雾计算的教育应用：案例与趋势

2019-05-31刘成凤白若微

中国医学教育技术 2019年3期

周榕，刘成凤，白若微

1陕西师范大学教育学院，西安 710062；2宝鸡高新第一中学，陕西宝鸡 721013

自2012年思科公司正式提出雾计算的概念以来，雾计算的发展势头迅猛。2015年，OpenFog Consor- tium雾计算联盟成立，2018年，全球首个雾计算技术实验室在上海建立。同年，雾计算参考框架正式纳入电气电子工程师学会(The Institute of Electrical and Electronics Engineers，IEEE)标准。以太雾(Ethereum- Fog)、智能雾(SmartFog)相继诞生，并在商务、工业、城市服务及军事领域得到应用。目前，教育界也开始了针对雾计算的探索[1]，并出现了在智慧校园、在线课程平台、移动学习等领域的典型应用案例。通过案例来剖析雾计算赋能教育的过程和方法，对于推进教育信息化进程有所裨益。

1 雾计算的教育功能解析

雾计算是由思科(Cisco)公司提出的一种云计算(cloud computing)的延伸概念。雾计算以私有云、企业云等小型云为主，介于云计算和个人计算之间，没有很强的计算能力，是半虚拟化的服务计算架构模型[2]。雾计算的原理是通过使用边缘网络中的设备，让基于云的服务可以离物联网和传感器更近。通过雾计算，可以将一些并不需要放到云上的数据在网络边缘层直接进行处理和存储，提高数据处理的效率，降低延时，减少网络传输压力，提升安全性。同时，雾计算去中心化的网络结构支持高移动性和实时互动，能够进行云在线分析，也为人工智能服务、数据挖掘、物联网搭建等提供更现实和便捷的技术路径。

必须指出，雾计算不是云计算的替代物，而是对云计算的补充，现实应用时往往将两者相结合。因此，它能够继承云技术在教育应用中的优势，并提供更加便捷的教学服务。

1.1 提升学习分析效率

雾作为云和终端的中间层，处于用户与数据中心的通信通路上，可以快速地过滤和聚合用户消息。位于雾计算体系架构中的边缘设备可全程记录学习历史数据，提供数据挖掘和学习分析所需信息源。学习分析的结果则可以快速发送到云端和个人终端，实现及时反馈。

1.2 支持泛在学习

雾节点数量庞大、分布广泛。其位置感知特性可确认学习者的物理位置，教师根据学习者所处环境为其选择合适的学习资源。雾技术还可实现教育资源的实时共享，减少等待时间，且不同学习资源、服务和平台之间可实现互联、互通。这样，学习者就可以通过与环境的互动，随时随地获得所需的学习资源，实现泛在学习。

1.3 实现智能感知

雾计算具有情境感知和社会感知的特性。情境感知可以探测学习者在何种场景、何种时间与谁交互。社会感知基于空间大数据揭示群体行为模式，感知个人与他人之间的社会关系。这些特征使得基于雾计算的平台具有适应性，可以根据个人学习偏好和需求推送资源，更好地服务智慧教育环境下的个性化学习。

1.4 降低教学能耗

雾技术通过在本地处理选定的数据来节省网络带宽，减少运营成本，节约校园能耗。现有智慧教室系统是架构在整个校园网上的巨大分布式系统，对分布广泛、数量众多的网关设备的软硬件要求高，其构建与维护成本也高[3]。基于雾计算的新架构，使得边缘设备只需具备基本的数字通信技术，而不需要使用更高层协议进行数据通信与处理，从而降低了对网关设备的要求，有利于节省系统构建与维护的成本。

2 雾计算的教育应用案例

雾计算技术具有强大的可扩展性，能够满足教育信息化快速成长和服务多元化的要求，为各层次的教育系统提供有力的技术支持。

2.1 雾计算赋能智慧校园建设

教育信息化2.0背景下，智慧校园建设成为教育信息化的重要内容。意大利巴勒莫大学(University of Palermo)基于雾计算技术构建了新型智慧校园建设系统[4]。该系统使用智能手机、智能手表、平板电脑等智能设备，目标是收集来自校园不同区域的信息，聚合数据，为校园中的用户提供新的服务或改进现有的服务。

