姬昊

摘要：隨著因特網(wǎng)的廣泛普及和網(wǎng)絡(luò)應(yīng)用規(guī)模的不斷擴大，用戶可以便利的從網(wǎng)絡(luò)中獲取豐富的信息資源，用戶和網(wǎng)絡(luò)之間的信息通信、相互交流也變得越來越普及。然而，在這種便利的教學(xué)模式下如何進行高效的學(xué)習(xí)受到了越來越多的關(guān)注。當前常見的遠程教育系統(tǒng)模式單一，使得用戶只能被動的接受基本一致的學(xué)習(xí)內(nèi)容，而缺少較好的個性化知識服務(wù)，導(dǎo)致教育資源利用效率低，影響教學(xué)質(zhì)量。本研究旨在對遠程教育的學(xué)習(xí)用戶制定群體聚類的個性化知識服務(wù)體系。研究實現(xiàn)核心思想為根據(jù)用戶在遠程教育系統(tǒng)使用過程中歸納的群體性相似學(xué)習(xí)特征，建立帶反饋機制的個性化知識服務(wù)模式，從而提高遠程教育的教學(xué)質(zhì)量。

關(guān)鍵詞：遠程教育；知識服務(wù)；個性化推薦；神經(jīng)網(wǎng)絡(luò)

1 引言

隨著因特網(wǎng)的廣泛普及和網(wǎng)絡(luò)應(yīng)用規(guī)模的不斷擴大，用戶可以便利的從網(wǎng)絡(luò)中獲取豐富的信息資源，用戶和網(wǎng)絡(luò)之間的信息通信、相互交流也變得越來越普及。在這種情形下，教育從業(yè)者們思考著將網(wǎng)絡(luò)中的一些籠統(tǒng)的資源轉(zhuǎn)化成特定的教育資源，同時用戶從網(wǎng)絡(luò)中獲取資源信息的行為實質(zhì)變成一種類似學(xué)生學(xué)習(xí)式的知識獲取，這樣遠程教育理念就應(yīng)運而生了。

1.1 研究現(xiàn)狀

目前，由于遠程教育的規(guī)模發(fā)展迅速，服務(wù)對象的規(guī)模日益增大[1][2]，導(dǎo)致遠程教育的規(guī)模與質(zhì)量間的矛盾提議增大。因此，個性化的學(xué)習(xí)服務(wù)已經(jīng)受到了國內(nèi)外眾多學(xué)者的廣泛關(guān)注[3][4][5][6]。

在此背景下，我們提出了一種通過對遠程教育用戶的行為分析來實現(xiàn)對不同用戶的個性化知識服務(wù)模式。這種模式是解決用戶需求個性化和教學(xué)資源單一化這一矛盾的有效方案，將會大大提高遠程教育的服務(wù)質(zhì)量。通過對用戶學(xué)習(xí)能力、個性差異以及學(xué)習(xí)狀態(tài)的相關(guān)大量數(shù)據(jù)進行分析，研究用戶的行為習(xí)慣與興趣，從而根據(jù)用戶的實際需求為用戶提供更合適的資源，來實現(xiàn)最優(yōu)化、最高效的學(xué)習(xí)策略。同時，學(xué)習(xí)過程中增加了更多的人機交互、人人交互，能夠激發(fā)用戶在學(xué)習(xí)過程中的最大熱情，進一步提高遠程教育的教學(xué)質(zhì)量。

1.2 個性化服務(wù)

個性化服務(wù)是指學(xué)習(xí)環(huán)境、資源通過智能適應(yīng)學(xué)習(xí)者的個性特征和知識水平，以滿足學(xué)生個性化需求的學(xué)習(xí)過程。在這種學(xué)習(xí)模式下，學(xué)習(xí)是根據(jù)自身已有的知識水平和資源系統(tǒng)進行交互并獲取知識、提升能力的過程。在這個過程中，學(xué)生可以自主選擇學(xué)習(xí)策略、自主制定學(xué)習(xí)計劃、對自身的學(xué)習(xí)進行評估并控制整個學(xué)習(xí)過程。個性化學(xué)習(xí)重點強調(diào)學(xué)習(xí)環(huán)境的適應(yīng)性，創(chuàng)設(shè)個性化學(xué)習(xí)環(huán)境，最大可能地適應(yīng)不同學(xué)生的具體情況。

