武法提 黃石華

[摘? ?要] 人工智能教育時(shí)代，傳統(tǒng)的教育數(shù)據(jù)共享方法無法滿足海量教育數(shù)據(jù)共享的時(shí)效性，進(jìn)而影響智能教育系統(tǒng)響應(yīng)的即時(shí)性與智能性，文章提出了一種基于多源數(shù)據(jù)融合的共享教育數(shù)據(jù)模型的建模方法。該建模方法首先對多源數(shù)據(jù)融合的概念、融合方法等內(nèi)容進(jìn)行分析，并對多種異構(gòu)數(shù)據(jù)源的數(shù)據(jù)共享特性進(jìn)行剖析，提取出“學(xué)習(xí)者、時(shí)間、空間、設(shè)備、事件”五維數(shù)據(jù)共享特性來對多源異構(gòu)的教育數(shù)據(jù)進(jìn)行數(shù)據(jù)融合分析;然后再結(jié)合國際通用的xAPI（Experience API）數(shù)據(jù)規(guī)范，對融合后的數(shù)據(jù)進(jìn)行規(guī)范化分析，生成通用的教育數(shù)據(jù)交換格式;最后，基于該數(shù)據(jù)交換格式，探討了共享教育數(shù)據(jù)模型的總體架構(gòu)及實(shí)現(xiàn)路徑，并構(gòu)建一個(gè)可重用、可共享的教育數(shù)據(jù)模型，以期為今后開展基于大數(shù)據(jù)的數(shù)據(jù)共享的研究提供一套切實(shí)可行的實(shí)踐指導(dǎo)框架。

[關(guān)鍵詞] 數(shù)據(jù)特性; 多源數(shù)據(jù)融合; xAPI規(guī)范; 數(shù)據(jù)共享模型

[中圖分類號(hào)] G434? ? ? ? ? ? [文獻(xiàn)標(biāo)志碼] A

[作者簡介] 武法提 （1971—），男，山東鄆城人。教授，博士，主要從事智能學(xué)習(xí)系統(tǒng)設(shè)計(jì)研究。E-mail：wft@bnu.edu.cn。

一、問題的提出

人工智能教育時(shí)代，數(shù)據(jù)收集與共享是智能教育過程中非常重要的一個(gè)環(huán)節(jié)[1]，數(shù)據(jù)的共享程度直接影響著智能教育系統(tǒng)響應(yīng)的即時(shí)性和智能性。而隨著云計(jì)算、移動(dòng)互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能等“新技術(shù)”的日漸成熟，這些“新技術(shù)”賦予了智能學(xué)習(xí)終端設(shè)備全方位感知和采集數(shù)據(jù)的能力，能夠捕捉學(xué)習(xí)者全范圍、全過程的學(xué)習(xí)行為數(shù)據(jù)，形成海量的教育大數(shù)據(jù)，呈現(xiàn)出多源性、多模態(tài)、多樣性的特點(diǎn)。這些“新技術(shù)”雖然給人們的數(shù)據(jù)獲取帶來極大便利，但也出現(xiàn)海量教育數(shù)據(jù)資源與各異構(gòu)數(shù)據(jù)源難以獲取所需數(shù)據(jù)之間的矛盾，以及異構(gòu)數(shù)據(jù)之間數(shù)據(jù)共享的時(shí)效性較差等問題，而如何打通各異構(gòu)數(shù)據(jù)源的“數(shù)據(jù)壁壘”，構(gòu)建一個(gè)高度共享互通的教育數(shù)據(jù)模型，在提升海量教育數(shù)據(jù)共享的時(shí)效性的同時(shí)，也為智能教育系統(tǒng)提供更客觀、全面、完整的數(shù)據(jù)支撐，則是當(dāng)前教育發(fā)展迫切需要解決的問題之一。基于此，文章提出一種基于多源數(shù)據(jù)融合的共享教育數(shù)據(jù)模型的建模方法，通過采用多源數(shù)據(jù)融合方法對海量異構(gòu)教育數(shù)據(jù)進(jìn)行特征級數(shù)據(jù)融合，再結(jié)合國際通用的xAPI（Experience API）學(xué)習(xí)數(shù)據(jù)規(guī)范，構(gòu)建一個(gè)可重用、可共享的教育數(shù)據(jù)模型，以提升海量教育數(shù)據(jù)共享的時(shí)效性，實(shí)現(xiàn)各異構(gòu)數(shù)據(jù)源之間數(shù)據(jù)的高度共享與互通。

