论文部分内容阅读
引言：在线学习作为一种学习方式，以其实现个性化学习和教育资源高度共享、师生间跨越时空双向交互等优势，受到广泛的关注。个性化推荐系统（简称 PRS） 在 E-Learning 中的应用尚处于摸索阶段，本文在分析在线学习的基础上，结合电子商务领域中个性化推荐技术及其成功案例，获取个性化推荐系统应用的成功经验，试图从中提取出对 E-Learning 系统个性化建设的启示。
一、引言
随着数字化时代的来临，远程教育的优势日益凸显，推动了终身教育体系和学习型社会的建设。国家中长期教育改革与发展规划纲要（2010——2020年）中“构建灵活开发的终身教育体系，为学习者搭建方便、灵活和个性化的学习条件，满足多样的学习和发展需求。” 以此看来，提供个性化服务的数字化学习平台对终身学习体系的建设至关重要，数字化学习E-Learning）也毫无疑问的成为了终身学习体系中最重要的学习方式。分析前人研究及在线学习平台应用情况而言，发现在线学习中存在的问题：学习者学习目标不明确，易迷失方向；学习者难以适应在线学习，学习方法应用不当；在线学习中督学环节难以有效进展。针对以上问题，提出将个性化推荐服务理念应用到在线学习中，以促进学生有效学习，达到提高教学效果的目的。
二、E-Learning与个性化推荐
所谓E-Learning，即为在线学习，是指在由通讯技术、微电脑技术、计算机技术、人工智能、网络技术和多媒体技术等所构成的电子环境中进行的学习，是基于技术的学习。在线学习具有以下特点：1、充分利用网络资源，网络上丰富的资源，没有时间空间地域的限制，使得在线教育成为可以超出校园向更广泛的地区辐射的开放式教育。学校可以充分发挥自己的学科优势和教育资源优势，把最优秀的教师、最好的教学成果通过网络传播到四面八方。2、自主的学习，在线教育运用于远程教育中，其显著优势就是：任何人可以再任何时间、任何地点、从任何章节开始学习任何课程。3、互动的学习，在线教育中，师生之间，学生之间通过网络进行互动交流，拉近了他们之间的心理距离，增加了交流机会和范围。并且通过在线教育对学生提问类型、人数、次数等进行的统计分析能够使教师了解学生在学习中遇到的疑点、难点和主要问题，更加有针对性地指导学生。4、可修改教学，在线教育中，利用计算机的存储技术，系统可以完整的跟踪记录每个学生的学习资料、互动过程和学请反馈等，同时，教师可根据系统记录的个人资料，提出富有个性化的学习建议。5、自动化管理，在线教育的教学管理平台有自动管理和远程互动处理功能，被应用于网络教育的教学管理中。
个性化推荐中，个性化包括两点含义：一是了解用户的个性化需求，并对这些需求给出清晰的描述；二是推荐的内容要可用，同时又体现出个人的倾向。个性化推荐的实质是系统根据用户的个体属性、行为习惯、兴趣偏好，主动分析用户个性化需求，并向用户推荐感兴趣的信息，可以简单的概括为：记录行为→分析喜好→实时推荐。个性化推荐系统是以用户为中心的服务系统，它的核心是产生满足用户需求的推荐。一个好的推荐系统应该要保证推荐的准确度、并且尽量少的需要用户的劳动、实时产生推荐并及时反馈。
三、在E-Learning中应用个性化推荐
随着E-Learning市场的蓬勃发展，研究者提出了不同E-Learning促进教学的方案，本文从完全的网络化学习的角度，结合个性化推荐系统的特性，提出了个性化E-Learning推荐方案。个性化E-Learning推荐方案包括三个部分：学习目标、用户特征、推荐策略。
学习目标在方案中起到导向作用，用户特征分析是该方案的基础，有效的推荐策略是该方案的目的。一方面，学习目标决定了学习进程的走向，在线学习中向用户推荐内容必须与学习目标相符，即推荐策略与学习目标息息相关；另一方面，学习者通过学习目标分析来决定是否达到目标要求，用户特征分析是学习目标与推荐策略有效结合的核心基础。学习目标的建构可以由领域专家参与教学设计和学习者自身来完成。这是因为终身学习环境下的学习活动与学校教育不同，具有较强的自主性和针对性，也就是学习者的学习需求非常明确，可以很明确地表述出自己需要学习的知识、技能或者情感态度。所以学习者可以根据自己的需求去创建一个学习目标，并搜集有关的学习资源，组织有意义的学习活动进行学习。