2 個性化知識服務(wù)設(shè)計

基于用戶行為分析的個性化服務(wù)的在線學(xué)習(xí)系統(tǒng)，要求根據(jù)用戶的個性特征、學(xué)習(xí)行為等，動態(tài)地生成個性化教學(xué)策略來組織與呈現(xiàn)最適合用戶特征的學(xué)習(xí)內(nèi)容。系統(tǒng)以用戶為中心，建立用戶模型來表示用戶的特征，在構(gòu)建用戶模型，收集用戶特征時，可以首先采用線上、線下調(diào)查或激勵用戶完善個人基本信息的方式收集用戶信息，為個性化服務(wù)過程設(shè)計提供數(shù)據(jù)。此外，系統(tǒng)應(yīng)充分關(guān)注知識概念間的語義關(guān)聯(lián)關(guān)系，以便更智能、更全面地為用戶提供個性化的資源內(nèi)容。

2.1 服務(wù)模型構(gòu)建

用戶可以向推薦系統(tǒng)主動提供個人興趣偏好信息，包括用戶的顯式信息和隱式信息，推薦系統(tǒng)自動將用戶的個人偏好相關(guān)信息存儲到偏好信息庫中，推薦引擎通過查詢偏好信息庫和資源數(shù)據(jù)庫中的相關(guān)數(shù)據(jù)，提取知識庫中的用戶訪問模式信息，利用相應(yīng)的個性化推薦策略，向用戶提供個性化的資源推薦。

2.2 系統(tǒng)總體架構(gòu)設(shè)計

系統(tǒng)的設(shè)計遵循以下幾條主線：隨時掌控用戶的學(xué)習(xí)情況，全程跟蹤其學(xué)習(xí)進度與教學(xué)目標的達成程度；向?qū)W生推薦符合其興趣偏好的學(xué)習(xí)資源。此外，系統(tǒng)還應(yīng)該具備其它個性化學(xué)習(xí)系統(tǒng)所具備的特征。

（1）數(shù)據(jù)存儲層。

主要用來存取學(xué)生、學(xué)習(xí)資源等數(shù)據(jù)信息，為學(xué)習(xí)提供教學(xué)數(shù)據(jù)支撐，為生成個性化教學(xué)策略提供學(xué)生的個性化信息；提供領(lǐng)域知識的信息。

（2）個性化控制層。

個性化控制層是整個系統(tǒng)的中心環(huán)節(jié)，協(xié)調(diào)各模塊的行為。它根據(jù)數(shù)據(jù)存儲層的數(shù)據(jù)信息生成個性化教學(xué)策略、合適的教學(xué)序列，控制教學(xué)進度與表現(xiàn)過程。

（3）學(xué)習(xí)層。

學(xué)習(xí)層包括個性化學(xué)習(xí)和學(xué)習(xí)評價兩部分，其中個性化學(xué)習(xí)包括學(xué)習(xí)測試與資源學(xué)習(xí)兩個模塊，這兩個模塊是根據(jù)個性化控制層返回結(jié)果生成的。這一層提供學(xué)生與系統(tǒng)的直接交流。學(xué)習(xí)評價是系統(tǒng)對學(xué)生學(xué)習(xí)情況的診斷反饋信息。

2.3 個性化推薦策略

人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Networks，簡寫為ANNs）也簡稱為神經(jīng)網(wǎng)絡(luò)（NNs）或稱作連接模型（Connection Model），它是一種模范動物神經(jīng)網(wǎng)絡(luò)行為特征，進行分布式并行信息處理的算法數(shù)學(xué)模型。這種網(wǎng)絡(luò)依靠系統(tǒng)的復(fù)雜程度，通過調(diào)整內(nèi)部大量節(jié)點之間相互連接的關(guān)系，從而達到處理信息的目的[7]。

一個神經(jīng)網(wǎng)絡(luò)模型描述了一個網(wǎng)絡(luò)如何將它的輸入矢量轉(zhuǎn)化為輸出矢量的過程。通常情況下，神經(jīng)網(wǎng)絡(luò)模型由神經(jīng)元特性、拓補結(jié)構(gòu)和學(xué)習(xí)方法三個元素組成。

應(yīng)用BP神經(jīng)網(wǎng)絡(luò)的構(gòu)建方法進行分析，得到網(wǎng)絡(luò)結(jié)構(gòu)各參數(shù)分別為：輸入層：4節(jié)點；隱含層：4節(jié)點；輸出層：1節(jié)點。制定知識影響度BP神經(jīng)網(wǎng)絡(luò)個性化推薦策略。

