国外适应性学习支持系统中情境感知模型对比研究

杜静 高博俊 周伟 蔡臻昱

[摘   要] 依据学习者的情境提供匹配的学习资源是自适应学习系统的研究难点之一，文章采用内容分析法和案例研究法，从人与环境两方面，对2015年至2019年的国外适应性学习支持系统中情境感知功能的相关要素、实现方法、评价方式进行剖析。经过研究发现，已有的适应性学习支持系统主要应用于词汇学习和场馆学习领域;涉及要素包括用户、社会情境、任务、时空、基础设施和物理环境六大维度，并且对物理环境、社会情境与任务三个维度的分析需要进一步细化要素;不同维度要素信息获取的实现方法多采用传感器、系统日志文件、系统预设的方式;对学习支持系统评价方式主要包括用户使用系统的一般态度、用户使用体验、系统对学习成绩的影响等方面。最后，基于以上分析提出未来情境感知模型研究可以从三个方面开展，包括融入实时情感分析以实现学习支持服务中的人文关怀，支持多主体互动以促进知识的探究式社会协商，关注复杂学习情境建模以驱动数据密集型支持服务。

[关键词] 适应性学习; 学习情境; 情境感知; 学习支持; 对比分析

[中图分类号] G434            [文献标志码] A

[作者简介] 杜静（1989—），女，湖北武汉人。博士，主要从事适应性学习支持服务研究。E-mail：dujing@mail.bnu.edu.cn。周伟为通讯作者，E-mail：zhouwei@bnu.edu.cn。

一、引   言

泛在学习时代，人们期待的智慧学习环境是一种能感知学习情境，识别学习者特征，提供合适的学习资源与便利的互动工具，自动记录学习过程和评测学习成果，以促进学习者有效学习的学习场所或活动空间[1]。如何依据学习发生的时间、地点、学习活动等细粒度信息匹配学习支持是当前适应性学习支持系统设计过程中的研究焦点。为此，本研究将对情境感知模型的研究现状进行分析，探索以下问题：（1）从理论上来看，情境感知功能包含的维度;（2）从实践上来看，已实现的自适应学习系统纳入了哪些维度，使用何种技术实现;（3）具有情境感知功能的学习系统的应用效果。通过对适应性学习支持系统的情境感知功能进行深度剖析，为适应性学习支持提供借鉴。

二、情境感知模型研究的缘起

（一）情境感知的内涵

关于情境的定义，学界普遍认可的是Dey从系统设计的角度给出的定义，情境为任何可以被用来描述实体的信息，实体可以是某个人、某个地点或被认为与用户和应用程序之间的互动有关的物体，包括用户和应用程序本身[2]。Dey曾将情境信息分为四类，通过身份（Identity）、时间（Time）、地点（Location）、活动（Activity）四个维度来回应自适应系统需要回答的四类问题[谁在参与这项活动（Who）、什么时间发生（When）、在哪里发生（Where）和什么活动正在发生（What）][3]。Bardram和Jakob从人的活动视角出发，认为情境是人的活动整体，包括行为和操作的执行[4]。本文采用了以上两种关于情境的定义，认为情境是对人的活动过程相关的实体信息的描述，与时间、地点、行为和活动过程等因素密切相关。

情境感知计算的研究始于Want[5]，目前大多数研究者采用Schilit、Adams和Want提出的情境感知定义，即通过计算机程序感知不断变化的环境并描述该环境下的用户行为，再依据这些变化和用户行为提供符合用户需要的服务[6]。此外，Schmidt还从软件工程的角度，就如何获取情境信息的问题给出了情境的操作性定义，并提出情境感知模型[7]。通过以上研究发现，具有情境感知功能的自适应学习系统的实质就是通过智能技术识别与学习者相关的时间、地点、环境、活动等情境信息，从而匹配和推送合适的资源和服务。

（二）适应性学习支持的新诉求

适应性学习支持系统的核心特征是“适应”，适应一词常指基于情境信息的计算（Context-based Computing），即通过识别当前用户情境信息，计算出符合用户需求的资源[8]。学习支持的实质是结合学习者的特征，利用各种资源，为学习者提供适应性支持。按照支持方式的不同，可以将服务分为三类：预设资源型支持、相关资源型支持和生成资源型支持[9]，见表1，其中，生成型资源服务是未来发展的方向。

尤其是近年来，学习场景多元化发展，学习支持方式也逐渐多样化[10]，学习者特质各不相同，对学习需求和环境要求也不同[11]，表现为因学习者知识背景、认知水平、元认知能力、情感状态、所处环境的不同，所需的学习资源、学习内容、学习指导存在较大差异[12]，这使情境感知功能对自适应学习系统显得愈发重要。