用户的相关特征是描述用户模型基础，在线学习中用户特征将分为：学习风格类型、认知风格类型、知识水平、认知水平、兴趣、偏好等。个性化推荐信息的不同，用户模型中用户特征侧重也有所不同。在线学习中用户特征的分析是用户建模及实现个性化推荐的基础，根据用户特征分析的结果，我们可以运用夹角余弦公式：对于两个n维样本点（x11，x12，…，x1n）和b（x21，x22，…，x2n），可以使用类似于夹角余弦的概念来衡量它们间的相似程度。从而计算出相似群体，对于相似群体给予同类内容的推荐。
即：
在学习目标确定及用户特征分析基础上，选择有效的推荐策略是关键。从个性化推荐的服务形式上来看可以分为学习资源的推荐、学习活动的推荐和学习策略的推荐。学习资源的推荐是指系统主动为学习者提供符合学习目标和学习者特征的学习资源；学习活动推荐是指系统依据学习者个性化需求主动推送学习活动序列，而该推荐是在学习者认知特征及心理特征分析的基础上，向相似学习者推荐活动序列建议；学习策略（learning strategies）是学习者为了提高学习的效果和效率，有目的、有意识地制定的有关学习过程的复杂方案，依据学生的认知风格及学习风格，为学习者推荐有效的学习方法建议。
四、总结
在线学习中为提高学习者的学习效率，本文建议“用户特征分析——学习目标确定——推荐策略”流程，在学习者学习过程中实现动态的内容推荐。通过对在线学习型个性化推荐系统的分析，给我们的启示是：我们可以研究以在线学习个性化学习策略推荐系统为基础的用户模型。在分析用户特征时，我们可以把学习目的与在线学习者特征结合起来，选取出与学习策略相关的用户特征。
参考文献
[1]李唯实.个性化教育中的学习者模型技术研究[D]，国防科学技术大学，2011（11）19-20.
[2]箱田裕司.认知心理学[M]，上海：华东师范大学出版社，2013.
[3]衷克定.在线学习与发展[M].北京：高等教育出版社，2011：75-95.
[4]陈进成，基于本体的教育资源推送服务研究[D].内蒙古大学，2013（3）：6.
[5]陈丽，中国远程学习者学习风格特征的三围模型[J].开放教育研究，2005（02）49-50.
（作者单位：云南师范大学信息学院）
一、引言
随着数字化时代的来临，远程教育的优势日益凸显，推动了终身教育体系和学习型社会的建设。国家中长期教育改革与发展规划纲要（2010——2020年）中“构建灵活开发的终身教育体系，为学习者搭建方便、灵活和个性化的学习条件，满足多样的学习和发展需求。” 以此看来，提供个性化服务的数字化学习平台对终身学习体系的建设至关重要，数字化学习E-Learning）也毫无疑问的成为了终身学习体系中最重要的学习方式。分析前人研究及在线学习平台应用情况而言，发现在线学习中存在的问题：学习者学习目标不明确，易迷失方向；学习者难以适应在线学习，学习方法应用不当；在线学习中督学环节难以有效进展。针对以上问题，提出将个性化推荐服务理念应用到在线学习中，以促进学生有效学习，达到提高教学效果的目的。
二、E-Learning与个性化推荐
所谓E-Learning，即为在线学习，是指在由通讯技术、微电脑技术、计算机技术、人工智能、网络技术和多媒体技术等所构成的电子环境中进行的学习，是基于技术的学习。在线学习具有以下特点：1、充分利用网络资源，网络上丰富的资源，没有时间空间地域的限制，使得在线教育成为可以超出校园向更广泛的地区辐射的开放式教育。学校可以充分发挥自己的学科优势和教育资源优势，把最优秀的教师、最好的教学成果通过网络传播到四面八方。2、自主的学习，在线教育运用于远程教育中，其显著优势就是：任何人可以再任何时间、任何地点、从任何章节开始学习任何课程。3、互动的学习，在线教育中，师生之间，学生之间通过网络进行互动交流，拉近了他们之间的心理距离，增加了交流机会和范围。并且通过在线教育对学生提问类型、人数、次数等进行的统计分析能够使教师了解学生在学习中遇到的疑点、难点和主要问题，更加有针对性地指导学生。4、可修改教学，在线教育中，利用计算机的存储技术，系统可以完整的跟踪记录每个学生的学习资料、互动过程和学请反馈等，同时，教师可根据系统记录的个人资料，提出富有个性化的学习建议。5、自动化管理，在线教育的教学管理平台有自动管理和远程互动处理功能，被应用于网络教育的教学管理中。
