杜靜 高博俊 周偉 蔡臻昱

[摘 ? 要] 依據(jù)學習者的情境提供匹配的學習資源是自適應(yīng)學習系統(tǒng)的研究難點之一，文章采用內(nèi)容分析法和案例研究法，從人與環(huán)境兩方面，對2015年至2019年的國外適應(yīng)性學習支持系統(tǒng)中情境感知功能的相關(guān)要素、實現(xiàn)方法、評價方式進行剖析。經(jīng)過研究發(fā)現(xiàn)，已有的適應(yīng)性學習支持系統(tǒng)主要應(yīng)用于詞匯學習和場館學習領(lǐng)域;涉及要素包括用戶、社會情境、任務(wù)、時空、基礎(chǔ)設(shè)施和物理環(huán)境六大維度，并且對物理環(huán)境、社會情境與任務(wù)三個維度的分析需要進一步細化要素;不同維度要素信息獲取的實現(xiàn)方法多采用傳感器、系統(tǒng)日志文件、系統(tǒng)預(yù)設(shè)的方式;對學習支持系統(tǒng)評價方式主要包括用戶使用系統(tǒng)的一般態(tài)度、用戶使用體驗、系統(tǒng)對學習成績的影響等方面。最后，基于以上分析提出未來情境感知模型研究可以從三個方面開展，包括融入實時情感分析以實現(xiàn)學習支持服務(wù)中的人文關(guān)懷，支持多主體互動以促進知識的探究式社會協(xié)商，關(guān)注復(fù)雜學習情境建模以驅(qū)動數(shù)據(jù)密集型支持服務(wù)。

[關(guān)鍵詞] 適應(yīng)性學習; 學習情境; 情境感知; 學習支持; 對比分析

[中圖分類號] G434 ? ? ? ? ? ?[文獻標志碼] A

[作者簡介] 杜靜（1989—），女，湖北武漢人。博士，主要從事適應(yīng)性學習支持服務(wù)研究。E-mail：dujing@mail.bnu.edu.cn。周偉為通訊作者，E-mail：zhouwei@bnu.edu.cn。

一、引 ? 言

泛在學習時代，人們期待的智慧學習環(huán)境是一種能感知學習情境，識別學習者特征，提供合適的學習資源與便利的互動工具，自動記錄學習過程和評測學習成果，以促進學習者有效學習的學習場所或活動空間[1]。如何依據(jù)學習發(fā)生的時間、地點、學習活動等細粒度信息匹配學習支持是當前適應(yīng)性學習支持系統(tǒng)設(shè)計過程中的研究焦點。為此，本研究將對情境感知模型的研究現(xiàn)狀進行分析，探索以下問題：（1）從理論上來看，情境感知功能包含的維度;（2）從實踐上來看，已實現(xiàn)的自適應(yīng)學習系統(tǒng)納入了哪些維度，使用何種技術(shù)實現(xiàn);（3）具有情境感知功能的學習系統(tǒng)的應(yīng)用效果。通過對適應(yīng)性學習支持系統(tǒng)的情境感知功能進行深度剖析，為適應(yīng)性學習支持提供借鑒。

二、情境感知模型研究的緣起

（一）情境感知的內(nèi)涵

關(guān)于情境的定義，學界普遍認可的是Dey從系統(tǒng)設(shè)計的角度給出的定義，情境為任何可以被用來描述實體的信息，實體可以是某個人、某個地點或被認為與用戶和應(yīng)用程序之間的互動有關(guān)的物體，包括用戶和應(yīng)用程序本身[2]。Dey曾將情境信息分為四類，通過身份（Identity）、時間（Time）、地點（Location）、活動（Activity）四個維度來回應(yīng)自適應(yīng)系統(tǒng)需要回答的四類問題[誰在參與這項活動（Who）、什么時間發(fā)生（When）、在哪里發(fā)生（Where）和什么活動正在發(fā)生（What）][3]。Bardram和Jakob從人的活動視角出發(fā)，認為情境是人的活動整體，包括行為和操作的執(zhí)行[4]。本文采用了以上兩種關(guān)于情境的定義，認為情境是對人的活動過程相關(guān)的實體信息的描述，與時間、地點、行為和活動過程等因素密切相關(guān)。

情境感知計算的研究始于Want[5]，目前大多數(shù)研究者采用Schilit、Adams和Want提出的情境感知定義，即通過計算機程序感知不斷變化的環(huán)境并描述該環(huán)境下的用戶行為，再依據(jù)這些變化和用戶行為提供符合用戶需要的服務(wù)[6]。此外，Schmidt還從軟件工程的角度，就如何獲取情境信息的問題給出了情境的操作性定義，并提出情境感知模型[7]。通過以上研究發(fā)現(xiàn)，具有情境感知功能的自適應(yīng)學習系統(tǒng)的實質(zhì)就是通過智能技術(shù)識別與學習者相關(guān)的時間、地點、環(huán)境、活動等情境信息，從而匹配和推送合適的資源和服務(wù)。

