海量的教育信息資源、豐富的平臺工具增加了學(xué)習(xí)者甄選難度，帶來“信息迷航”;個性化的資源推薦服務(wù)作為一種學(xué)習(xí)支持將最適合的資源推薦給最需要的學(xué)習(xí)者。為實現(xiàn)個性化資源的精準(zhǔn)推送，有效提升資源推薦服務(wù)效果，剖析網(wǎng)絡(luò)環(huán)境下學(xué)習(xí)者在學(xué)習(xí)過程不同階段的資源需求，結(jié)合商業(yè)領(lǐng)域發(fā)展較成熟的三種個性化推薦技術(shù)，探討面向?qū)W習(xí)過程不同階段和情境的個性化資源推薦策略。

問題的提出

以云計算、物聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)為代表的新技術(shù)層出不窮，教育信息化建設(shè)因此獲得良好的發(fā)展機遇。各類在線開放課程平臺、在線教育社區(qū)、網(wǎng)絡(luò)教學(xué)平臺等推動網(wǎng)絡(luò)學(xué)習(xí)空間不斷延伸與發(fā)展，全球范圍內(nèi)的開放教育資源項目、我國的精品課程熱潮、優(yōu)質(zhì)資源庫共建共享方略等促進(jìn)了網(wǎng)絡(luò)教育資源持續(xù)豐富與增長。技術(shù)對教育產(chǎn)生正向推動作用的同時也帶來挑戰(zhàn)。一方面它為推進(jìn)教育部的“三通兩平臺”建設(shè)提供了有力的技術(shù)支撐與環(huán)境支持;另一方面海量的教育資源、多樣化的網(wǎng)絡(luò)教學(xué)平臺及應(yīng)用為學(xué)習(xí)者提供豐富選擇的同時加重其認(rèn)知負(fù)荷，導(dǎo)致網(wǎng)絡(luò)學(xué)習(xí)“迷航”。有學(xué)者認(rèn)為技術(shù)傳播縮小了數(shù)字鴻溝抑或增大了數(shù)字鴻溝。

為破解信息過載難題，研究人員和平臺建設(shè)者借鑒商業(yè)領(lǐng)域個性化推薦思想，將推薦服務(wù)引入教育領(lǐng)域。它在一定程度上將用戶從“信息迷航”的焦慮中解救出來，實現(xiàn)了“人找資源”的信息被動檢索模式到“資源找人”的信息主動服務(wù)模式的轉(zhuǎn)變，彌補了搜索系統(tǒng)的不足。然而，現(xiàn)有教育信息資源個性化推薦研究重點集中在系統(tǒng)設(shè)計研究、算法改進(jìn)研究等層面，偏向從技術(shù)角度入手研究推薦服務(wù)而未從教育的視角來整合技術(shù)。一方面是學(xué)習(xí)者需求被忽略，學(xué)習(xí)過程是分階段的，不同階段學(xué)習(xí)者的潛在需求均不相同，而這些需求直接影響其知識建構(gòu)過程，故弄清學(xué)習(xí)者在網(wǎng)絡(luò)學(xué)習(xí)過程中的動態(tài)需求是實現(xiàn)精準(zhǔn)推送和有效服務(wù)的前提;另一方面是不同推薦系統(tǒng)對不同學(xué)習(xí)情境的適應(yīng)性研究較少。推薦服務(wù)策略中推薦系統(tǒng)有多種選擇，如基于內(nèi)容的推薦系統(tǒng)、協(xié)同過濾推薦系統(tǒng)等，但它們各有優(yōu)劣，適用的學(xué)習(xí)情境相異，需結(jié)合算法特點、資源特征和用戶偏好綜合考慮。

從學(xué)習(xí)過程視角分析學(xué)習(xí)者資源需求

1.學(xué)習(xí)過程相關(guān)理論

(1)奧蘇伯爾的認(rèn)知學(xué)習(xí)理論

奧蘇泊爾認(rèn)為要實現(xiàn)有意義的學(xué)習(xí)，前提條件之一就是學(xué)習(xí)材料必須具有潛在的邏輯意義，因此他提出了“先行組織者”策略和“逐步分化”、“綜合貫通”兩條原則。奧蘇泊爾認(rèn)為，教學(xué)內(nèi)容的呈現(xiàn)首先應(yīng)該利用引導(dǎo)性材料為學(xué)習(xí)者架構(gòu)新舊知識的橋梁，再按照從一般到個別的思路循序漸進(jìn)分層次呈現(xiàn)教學(xué)材料，最后鞏固新知，消除平行概念的矛盾與混淆，達(dá)到融會貫通的效果。在線學(xué)習(xí)是接受學(xué)習(xí)和發(fā)現(xiàn)學(xué)習(xí)的統(tǒng)一體，最終達(dá)到有意義學(xué)習(xí)的目的，因此，奧蘇泊爾的認(rèn)知學(xué)習(xí)理論對我們分析學(xué)習(xí)者在學(xué)習(xí)過程各階段的資源需求并組織學(xué)習(xí)材料具有重要借鑒意義。