2.1.1系统架构该系统架构分为4层(如图1所示)，由低到高分别是边缘层、雾层、云层和应用层。最底层是边缘层，主要功能是收集原始数据，并与较高层实体共享；第二层是雾层，主要负责对从边缘层设备接收到的数据进行聚合和分析；第三层是云层，用来存储数据和执行浩大的分析计算，制定并发送相应的行动计划；最顶层是应用层，位于应用层的各实体根据行动计划执行相应的操作，对现实世界做出反应。

图1 巴勒莫大学智慧校园雾系统

2.1.2应用场景巴勒莫大学(University of Palermo)应用智慧校园雾系统，实现和改善多种资源服务和公共空间管理。

①优化校园建筑能耗。高校校园建筑的能耗主要包括照明能耗、空调能耗、电梯能耗、实验能耗、热水能耗等[5]。为了显著降低校园能耗，需要借助雾技术支持的环境智能系统针对不同区域对使用情况进行评估，以优化单个建筑和具有相似特征的建筑群的能源管理。智慧校园雾系统使用低功耗的运动传感器来检测校园区域，并自动触发高级视频传感器来跟踪行为异常的特定用户，避免校园基础设施遭恶意破坏。此外，该系统还利用一组专用传感器，监测所在环境中安装的所有电器的能耗，如果能耗超过某一阈值则发出警报。目前，我国约有3 000多所高校，校园建筑数量庞大、建筑类型繁多。结合雾技术设计智能化的节能系统，将有助于推进节约型校园的建设。

②助推智慧学习环境构建。智慧学习环境是一种能够感知学习情境、识别学习者特征、提供合适的学习资源及路径、动态分析学习过程数据、综合评价学习成果，以促进学习者有效学习的学习空间或场所[6]。巴勒莫大学智慧校园雾系统提供了一个多平台IT模块，可以提供有关每个学生特定教育路径的个性化信息，激励学生在课程日历上保持更新，指示到教室的路线，允许学生在大学图书馆预订他们的学习地点，提供对存储在云中的数字教材的访问，通知提醒和报告感兴趣的新闻。例如：如果一个学生需要从他目前所在的位置跑到她下一节课的教室，平台可以使用他的智能手机收集的感官数据来推断用户将如何前往校园，并根据若干参数(例如交通、时间限制等)建议最佳解决方案。

③助力智能文化空间建设。借助增强现实等新技术，博物馆开始走向智能化。智慧校园雾系统尝试通过定义传感器和服务的创新模型，将静态文化空间转变为智能文化空间。该系统通过建设校园内的博物馆藏品来促进智能文化空间的建设。识别设备可以检测特定手势，将其解释为探索虚拟博物馆内容的命令，从而提高与访问者的深度交互。用户还能够虚拟访问一个或多个馆藏，增加信息量和提升感官知觉。

2.2 雾计算推进在线学习

远程教育一直存在低完成率、高辍学率的现象。意大利eCampus大学智能研究中心(SMARTEST Res- earch Centre)和帕尔马大学(University of Parma)工程与建筑系联合设计了一个雾计算和大数据相结合的创新在线学习体系架构[7]，并在远程教育大学eCam- pus University(http://www.uniecampus.it)中进行了初步实施，该体系架构在阻止学生退学方面产生了一些良好的效果。

2.2.1体系架构创新在线学习体系结构最大的特点是通过云和雾之间的内部接口(Inner API)实现了云和雾之间的持续交互。云部分负责历史备份和大量存储操作，提供长期预测和评分功能，并通过外部接口(Outer API)与教育管理者沟通；雾部分通过轻挖掘技术进行短期预测，并通过外部API与教师、学生进行互动。

