基于云计算的个性化网络学习空间研究*

李 振 周东岱,2 钟绍春 孙 聘 董 岩



基于云计算的个性化网络学习空间研究*

李 振1周东岱1,2钟绍春3孙 聘1董 岩1

（1．东北师范大学信息与软件工程学院，吉林长春 130117；2．吉林省“互联网+”教育科技创新中心，吉林长春130117；3．教育部数字化学习支撑技术工程研究中心，吉林长春130117）

网络学习空间作为一种虚拟的学习环境，为学习者的个性化学习提供了场所，而云计算又为网络学习空间提供了强大的技术支撑。针对个性化网络学习空间建设的需求，文章综述了国内外有关教育云和网络学习空间的研究成果，并以PST（Pedagogy-Space-Technology，教学法—空间—技术）框架为基础，构建了个性化网络学习空间的要素模型——PST-SDC（Stakeholder-Data-Content，利益相关者—数据—学科内容）模型。在此基础上，文章设计了基于云计算的个性化网络学习空间体系架构，并对其关键实现技术进行了阐述。

网络学习空间；云计算；PST-SDC模型；个性化定制；主动服务

引言

随着“互联网+”行动计划的提出，教育与信息技术的深度融合受到前所未有的关注，教育信息化已经纳入到国家发展战略层面。而“网络学习空间人人通”作为“十二五”期间教育信息化建设的重要内容之一，既是个性化学习的服务层[1]，也是推进教育信息化进一步发展的应用模式。因此，研究支持个性化学习的网络学习空间具有重要意义。

在“互联网+”时代，云计算、大数据、物联网等新技术将广泛应用于教育各行各业。其中，云计算作为各种应用的运行平台和支撑技术，具有基础设施的作用。因此，构建云计算支持下的个性化网络学习空间，既能发挥云计算强大的计算和存储能力，为网络学习空间提供技术支撑，也能将各种云应用和服务进行组合，丰富网络学习空间的功能，更好地促进学生的个性化发展。为此，本研究在国内外相关文献综述的基础上，对个性化网络学习空间的基本概念、相关要素、基于云计算的个性化网络学习空间体系结构及其实现的关键技术进行了研究，以期对个性化网络学习空间的研究提供参考。

一国内外研究现状

1 云计算在教育领域的应用现状

云计算在教育领域的迁移应用称为教育云，它以按需分配、弹性扩展的模式为教育提供教学、科研、管理等应用服务[2]。相关教育云的研究成果颇丰，如黎加厚[3]提出了“云计算辅助教学”的概念，即用户可以利用云端的各种应用构建学习环境；路鹏等[4]将云计算应用到数字化校园建设当中；蒋家傅等[5]提出了以云计算为基础的智慧校园整体解决方案；郁晓华等[6]提出以云计算为支撑，利用电子书包集成云端的各种资源和工具来开展教学活动。

在云环境中部署网络学习空间，一方面可以利用云计算弹性扩展的特性动态分配计算资源，满足突发的大量应用请求；另一方面，云存储可以为网络学习空间提供丰富的资源，满足学习者差异化的需求。

2 网络学习空间的研究现状

学习空间作为学习环境的重要组成，它关注的是学习者的个性化需求[7]。Brown等[8]较早提出了学习空间的概念，他认为学习空间包括物理的学习空间和虚拟的学习空间。此后，Oblinger[9]指出把学习空间、技术和教学技巧结合后，更能促进有效学习；Knight10]提出学习空间要满足以教为中心和以学为中心这两种教学模式，要能支持灵活多变的教学法；2008年，澳大利亚又发布了“学习空间框架”[11]。而在国内，许亚锋等[12]认为学习场所的研究范式正从教室空间转向学习空间，而利益相关者、设计理念和方法、技术是学习空间设计要考虑的因素；毕家娟等[13]认为学习空间是学习者将外在空间中的资源、人、工具、服务等转化成内在知识网络的过程；王伟等[14]将网络学习空间与翻转课堂教学模式相结合，探讨了网络学习空间支持下的教学模式的具体应用；杨俊锋等[15]则提出学习空间的建设要充分考虑最新的技术，要能够满足学生个性化学习的需要，还要满足不同的教学法对学习空间的需求。

虽然网络学习空间的研究已成为数字化学习环境研究的一个热点，国内外的学者也对此进行了积极的探索，但目前关注的重点主要集中在理论基础、空间架构、教学应用模式等层面，仍然处在初期阶段。本研究主要将云计算技术与网络学习空间进行有效的整合，旨在解决传统网络学习空间存在的动态扩展性差、资源共享难、个性化学习支持不足等问题。