(2)布魯姆的掌握學(xué)習(xí)理論

布魯姆提出的掌握學(xué)習(xí)理論認(rèn)為只要采取合適的方法并給予足夠的時間，絕大多數(shù)學(xué)習(xí)者都能相同程度地掌握學(xué)習(xí)內(nèi)容，因此學(xué)習(xí)應(yīng)該是從“存在差異到消滅差異”的過程。根據(jù)掌握學(xué)習(xí)理論，每個學(xué)習(xí)單元的教學(xué)實施階段要經(jīng)歷“常規(guī)授課”、“揭示差錯”、“矯正差錯”的一般流程。而在線學(xué)習(xí)大多是基于資源的學(xué)習(xí)，在學(xué)習(xí)過程的不同階段，學(xué)習(xí)者的資源需求各不相同，亟需相應(yīng)的資源推薦服務(wù)來保障學(xué)習(xí)順利推進(jìn)。

雖然關(guān)于學(xué)習(xí)過程的觀點各異，但國內(nèi)外教育家普遍認(rèn)為學(xué)習(xí)過程具備階段性特征。隨著學(xué)習(xí)過程的層層推進(jìn)每個階段知識加工程度深入，學(xué)習(xí)者認(rèn)識分化，學(xué)習(xí)者之間的差異性也隨之產(chǎn)生并逐步凸顯。

2.學(xué)習(xí)過程不同階段的資源需求層次

(1)面向大眾學(xué)習(xí)者的普適性資源

客觀、普遍的知識觀追求的是“同一性”，普適性價值是學(xué)校教育需要考慮的維度之一。根據(jù)建構(gòu)主義理論，在線學(xué)習(xí)者對知識點的意義建構(gòu)是建立在各類教學(xué)資源基礎(chǔ)上的，因此在進(jìn)入新的學(xué)習(xí)單元之前，為了達(dá)到教學(xué)目標(biāo)，需要為學(xué)習(xí)者提供知識地圖和基礎(chǔ)性的教學(xué)資源。另外由于大眾學(xué)習(xí)者在開始進(jìn)入新的單元學(xué)習(xí)時候面臨共同的學(xué)習(xí)任務(wù)，也決定他們的資源需求具有一定的共性。綜上，普適性資源是學(xué)習(xí)過程中面向全體學(xué)生可供選擇的全面性學(xué)習(xí)材料(如課件、教學(xué)視頻、習(xí)題集、輔導(dǎo)材料等)，它代表最易滿足的淺層次需求，符合普適的價值觀，也是最基本的學(xué)習(xí)支持。

(2)面向相似學(xué)生群的針對性資源

網(wǎng)絡(luò)學(xué)習(xí)環(huán)境中，師生、生生之間處于時空分離狀態(tài)，學(xué)習(xí)者雖面對同樣的學(xué)習(xí)內(nèi)容，接收相同的教育資源，但由于學(xué)習(xí)者個體差異的客觀存在，學(xué)習(xí)進(jìn)度、學(xué)習(xí)效果會產(chǎn)生差別。當(dāng)前網(wǎng)絡(luò)環(huán)境中傳統(tǒng)的資源服務(wù)策略要么只關(guān)注學(xué)習(xí)者的共性，而忽略網(wǎng)絡(luò)聚集效應(yīng)下大規(guī)模、傾向于無差別的學(xué)習(xí)群體會逐漸分為興趣一致和特征相似的“小眾”，要么過分關(guān)注單個學(xué)習(xí)者的個性化需求，而忽視相似學(xué)習(xí)者群體之間資源需求的一致性[7]。研究并利用網(wǎng)絡(luò)教學(xué)平臺中部分學(xué)生群體的相似特征，例如興趣愛好、知識基礎(chǔ)等，一方面可以為之提供有針對性、準(zhǔn)確的學(xué)習(xí)資源，提高學(xué)習(xí)效率;另一方面能為其推薦相似學(xué)習(xí)伙伴，促進(jìn)協(xié)作學(xué)習(xí)，加快學(xué)習(xí)社區(qū)的建立。這種針對性資源不僅是補償性的，也可是拓展性的，關(guān)鍵在于挖掘需求對象的群體特征。

