基于情境感知的学习资源个性化推荐机制研究
2022-03-21黄宇星卢锋
黄宇星 卢锋
摘 要： 面对海量的学习资源，如何为学习者推荐与情境相匹配的学习资源是亟需解决的问题。文章在详细描述学习资源个性化推荐情境要素的基础上，构建了包含情境感知层、资源管理层、学习诊断层、个性推荐层及学习者界面的学习资源个性化推荐系统，并阐述了系统的推荐流程及实现。在情境感知理论的基础上，构建以情境感知技术为核心的学习资源个性化推荐系统，能提高学习资源与学习者之间的动态适应性，更好地服务于学习者的个性化学习需求。
关键词： 智慧教育; 情境感知; 学习资源; 个性化推荐
中图分类号：G434 文献标识码：A 文章编号：1006-8228（2022）03-14-05
Abstract： In the face of massive learning resources， how to recommend learning resources matching the situation for learners is an urgent problem to be solved. On the basis of detailed description of the situational elements in personalized recommendation of learning resources， a personalized learning resource recommendation system is constructed in this paper， including situational awareness layer， resource management layer， learning diagnosis layer， personalized recommendation layer and learner interface， and its recommendation process and implementation are expounded at the same time. Based on the theory of context awareness， the construction of personalized learning resources recommendation system with context awareness technology can improve the dynamic adaptability between learning resources and learners， and better serve the personalized learning needs of learners.
Key words： intelligent education; context awareness; learning resources; personalized recommendation
0 引言
目前的学习资源个性化推荐系统多以学习者为中心，根据学习者的学习行为数据体现的学习偏好等特征，向学习者推送相应的学习资源。但学习者正处于一个可以随时随地学习的环境中，如果仅考虑学习者自身和学习资源间的联系，就容易忽视学习者的动态学习需求。这就对学习资源个性化推荐系统的智能性提出了更高的要求，要求该系统能够精准定位学习者的当前学习需求，并能够根据学习者周围环境的变化而变化，而实现这一功能的核心技术之一就是情境感知。引入情境感知技术的学习资源个性化推荐系统应该如何构成？它如何为处于不同情境下的学习者提供精确的学习资源？本文将基于情境与情境感知的概念，研究学习资源个性化推荐的场景下，情境要素的组成、系统模型的构建及个性化推荐的实现。
1 相关研究综述
1.1 学习资源的个性化推荐
学习资源个性化推荐是指在收集学习者相关数据的基础上，分析学习者的特性，并对其学习情境和需求进行准确定位，进而为学习者推送满足其个性化需求的学习资源。牟智佳[1]、刘敏[2]等基于学生的学习过程，挖掘学生在此期间的学习行为数据，分析学习者特征，进一步为学习者推荐符合其特性的学习资源;姜强[3]、孙飞鹏[4]等学者基于学习者的知识掌握的情况，为其推荐相匹配的学习资源。伴随着学习者的学习过程，其学习情境及学习需求也在发生着不断的变化，这对学习资源的个性化推荐提出挑战。
1.2 情境感知技术支持下的资源个性化推荐
情境是指任何可以用来描述“实体情形和特征”的信息[5]。情境感知就是利用情境为用户提供与其任务相关的信息或者服务[5]。目前，情境感知技术在资源推荐方面已逐渐受到关注。从推荐内容来看，黄志芳[6]、程秀峰[7]、王欣[8]分别提出了融入用户当前情境的学习路径、商品资源及科研知识推荐。从推荐方法上看，程秀峰[9]、张潇璐[10]等人分别采用朴素贝叶斯算法与协同过滤算法相结合、改进协同过滤算法的推荐方法。可见，在学习资源个性化推荐中融入情境感知技术十分必要。
2 基于情境感知的学习资源个性化推荐系统的构建