二PST-SDC模型的构建

网络学习空间的研究尚处于初级阶段，目前还没有统一的定义。比如，吴永和等[16]认为网络学习空间是利用现代信息技术和计算机网络构建的面向正式学习与非正式学习的虚拟空间；刘喆[17]认为该空间是以云计算为基础集成教学资源和个性化学习软件的云端应用；钟绍春[18]认为该空间应具有在线课堂、答疑、作业、互动交流、知识管理等功能，并能进行个性化集成。综上所述，本研究认为，个性化网络学习空间是在“以学习者为中心”的理念指导下，以促进学习者个性化发展为目标，充分利用云计算、大数据等现代信息技术和计算机网络技术，而构建的集成各种教学资源和学习工具的虚拟学习空间。

网络学习空间要素模型是网络学习空间构建的理论基础，目前国内外相关网络学习空间要素模型的研究基本上都以Radcliffe[19]提出的PST框架（如图1所示）为基础。PST框架是一般性的学习空间框架，故针对具体研究问题还需要加以补充完善（如陈向东等[20]提出了“教育—社会—空间—技术”的四维框架）。本文以PST框架为基础，构建了个性化网络学习空间的要素模型——PST-SDC模型，如图2所示。

图1 Radcliffe提出的PST框架

图2 PST-SDC模型

PST-SDC模型包括5个要素：

①教学法（Pedagogy）：针对不同的学习目标和学习内容，应采用不同的教学方法和策略。对不同教学法的需求决定了学习空间应具有多种形态特征，学习空间的设计应能够支持讲授、合作、探究、讨论等不同教学法的开展。

②技术（Technology）：个性化网络学习空间需要综合运用云计算、大数据、物联网等来支持学习者主动建构并实现社会化交互。具体来说，应利用云计算超大规模的计算和存储能力，为学习空间提供部署环境；利用云计算高可靠性、高可拓展性的特性，为学习空间提供不间断的服务；利用大数据的技术记录、分析学习者的历史和实时数据，建立量化的、精准的学习者模型，为学习者个性化推荐奠定基础。

③利益相关者（Stakeholder）：个性化网络学习空间涉及学习者、教师、家长、管理者等利益相关者，集教学、教研、管理于一体，强调的是如何能为学习者的个性化学习提供资源、工具等条件。此外，还要为教师的备课、教研互动、在线培训提供便利，并为管理者在线组织管理创造条件。

④数据（Data）：个性化的实现可归纳为数据驱动和目标驱动两种。其中，数据驱动的个性化从收集每个学生的数据开始，利用数据建立每个学生的学生模型，面向个体推荐学习内容，体现了“自底向下”的思想；而目标驱动的个性化从个性化的评价指标出发，根据指标确定学习内容和策略，面向群体推荐学习内容，体现了“自顶向下”的思想——显然，数据驱动的过程能更好地实现个性化学习。

⑤学科内容（Content）：大教育思想家夸美纽斯在《大教学论》一书中提出要进行分科教学，因此要针对不同学科的培养目标、学科内容等特点，设计针对课程体系结构的工具、资源等支撑环境。比如，唐烨伟[21]、孙永强[22]分别针对初中物理、高中语文进行了网络学习空间的设计。

三基于云计算的个性化网络学习空间体系架构设计

针对个性化网络学习空间建设的需要，本研究以PST-SDC模型为理论基础，提出了基于云计算的个性化网络学习空间体系架构，共分为5层，如图3所示。

图3 基于云计算的个性化网络学习空间体系架构

1 基础设施层

基础设施层的关键实现技术是虚拟化，包括服务器虚拟化、存储虚拟化和网络虚拟化[23]。借助虚拟化可以将物理资源进行资源池化，然后结合管理平台提供自动化、安全可靠的服务。管理平台一般设有资源调度、用户管理、服务部署、自助服务、日志∕审计等功能。

2 数据存储层

数据存储层主要采用结构化数据库、NoSQL数据库存储学生的基本信息、行为数据、教学资源等数据，驱动上层学生模型和资源模型的构建，并为个性化网络学习空间提供教学资源。

3 模型层

模型层主要以数据存储层存储的大量数据为基础，构建学生模型和资源模型，然后使用相似度计算方法进行二者之间的匹配。学生模型使用学生基本信息和学生行为数据来构建，而资源模型则根据教学资源信息来描述——这两种模型都是进行个性化推荐的基础。

