移动设备知识传播服务情境影响因素研究

俞姝玥李浩君许靖

摘   要：已有研究表明，当前大多数高校就业知识服务平台采用的内容匹配个性化推荐算法并不能最大程度上获得用户需求。为提升高校移动就业知识服务质量，本文将“情境”引入移动设备知识服务领域，对高校移动就业知识服务过程中对知识服务质量具有重要影响的情境因素及其相互间的作用关系进行了探究，最终构建了高校移动就业知识服务的情境影响因素分析模型，以期为高校就业知识服务中个性化知识推荐过程的设计提供参考。

关键词：知识服务;移动知识服务;就业知识;情境;影响因素

中图分类号：G250 文献标志码：

“情境”这一概念最早出现在移动与普适计算领域，并逐渐被应用在多个领域以改善用户服务质量。将环境、地理位置、用户等情境信息纳入系统推荐过程中，可以为用户提供个性化的服务与资源，有效提高推荐的精确度与用户满意度。情境因素的引入对个性化推荐过程的改良作用得到了学者的广泛关注，相关研究也自此蓬勃发展起来。

对于即将跨入社会的高校大学生群体来说，就业知识服务是其在日常学业生活中特别是毕业阶段所必需的知识服务，其重要性不言而喻。当前高校移动就业知识服务平台主要分为两类：一类是社会性公司建设的就业信息服务平台;另一类是各大高校校园网附带的招聘服务模块和少数高校定制的校园APP中的校园招聘服务板块。不同高校移动就业知识服务平台所提供的知识服务功能多种多样，侧重点也有所不同，但从发展趋势上来说，都在追求最大程度地为高校用户提供个性化的就业知识服务。当前大多数就业知识服务平台采用内容匹配的个性化推荐算法，将用户的知识需求与就业知识资源进行匹配，从而为用户推送其可能需要的知识资源。然而已有研究表明，这种方式并不能最大程度上获得用户需求，知识服务效果也常常不尽如人意。考虑到在移动与普适计算领域情境因素的引入对个性化推荐过程的改良作用，如果能充分把握高校移动就业知识服务过程中，对知识服务质量具有重要影响的情境因素，并将其应用于个性化推荐算法当中，将有效提升知识服务质量，为大学生个性化就业服务带来帮助。

本研究以知识服务情境的相关理论基础为依据，对影响高校移动就业知识服务过程的情境因素及各因素之间的作用关系进行探索，挖掘它们与就业知识服务质量之间的潜在关联，并尝试构建高校移动就业知识服务情境影响模型，希望能为高校移动就业知识服务平台的发展提供理论支持和有益建议。

一、情境理论

“情境”一词最早由Schilit（1994）和Theimer（1994）提出，他们将情境定义为“用户的位置、周围用户和物体的身份以及与用户互动的设备的状态”。换句话说，如果一条信息能够用于描述一个互动中参与者的情形，那么这条信息就是情境。任何事件的发生总是伴随着一系列与之相关的情境。顾君忠认为，情境实际上反映了从以计算机为中心到以人为中心的转变，这与当前的个性化服务趋势是相辅的，因此也成为了情境逐渐被广泛应用于各领域的原因。Schilit（1994）等学者最早将情境因素引入移动与普适计算领域用以改善用户服务质量，并将情境因素划分为计算情境、用户情境与物理情境三类，其中用户情境包含用户所处位置的地理信息、用户周边的人群、用户的活动情况以及用户自身心情等，系统会借助这些用户信息为用户推荐适当的應用或服务。Kim（2002）提出利用情境因素对交通行业辅助系统进行改良，他将相关的物理环境因素，包括交通条件、人的速度、噪音水平、温度和照明数据等列入情境因素中，以此来执行交通环境监控，帮助驾驶员更好地驾驶。例如：一些驾驶员辅助系统使用部署在车辆上的传感器来执行交通堵塞监测并将车辆重定向到替代路线。另外，在电子商务（Palmisano，2008）、餐饮服务（Oku，2006）等领域，情境因素也发挥了极大的作用。如：Palmisano根据用户在选购商品时的相关情境影响因素，向用户推荐可能需要的商品，从而提升个性化服务质量。