2.2.2工作机制雾计算在线学习平台的数据运行机制如图2所示。运用该平台在线学习的每个学生都配备有一台智能手机和一支智能手环。该手机上安装基础Android应用程序，直接与GPS传感器、定时传感器以及心率变异性(HRV)传感器相连接，通过蓝牙与智能手环进行通信。该程序收集来自智能手机的GPS数据、计时数据以及来自智能手环的HRV心率数据，从而监测学生的学习习惯。其中，GPS数据反馈学生当前位置，如宿舍、食堂或图书馆等。定时数据是根据学生大学前3个学年的学习习惯确定。HRV数据作为活动疲劳和困倦的指标，按照1毫秒的速率进行采样和计算。

图2 雾计算在线学习平台的数据工作机制

之后，位于每层的分布式处理框架SAMOA(sc- alable advanced massive online analysis)根据上述数据为学生当前学习活动确定合适的学习内容。当学习内容选定后，相关信息会直接发送到教师的智能手机上以及在线学习系统的云。教师可以检验所选择的学习内容并通过反馈渠道向学生建议其他的学习内容。最后，研究人员可以使用存储在云端的数据对在线学习系统的使用情况进行分析，如辍学率等问题。

2.2.3实施结果研究者选择了来自eCampus Uni- versity工程学院、心理学院和文学院的100名新生和100名在读学生，分别以传统方式(A组)和利用新架构支持的在线学习平台(B组)进行为期1学期的在线学习。结果发现，B组学生的退学率几乎是A组水平的三分之一，说明该系统可以有效降低退学率。而且，通过平台记录数据分析，可以为教师实施适当策略提供有力的参考，例如为理工类学生设置更多的互动练习，而为心理学和文学类的学生设置更多的概念图知识。

2.2.4应用前景未来，eCampus大学智能研究中心计划继续完善基于雾计算技术的创新在线学习平台，增强学习者特征分析功能。例如：自动记录学生完成某一学习内容时的困倦程度、学生是否跳过了某些学习内容、学生花费在特定学习内容上的时间、学生访问学习内容的次数等。系统同时还支持教师和管理者跟踪学习退出者，分析其退出的原因，并及时制定保留策略。

2.3 雾计算助力移动学习

利用云技术进行移动学习时，数据需要从云服务器传输到学习者终端，再将数据从终端返回云服务器，这种中心化的计算模式可能会导致延迟。韩国庆北国立大学(Kyungpook National University)计算机科学与工程学院研究团队将雾计算应用到移动学习中[8]，实现高效的环境感知学习，更好地适应终端的高移动性，减少使用移动学习应用程序的时间延迟。

2.3.1平台架构雾技术支持的移动学习平台由云层、雾层和边缘设备层组成。边缘设备支持智能感知功能，使用模式识别、数据挖掘和学习分析等多种技术来收集学习过程中的数据，并将其发送至中央服务器进行分析。雾层类似服务器，支持智能分析和选择功能。云层负责任务分配，管理终端的应用程序所要执行的各种操作。

2.3.2学习支持该系统结合学习分析、数据挖掘和大数据等技术，可以实现对移动学习者的以下支持：

①优化移动学习资源。雾服务器能够感知其部署的环境，预测移动用户的数据需求特点，选择合适的数据缓存在雾服务器上。基于桌面、Web或移动应用程序的活动传感器可以捕获学习者当前的学习任务和进度。这些传感器可以保存学习活动数据，从而有助于评估用户的学习模式。而且，雾服务器可以从之前的操作中学习，这有助于系统跟踪和分析学习数据，从而为学习者提供更高质量的移动学习资源。

②扩展移动学习环境。雾服务器缓存的数据，对周边环境有一定的认知能力，可以提供更适合应用需求的高效接入机制。例如：部署在图书馆的雾服务器能够缓存周围环境的地图数据，并通过无线定位技术为接入的移动设备提供导航服务。另外，移动设备的移动性具有显著差异，不同移动模式导致移动设备在单个服务器内的时长具有差异性。利用这种差异性，雾服务器可以调节各移动设备的接入时机，降低对移动学习设备的要求，更好地满足各类应用需求。