2.4 工作流設(shè)計

用戶可以向推薦系統(tǒng)主動提供個人興趣偏好信息，包括用戶的顯式信息和隱式信息，推薦系統(tǒng)自動將用戶的個人偏好相關(guān)信息存儲到偏好信息庫中，推薦引擎通過查詢偏好信息庫和資源數(shù)據(jù)庫中的相關(guān)數(shù)據(jù)，提取知識庫中的用戶訪問模式信息，利用相應(yīng)的個性化推薦策略，向用戶提供個性化的資源推薦。

3 應(yīng)用與分析

3.1 應(yīng)用

以西安電子科技大學(xué)網(wǎng)絡(luò)教育課程建設(shè)、陜西省人力資源和社會保障廳專業(yè)技術(shù)人員繼續(xù)教育資源學(xué)習(xí)為重點開展相關(guān)研究活動，獲取在線學(xué)習(xí)相關(guān)資源；根據(jù)研究和調(diào)研情況實施個性化方法與實施方案。

行為分析模塊實現(xiàn)對目標用戶的職業(yè)預(yù)測，通過應(yīng)用行為分析模型對用戶行為進行分析。首先，統(tǒng)計目標用戶群體，結(jié)果如圖4所示。

結(jié)果統(tǒng)計模塊是應(yīng)用分析結(jié)果進行數(shù)理統(tǒng)計，為管理人員提供直觀的分布數(shù)據(jù)，以進一步為方案制定做準備。分布統(tǒng)計以職業(yè)為標準，對不同職業(yè)類別的用戶進行統(tǒng)計，可視化的方法顯示出不同職業(yè)的用戶分布，如圖5。

結(jié)果分析模塊是指針對獲得職業(yè)特征后的用戶，在已知職業(yè)信息的基礎(chǔ)上，結(jié)合用戶的其他屬性信息，分析用戶的興趣、性格等特征。該模塊的實現(xiàn)分為兩部：首先提取用戶的顯性特征，包括星座、性別、屬相、年齡等，如果用戶的注冊信息中沒有該項目，則通過字段提取分析的方法取得用戶的顯性屬性特征；然后結(jié)果用戶的隱性特征職業(yè)進行分析預(yù)測，獲得期望預(yù)測結(jié)果，如圖6。

3.2 分析

應(yīng)用測試數(shù)據(jù)對分析系統(tǒng)進行個性化推薦適用測試，應(yīng)用計算公式計算適用率并繪制圖標。設(shè)適用率為P；測試樣本數(shù)為N；測試推薦適用數(shù)為R.則：

（1）

具體結(jié)果如圖7所示。

4 結(jié)束語

本文提出了一種對遠程教育的學(xué)習(xí)用戶制定群體聚類的個性化知識服務(wù)體系。根據(jù)用戶在遠程教育系統(tǒng)使用過程中歸納的群體性相似學(xué)習(xí)特征，建立帶反饋機制的個性化知識服務(wù)模式。測試結(jié)果表明，該模式一定程度上可有效提高用戶學(xué)習(xí)效率，提升遠程教育用戶學(xué)習(xí)質(zhì)量。

參考文獻：

[1]章東飛.試析我國遠程教育發(fā)展現(xiàn)狀與存在問題[J].成人教育，2010（012）：50-51.

[2]蔣立兵，于凌云.遠程教育發(fā)展現(xiàn)狀與存在的問題分

[3]王陸，方平，劉維民.關(guān)于學(xué)生個性因素與遠程教育相關(guān)性的探討[J].電化教育研究，2001，6：28-32.

[4]舒蓓，申瑞民.個性化的遠程學(xué)習(xí)模型[J].計算機工程與應(yīng)用，2001，37（9）：90-92.

[5]韓玲.遠程網(wǎng)絡(luò)教學(xué)中學(xué)習(xí)者行為間隔的量化分析與反思[J].中國遠程教育，2005（06S）：44-47.

[6]王冬青.遠程教育個性化學(xué)習(xí)支持服務(wù)研究[J].中國遠程教育，2008（15）：38-42.

[7]神經(jīng)網(wǎng)絡(luò)：http：//baike.baidu.com/view/5348.htm.