二、移动知识服务情境影响因素综述

在“情境”因素被应用于诸多领域的趋势下，学者们开始将视线投向移动设备知识服务领域，试图在该领域中引入情境来提升知识服务质量。Belkin（1980）是开展移动设备知识服务领域情境研究的第一人，他首先利用与搜索资源相关联的情境因素进行知识检索;王立才（2011）提出在知识检索实现算法中融入情境因素，以进一步改善检索质量;周朴雄（2016）建立了结合情境的用户偏好模型，提出运用BP神经网络方法来预测不同情境下的用户对知识资源类别的偏好，同时结合项目协同过滤算法来实现精准的个性化知识推荐。情境因素的应用逐渐深入到各个知识服务领域，但如何选择合适的情境因素却成为一个难题。为了更好地解决这个难题，许多研究者对情境进行了分类，并在此基础上构建了各式各样的情境影响因素模型。Neuhold（2005）等人以知识生命周期理论为基础，对影响移动设备知识传播中知识服务的情境因素类别进行了研究，他构建的情境影响因素模型中包含三大类情境：用户情境、知识情境与社区情境。其中，知识情境包含了创建情境与解释情境。Zimmermann（2007）等研究者在有关移动设备知识获取的研究中，将其情境因素划分为用户情境、活动情境、环境情境、时间情境以及关系情境;张文萍（2014）以知识生命周期理论为基础，将Christopher的9大类资源情境实体、Ayse Goker的“个性化”用户情境模型等归纳整合后，从资源情境、用户情境与服务情境三个维度建立了移动知识服务情境影响因素模型;余胜泉（2015）等人以情境学习理论为基础，从知识学习过程情境的角度出发，对泛在学习环境下的推荐系统进行了重新定位与设计，确定影响推荐引擎的主要情境有学习内容、学习活动、学习目标、所处环境、所用设备五个部分;Patrick（2018）等人分析了知识资源在其传播过程中与其他实体的作用关系，并根据研究结果构建了知识资源服务过程情境影响因素模型，其中主要包含五大类情境：用户情境、环境情境、系统情境、信息搜索情境、用户使用模式情境。本文将移动设备知识传播过程的情境影响因素进行了总结，如表1所示。

从表1中可以看到，设备情境、用户情境、物理情境、任务情境、资源情境是出现较多的情境因素。而由于设备情境、网络情境均属于系统的一种服务状态，因此我们可以将设备情境、网络情境、服务情境合并为服务情境。

三、高校就业知识服务情境

根据移动设备环境下的情境学习理论，当学习者进入就业知识服务平台，首先要进行知识搜索，系统情境感知模块从情境库中获得需要的情境信息后，由本体标注模块将这些信息语义化处理，然后由情境推理引擎推理得到用户的当前情境。推荐系统对当前情境进行分析后，将对用户进行知识反馈，提供满足其需求的就业知识服务。在这一过程中，首先要求设备具备良好的网络连通性，这是用户顺利使用设备的前提;接着在知识搜索阶段，系统需要了解用户使用该系统的目的，以及用户的个人信息，包括教育背景、工作经历、求职意向、兴趣爱好与特长等，有针对性地为用户提供职业规划服务、招聘信息服务或简历制作教程;而在用户使用系统的过程中，系统的美观程度、反应速度等，都将极大地影响用户的体验感。而后在知识反馈环节，系统将分析取得的各项情境信息，通过适当的推荐算法进行计算后，将就业知识与信息资源通过前端反馈给用户。最后，用户对得到的就业知识进行鉴别与选择性吸收。此时，用户本人的认知模式，以及就業知识与信息资源本身的质量，包括可信度、时效性等，都将对系统的最终知识服务效果产生显著的影响。高校移动就业知识服务的情境影响因素作用过程如图1所示。

四、高校移动就业知识服务的情境影响因素分析模型

1.情境影响因素分析

本研究以高校移动就业知识服务质量提升为目标，基于现有学者对情境因素的分类、情境因素关系研究的相关文献以及移动知识服务的情境因素作用过程，结合本研究内容，拟将高校移动就业知识服务的情境影响因素划分为如下几种类型：用户情境、任务情境、服务情境、资源情境以及环境情境。以下将对这五种情境的构成及特征进行探讨。