二、多源異構(gòu)教育數(shù)據(jù)的數(shù)據(jù)融合分析

（一）多源數(shù)據(jù)融合的方法分析

數(shù)據(jù)融合最早應(yīng)用于軍事領(lǐng)域，它是一種多層次、多方面的數(shù)據(jù)處理過程， 用于處理多源數(shù)據(jù)，對信息進(jìn)行自動(dòng)檢測、聯(lián)合、相關(guān)、估計(jì)和合成[2]，主要是為了實(shí)現(xiàn)較為準(zhǔn)確的位置推斷和身份估計(jì)，進(jìn)而對戰(zhàn)場狀況、威脅程度和重要水平作出及時(shí)完整的評價(jià)[3]。后來在傳感器、地理空間、情報(bào)分析等多個(gè)領(lǐng)域得到了應(yīng)用與發(fā)展，尤其是互聯(lián)網(wǎng)時(shí)代，多源數(shù)據(jù)融合逐漸成為大數(shù)據(jù)領(lǐng)域的重要研究方向[4]。通過多源數(shù)據(jù)融合，可以實(shí)現(xiàn)多源信息的交叉印證，可以達(dá)到數(shù)據(jù)信息的相互補(bǔ)償，并可以有效地減少數(shù)據(jù)量，以獲取確定數(shù)據(jù)和深層次的語義知識(shí)[4-5]。人工智能教育時(shí)代，教育大數(shù)據(jù)的生態(tài)逐漸形成，海量的教育數(shù)據(jù)呈現(xiàn)多源異構(gòu)特性，而多源數(shù)據(jù)融合方法為解決新時(shí)代教育大數(shù)據(jù)的共享互通提供了一種新的解決思路，為構(gòu)建一個(gè)重用、共享的教育數(shù)據(jù)模型提供了可行的實(shí)踐視角。

而目前常見的多源數(shù)據(jù)融合方法主要有數(shù)據(jù)級融合、特征級融合和決策級融合等三種[6]。數(shù)據(jù)級融合是屬于最底層的數(shù)據(jù)融合，它是對原始數(shù)據(jù)經(jīng)過簡單預(yù)處理之后直接進(jìn)行關(guān)聯(lián)和融合，融合之后才作數(shù)據(jù)特征提取;特征級融合是先對數(shù)據(jù)進(jìn)行特征提取，再對數(shù)據(jù)進(jìn)行關(guān)聯(lián)融合;決策級融合是先對各數(shù)據(jù)源進(jìn)行決策，然后再將這些決策進(jìn)行關(guān)聯(lián)融合，最終獲得整體一致性的決策結(jié)果[7-9]。這三種數(shù)據(jù)融合方法的融合過程如圖1所示。通過比較這三種數(shù)據(jù)融合方法，可以看出，數(shù)據(jù)級融合雖然能夠最大程度上保留原始數(shù)據(jù)的特征，但融合的代價(jià)較高，時(shí)效性也較差，無法滿足人工智能教育時(shí)代對數(shù)據(jù)的即時(shí)性等要求;決策級融合雖然具有很高的容錯(cuò)性和時(shí)效性，但它是以具體決策需求為出發(fā)點(diǎn)進(jìn)行的數(shù)據(jù)融合，面對人工智能教育時(shí)代復(fù)雜多變的教育大數(shù)據(jù)環(huán)境，難以制定出具體適配的決策以進(jìn)行數(shù)據(jù)融合;而特征級融合在保證即時(shí)性的同時(shí)，也能夠最大程度上給出決策所需的特質(zhì)信息，其融合結(jié)果也具有較高的精度，由于教育大數(shù)據(jù)不像圖像數(shù)據(jù)具有融合的高精度，特征級融合方法很好地契合了人工智能教育時(shí)代教育大數(shù)據(jù)分析的要求?；诖?，文章將采用特征級數(shù)據(jù)融合方法來構(gòu)建共享教育數(shù)據(jù)模型。