三、研究方法与过程

（一）研究问题与研究方法

以Schmidt的情境感知模型[7]为基础，对自适应学习系统中情境感知功能的设计与实现现状进行探讨。问题1：自适应学习系统中情境感知功能的情境要素包括哪些？问题2：获取情境要素的技术和方法是什么？问题3：情境感知功能评价指标是什么？

在研究方法上，问题1采用内容分析法来剖析已被采用的情境要素，问题2采用案例研究法来厘清获取情境要素的技术与方法，问题3采用案例研究法来对比情境感知功能的评价指标。

（二）筛选标准和数据来源

以Web of Science为搜索数据库，以Recommender System、Mobile Learning System、Adaptive Learning System、Ubiquitous Learning System為搜索关键词，共搜索到3420篇文章。案例筛选按照以下标准进行：数据源来自2015年后出版的相关文章;仅搜集会议文章与期刊文章，剔除非英文文章、未发表的文章、硕博士论文、新闻、报告、海报、短篇论文;该研究对自适应学习系统的研究包括功能介绍、系统评测等部分。经过筛查，剩余23篇文章。

四、情境感知模型对比分析框架

（一）情境感知相关因素的厘清

在现有的研究中，有多种对情境因素的划分方式。有学者从人和环境的角度进行了研究。Schmidt从通用的角度将情境信息划分为与人相关的因素（用户信息、社会环境与任务信息指标）和与环境相关的因素（物理环境、基础设施与地点信息）[7]。情境信息还可以划分为内部情境和外部情境，内部情境信息用来描述用户的状态，获取较困难，包括用户的基本信息、状态;外部情境用来描述与环境相关的信息，获取较容易，包括空间、温度等[13]。

还有一些研究者从学习支持的角度对情境因素进行了划分。张剑认为，情境信息可分为学习情境和移动情境，学习情境由学习者、教育资源、学习活动、特定教学策略组成，移动情境是由输送介质（也就是移动设备）捕捉的情境信息[14]。Yang认为，情境包括两个维度，学习者和学习服务，与学习者相关的信息包括个人档案、学习偏好、网络连接渠道、学习终端等，与学习服务相关的信息包括如网络条件、执行服务的设备和平台等[15]。陈敏和余胜泉从学习过程情境出发，将情境信息划分为学习目标、学习者特征、学习设备、学习环境四个维度，认为促进有效学习的发生，不仅要推荐学习内容，还需推荐与学习过程相关的内容、资源、专家和服务[16]。

综合以上研究，已有的划分方式都包括环境和人的因素。环境维度包括时空、物理环境（光、压强、加速度、温度等）;人的因素包括个体情境（脉搏、血压、认知负荷等）、社会情境（社会交互、小组动态等）和用户任务（目标、内容、完成时间等）。

与情境信息最相关的要素为设备和使用者，因此，本研究主要借鉴Brusilovsky和Millán[17]的观点，从设备和人的视角对情境信息加以考量，如图1所示。从用户的视角来看，情境信息建模是对用户建模部分进行了扩充，这种方式更倾向于不将用户信息划分为情境信息的一部分;从设备的视角来划分情境因素是普适计算和移动学习普遍采用的方式，这种方式将用户的信息看作情境的一部分，这也是大多数自适应学习系统采用的划分方式。后续的分析也将从设备的视角对自适应学习系统的情境感知模型进行分析。

（二）情境感知模型分析框架

结合以上关于情境感知因素的研究，围绕信息、媒介、方法和效果四个方面提出了情境特征分析框架“U-TIPS2”，如图2所示。该框架关注到人和环境两类因素，包括六大维度，物理环境、用户、基础设施、时空、

任务和社会情境。其中，用户、社会情境和任务三要素和人密切相关，物理环境、基础设施、时空和环境相关。该模型用来分析四类问题：（1）何种信息——系统涉及的信息类型，如用户情境、社会情境等;（2）何种媒介——系统使用的基础设施，如Ibeacons、传感器等，对应于案例描述的“终端类型”部分;（3）何种方法或技术——系统使用的识别情境信息的技术，如人脸识别、语音识别等;（4）何种效果——系统的评价方式，如测评对象、测评维度等。

五、对比分析结果

（一）案例介绍

利用内容分析法，对相关案例系统的背景信息进行分析，见表2。目前，已实现的具有情境感知功能的适应性学习系统多应用于语言学习和场馆学习两个方面。在语言学习方面，Liu等设计了健身场景下的协作式英语学习系统UFELCS[20];Yao结合二维码技术设计了基于真实学习环境的平台PCAR，该平台可提升学习者的英语应用能力并激发学习兴趣[24];Wang以英语词汇中的音节为基础，设计了帮助学习者提升英语学习水平的系统I SEE[26]。此外，还有英语学习系统UoLmP[29]、阿拉伯语言学习系统U-Arabic[27]。在场馆学习方面，Chiu结合导航算法B-MONS开发了支持博物馆学习的混合式泛在学习系统[22]。除此之外，还有面向文化学习的旅游及相关服务的移动推荐系统Looker[18]、利用群体智能算法的基于位置的混合式旅游推荐系统HLTRS[19]等。