③提高移动学习效率。雾服务器能够给移动设备和云服务器提供双向的本地化计算服务。雾计算将计算任务尽可能地转移至部署在应用现场的雾服务器上，不仅降低了总的响应延迟，而且能够在没有In- ternet连接的环境中仍然提供服务。将此平台与其他三种基于云计算的移动学习系统进行对比后发现，雾技术支持的系统，其平均网络延迟和宽带使用率均远低于其他三种系统，说明雾网络能够有效提高移动学习的效率。

3 雾计算教育应用趋势

雾计算技术在教育中的应用特性为推动雾计算技术与教育的融合创新发展指明了方向。未来，应从本质上理解雾计算的核心机制，并积极拓展教育应用途径。

3.1 关注雾计算关键技术开发

目前，雾计算的教育研究处于初级阶段。若要充分利用云计算的教育优势，不仅要完善理论层次研究，还要关注实用技术开发：第一，优化通信协议。雾节点众多，单个雾节点不仅要与云层和设备层进行通信，还要与雾层的其他节点进行通信。面向雾节点的高效网络通信协议，可助力教学效率提升[9]。第二，加速应用雾层虚拟化技术。虚拟化技术可以扩大硬件的容量，简化软件的重新配置过程。例如：CPU的虚拟化技术可以单CPU模拟多CPU并行，允许一个平台同时运行多个操作系统，并且应用程序都可以在相互独立的空间内运行而互不影响，从而显著提高计算机的工作效率。第三，加速云雾端融合，实现一体化服务。雾技术作为一种中间技术，需要与云层、边缘设备层以及大数据等技术相互配合，实现教育一体化服务。

3.2 构建雾计算教育服务平台

雾计算为教育领域提供了高效率、低成本的信息服务模式，雾计算平台可以垂直地聚合来自终端设备、边缘网络和数据中心的资源，以较低的成本为教育系统中的各类人员提供服务。在设计、开发教育服务平台时，应加强功能创新，将雾技术与教学内容、教学媒体和教学传播过程进行多层次融合；突破传统教育方式的限制，建设智能教育服务平台，实现协同办公，为教师的科研及教学工作提供有效的支持。例如：设计基于雾技术的“互动反馈系统”(interactive response sys- tem，IRS)[10]，实现即时收集学生反馈信息，自动统计学生学习数据，适当开展组内协作交互，帮助教师更专注于雾环境中的教学设计，及时调整教学方法、策略及进程，提高学生的学习能力。

3.3 运用雾平台开展个性化学习

雾技术通过介于边缘设备和云服务中间的分布式雾节点，可以提供一种新型互动学习服务，体现为教学差异化、学习个性化和服务精准化。首先，雾技术能够监测每个学生的学习行为和学习过程，使教师能够深入了解每个学生的知识能力和学习需求，为教师开展差异化指导提供支持；其次，雾技术与大数据技术相结合，为学生确定相匹配的个性化学习资源，构建适应性的学习内容和学习路径；再次，雾技术终端能够对教学实践数据全面获取、科学分析、精准决策，提高教育系统的运行效率、决策水平和服务能力，每个学生根据自身需求制订学习计划，利用雾技术拓宽自主学习环境，实现真正意义上的个性化学习。

3.4 保障雾网络数据安全

随着区块链技术的发展，如何实现异构性、轻量级、分布式的安全防护技术和部署方案是雾计算面临的一大挑战。未来应着力研究系统安全算法，保护用户隐私。未来教育数据平台将汇集大量学生数据，将学生数据隐私保护相关内容应写入教育平台开发技术规范之中，使得教育平台收集和分析数据的功能符合数据隐私保护要求。同时，对教师和技术人员的专项培训中加入数据安全和隐私保护的内容，并通过专门的系统和平台，对学生数据安全隐私保护等提供持续的指导。