（二）異構(gòu)多源教育數(shù)據(jù)的共享數(shù)據(jù)特性的提取

為了提高數(shù)據(jù)融合之后的數(shù)據(jù)重用度，文章的多源教育數(shù)據(jù)融合方法是通過提取各異構(gòu)數(shù)據(jù)源的數(shù)據(jù)共享特性來進(jìn)行特征級數(shù)據(jù)融合。而數(shù)據(jù)共享特性的提取過程，其實(shí)質(zhì)就是從各異構(gòu)數(shù)據(jù)源學(xué)習(xí)者所產(chǎn)生的學(xué)習(xí)行為數(shù)據(jù)中提取學(xué)習(xí)情境特性的過程?？v觀以往的學(xué)習(xí)情境的信息特性描述，不同學(xué)者從不同的視角將情境信息特性劃分為不同的類型。以下是相關(guān)學(xué)者對情境信息特性劃分的典型觀點(diǎn)：如DEY[10]認(rèn)為，情境信息包括位置、時(shí)間和周圍環(huán)境等顯式感知的情境信息，同時(shí)也包括社會(huì)關(guān)系、習(xí)慣、消費(fèi)水平和喜好等蘊(yùn)含感知的情境信息。Lieberman[11]等人將情境分為用戶情境、環(huán)境情境和應(yīng)用情境三大方面，其中，用戶情境包括活動(dòng)、位置和描述等情境;環(huán)境情境包括時(shí)間、亮度、溫度、天氣、資源等情境;應(yīng)用情境包括功能、維護(hù)、能源等情境。岳瑋寧[12]等人將情境信息分為自然環(huán)境、設(shè)備環(huán)境、用戶環(huán)境三大類。顧君忠[13]等人從用戶為中心的視角，將情境信息分為計(jì)算情景、用戶情境、物理情境、時(shí)間情境和社會(huì)情境等情境。而人工智能教育時(shí)代不同數(shù)據(jù)源的學(xué)習(xí)數(shù)據(jù)具有很明顯的時(shí)空特性，且學(xué)習(xí)者的學(xué)習(xí)交互離不開設(shè)備的支持。基于上述的情境信息特性分析，文章將各異構(gòu)數(shù)據(jù)源的共享數(shù)據(jù)特性提取為學(xué)習(xí)者情境、時(shí)間情境、位置情境、設(shè)備情境和事件情境5個(gè)維度情境信息特性（見表1）。

表1? ? ? ? ? ? ? ? ?學(xué)習(xí)者的學(xué)習(xí)情境分類

（三）基于共享數(shù)據(jù)特性的特征級數(shù)據(jù)融合

以上5個(gè)維度的學(xué)習(xí)情境信息特性很好地表征了各異構(gòu)數(shù)據(jù)源的共享數(shù)據(jù)特性，通過這5個(gè)共享數(shù)據(jù)特性，可以準(zhǔn)確地描述各異構(gòu)數(shù)據(jù)源中學(xué)習(xí)者真實(shí)的學(xué)習(xí)生活場景，進(jìn)而可以很好地實(shí)現(xiàn)異構(gòu)數(shù)據(jù)之間的無縫對接。這5個(gè)共享數(shù)據(jù)特性代表5個(gè)數(shù)據(jù)維度，組合后可以構(gòu)成學(xué)習(xí)者真實(shí)的學(xué)習(xí)場景：“學(xué)習(xí)者情境 + 時(shí)間情境 + 位置情境 + 設(shè)備情境 + 事件情境 ≌ 學(xué)習(xí)場景”，它描述了“學(xué)習(xí)者、什么時(shí)間、什么地點(diǎn)、基于什么設(shè)備、做了什么事情”?；谶@5個(gè)數(shù)據(jù)維度，采用特征級數(shù)據(jù)融合方法對教育數(shù)據(jù)進(jìn)行融合。其特征級數(shù)據(jù)融合主要經(jīng)過各數(shù)據(jù)維度的語義特征的分層提取、分層語義的特征級數(shù)據(jù)融合、跨維度跨分層的關(guān)聯(lián)語義的特征級數(shù)據(jù)融合等融合過程，如圖2所示。