4 服务层

服务层主要为个性化网络学习空间提供教学、教研、学习、管理等应用服务，包括备课服务、授课服务、教研服务、考试服务、培训服务、管理服务、交流答疑、展示分享等。此外，服务层还提供针对个性化内容的推荐服务。

5 空间层

空间层按利益相关者分为学生空间、教师空间、家长空间等，通过服务层为其提供个性化。个性化可分为主动式和被动式两种——个性化的样式、内容、服务需手动定制，属于被动式个性化；而内容推荐是利用推荐算法实现的，属于主动式个性化。

四基于云计算的个性化网络学习空间的关键实现技术

1 云计算基础设施层的实现技术

云计算基础设施层的实现主要涉及服务器虚拟化、云计算管理软件、存储虚拟化等技术。其中，服务器虚拟化是基础，通过对物理资源进行整合或划分，提供灵活性的资源调配；云计算管理软件是整个计算架构的核心，对底层资源进行管理和控制；存储虚拟化中广泛采用的存储技术是分布式存储系统，它不仅可以为云计算提供共享存储，也可以存储用户的应用数据。

图4 云计算基础设施层架构图

图5 基于负载预测的虚拟机动态迁移系统逻辑结构

本研究基于开源虚拟化技术KVM、云管理软件OpenStack、分布式存储软件Ceph设计了云计算基础设施层架构图，如图4所示。该架构分为三部分：①管理节点，部署OpenStack的各组件，包括计算组件Nova、网络组件Neutron和块存储组件Cinder等；②计算节点，基于Linux和KVM提供虚拟主机服务；③存储节点，部署Ceph的各组件，为云计算提供共享存储服务。

2 虚拟机动态迁移的实现策略

虚拟机动态迁移技术是实现资源优化和应用程序高可用的关键，它能将虚拟机从一台物理机迁移到另一台资源可用的物理机上而不影响上层应用的执行。采用这一关键技术，本研究设计并实现了一种基于负载预测的虚拟机动态迁移系统，其逻辑结构如图5所示。

如图5所示，资源监控模块通过使用Ganglia和Nagios两种软件，来监控物理机、虚拟机的CPU和内存资源使用情况，并预测未来负载情况，对此本研究采用了指数平滑时间序列预测模型；迁移控制模块的主要功能是接收资源监控模块发送来的监控信息，并根据迁移策略对目标物理机进行查找，最后执行虚拟机的动态迁移。

3 基于Portal的个性化定制技术

个性化定制技术是一种以用户为中心，提供个性化服务、信息聚合等功能的技术。用户可以根据自己的偏好，定制个性化界面、个性化的应用与服务。网络学习空间需要为学生、教师、管理者等利益相关者提供丰富的应用与服务，而这些应用与服务大都基于传统的Web架构来开发，它们虽然部署在云计算平台下，但各应用还是一个个信息孤岛，需要有效的信息集成手段将各应用进行整合。利用Portal技术构建网络学习空间，不仅符合个性化空间的思想，也能够有效集成大量的应用和服务。

网络学习空间的个性化定制涉及Portal服务器、Portal容器、Portlet组件等三个部分，而一个个性化的空间页面由一个或多个Portlet窗口组成。空间个性化定制的执行流程如图6所示。

图6 空间个性化定制的执行流程

4 基于内容的个性化推荐技术

个性化定制是一种被动服务方式；而个性化推荐不需要用户参与，由系统主动向用户推送，是一种主动服务方式。基于内容的推荐算法主要涉及两个关键问题：一是用户模型和资源模型的表征，二是两者之间的相似度计算。

（1）用户模型和资源模型的表征

对于用户模型和资源模型的表征，本研究采用的是向量空间模型（VSM），其中的特征项采用资源内容的关键词表示，权重采用TF-IDF表示法，计算过程如公式（1）所示。其中，Wi表示关键词i的权重，表示关键词t在资源d中出现的频率；表示总资源数；表示包含t的资源数。

公式（1）

（2）相似度的计算方法

相似度是衡量用户感兴趣的资源与资源库中资源相似度的变量。对于向量空间模型，常用的是余弦相似度计算公式，如公式（2）所示。

公式（2）

五结束语

网络学习空间作为国家教育信息化建设的重要内容之一，国内外学者已对此开展了大量的研究工作，但目前的研究主要集中在理论探索方面，而对于云计算、大数据、物联网等技术在网络学习空间建设中的应用研究还有待加强。本研究仅从云计算基础设施即服务层面来研究其在网络学习空间建设中的应用，同时从个性化主动和被动服务涉及的技术实现层面对个性化网络学习空间进行了研究。此外，本研究在PST-SDC模型中提出将数据作为驱动个性化的一个重要因素，但并没有深入阐述大数据的具体应用方式。基于此，后续研究将以大数据的采集、存储、分析挖掘技术为基础，通过空间记录的大量学习行为数据，构建精准的推荐模型，以便为学生提供更好的个性化服务。

[1]祝智庭,管珏琪.“网络学习空间人人通”建设框架[J].中国电化教育,2013,(10):1-7.