个性化推荐中，个性化包括两点含义：一是了解用户的个性化需求，并对这些需求给出清晰的描述；二是推荐的内容要可用，同时又体现出个人的倾向。个性化推荐的实质是系统根据用户的个体属性、行为习惯、兴趣偏好，主动分析用户个性化需求，并向用户推荐感兴趣的信息，可以简单的概括为：记录行为→分析喜好→实时推荐。个性化推荐系统是以用户为中心的服务系统，它的核心是产生满足用户需求的推荐。一个好的推荐系统应该要保证推荐的准确度、并且尽量少的需要用户的劳动、实时产生推荐并及时反馈。
三、在E-Learning中应用个性化推荐
随着E-Learning市场的蓬勃发展，研究者提出了不同E-Learning促进教学的方案，本文从完全的网络化学习的角度，结合个性化推荐系统的特性，提出了个性化E-Learning推荐方案。个性化E-Learning推荐方案包括三个部分：学习目标、用户特征、推荐策略。
学习目标在方案中起到导向作用，用户特征分析是该方案的基础，有效的推荐策略是该方案的目的。一方面，学习目标决定了学习进程的走向，在线学习中向用户推荐内容必须与学习目标相符，即推荐策略与学习目标息息相关；另一方面，学习者通过学习目标分析来决定是否达到目标要求，用户特征分析是学习目标与推荐策略有效结合的核心基础。学习目标的建构可以由领域专家参与教学设计和学习者自身来完成。这是因为终身学习环境下的学习活动与学校教育不同，具有较强的自主性和针对性，也就是学习者的学习需求非常明确，可以很明确地表述出自己需要学习的知识、技能或者情感态度。所以学习者可以根据自己的需求去创建一个学习目标，并搜集有关的学习资源，组织有意义的学习活动进行学习。
用户的相关特征是描述用户模型基础，在线学习中用户特征将分为：学习风格类型、认知风格类型、知识水平、认知水平、兴趣、偏好等。个性化推荐信息的不同，用户模型中用户特征侧重也有所不同。在线学习中用户特征的分析是用户建模及实现个性化推荐的基础，根据用户特征分析的结果，我们可以运用夹角余弦公式：对于两个n维样本点（x11，x12，…，x1n）和b（x21，x22，…，x2n），可以使用类似于夹角余弦的概念来衡量它们间的相似程度。从而计算出相似群体，对于相似群体给予同类内容的推荐。
即：
在学习目标确定及用户特征分析基础上，选择有效的推荐策略是关键。从个性化推荐的服务形式上来看可以分为学习资源的推荐、学习活动的推荐和学习策略的推荐。学习资源的推荐是指系统主动为学习者提供符合学习目标和学习者特征的学习资源；学习活动推荐是指系统依据学习者个性化需求主动推送学习活动序列，而该推荐是在学习者认知特征及心理特征分析的基础上，向相似学习者推荐活动序列建议；学习策略（learning strategies）是学习者为了提高学习的效果和效率，有目的、有意识地制定的有关学习过程的复杂方案，依据学生的认知风格及学习风格，为学习者推荐有效的学习方法建议。
四、总结
在线学习中为提高学习者的学习效率，本文建议“用户特征分析——学习目标确定——推荐策略”流程，在学习者学习过程中实现动态的内容推荐。通过对在线学习型个性化推荐系统的分析，给我们的启示是：我们可以研究以在线学习个性化学习策略推荐系统为基础的用户模型。在分析用户特征时，我们可以把学习目的与在线学习者特征结合起来，选取出与学习策略相关的用户特征。
参考文献
[1]李唯实.个性化教育中的学习者模型技术研究[D]，国防科学技术大学，2011（11）19-20.
[2]箱田裕司.认知心理学[M]，上海：华东师范大学出版社，2013.
[3]衷克定.在线学习与发展[M].北京：高等教育出版社，2011：75-95.
[4]陈进成，基于本体的教育资源推送服务研究[D].内蒙古大学，2013（3）：6.
[5]陈丽，中国远程学习者学习风格特征的三围模型[J].开放教育研究，2005（02）49-50.
（作者单位：云南师范大学信息学院）