（1）各數(shù)據(jù)維度的語義特征的分層提取，主要是對這5個(gè)不同數(shù)據(jù)維度進(jìn)行語義特征的分層提取，確定各數(shù)據(jù)維度的語義屬性，并確定各數(shù)據(jù)維度語義同級、上下級的多層語義邏輯關(guān)系。如時(shí)間維度的語義屬性可以分為工作日和節(jié)假日大類語義信息，工作日又可以細(xì)分為課堂學(xué)習(xí)時(shí)間、自習(xí)時(shí)間等不同粒度的語義信息。

（2）分層語義的特征級數(shù)據(jù)融合，主要是將各異構(gòu)數(shù)據(jù)源的教育數(shù)據(jù)，按照這些分層語義分類，采用相應(yīng)的細(xì)粒度融合策略進(jìn)行特征級數(shù)據(jù)融合，生成能準(zhǔn)確描述學(xué)習(xí)者學(xué)習(xí)特征的場景數(shù)據(jù)，并消除數(shù)據(jù)結(jié)構(gòu)和相同語義聚集在同一粒度上的不一致與冗余關(guān)系。

（3）跨維度、跨分層的關(guān)聯(lián)語義的特征級數(shù)據(jù)融合，主要是為了更客觀、精準(zhǔn)地描述學(xué)習(xí)者的學(xué)習(xí)特征，根據(jù)不同維度、不同層面的相似語義，對這些具有關(guān)聯(lián)語義的數(shù)據(jù)進(jìn)一步進(jìn)行特征級融合，生成具有深層次語義知識(shí)的場景數(shù)據(jù)（如學(xué)習(xí)者的學(xué)習(xí)習(xí)慣等）。

三、xAPI規(guī)范對5維特征融合數(shù)據(jù)的

規(guī)范化分析

（一） xAPI規(guī)范與5維特征融合數(shù)據(jù)的融合分析

在得到5維特征融合的教育數(shù)據(jù)后，接下來就需要對這5維特征融合數(shù)據(jù)進(jìn)行規(guī)范化分析，而學(xué)習(xí)數(shù)據(jù)規(guī)范的選擇是實(shí)現(xiàn)數(shù)據(jù)格式規(guī)范的關(guān)鍵?？v觀以往學(xué)習(xí)數(shù)據(jù)規(guī)范標(biāo)準(zhǔn)的發(fā)展，主要經(jīng)歷了以下幾個(gè)階段[14-16]：無標(biāo)準(zhǔn)階段、AICC（The Aviation Industry CBT Committee）標(biāo)準(zhǔn)階段、SCORM（Sharable Content Object Reference Model）標(biāo)準(zhǔn)階段。AICC標(biāo)準(zhǔn)雖然在一定程度上解決了課程資源的共享問題，但采用這種學(xué)習(xí)數(shù)據(jù)規(guī)范開發(fā)的課程資源遷移性不好，不一定能在不同的平臺(tái)上運(yùn)行。SCORM標(biāo)準(zhǔn)是目前最為廣泛應(yīng)用的學(xué)習(xí)數(shù)據(jù)規(guī)范標(biāo)準(zhǔn)[17]，但這種標(biāo)準(zhǔn)只是針對課件等學(xué)習(xí)內(nèi)容的數(shù)據(jù)規(guī)范，無法對課件學(xué)習(xí)以外的學(xué)習(xí)過程數(shù)據(jù)進(jìn)行記錄，也無法實(shí)現(xiàn)跨平臺(tái)的數(shù)據(jù)共享與互通[18]，尤其是在面對人工智能教育時(shí)代動(dòng)態(tài)多變的教育環(huán)境時(shí)， SCORM標(biāo)準(zhǔn)難以解決新時(shí)代下多元異構(gòu)數(shù)據(jù)的高度共享性問題。為了破除SCORM標(biāo)準(zhǔn)的局限，美國ADL（Advanced Distributed Learning）組織推出了xAPI（Experience API）數(shù)據(jù)規(guī)范，它不但兼容SCORM標(biāo)準(zhǔn)，而且可以記錄幾乎任何一種學(xué)習(xí)或行為，并且可以跨平臺(tái)進(jìn)行數(shù)據(jù)共享與交換[15]，xAPI規(guī)范的這種優(yōu)勢很好地契合了人工智能教育時(shí)代復(fù)雜多變的教育環(huán)境。