[2]吴砥,彭娴,张家琼,等.教育云服务标准体系研究[J].开放教育研究,2015,(5):92-100.

[3]黎加厚.低碳型教育与云计算辅助教学[J].中国信息技术教育,2010,(1):73-77.

[4]路鹏,周东岱,钟绍春,等.基于“云+代理”模式的数字化校园公共服务平台设计[J].电化教育研究,2012,(10):64-68、73.

[5]蒋家傅,钟勇,王玉龙,等.基于教育云的智慧校园系统构建[J].现代教育技术,2013,(2):109-114.

[6]郁晓华,祝智庭.电子书包作为云端个人学习环境的设计研究[J].电化教育研究,2012,(7):69-75.

[7][15]杨俊锋,黄荣怀,刘斌.国外学习空间研究述评[J].中国电化教育,2013,(6):15-20.

[8]Brown M B, Lippincott J K. Learning spaces: More than meets the eye[OL].

[9]Oblinger D G. Learning spaces[M]. Louisville: EDUCAUSE, 2006:91-94.

[10]Knight S. Designing spaces for effective learning——A guide to 21st century learning space design[OL].

[11]Mceetya. Learning spaces framework[OL].

[12]许亚锋,陈卫东,李锦昌.论空间范式的变迁:从教学空间到学习空间[J].电化教育研究,2015,(11):23-25、32.

[13]毕家娟,杨现民.联通主义视角下的个人学习空间构建[J].中国电化教育,2014,(8):48-54.

[14]王伟,赵桐,钟绍春.基于翻转课堂模式的网络学习空间设计与案例研究[J].远程教育杂志,2014,(3):71-77.

[16]吴永和,管珏琪,余云涛,等.“网络学习空间人人通”技术标准研究[J].信息技术与标准化,2014,(6):40-43.

[17]刘喆.基于个人学习空间的师范生教育实践课程学习路径研究[J].教师教育论坛,2015,(9):67-72.

[18]钟绍春.教育云、智慧校园和网络学习空间的界定与关系研究[J].中国教育信息化,2014,(6):3-8.

[19]Radcliffe D. A Pedagogy-Space-Technology (PST) framework for designing and evaluating learning places[OL].

[20]陈向东,吴平颐,张田力.学习空间开发的PSST框架[J].现代教育技术,2010,(5):19-22.

[21]唐烨伟.初中物理网络学习空间模型设计研究[D].长春:东北师范大学,2015:46-48.

[22]孙永强.高中语文阅读网络学习空间设计研究[D].长春:东北师范大学,2015:52-54.

[23]韩德志,李楠楠,毕坤.云环境下的虚拟化技术探析[J].华中科技大学学报(自然科学版),2012,(S1):262-265.

编辑：小米

Research on Personalized Web Learning Space based on Cloud Computing

LI Zhen1ZHOU Dong-dai1,2ZHONG Shao-chun3SUN Pin1DONG Yan1

As an important part of virtual learning environment, web learning space provides a place for personalized learning, while cloud computing provides a strong technical support for web learning space. In order to construct personalized web learning space, this paper reviewed relative results of educational cloud and web learning space. Moreover, the elements model of personalized web learning space——PST-SDC (Stakeholder-Data-Content) model was constructed based on the framework of Pedagogy-Space-Technology (PST). On this basis, the paper designed personalized web learning space architecture based on cloud computing, and described the key technology for implementing this model.

web learning space; cloud computing; PST-SDC model; personalized customization; positive service

G40-057

A

1009—8097（2016）11—0114—07

10.3969/j.issn.1009-8097.2016.11.017

本文为2014年度国家科技支撑计划课题“区域互动教研与培训学分交互应用示范”（项目编号：2014BAH22F05）、吉林省科技发展计划资助项目“面向数字化校园建设的教育云计算平台”（项目编号：20120304）的阶段性研究成果。

李振，在读博士，研究方向为教育云和教育大数据，邮箱为liz666@nenu.edu.cn。

2016年4月18日