注和分析学习者的表现，从中发现他们独特的认知特征和动机倾向，进而调整C点位置，设定适合该学习者的“度”，以保证推荐的资源能够自适应地满足学习者的个性化需求。

（四）教育信息资源个性化推荐服务模式应用

利用教育信息资源个性化推荐服务模式不仅节省学习者搜索资源所花费的时间和精力，快速推动学习者个性化需求的满足和自我价值的实现，避免教育信息资源的浪费和掩埋，还可以激励学习者提出更高需求，促使资源建设者开发更优资源，充分发挥学习者的主动性和创造性，这也正是存在主义哲学的精神。

Springer 出版公司作为世界上最著名的科技出版集团之一，其提供的“CiteULike”个性化服务能够根据学习者的学习兴趣、相似学习者的行为记录以及资源之间的关联性，帮助学习者准确查找相似资源、发现兴趣偏好相似的其他学习者以及相关领域的研究人员，实现协作学习。此外，爱课程网（iCourse）是我国教育部、财政部“十二五”期间启动实施的“高等学校本科教学质量与教学改革工程”支持建设的高等教育课程资源共享平台。它拥有丰富的教育信息资源，能够根据学习者的基本信息和学习行为记录实时推荐相关课程。在学习过程中，系统定时向学习者发送邮件推荐课程信息，调查学习者的满意度，并根据反馈完善资源，提高用户体验度。爱课程网推荐的课程资源主要包括热门课程、热门教师、热门学习群组以及最热资源和最新资源。然而，系统的推荐并不能完全满足独特个体的个性化需求，与学习者兴趣爱好的匹配不够精准。也就是说，学习资源的选取与推送存在盲点，系统不能精准地感知学习情境来有效挖掘适合学习者的个性化优质资源，为学习者适时推荐适度的教育信息资源。虽然该教育信息资源个性化推荐服务模式已得到初步应用，但还需要提升其应用价值和效果，这也是下一步研究的重点。

四、教育信息资源个性化推荐

服务模式应用前景分析

个性化教育是教育公平的最终目标，利用该模式促进个性化教育，是大众所需，也是大势所趋。如今在线教育已经成为终身教育的一种主要模式[11]，将该个性化推荐服务模式嵌入其中可以充分关注学习者个体差异和不同学习需求，体现个性化在线教育的特点，激发学习者的主动意识和学习动机。同时，该服务模式还可以用于移动终端，更好地服务于泛在学习和碎片化学习。此外，小到课程资源的推荐，大到高考志愿填报和未来职业规划，根据不同学习者差异化和个性化需求，可以将该模式应用到智能服务填报高考志愿、图书馆资源荐购、网络招聘、教育信息管理等方面，实现“靶标式”资源和任务的主动定向推荐。例如，在智能服务填报高考志愿中，通过分析高考分数、考生类别、报考院校、专业及录取的相关规则和相似考生报考情况，得出供考生决策的相关参数；在图书馆资源荐购方面，根据学习者的浏览和购买记录，推测学习者个性化学习需求，为图书馆资源的荐购提供参考；在网络招聘中，通过分析求职者的资料、浏览记录以及招聘单位的招聘条件，将合适的职位推荐给适合的求职者；在教育信息管理系统中，通过挖掘和分析数据为管理者提供智慧决策来破解信息管理过程中的难题，以提高信息管理的成效。

五、结语

将该模式应用到教育领域，对于学习者，可以激活其隐性需求，满足显性需求，从浩如烟海的资源中获取符合其认知风格和知识基础的资源，减少时间和精力成本，增强学习体验，提升学习成就感；对于资源，可以促进资源的最大化利用、知识的流动和聚集及其价值的增值，保证将最好的知识推送给最需要的人；对于资源的提供者，可以提升经济效益，帮助其更好地理解用户需求，促使其开发的资源更加精细化和差异化，开拓服务市场，让更多的学习者来使用和购买资源。后续我们将深度剖析个性化信息推荐服务的成功商业案例，研究现代感知技术，比较常用推荐策略，完善个性化推荐机制，并结合实证研究来分析其在教育领域应用的必要性和可行性。

[参考文献]

[1] Villars R L， Olofson C W， Eastwood M. Big data： What it is and why you should care[J]. White Paper， IDC， 2011：1.

[2] 杨丽娜，颜志军，孟昭宽. 基于个性化推荐思想的虚拟社区学习共同体动态构建[J]. 现代教育技术，2012，（01）：88-92.

[3] 郭亚军. 个性化数字信息服务模式研究[J]. 情报理论与实践， 2011，34（7）：56-59.

[4] 李宝，张文兰. 智慧教育环境下学习资源推送服务模型的构建[J]. 远程教育杂志，2015，（03）：41-48.

[5] 刘通江，王陆. 基于信息理论的个性化教学系统的研究[J]. 计算机工程与应用，2004，（9）：074.

[6] 柏宏权，李艺. 利用适应性超媒体技术建构智能网络课程[J]. 电化教育研究，2004，（4）：41-44.

[7] 刘媛筠，李志民. 当代图书馆的三种信息服务模式[J]. 图书馆杂志，2013，（1）：26-31.

[8] 熊才平，何向阳，吴瑞华. 论信息技术对教育发展的革命性影响[J]. 教育研究，2012，（6）：22-29.

[9] 何向阳，熊才平，郑娟. 论网络信息资源的再生与利用[J]. 电化教育研究，2013，201（3）：4.

[10] 斯蒂芬·P·罗宾斯，玛丽·库尔特. 管理学[M]. 李原，孙健敏，黄小勇，译. 北京：中国人民大学出版社，2012：518.

[11] 蒋志辉. 网络环境下个性化学习的模式建构与策略优化[J]. 中国远程教育，2013，（3）：48-51.