xAPI規(guī)范的核心部件主要有兩個(gè)[15，19]：Statement屬性和LRS（Learning Record Store）學(xué)習(xí)記錄存儲(chǔ)。其中，Statement是定義了xAPI數(shù)據(jù)格式的語法，LRS是定義了學(xué)習(xí)記錄庫（LRS）的數(shù)據(jù)的存儲(chǔ)形式。根據(jù)Statement的“執(zhí)行者（Actor）+ 動(dòng)詞（Verb）+ 對象（Object）”的聲明結(jié)構(gòu)，以及聲明結(jié)構(gòu)Result、Context、Timestamp、Stored、Authority等其他擴(kuò)展屬性。xAPI規(guī)范的Statement聲明結(jié)構(gòu)很好地契合了5維特征融合數(shù)據(jù)的數(shù)據(jù)描述，可以生成5維特征融合數(shù)據(jù)的Statement聲明結(jié)構(gòu)，即“學(xué)習(xí)者（Actor）、時(shí)間情境（Time）、空間情境（Local_Context）、設(shè)備情境（Device_Context）、事件情境（Verb+ Object+Result）”，以Statement的屬性來進(jìn)行數(shù)據(jù)封裝，生成通用的數(shù)據(jù)交換格式。然后再通過xAPI規(guī)范的另一個(gè)核心部件——LRS學(xué)習(xí)記錄庫，將數(shù)據(jù)融合的規(guī)范化教育數(shù)據(jù)傳送到LRS中進(jìn)行記錄并保存起來，實(shí)現(xiàn)LRS之間的數(shù)據(jù)共享和交換。xAPI規(guī)范對5維特征融合數(shù)據(jù)進(jìn)行規(guī)范化的運(yùn)行機(jī)制如下（如圖3所示）：當(dāng)不同數(shù)據(jù)源的學(xué)習(xí)活動(dòng)或?qū)W習(xí)行為需要被跟蹤記錄時(shí)，xAPI就會(huì)發(fā)出特征級數(shù)據(jù)融合的Statement表述格式，封裝成JSON或XML等通用數(shù)據(jù)格式傳遞到LRS中，LRS負(fù)責(zé)記錄和存儲(chǔ)，并與其他獨(dú)立的LRS交換和共享這些學(xué)習(xí)經(jīng)歷記錄，一個(gè)LRS可以與其他獨(dú)立的LRS共享這些學(xué)習(xí)記錄，LRS也可以獨(dú)立存在，也可以存在于不同的數(shù)據(jù)源中。

（二）5維特征融合數(shù)據(jù)的通用數(shù)據(jù)規(guī)范格式分析

基于上述xAPI規(guī)范對5維特征融合數(shù)據(jù)進(jìn)行規(guī)范化的運(yùn)行機(jī)制，為了構(gòu)建一個(gè)高度共享的教育數(shù)據(jù)模型，還需要對5維特征融合數(shù)據(jù)的數(shù)據(jù)規(guī)范格式進(jìn)行分析，生成通用、標(biāo)準(zhǔn)的數(shù)據(jù)交換格式。根據(jù)前面分析得到的5維特征融合數(shù)據(jù)的數(shù)據(jù)結(jié)構(gòu)：“學(xué)習(xí)者（Actor）、時(shí)間情境（Time）、空間情境（Local_Context）、設(shè)備情境（Device_Context）、事件情境（Verb+ Object+Result）”，再結(jié)合 xAPI規(guī)范Statement聲明結(jié)構(gòu)的規(guī)范化描述，由此得到5維特征融合數(shù)據(jù)的通用數(shù)據(jù)規(guī)范格式：“Actor（學(xué)習(xí)者） + Time（時(shí)間情境） + Local_Context （位置情境） + Device_Context（設(shè)備情境） + （Verb + Object +? Result + T-span）（事件情境）”。該通用數(shù)據(jù)格式映射出學(xué)習(xí)者的狀態(tài)為：“{學(xué)習(xí)者} 附學(xué)習(xí)者的個(gè)人語義標(biāo)簽 | {某個(gè)時(shí)間點(diǎn)} 附時(shí)間分類語義標(biāo)簽 | {某個(gè)地點(diǎn)} 附地點(diǎn)分類語義標(biāo)簽，{使用什么設(shè)備} 附設(shè)備分類語義標(biāo)簽 | {做了某事，結(jié)果如何，耗時(shí)多少} 附主題事件分類語義標(biāo)簽”。其實(shí)例化后為：“小明{分類語義標(biāo)簽：初一} | 10：00{分類語義標(biāo)簽：課堂學(xué)習(xí)} | 在北二附{分類語義標(biāo)簽：學(xué)校教1樓} | 使用HUAWEIPad {分類語義標(biāo)簽：平板電腦} |做作業(yè)：有理數(shù){分類語義標(biāo)簽：初一數(shù)學(xué)第一單元}|得分：95{分類語義標(biāo)簽：優(yōu)秀}”。由此得到5維特征融合數(shù)據(jù)的數(shù)據(jù)格式規(guī)范是以“誰在什么時(shí)間、什么地點(diǎn)、使用什么設(shè)備、做了什么事情”對學(xué)習(xí)者經(jīng)歷數(shù)據(jù)進(jìn)行描述，其生成的通用數(shù)據(jù)格式（JOSN格式）如圖4所示：