2.1 学习资源推荐情境要素
不同领域中的情境分类各有不同，在学习资源推荐系统中，学习者是学习资源推荐的主体，学习资源是学习资源推荐的主要内容，而学习者通常处于一定环境中学习。因此，本研究将学习资源推荐情境要素分为：学习者情境、学习资源情境、学习环境情境及社会环境情境，如图1所示。学习者情境：学习者是学习资源推荐系统的使用者，学习者情境是影响学習资源推荐准确度的重要因素，包括学习者的基本信息、学习特征、学习状态、学习历史及学习需求。学习资源情境：学习资源是推荐系统中的主要对象，包括学习资源的类型、难度、目标、知识点之间的关联及学习者的操作记录等。学习环境情境：学习环境情境信息主要包括自然环境、网络环境和设备环境。社会环境情境：主要是指学习者的社会性交互的信息，包括同学、教师和家长。
2.2 情境感知的学习资源个性化推荐系统
情境的识别是一个复杂的动态过程，它包括对处于课前、课中及课后不同阶段下学习者情境信息的推理，从而分析学习者在当下情境时的学习状态和学习需求，并据此对学习者的学习进行诊断和预测，进而提供符合其个性化学习需求的学习资源。根据上述分析，基于情境感知的学习资源个性化推荐系统应该包含：情境感知层、资源管理层、学习诊断层、个性推荐层及学习者界面五个部分，如图2所示。
①情境感知层：情境信息的获取是情境感知技术实现的首要前提。情境信息获取主要是指通过传感器、在线学习平台及移动设备等手动与自动相结合的方式，并且对这些情境信息进行分类和解释。②资源管理层：学习资源个性化推荐中包含海量的资源，结合云存储、大数据等人工智能技术可以将有关学习者的情境信息库、学习资源库及相关情境资源库进行高校存储和处理分析。③学习诊断层：学习者的学习诊断与预测主要是指在学习过程中，对学习者的课前、课中及课后的学习过程中检测和预测学生学习的偏差，并对其进行“即时反馈”。④个性推荐层：在这个过程中，学习资源个性化推荐系统在对学习者的当前情境信息进行合成更新后，进行情境建模，并采用恰当的情境推算算法，对学习资源进行综合评估，确定学习资源的推荐序列。⑤学习者界面：通过学习资源个性化推荐匹配，生成学习者所需的学习资源，在学习者学习使用的在线学习平台及移动设备等进行呈现。
3 基于情境感知的学习资源个性化推荐流程及实现
基于情境感知的学习资源个性化推荐需要收集学生的情境信息，并完成情境推理。通过情境信息的更新合成，并对情境信息进行语义编码构建情境本体，形成情境信息库，对学习者进行学习诊断与预测，进而将情境本体与学习资源计算匹配相似度，研究結合混合式推荐算法得到匹配度最高的学习资源，最后将学习资源呈现给学生。具体推荐流程如图3所示。
3.1 情境信息获取
情境信息的获取主要包括以下几种方式：一是通过包括传感器、摄像头、语音识别等设备获取相关情境信息，主要包括学习者的学习注意力状态、学习者当前使用的设备，学习者所处的位置及时间等信息;二是通过学习者学习过程中接入的移动设备、计算机、路由器等硬件设备，获取学习者当前的网络环境及设备环境，包括学习者当前的网络带宽、设备尺寸、内存、电量及分辨率等情境信息;三是通过互联网在线学习平台获取，可以直接获得学习者的基本信息、学习者对学习资源的历史操作记录、学习者与同学及老师之间的交互记录等。
3.2 情境推理
情境推理是依据显性情境信息，通过推理规则和约束条件进行推理，得到隐性情境信息的过程[6]。推理过程如图4所示。
首先通过传感器、在线学习平台和移动设备等方式获取显性情境信息，存入情境本体信息库中;这将触发情境推理模块，通过推理工具得到隐性情境信息，并与情境本体信息库比较，进行一致性和正确性检验;检验后的情境信息进行冲突检测，检测其是否与情境本体信息库中已有的情境信息发生冲突，如果发生冲突则进行冲突解决，否则结束情境推理过程，将最终获得的隐性情境信息存入情境本体信息库。
3.3 情境本体模型构建
情境感知技术支持下的学习资源个性化推荐系统在对情境信息分类和分析之后，需要通过情境属性间的关系，构建基于本体推理的情境本体模型，进而实现学习者的情境信息与学习资源的个性化匹配。基于本体的情境形式化表示具有特定数据结构，其中情境中的各个元素通过层次概念树的节点来进行表现，因此需要对情境进行类和层次的划分。学习资源个性化推荐本体包含学习者情境、学习资源情境、学习环境情境和社会环境情境四类，分别用Student、Resource、LEnvironment、SEnvironment来描述其属性特征。根据之前对情境要素的划分，可以将学习资源个性化推荐过程的情境信息表示为：
