海量的教育信息資源、豐富的平臺工具增加了學習者甄選難度，帶來“信息迷航”;個性化的資源推薦服務作為一種學習支持將最適合的資源推薦給最需要的學習者。為實現(xiàn)個性化資源的精準推送，有效提升資源推薦服務效果，剖析網(wǎng)絡環(huán)境下學習者在學習過程不同階段的資源需求，結(jié)合商業(yè)領域發(fā)展較成熟的三種個性化推薦技術，探討面向?qū)W習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)為代表的新技術層出不窮，教育信息化建設因此獲得良好的發(fā)展機遇。各類在線開放課程平臺、在線教育社區(qū)、網(wǎng)絡教學平臺等推動網(wǎng)絡學習空間不斷延伸與發(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了網(wǎng)絡教育資源持續(xù)豐富與增長。技術對教育產(chǎn)生正向推動作用的同時也帶來挑戰(zhàn)。一方面它為推進教育部的“三通兩平臺”建設提供了有力的技術支撐與環(huán)境支持;另一方面海量的教育資源、多樣化的網(wǎng)絡教學平臺及應用為學習者提供豐富選擇的同時加重其認知負荷，導致網(wǎng)絡學習“迷航”。有學者認為技術傳播縮小了數(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者借鑒商業(yè)領域個性化推薦思想，將推薦服務引入教育領域。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)設計研究、算法改進研究等層面，偏向從技術角度入手研究推薦服務而未從教育的視角來整合技術。一方面是學習者需求被忽略，學習過程是分階段的，不同階段學習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，故弄清學習者在網(wǎng)絡學習過程中的動態(tài)需求是實現(xiàn)精準推送和有效服務的前提;另一方面是不同推薦系統(tǒng)對不同學習情境的適應性研究較少。推薦服務策略中推薦系統(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，適用的學習情境相異，需結(jié)合算法特點、資源特征和用戶偏好綜合考慮。

從學習過程視角分析學習者資源需求

1.學習過程相關理論

(1)奧蘇伯爾的認知學習理論

奧蘇泊爾認為要實現(xiàn)有意義的學習，前提條件之一就是學習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。奧蘇泊爾認為，教學內(nèi)容的呈現(xiàn)首先應該利用引導性材料為學習者架構(gòu)新舊知識的橋梁，再按照從一般到個別的思路循序漸進分層次呈現(xiàn)教學材料，最后鞏固新知，消除平行概念的矛盾與混淆，達到融會貫通的效果。在線學習是接受學習和發(fā)現(xiàn)學習的統(tǒng)一體，最終達到有意義學習的目的，因此，奧蘇泊爾的認知學習理論對我們分析學習者在學習過程各階段的資源需求并組織學習材料具有重要借鑒意義。

(2)布魯姆的掌握學習理論

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

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

2.學習過程不同階段的資源需求層次

(1)面向大眾學習者的普適性資源

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，在線學習者對知識點的意義建構(gòu)是建立在各類教學資源基礎上的，因此在進入新的學習單元之前，為了達到教學目標，需要為學習者提供知識地圖和基礎性的教學資源。另外由于大眾學習者在開始進入新的單元學習時候面臨共同的學習任務，也決定他們的資源需求具有一定的共性。綜上，普適性資源是學習過程中面向全體學生可供選擇的全面性學習材料(如課件、教學視頻、習題集、輔導材料等)，它代表最易滿足的淺層次需求，符合普適的價值觀，也是最基本的學習支持。

(2)面向相似學生群的針對性資源

網(wǎng)絡學習環(huán)境中，師生、生生之間處于時空分離狀態(tài)，學習者雖面對同樣的學習內(nèi)容，接收相同的教育資源，但由于學習者個體差異的客觀存在，學習進度、學習效果會產(chǎn)生差別。當前網(wǎng)絡環(huán)境中傳統(tǒng)的資源服務策略要么只關注學習者的共性，而忽略網(wǎng)絡聚集效應下大規(guī)模、傾向于無差別的學習群體會逐漸分為興趣一致和特征相似的“小眾”，要么過分關注單個學習者的個性化需求，而忽視相似學習者群體之間資源需求的一致性[7]。研究并利用網(wǎng)絡教學平臺中部分學生群體的相似特征，例如興趣愛好、知識基礎等，一方面可以為之提供有針對性、準確的學習資源，提高學習效率;另一方面能為其推薦相似學習伙伴，促進協(xié)作學習，加快學習社區(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，關鍵在于挖掘需求對象的群體特征。

(3)面向特定學習者的專題性資源

一個完整的學習過程蘊含著對知識的掌握、應用與創(chuàng)新的過程。隨著學習的不斷深入，學習者個性化知識訴求愈加明顯，個體發(fā)展成為關注重點。“自主、合作、探究”的學習理念也正是對全體共同發(fā)展和個體差異發(fā)展的詮釋。學生個體在學習過程中順利完成規(guī)定的學習目標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習和具體問題解決環(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，能較好滿足特定學習者的復雜學習需求。它并非所有相關資源的直接堆砌，而是根據(jù)教師的結(jié)構(gòu)化知識經(jīng)驗及學習者解決問題時所需知識點的相關程度，分析知識點間的層級關系，形成專題知識網(wǎng)絡后將其匯聚整合，滿足特定學習者的高層次需求。學習過程資源需求層次如圖1所示。

圖1 學習過程資源需求層次圖

個性化推薦服務系統(tǒng)概述

學習者資源需求分析是開展個性化服務的出發(fā)點，需求的滿足是個性化服務的終點。從現(xiàn)有的網(wǎng)絡學習環(huán)境來看，資源主要靠學習者自主搜索，但學習者面對龐雜的資源條目，加上自主學習的惰性，導致資源利用率低、學習效果不佳。而傳統(tǒng)基于Push技術的推送服務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系統(tǒng)開展個性化信息服務，它以用戶為中心，幫助其及時、準確完成信息獲取，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性來判斷相似性，例如打分、收藏、下載等。其算法可進一步細分為基于用戶的協(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)容屬性為目標用戶推薦相關產(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，進而開展推薦服務。其關鍵在于產(chǎn)品文本信息的獲取與過濾，可以用決策樹、神經(jīng)網(wǎng)絡和基于向量的表示方法等技術實現(xiàn)。目前，商業(yè)領域側(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數(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，會陷入“越推越窄”的困境。

3.基于關聯(lián)規(guī)則的推薦系統(tǒng)

基于關聯(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聯(lián)關系，通過制定關聯(lián)規(guī)則集進行目標項目推薦。目前已在電子商務領域的交叉及捆綁銷售和零售業(yè)中得到廣泛應用。與基于項目的協(xié)同過濾算法利用項目間的相似性進行推薦有所不同，關聯(lián)規(guī)則類似于“因果關系”，即抓住兩件看似毫不相干的商品間的相關性，例如：經(jīng)典營銷案例“啤酒與尿布”，關聯(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習過程的資源個性化推薦服務策略

1.資源個性化推薦服務策略設計

根據(jù)學習過程階段性的特點及學習者認知結(jié)構(gòu)層次化組織原則，分析得出在線學習者在不同階段的需求基本演變過程是“基礎性需求——針對性需求——提升性需求”，因此面向?qū)W習者的資源服務也相應呈遞增性推進。這種學習支持服務貫穿整個學習過程，它根據(jù)當前的學習情境、學習對象采用不同的推薦策略。每個階段的學習結(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，按邏輯分層次將學習資源呈現(xiàn)給學習者。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

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