圖4? ?5維特征融合數(shù)據(jù)的通用數(shù)據(jù)格式

四、共享教育數(shù)據(jù)模型的構(gòu)建

（一）共享教育數(shù)據(jù)模型的總體流程框架設(shè)計(jì)

數(shù)據(jù)模型是描述數(shù)據(jù)類型、數(shù)據(jù)聯(lián)系、語義約束的集合，它的構(gòu)成主要有3個(gè)部分：數(shù)據(jù)類型、數(shù)據(jù)聯(lián)系、語義約束[20]。其中，數(shù)據(jù)類型描述了數(shù)據(jù)的邏輯結(jié)構(gòu)，數(shù)據(jù)聯(lián)系定義了操作數(shù)據(jù)的方法，語義約束規(guī)定了數(shù)據(jù)的語義規(guī)則?；诖?，文章將共享教育數(shù)據(jù)模型也劃分為數(shù)據(jù)描述、數(shù)據(jù)語境、數(shù)據(jù)共享3個(gè)部分（如圖5所示）。其中，數(shù)據(jù)描述是用于實(shí)現(xiàn)對信息資源的表示、發(fā)現(xiàn)、共享和重用;數(shù)據(jù)語境是數(shù)據(jù)信息所屬主題的標(biāo)注;數(shù)據(jù)共享是對數(shù)據(jù)交換格式進(jìn)行規(guī)范化。

圖5? ?共享數(shù)據(jù)模型的結(jié)構(gòu)

基于圖5所示的共享數(shù)據(jù)模型結(jié)構(gòu)的邏輯關(guān)系，結(jié)合上述分析得到5維特征融合數(shù)據(jù)的通用數(shù)據(jù)規(guī)范格式，由此可以設(shè)計(jì)出共享教育數(shù)據(jù)模型的總體流程框架，如圖6所示。該總體流程框架是通過對各異構(gòu)數(shù)據(jù)源的數(shù)據(jù)特性進(jìn)行歸類分析，剖析出不同數(shù)據(jù)源的共享數(shù)據(jù)特征，提取為“學(xué)習(xí)者+時(shí)間情境+空間情境+設(shè)備情境+事件情境≌學(xué)習(xí)場景”5維數(shù)據(jù)特征并進(jìn)行特征級數(shù)據(jù)融合，結(jié)合xAPI通用數(shù)據(jù)規(guī)范，將融合后的教育數(shù)據(jù)轉(zhuǎn)換為通用的教育數(shù)據(jù)格式規(guī)范，生成規(guī)范化的共享數(shù)據(jù)格式存儲(chǔ)于LRS中，并對模型中5個(gè)獨(dú)立數(shù)據(jù)維度進(jìn)行組合分析，構(gòu)建一個(gè)可重用、可共享的教育數(shù)據(jù)模型。該模型不但有利于各異構(gòu)數(shù)據(jù)源的數(shù)據(jù)共享與分析，而且能完整地體現(xiàn)學(xué)習(xí)者真實(shí)學(xué)習(xí)活動(dòng)全貌，從而為更深層次發(fā)掘?qū)W習(xí)者的學(xué)習(xí)需求和學(xué)習(xí)狀態(tài)提供強(qiáng)有力的數(shù)據(jù)基礎(chǔ)。