（二）情境感知功能对比分析结果

在搜集国外具有情境感知功能的适应性学习系统的基础上，利用内容分析法，对相关文章中描述的情境要素以及实现要素的方法进行细粒度提取，表3列举了与人相关的三个维度的分析结果，表4列举了与环境相关的三个维度的分析结果。

需要说明的是，表中的“日志”指追踪历史数据的日志文件，“QR Code”指由Denso公司于1994年9月研制的一种矩阵二维码符号，“API”指用户应用程序接口，“自选”指由使用者自愿选择，“RFID”指一种阅读器与标签之间进行非接触式的数据通信方式，“×”表示系统没有列入此要素。

从“用户—社会情境—任务”维度的对比分析结果来看，在用户维度，多数系统涵盖了基本信息、习惯偏好、认知风格、学习需求、知识水平等，基本信息（如姓名、年龄、年级等人口信息）大多在用户系统注册时直接获取，习惯偏好、认知风格、学习需求多利用问卷获取;在社会情境维度方面，主要描述了交互信息和小组成员的分工情况，如UFELCS系统利用QR Code获取小组成员组队信息[20];在任务维度，包含的信息主要包括活动信息、学习资源和测试题信息，活动信息多采用QR Code的方式获取，如BCAULS、IULS、U-Arabic。

通过“用户—社会情境—任务”维度的分析可知，在用户维度，用户信息表征多集中在人口信息、认知风格、知识水平等浅层次信息，包括UFELCS、BCAULS、PCAR、IULS等，对学习者情感状态以及学习者的个性化学习需求关注较少;在社会情境维度，多数系统关注个人學习，对协作学习关注不足;在任务维度，对多用户协作情境下的任务描述需加强，搜集到的案例仅有SCORLL、UFELCS、UoLmP和A Mobile Label Assisted System涉及协作学习的情境感知。可能的原因是，这些系统的主要功能是针对个体推荐学习资源，针对小组推荐学习资源和学习活动的功能设计较少，使得对社会维度的因素考虑不足。

[参考文献]

[1] 黄荣怀， 杨俊锋， 胡永斌. 从数字学习环境到智慧学习环境[J]. 开放教育研究， 2012， 18（1）： 75-84.

[2] ABOWD G D， DEY A K， BROWN P J， et al. Towards a better understanding of context and context-awareness[C]//International symposium on handheld and ubiquitous computing. Berlin， Heidelberg： Springer， 1999： 304-307.

[3] DEY A K， ABOWD G D. Providing architectural support for building context-aware applications[D]. Atlanta： Georgia Institute of Technology，2000.

[4] BARDRAM J E. Activity-based computing for medical work in hospitals[J]. ACM Transactions on computer-human interaction （TOCHI）， 2009， 16（2）： 10.

[5] WANT R， HOPPER A， FALCAO V， et al. The active badge location system[J]. ACM Transactions on information systems （TOIS）， 1992， 10（1）： 91-102.

[6] SCHILIT B， ADAMS N， WANT R. Context-aware computing applications[C]//1994 First Workshop on Mobile Computing Systems and Applications. Santa Cruz， USA： IEEE， 1994： 85-90.

[7] SCHMIDT A， BEIGL M， GELLERSEN H W. There is more to context than location[J]. Computers & graphics， 1999， 23（6）： 893-901.

[8] BRUSILOVSKI P， KOBSA A， NEJDL W. The adaptive web： methods and strategies of web personalization[J]. Springer science & business media， 2007，4321： 521-549.

[9] WAHLSTER W， TACK W. Ressource adaptive kognitive prozesse[M]//Informatik'97 informatik als innovationsmotor. Berlin， Heidelberg： Springer， 1997： 51-57.

[10] 武法提， 黄石华， 殷宝媛. 场景化：学习服务设计的新思路[J]. 电化教育研究， 2018， 39（12）：65-71.

[11] KOBSA A . User Modeling and User-Adapted Interaction[J]. User modeling and user-adapted interaction， 2005， 15（1）：185-190.

[12] TORTORELLARA W， GRAF S. Considering learning styles and context-awareness for mobile adaptive learning[J]. Education and information technologies， 2017， 22（1）： 297-315.

[13] K？譈HN R， KELLER C， SCHLEGEL T. A context taxonomy supporting public system design[C]// 1st International Workshop on Model-based Interactive Ubiquitous System. Copenhagen， Denmark： ACM， 2011：45-50.

[14] 張剑. 情境感知自适应移动学习系统框架研究——以uolmp系统为例[J]. 情报探索， 2015（6）： 50-52.