(3)面向特定學(xué)習(xí)者的專題性資源

一個完整的學(xué)習(xí)過程蘊含著對知識的掌握、應(yīng)用與創(chuàng)新的過程。隨著學(xué)習(xí)的不斷深入，學(xué)習(xí)者個性化知識訴求愈加明顯，個體發(fā)展成為關(guān)注重點?！白灾鳌⒑献?、探究”的學(xué)習(xí)理念也正是對全體共同發(fā)展和個體差異發(fā)展的詮釋。學(xué)生個體在學(xué)習(xí)過程中順利完成規(guī)定的學(xué)習(xí)目標(biāo)并通過形成性測驗后，會面臨知識鞏固、探索創(chuàng)新的新需求，這種需求在探究性學(xué)習(xí)和具體問題解決環(huán)節(jié)會更明顯。專題性資源因其打破傳統(tǒng)模式下單元知識點的學(xué)科界限，實現(xiàn)知識點的融會貫通和知識結(jié)構(gòu)的重新構(gòu)建，能較好滿足特定學(xué)習(xí)者的復(fù)雜學(xué)習(xí)需求。它并非所有相關(guān)資源的直接堆砌，而是根據(jù)教師的結(jié)構(gòu)化知識經(jīng)驗及學(xué)習(xí)者解決問題時所需知識點的相關(guān)程度，分析知識點間的層級關(guān)系，形成專題知識網(wǎng)絡(luò)后將其匯聚整合，滿足特定學(xué)習(xí)者的高層次需求。學(xué)習(xí)過程資源需求層次如圖1所示。

圖1 學(xué)習(xí)過程資源需求層次圖

個性化推薦服務(wù)系統(tǒng)概述

學(xué)習(xí)者資源需求分析是開展個性化服務(wù)的出發(fā)點，需求的滿足是個性化服務(wù)的終點。從現(xiàn)有的網(wǎng)絡(luò)學(xué)習(xí)環(huán)境來看，資源主要靠學(xué)習(xí)者自主搜索，但學(xué)習(xí)者面對龐雜的資源條目，加上自主學(xué)習(xí)的惰性，導(dǎo)致資源利用率低、學(xué)習(xí)效果不佳。而傳統(tǒng)基于Push技術(shù)的推送服務(wù)往往給不同的人推送相同的資源，推送結(jié)果不夠個性化、智能化，易造成信息轟炸，令人生厭。在商業(yè)領(lǐng)域，常需要將“對的產(chǎn)品推薦給對的消費者”，目前效果最佳的就是利用個性化推薦服務(wù)系統(tǒng)開展個性化信息服務(wù)，它以用戶為中心，幫助其及時、準(zhǔn)確完成信息獲取，提供決策支持。根據(jù)系統(tǒng)中使用的主要算法，可分為協(xié)同過濾推薦系統(tǒng)、基于內(nèi)容的推薦系統(tǒng)和基于關(guān)聯(lián)規(guī)則的推薦系統(tǒng)。

1.協(xié)同過濾推薦系統(tǒng)

協(xié)同過濾推薦系統(tǒng)充分體現(xiàn)了“集體智慧”的思想，其關(guān)鍵在于挖掘相似用戶群，即“最近鄰”。主要通過用戶行為選擇的相關(guān)性來判斷相似性，例如打分、收藏、下載等。其算法可進(jìn)一步細(xì)分為基于用戶的協(xié)同過濾和基于項目的協(xié)同過濾?；谟脩舻膮f(xié)同過濾系統(tǒng)核心思想是“最近鄰”的用戶群需求相似;基于項目的協(xié)同過濾核心思想是“最近鄰”的物品群具有相似的客戶。協(xié)同過濾推薦系統(tǒng)的優(yōu)勢在于能處理機器難以進(jìn)行內(nèi)容分析的流媒體資源，如音樂、視頻等;一些評價類信息也可以轉(zhuǎn)換為“隱信息”，彌補了內(nèi)容分析的單一性和片面性;推薦結(jié)果可能覆蓋用戶的多個興趣點，幫助用戶發(fā)現(xiàn)潛在興趣偏好。然而稀疏性和可擴展性等問題會影響系統(tǒng)使用效果。

2.基于內(nèi)容的推薦系統(tǒng)