（二）基于多源數(shù)據(jù)融合的共享教育數(shù)據(jù)模型的實(shí)現(xiàn)路徑

基于上述共享教育模型的總體流程框架分析，共享教育數(shù)據(jù)模型的實(shí)現(xiàn)路徑主要經(jīng)過離散和異構(gòu)數(shù)據(jù)的規(guī)范化運(yùn)算、模型數(shù)據(jù)屬性與語義唯一性運(yùn)算、模型數(shù)據(jù)的形式化描述等3個(gè)關(guān)鍵運(yùn)算環(huán)節(jié)。

1. 離散、異構(gòu)數(shù)據(jù)的規(guī)范化運(yùn)算環(huán)節(jié)

離散、異構(gòu)數(shù)據(jù)的規(guī)范化運(yùn)算主要是將各異構(gòu)數(shù)據(jù)源的學(xué)習(xí)行為軌跡數(shù)據(jù)，轉(zhuǎn)換為結(jié)構(gòu)化的教育數(shù)據(jù)規(guī)范的過程。該運(yùn)算環(huán)節(jié)首先基于上述分析得到的5維特征數(shù)據(jù)融合的數(shù)據(jù)規(guī)范格式，將采集到離散、異構(gòu)的學(xué)習(xí)者學(xué)習(xí)活動(dòng)軌跡數(shù)據(jù)，再調(diào)用xAPI規(guī)范中間件的Statement聲明和動(dòng)作者描述接口，轉(zhuǎn)換為結(jié)構(gòu)化的學(xué)習(xí)行為數(shù)據(jù)，封裝成“Actor + Time + Local_Context + Device_Context + （Verb + Object +? Result + T-span）”的規(guī)范化描述的通用、標(biāo)準(zhǔn)數(shù)據(jù)規(guī)范格式，傳遞到LRS中進(jìn)行記錄與保存，生成規(guī)范化的教育數(shù)據(jù)集。其規(guī)范化過程如圖7所示。

2. 模型數(shù)據(jù)屬性的語義處理與唯一性運(yùn)算

為了便于各異構(gòu)數(shù)據(jù)源理解數(shù)據(jù)位置之間的關(guān)聯(lián)關(guān)系，以發(fā)掘?qū)W習(xí)者潛在的學(xué)習(xí)行為模式和學(xué)習(xí)規(guī)律，需要對模型的數(shù)據(jù)屬性作進(jìn)一步的語義化處理與唯一性運(yùn)算。該運(yùn)算環(huán)節(jié)主要是對模型的數(shù)據(jù)屬性打上語義標(biāo)簽，并對模型數(shù)據(jù)的語義進(jìn)行唯一性計(jì)算的過程。首先對模型中5維融合數(shù)據(jù)的數(shù)據(jù)屬性進(jìn)行分類語義化處理，即對5個(gè)相對獨(dú)立的各數(shù)據(jù)維度，根據(jù)各數(shù)據(jù)維度的語義分類，給每一個(gè)數(shù)據(jù)維度的屬性打上分類語義的標(biāo)簽，如時(shí)間數(shù)據(jù)維度以“天”為粒度的時(shí)間語義分類：早讀時(shí)間、課堂時(shí)間等語義分類，生成具有分類語義的規(guī)范化數(shù)據(jù)集;然后對模型數(shù)據(jù)的語義進(jìn)行唯一性計(jì)算，即去除具有分類語義的規(guī)范化數(shù)據(jù)中的重復(fù)數(shù)據(jù)，以保證模型中的數(shù)據(jù)沒有相同語義的數(shù)據(jù)記錄，進(jìn)而提升學(xué)習(xí)行為分析結(jié)果的準(zhǔn)確性。其模型數(shù)據(jù)屬性的語義規(guī)范化過程見表2。