Recommend Context= Context， LEnvironment Context， SEnvironment Context>; Student Context={ BasicInfo， LearningChara， LearningState， Studying His， LearningNeeds } ResourceContext={ ResourceType， ResourceDiff， ResourceTarget， KnowledgeCon， OperationRec } LEnvironment Context={ NaturalEnv， NetworkEnv， EquipmentEnv } SEnvironment Context={Classmate， Teacher， Parents} 最后通过本体编码工具Protégé进行编码，即进行本体展示。 3.4 基于学生与情境的学习诊断与预测 本研究的学习诊断与预测分为课前诊断、课中预测和课后诊断三个阶段。课前诊断是指通过在课前阶段，将相似情境内的相似学生的平均能力作为整体学生的潜在学习认知水平，为学生推送难度与该潜在水平相近的测验试题，根据结果来判断学生的现实认知水平。课中预测是在学习者的学习过程中，对处于相似子情境中的学习者群体的平均学习能力进行预估，对比学习者现实学习能力与平均学习能力之间的偏差。课后诊断是在学习者的课程学习结束后，为学生推送相应的试题，检测学习者的课程学习能力情况，并把结果信息存入情境信息库。学生能力值依据项目反应理论的三参数Logistic来进行预估，见公式⑴。其中，D=1.702，θ表示受测学习者能力估计值;a表示题目的区分度;b表示题目的难度;c表示题目的猜测系数，它的值越大，说明不论受测者能力高低，都容易猜对;P（θ）表示能力为θ的人答对此题目的概率。 3.5 学习资源个性化推荐匹配 个性化推荐方式主要包括协同过滤推荐、内容推荐和混合式推荐。协同过滤推荐利用拥有共同经验的学习者群体的兴趣和偏好，来给学习者推荐学习资源;基于内容的推荐根据学习者的历史学习记录，为学习者推荐相似的学习资源;混合式推荐能够规避上述单一推荐方法的局限性，综合使用内容及协同过滤推荐方法，使得推荐结果更为精准。本研究采用与情境相结合的混合式推荐方法，以期为学习者提供更符合其当前情境的个性化学习资源。 ⑴ 融入情境的协同过滤推荐。实现该推荐过程，常规做法是获得学习者对学习资源的打分，形成学习资源评分矩阵，找到与当前学习者兴趣相似的学习者。这包括学习者相似度计算以及评分预测。采用皮尔逊相关系数来测量特定情境下学习者a和b之间的相似度，见公式⑵。c为学习者处于的当下情境，Ra，I，c表示学习者a在当下情境对学习资源i的评分，Ra，c和Rb，c表示学习者a和学习者b在相同情境中对共同评分过的学习资源的平均值。评分预测见公式⑶，Pa，I，c为学习者a在当下情境c时对学习资源i的评分。 ⑵ 融入情境的基于内容推荐。实现该推荐过程需要计算学习者当前情境与历史情境的相似度，并根据类似历史学习情境下的学习资源选择进行排序，与待推荐学习资源进行相匹配。学习者当前情境與历史情境的相似度计算见公式⑷。H表示学习者的历史情境，Context（H）={Context（H1），Context（H2），...，Context（Hn）};学习者当前的情境信息为Context= 4 结束语 情境感知技术能够提供学习者所处的情境信息，并随着学习者的学习过程不断变化做出适应性反应，在分析学习者个性化学习需求方面具有重要作用。因此，本文在对情境感知的相关研究分析基础之上，明确了学习资源推荐的情境要素，提出了一个基于情境感知的学习资源个性化推荐系统，并对其情境信息获取、情境推理、情境本体模型构建及个性化推荐匹配的实现等关键环节进行了深入分析和探讨。将情境感知技术应用于学习资源的个性化推荐，可以展示学习者的整体学习情境，在一定程度上能提高学习资源的智能化和个性化程度，未来可通过实证研究进一步探讨学习资源个性化推荐系统在实际教学中的应用效果。 参考文献（References）： [1] 牟智佳，武法提.电子书包中基于学习者模型的个性化学习资源推荐研究[J].电化教育研究，2015，36（1）：69-76 [2] 刘敏，郑明月.智慧教育视野中的学习分析与个性化资源推荐[J].中国电化教育，2019（9）：38-47 [3] 姜强，赵蔚等.基于用户模型的个性化本体学习资源推荐研究[J].中国电化教育，2010（5）：106-111 [4] 孙飞鹏，于淼，汤京淑.基于知识图谱的汉语词汇学习资源推荐研究——以HSK三级词汇为例[J].现代教育技术，2021，31（1）：76-82 [5] Dey A K.Understanding and Using Context[J].Personal and U-biquitous Computing，2001，5（1）：4-7 [6] 黄志芳，赵呈领，黄祥玉，等.基于情境感知的适应性学习路径推荐研究[J].电化教育研究，2015，36（5）：77-84 [7] 程秀峰，张孜铭.基于情境感知的电商平台推荐系统框架研究[J].情报理论与实践，2021，44（2）：168-177 [8] 王欣，宁淑华，刘妍，等.基于情境感知的高校图书馆个性化科研知识推送服务研究[J].图书馆工作与研究，2020（6）：69-75 [9] 程秀峰，范晓莹，杨金庆.一种融合了基于朴素贝叶斯算法与情境感知的协同推荐系统——以大学图书馆实体图书推荐为例[J].现代情报，2019，39（2）：57-65 [10] 张潇璐，赵学敏，刘璇.基于情境感知的高校移动图书馆知识资源推荐研究[J].情报科学，2020，38（1）：48-52，92