[15] YANG S J. Context aware ubiquitous learning environments for peer-to-peer collaborative learning[J]. Journal of educational technology & society， 2006， 9（1）： 188-201.

[16] 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（4）： 76-82.

[17] BRUSILOVSKY P， MILL？魣N E. User models for adaptive hypermedia and adaptive educational systems[M].The adaptive web. Berlin， Heidelberg： Springer， 2007： 3-53.

[18] MISSAOUI S， KASSEM F， VIVIANI M， et al. LOOKER： a mobile， personalized recommender system in the tourism domain based on social media user-generated content[J]. Personal and ubiquitous computing， 2019， 23（2）： 181-197.

[19] RAVI L， SUBRAMANIYASWAMY V， VIJAYAKUMAR V， et al. Hybrid location-based recommender system for mobility and travel planning[J]. Mobile networks and applications， 2019， 24（4）： 1-14.

[20] LIU G Z， CHEN J Y， HWANG G J. Mobile─based collaborative learning in the fitness center： a case study on the development of English listening comprehension with a context─aware application[J]. British journal of educational technology， 2018， 49（2）： 305-320.

[21] TORTORELLARA W， CHEN N S. Framework for designing context-aware learning systems[J]. Education and information technologies， 2018， 23（1）： 143-164.

[22] CHIU C K， TSENG J C， HSU T Y. Blended context-aware ubiquitous learning in museums： environment， navigation support and system development[J]. Personal and ubiquitous computing， 2017， 21（2）： 355-369.

[23] CHIN K Y， LEE K F， CHEN Y L. Using an interactive ubiquitous learning system to enhance authentic learning experiences in a cultural heritage course[J]. Interactive learning environments， 2018， 26（4）： 444-459.

[24] YAO C B. Constructing a user-friendly and smart ubiquitous personalized learning environment by using a context-aware mechanism[J]. IEEE transactions on learning technologies， 2015， 10（1）： 104-114.

[25] INTAYOAD W， BECKER T， TEMDEE P. Social context-aware recommendation for personalized online learning[J]. Wireless personal communications， 2017， 97（1）： 163-179.

[26] WANG W Y， HUANG Y M. Interactive syllable-based English vocabulary learning in a context-aware environment[J]. Journal of educational computing research， 2017， 55（2）： 219-239.

[27] ALOBAYDIE K， ALKHAYATR Y， ARSHADMR M， et al. Context-aware ubiquitous Arabic vocabularies learning system （U-Arabic）： a framework design and implementation[C]// 7th IEEE International Conference on Control System， Computing and Engineering.  Penang， Malaysia： IEEE， 2017： 23-28.

[28] HSU T Y， CHIOU C K， TSENG J C R， et al. Development and evaluation of an active learning support system for context-aware ubiquitous learning[J]. IEEE transactions on learning technologies， 2015， 9（1）： 37-45.

[29] G？魷MEZ S， ZERVAS P， SAMPSON D G， et al. Context-aware adaptive and personalized mobile learning delivery supported by UoLmP [J]. Journal of king saud university-computer and information sciences， 2014， 26（1）： 47-61.

[30] CHEN C M， CHEN L C， YANG S M. An English vocabulary learning app with self-regulated learning mechanism to improve learning performance and motivation[J]. Computer assisted language learning， 2019， 32（3）： 237-260.

[31] CHEN G， XIN Y， CHEN N S. Informal learning in science museum： development and evaluation of a mobile exhibit label system with iBeacon technology[J]. Educational technology research and development， 2017， 65（3）： 719-741.

[32] CHEN C C， LIN P H. Development and evaluation of a context-aware ubiquitous learning environment for astronomy education[J]. Interactive learning environments， 2016， 24（3）： 644-661.

[33] SUN J C Y， CHANG K Y. Design and development of a location-based mobile learning system to facilitate English learning[J]. Universal access in the information society， 2016， 15（3）： 345-357.

[34] MOURI K， OGATA H， UOSAKI N， et al. Context-aware and personalization method based on ubiquitous learning analytics[J]. Journal of universal computer science， 2016， 22（10）： 1380-1397.

[35] ZHAO S， GHOLAMINEJAD A， DING G， et al. Personalized emotion recognition by personality-aware high-order learning of physiological signals[J]. ACM transactions on multimedia computing， communications， and applications， 2019， 15（1）： 1-19.

[36] 鐘启泉. 学习环境设计：框架与课题[J]. 教育研究， 2015， 36（1）： 113-121.

[37] 何克抗. 教学代理与自适应学习技术的新发展——对美国《教育传播与技术研究手册》（第四版）的学习与思考之六[J]. 开放教育研究， 2017，23（5）： 11-20.

[38] PAXTON A， TULLETT A. Open Science in data-intensive psychology and cognitive science[J]. Policy insights from the behavioral and brain sciences， 2019， 6（1）： 47-55.