（1）用户情境

知识服务的过程实际上是一种个体与情境之间交互的过程，新的知识在个体对其行为的因果关系中被吸收、整合。在这一过程中，用户的认知模式、先验知识都会对知识的获得产生影响。Mahmood 将先验知识定义为以下三个具体方面：对搜索领域的熟悉程度、已具备的技能和专长、对知识服务的了解与使用经验。并通过实证研究检验了先验知识对知识服务过程及结果的影响。在移动设备就业知识服务过程中，用户需要对目标搜索职业有一定的了解，才能准确搜索到该职业的相关信息，否则很有可能输入错误的关键词，对知识搜索环节产生不利影响。用户已具备的技能和专长对用户进行职位筛选、获取就业指导信息的操作也具有较大影响。用户所具备的专业技能决定了用户可以选择的职位范围;而用户已具备了某项求职技能，则说明他可能不再需要了解该方面的就业指导信息，需要将这一部分信息筛选出去。而用户对就业APP操作的了解显然会影响知识服务过程。用户的认知模式也是影响用户就业知识获取过程的一个关键因素。Claudia等学者认为，用户的个人偏好、爱好、特长、专业能力等都包含在用户的认知模式中，这些认知特征都对用户的知识获取行为形成了一定影响。也有其他学者将个人的历史经验包含在认知模式中。在移动设备就业知识服务过程中，用户会根据个人喜好对职位进行挑选，包括工资、工作环境、工作地点、福利等等，这些信息点均可能成为用户进行职位信息筛选的影响因素;而从另一方面来说，了解这些偏好才能够对用户进行针对性的就业指导知识推送。因此，认知模式对移动设备就业知识服务过程是有显著影响的。

（2）任务情境

Claudia认为，用户当前面临的任务或工作目标对用户的知识需求具有显著的影响作用，而准确获得用户的知识需求对于实施个性化知识服务非常重要。在对任务情境的维度进行划分的过程中，Iris等学者认为任务类型、任务复杂度与时间规划是任务情境的重要组成部分。在移动就业知识服务过程中，用户可能正处在择业阶段，可能需要进行面试，也可能正在制作简历。用户正在进行何种任务对其知识需求影响显著。与此同时，用户对任务的要求程度是不同的，而这一要求决定了任务的复杂度。例如有些用户只急需找一个工作，对工资、工作环境等没有要求;有些用户则有要求，这些要求将提升信息搜索过程的复杂度。另外，用户需要完成相应任务的时间紧迫性决定了其时间规划的结果，而就业指导则需要根据用户的时间规划进行调整。

（3）服务情境

本文中定义的服务情境包括了移动设备情境、网络情境及就业知识服务软件的服务情境。用户通过就业知识服务软件获取就业信息，而该知识服务软件是建立在移动设备平台上，以后台数据库管理系统为支撑的信息系统。因此在人机交互过程中，用户感受到的服务情境优劣将会影响知识服务过程。

Schilit认为移动设备携带的便捷性、系统的稳定性、使用的成本都是影响设备情境的重要因素[18]。Razzaque认为，网络情境包括了用户所处无线网络的连通性、用户对无线网络通信成本的可接受程度以及无线网络的速度（是否有较多卡顿）。根据Davis创建的技术接受模型理论，就业知识服务软件的服务情境可以用该软件系统的有用性及易用性来衡量。已有的研究已经充分验证了系统易用性及有用性对于用户接受并使用软件系统的意向及行为的影响。软件系统的易用性是指用户是否容易学会各项功能的操作方式，并且熟练使用该系统，其评价指标包括软件操作的便利性、功能易学、访问便利。而软件系统有用性指的是推送高质量就业知识服务的能力，也就是说，用户能通过使用该软件获得真正对其有价值的就业知识;其评价指标包括功能的特色性、有用性、资源权威性、用户对于所获取知识的满意度等。

（4）资源情境

就业知识服务软件能够根据用户需求提供满足其要求的就业知识产品，这一产品我们可以把它称为就业知识资源。就业知识资源主要可以分为两类：一类是原始的知识资源，包括职业与职位的相关信息、就业指导信息等;另一类是软件在原始资源的基础上进行归纳、统计、分析得到的加工后的知识资源，呈现给用户的是就业领域的知识服务分布、就业趋势、特征分析等。这两类知识产品均被当做具体资源来看待。Christopher认为，用户对知识资源价值的判断通常从两个方面来进行，一种是通过与资源相关的其他实体对资源的评估来判断，另一种是通过在界面上直观可视的资源内容关键词来判别。因此在对资源情境进行描述时，我们可以从内容的可识别性及质量的可识别性两方面出发。内容的可识别性即用户是否可以快速辨别某个资源是用户所需要的资源，我们可以用软件提供的就业知识关键词、标签等信息是否充分，软件是否有对就业知识进行分类来衡量。而资源质量的可识别性指的是软件提供的信息是否足够帮助用户判断资源的质量，这一维度我们可以用就业知识的浏览量、点赞数是否充分，就业知识的来源、发布单位、发布时间、有效期等信息是否充分，软件反映就业信息发布单位的权威性信息是否充分来衡量。