基于內(nèi)容的推薦系統(tǒng)核心思想是根據(jù)物品本身的內(nèi)容屬性為目標(biāo)用戶推薦相關(guān)產(chǎn)品，分別為用戶與產(chǎn)品建立配置文件，利用TF-IDF等方法比較兩者之間的相似度，進(jìn)而開展推薦服務(wù)。其關(guān)鍵在于產(chǎn)品文本信息的獲取與過濾，可以用決策樹、神經(jīng)網(wǎng)絡(luò)和基于向量的表示方法等技術(shù)實現(xiàn)。目前，商業(yè)領(lǐng)域側(cè)重使用基于內(nèi)容過濾的推薦系統(tǒng)的案例不多，比較成功的是音樂電臺潘多拉。由于不依賴其他用戶的打分?jǐn)?shù)據(jù)和其他隱性行為數(shù)據(jù)，基于內(nèi)容的推薦系統(tǒng)可以彌補數(shù)據(jù)稀疏性問題。對于新加入的物品或者用戶，它可以根據(jù)內(nèi)容和用戶配置文件進(jìn)行推薦，不存在“冷啟動”問題。但對于機器難以自動分析內(nèi)容的物品，如音樂、電影等，基于內(nèi)容的推薦系統(tǒng)無法發(fā)揮作用。且若純粹采用基于內(nèi)容的推薦系統(tǒng)，提供的內(nèi)容只與用戶興趣點相關(guān)，會陷入“越推越窄”的困境。

3.基于關(guān)聯(lián)規(guī)則的推薦系統(tǒng)

基于關(guān)聯(lián)規(guī)則的推薦系統(tǒng)核心思想是從大量數(shù)據(jù)中發(fā)掘項目間可能存在的關(guān)聯(lián)關(guān)系，通過制定關(guān)聯(lián)規(guī)則集進(jìn)行目標(biāo)項目推薦。目前已在電子商務(wù)領(lǐng)域的交叉及捆綁銷售和零售業(yè)中得到廣泛應(yīng)用。與基于項目的協(xié)同過濾算法利用項目間的相似性進(jìn)行推薦有所不同，關(guān)聯(lián)規(guī)則類似于“因果關(guān)系”，即抓住兩件看似毫不相干的商品間的相關(guān)性，例如：經(jīng)典營銷案例“啤酒與尿布”，關(guān)聯(lián)規(guī)則“啤酒→尿布”，反之則不成立。與前兩種推薦系統(tǒng)相比，基于關(guān)聯(lián)規(guī)則的推薦系統(tǒng)簡單直接，推薦的結(jié)果通常是清晰有效的，轉(zhuǎn)化率高。由于不需要提取內(nèi)容信息，因此對資源類型沒有限制，可以發(fā)掘用戶潛在需求，而且，隨著數(shù)據(jù)量的擴充，推薦精度逐漸提高。不過它的缺點在于：規(guī)則的提取、更新較難，耗時較多規(guī)則數(shù)量的增多帶來管理難題。

面向?qū)W習(xí)過程的資源個性化推薦服務(wù)策略

1.資源個性化推薦服務(wù)策略設(shè)計

根據(jù)學(xué)習(xí)過程階段性的特點及學(xué)習(xí)者認(rèn)知結(jié)構(gòu)層次化組織原則，分析得出在線學(xué)習(xí)者在不同階段的需求基本演變過程是“基礎(chǔ)性需求——針對性需求——提升性需求”，因此面向?qū)W習(xí)者的資源服務(wù)也相應(yīng)呈遞增性推進(jìn)。這種學(xué)習(xí)支持服務(wù)貫穿整個學(xué)習(xí)過程，它根據(jù)當(dāng)前的學(xué)習(xí)情境、學(xué)習(xí)對象采用不同的推薦策略。每個階段的學(xué)習(xí)結(jié)束后，系統(tǒng)將測試診斷其知識掌握程度，以此決定下一階段的推薦內(nèi)容和策略，按邏輯分層次將學(xué)習(xí)資源呈現(xiàn)給學(xué)習(xí)者。整體的推薦策略流程如圖2所示。

圖2 推薦策略流程

2.資源個性化推薦策略流程

學(xué)習(xí)者進(jìn)入網(wǎng)絡(luò)學(xué)習(xí)平臺后，系統(tǒng)會根據(jù)其提供的年級、學(xué)科、學(xué)習(xí)進(jìn)度等個人信息自動構(gòu)建學(xué)習(xí)檔案。一般來說，進(jìn)入新的學(xué)習(xí)單元之前，學(xué)習(xí)者具有相似的需求，面對未知的學(xué)習(xí)內(nèi)容，他們均需了解單元學(xué)習(xí)目標(biāo)、知識圖譜、學(xué)習(xí)重難點等基本信息。在選擇進(jìn)入某一特定單元學(xué)習(xí)后，學(xué)習(xí)者需充分接觸與知識點相關(guān)的各類學(xué)習(xí)資源，比如課件、教學(xué)視頻、課外推薦讀物等，這類資源屬于學(xué)習(xí)群體的共性需求，具有普適性的特征。此時，系統(tǒng)會利用基于內(nèi)容的推薦算法將學(xué)習(xí)者文檔與資源文檔進(jìn)行匹配，進(jìn)而產(chǎn)生相關(guān)推薦。