3. 模型數(shù)據(jù)的形式描述

為了構(gòu)建一個(gè)靈活性強(qiáng)、重用度高的共享教育數(shù)據(jù)模型，以減少LRS之間的數(shù)據(jù)交換量，并滿足不同數(shù)據(jù)源對不同數(shù)據(jù)視圖的需求，還需要對模型的數(shù)據(jù)進(jìn)行形式化描述。該環(huán)節(jié)是基于模型數(shù)據(jù)屬性與語義唯一性運(yùn)算環(huán)節(jié)計(jì)算的結(jié)果，對模型中的學(xué)習(xí)者情境數(shù)據(jù)進(jìn)行形式化描述，并進(jìn)一步對這些獨(dú)立的數(shù)據(jù)維度進(jìn)行多維度組合，以構(gòu)建一個(gè)多維度的共享教育數(shù)據(jù)模型。針對構(gòu)成數(shù)據(jù)模型的5個(gè)獨(dú)立數(shù)據(jù)維度，由于學(xué)習(xí)者維度是靜態(tài)化的信息數(shù)據(jù)，其形式化描述在模型中不作標(biāo)注，由此，模型的學(xué)習(xí)情境數(shù)據(jù)描述可以用4元組Preference來表示，各元組既相互獨(dú)立又相互聯(lián)系，以構(gòu)成不同組合的多維度的共享教育數(shù)據(jù)模型，這4元組分別是：時(shí)間情境維度、位置情境維度、設(shè)備情境維度和事件情境維度，依次用字符表示為PT、PL、PD、PO，每一個(gè)元組是由序偶對來組成，其中，δ表示各屬性的分類語義，由此構(gòu)成的共享教育數(shù)據(jù)模型Preference 的形式化描述公式為：

上述的形式化描述公式，以時(shí)間情境維度為例，可以是由<18：30，δT1=晚飯時(shí)間><20：30，δT2=晚自習(xí)時(shí)間><22：30，δT3=晚睡時(shí)間>等組成的集合。模型中既可以構(gòu)成位置情境、事件情境等單維度的數(shù)據(jù)模型視圖，也可以組合成多維度的數(shù)據(jù)視圖，如圖8所示，以便于各數(shù)據(jù)系統(tǒng)根據(jù)自身數(shù)據(jù)分析的需求，動(dòng)態(tài)地獲取個(gè)性化的數(shù)據(jù)模型視圖，這樣構(gòu)建出的共享教育數(shù)據(jù)模型不但可以減少各異構(gòu)數(shù)據(jù)系統(tǒng)之間數(shù)據(jù)交換的數(shù)據(jù)量和傳輸量，同時(shí)也降低了數(shù)據(jù)分析的復(fù)雜度，有效減少了數(shù)據(jù)信息的缺失，有利于深層次挖掘?qū)W習(xí)者真實(shí)的學(xué)習(xí)需求。

五、結(jié)? ?語

人工智能教育時(shí)代，構(gòu)建一個(gè)可重用、可共享的教育數(shù)據(jù)模型，以規(guī)范人工智能教育環(huán)境下多源異構(gòu)的教育數(shù)據(jù)，實(shí)現(xiàn)各異構(gòu)數(shù)據(jù)的高度共享，是當(dāng)今時(shí)代教育發(fā)展亟需解決的問題之一。文章提出的基于多源數(shù)據(jù)融合的共享教育數(shù)據(jù)模型，通過對多源異構(gòu)教育數(shù)據(jù)進(jìn)行數(shù)據(jù)融合，結(jié)合xAPI學(xué)習(xí)數(shù)據(jù)規(guī)范，對融合后的教育數(shù)據(jù)進(jìn)行規(guī)范化描述，生成通用、標(biāo)準(zhǔn)的數(shù)據(jù)交換格式，在此基礎(chǔ)上，構(gòu)建了一個(gè)可共享、可重用的教育數(shù)據(jù)模型，實(shí)現(xiàn)了各異構(gòu)數(shù)據(jù)源之間的數(shù)據(jù)共享與交換，便于智能教育系統(tǒng)獲取更全面、完整的學(xué)習(xí)記錄數(shù)據(jù)，以提升數(shù)據(jù)共享的時(shí)效性，進(jìn)而使得學(xué)習(xí)行為分析的結(jié)果更客觀、及時(shí)、準(zhǔn)確，有利于提升智能教育系統(tǒng)響應(yīng)的即時(shí)性與智能性。