（5）環境情境

在高校移动设备就业知识服务过程中，环境情境可以分为两类：一类是物理环境情境;一类是人文环境情境。Baldauf认为，物理环境情境主要包括地理位置情境、时间情境。首先，用户所处的地理位置会影响用户的择业倾向，用户可能会选择离自己更近的工作地点，而与此相关的知识推荐也会发生变化;另外，就业知识具有一定的时效性，会根据就业市场的变化而变化，因此时间情境也非常关键。而人文环境情境则包括用户的社会关系、社会地位、所处地区社会文化背景、经济发展程度、就业政策等，对系统的知识服务质量将产生一定影响。首先，用户所处地区社会文化背景、经济发展程度、就业政策会直接影响用户的就业选择与行为模式，从而影响就业指导知识的推荐;同时，用户的社会关系也会影响用户的就业行为，尤其是高校学生群体，会更倾向于选择父母及周围同学推荐的职位，或是同校师兄师姐曾经选择的职位。因此，应当充分考虑用户的社会关系，并据此判断用户可能的就业行为与就业知识需求。

2.各情境因素间的影响关系分析

本研究对于知识服务质量的评价是从用户体验角度感知的知识服务满意度来衡量的。因此，任何情境因素动态变化所影响的最终变量均为高校移动就业知识服务质量，在此我们简称为就业知识服务质量。除了对就业知识服务质量的影响之外，五种情境因素互相之间也存在影响作用。下文将对这六个变量之间的互相作用关系进行剖析。

就业知识服务质量的服务情境由设备情境、网络情境与计算情境等共同构成，主要由设备的网络连通性、系统美观程度、操作的便捷性以及提供的推荐算法的可靠程度等来体现。一次知识服务活动中，一旦选定某个高校就业知识服务系统，就意味着一种服务情境的产生。由于服务情境的优良会直接影响用户在系统使用过程中的体验感，因此服务情境对于就业知识服务质量具有直接影响作用。就业知识服务质量资源情境由就业知识资源的资源内容可识别性、资源质量可识别性体现。获取有价值的就业知识是用户使用软件系统的本质目的，因此资源的好坏直接影响了就业知识服务质量。甚至可以说，资源情境是决定就业知识服务质量的最关键情境。另外，由于服务情境包含了计算情境，其推荐系统中提供的推荐算法可靠程度对知识资源的精准化推送具有直接影响作用，因此服务情境对资源情境也具有直接影响作用。因此在这三者的关系中，资源情境因素、服务情境因素对于高校移动就业知识服务质量均有直接的正向影响作用，而服务情境对于资源情境具有直接的正向影响作用。

就业知识服务质量用户情境由用户本身的认知模式、知识水平、教育背景、工作经历等因素体现，这些特征决定了用户对搜索的就业知识的了解程度、移动设备软件使用的能力、就业信息搜索能力、理解或筛选就业信息的能力、进行知识搜索时的个人偏好以及兴趣爱好等等，而这些因素会直接影响就业知识服务质量。举例来说，在同样的前提下，一个善于使用知识搜索软件的用户会感到更容易搜索到有价值的信息，而一个不善于使用软件的用户就会感觉非常困难，这时一个好的系统就可以了解到该用户的难处，为其个性化地提供指导服务。就业知识服务质量任务情境指的是在使用高校就业知识服务系统过程中的使用目的，包括需要找什么类型的工作、当前面临的是求职的什么环节、需要做什么准备等。用户本身决定了用户所携带的任务，因此用户情境直接影响任务情境。而用户所携带任务的轻重缓急对用户在进行操作时的行为与感受有重要影响，因此任务情境对就业知识服务质量也具有直接影响作用。因此在这三者的关系中，任务情境因素、用户情境因素对于高校移动就业知识服务质量均有直接的正向影响作用，而用户情境对于任务情境具有直接的正向影响作用。

就业知识服务质量环境情境可以分为两类：一类是物理环境情境;一类是人文环境情境。环境情境由用户所在地理位置、时间、用户社会关系、社会地位、就业地区社会文化背景、经济发展程度、就业政策等因素体现，根据上文对环境情境的分析，这些因素都对用户本身的就业认知模式、用户的就业选择倾向有一定的影响。因此本文认为，环境情境对用户情境有直接的正向影响作用。

综上分析，用户情境、任务情境、服务情境、环境情境、资源情境及就业知识服务质量的关系如图2所示。

五、结论

对于即将跨入社会的高校大学生群体来说，就业知识服务是其在日常学业生活中特别是毕业阶段所必需的知识服务。随着信息技术的发展，移动互联网已经成为越来越多大学生寻求就业引导、获取就业信息的平台。移动网络平台拥有海量良莠不齐的就业信息资源，如何引导初入社会的大学生准确把握职业定位，更好地筛选就业信息，获得个性化就业知识服务，是当前高校就业知识服务平台的重要任务。现有的高校就业知识服务平台主动推送针对性强且实时快捷知识的方式还是比较欠缺，这是缺乏考虑用户当前所处情境所导致的。为提升高校就业知识服务的效果，本文构建了高校移动就业知识服务的情境影响因素理论模型，旨在为未来求职平台大学生个性化就业知识服务理论研究与实践互动提供有用的参考价值。

本文构建的高校移动就业知识服务情境影响因素分析模型中，详细阐述了高校就业知识服务情境的作用模式，并对用户情境、任务情境、服务情境、环境情境、资源情境五大情境的构成进行了解构与分析，最后讨论了这五种情境在高校移动设备就业知识服务过程中与最终影响变量——就业知识服务质量之间的相互作用关系，希望能够为高校就业知识服务中的个性化知识推荐过程设计提供参考。本文中未能利用数理模型进行实证分析，因此，未来将把研究重点放在构建模型并进行论证上。

参考文献：

[1]郭清云.服务设计理念下的校园就业信息服务系统的设计研究[D].济南：山东建筑大学，2017.

[2][18]Schilit， B.N.， and Theimer， M.M.， Disseminating active map information to mobile hosts[J].IEEE network， 1994，8（5）：22-32.

[3]顧君忠.情境感知计算[J].华东师范大学学报（自然科学版），2009（5）：1-20.

[4]Palmisano C ， Tuzhilin A ， Gorgoglione M . Using Context to Improve Predictive Modeling of Customers in Personalization Applications[J].IEEE Transactions on Knowledge and Data Engineering，2008，20（11）：1535-1549.

[5]Belkin，N.J. Anomalous states of knowledge as a basis for information retrieval[J].Canadian Journal of Information Science，1980 （5）： 133-143.

[6]王立才，孟祥武，张玉洁.移动网络服务中基于认知心理学的用户偏好提取方法[J].电子学报，2011，39（11）：2547-2553.

[7]周朴雄，张兵荣，赵龙文.基于BP神经网络的情境化信息推荐服务研究[J].情报科学，2016，34（3）：71-75.

[8]Zimmermann A ， Lorenz A ， Oppermann R . An operational definition of context[C].Modeling & Using Context， International & Interdisciplinary Conference， Context， Roskilde， Denmark， August. DBLP，2007.

[9]张文萍，邓仲华，张凌.数字图书馆知识服务的情境影响因素研究[J].图书馆学研究，2014（23）：54-62.

[10][12]陈敏，余胜泉.泛在学习环境下感知学习过程情境的推荐系统设计[J].电化教育研究，2015，36（4）：76-82，89.

[11]Rosenberger， Patrick & Gerhard， Detlef. Context-awareness in industrial applications： definition， classification and use case[J]. Procedia CIRP，2018（72）：1172-1177.

[13]袁红军.图书馆学科服务知识整合情境分析[J].现代情报，2015，35（1）：141-144，155.

[14]Khosrowjerdi M， Iranshahi M. Prior knowledge and information-seeking behavior of PhD and MA students[J].Library & Information Science Research， 2011，33（4）：331-335.

[15][16]Claudia Niederée， Avaré Stewart， Mehta B . ABSTRACT A Multi-Dimensional，Unified User Model for Cross-System Personalization[J].2008.

[17]Xie， Iris. Dimensions of tasks： influences on information-seeking and retrieving process[J].Journal of Documentation， 2009， 65（3）：339-366.

[19]Razzaque M A， Dobson S， Nixon P. Categorization and Modelling of Quality in Context Information[J]. Proceedings of the Ijcai Workshop on Ai & Autonomic Communications，2006.

[20]Lee， Christopher A. A framework for contextual information in digital collections[J].Journal of Documentation，2011，67（1）：95-143.

[21]M. Baldauf， S. Dustdar， F. Rosenberg A survey on context-aware systems[J].Ad Hoc Ubiquitous Comput.，2007，2 （4）：263-277.

（编辑：王晓明）

A 文章编号：1673-8454（2019）09-0006-06