（二）適應(yīng)性學習支持的新訴求

適應(yīng)性學習支持系統(tǒng)的核心特征是“適應(yīng)”，適應(yīng)一詞常指基于情境信息的計算（Context-based Computing），即通過識別當前用戶情境信息，計算出符合用戶需求的資源[8]。學習支持的實質(zhì)是結(jié)合學習者的特征，利用各種資源，為學習者提供適應(yīng)性支持。按照支持方式的不同，可以將服務(wù)分為三類：預(yù)設(shè)資源型支持、相關(guān)資源型支持和生成資源型支持[9]，見表1，其中，生成型資源服務(wù)是未來發(fā)展的方向。

尤其是近年來，學習場景多元化發(fā)展，學習支持方式也逐漸多樣化[10]，學習者特質(zhì)各不相同，對學習需求和環(huán)境要求也不同[11]，表現(xiàn)為因?qū)W習者知識背景、認知水平、元認知能力、情感狀態(tài)、所處環(huán)境的不同，所需的學習資源、學習內(nèi)容、學習指導(dǎo)存在較大差異[12]，這使情境感知功能對自適應(yīng)學習系統(tǒng)顯得愈發(fā)重要。

三、研究方法與過程

（一）研究問題與研究方法

以Schmidt的情境感知模型[7]為基礎(chǔ)，對自適應(yīng)學習系統(tǒng)中情境感知功能的設(shè)計與實現(xiàn)現(xiàn)狀進行探討。問題1：自適應(yīng)學習系統(tǒng)中情境感知功能的情境要素包括哪些？問題2：獲取情境要素的技術(shù)和方法是什么？問題3：情境感知功能評價指標是什么？

在研究方法上，問題1采用內(nèi)容分析法來剖析已被采用的情境要素，問題2采用案例研究法來厘清獲取情境要素的技術(shù)與方法，問題3采用案例研究法來對比情境感知功能的評價指標。

（二）篩選標準和數(shù)據(jù)來源

以Web of Science為搜索數(shù)據(jù)庫，以Recommender System、Mobile Learning System、Adaptive Learning System、Ubiquitous Learning System為搜索關(guān)鍵詞，共搜索到3420篇文章。案例篩選按照以下標準進行：數(shù)據(jù)源來自2015年后出版的相關(guān)文章;僅搜集會議文章與期刊文章，剔除非英文文章、未發(fā)表的文章、碩博士論文、新聞、報告、海報、短篇論文;該研究對自適應(yīng)學習系統(tǒng)的研究包括功能介紹、系統(tǒng)評測等部分。經(jīng)過篩查，剩余23篇文章。

四、情境感知模型對比分析框架

（一）情境感知相關(guān)因素的厘清

在現(xiàn)有的研究中，有多種對情境因素的劃分方式。有學者從人和環(huán)境的角度進行了研究。Schmidt從通用的角度將情境信息劃分為與人相關(guān)的因素（用戶信息、社會環(huán)境與任務(wù)信息指標）和與環(huán)境相關(guān)的因素（物理環(huán)境、基礎(chǔ)設(shè)施與地點信息）[7]。情境信息還可以劃分為內(nèi)部情境和外部情境，內(nèi)部情境信息用來描述用戶的狀態(tài)，獲取較困難，包括用戶的基本信息、狀態(tài);外部情境用來描述與環(huán)境相關(guān)的信息，獲取較容易，包括空間、溫度等[13]。

還有一些研究者從學習支持的角度對情境因素進行了劃分。張劍認為，情境信息可分為學習情境和移動情境，學習情境由學習者、教育資源、學習活動、特定教學策略組成，移動情境是由輸送介質(zhì)（也就是移動設(shè)備）捕捉的情境信息[14]。Yang認為，情境包括兩個維度，學習者和學習服務(wù)，與學習者相關(guān)的信息包括個人檔案、學習偏好、網(wǎng)絡(luò)連接渠道、學習終端等，與學習服務(wù)相關(guān)的信息包括如網(wǎng)絡(luò)條件、執(zhí)行服務(wù)的設(shè)備和平臺等[15]。陳敏和余勝泉從學習過程情境出發(fā)，將情境信息劃分為學習目標、學習者特征、學習設(shè)備、學習環(huán)境四個維度，認為促進有效學習的發(fā)生，不僅要推薦學習內(nèi)容，還需推薦與學習過程相關(guān)的內(nèi)容、資源、專家和服務(wù)[16]。

綜合以上研究，已有的劃分方式都包括環(huán)境和人的因素。環(huán)境維度包括時空、物理環(huán)境（光、壓強、加速度、溫度等）;人的因素包括個體情境（脈搏、血壓、認知負荷等）、社會情境（社會交互、小組動態(tài)等）和用戶任務(wù)（目標、內(nèi)容、完成時間等）。

與情境信息最相關(guān)的要素為設(shè)備和使用者，因此，本研究主要借鑒Brusilovsky和Millán[17]的觀點，從設(shè)備和人的視角對情境信息加以考量，如圖1所示。從用戶的視角來看，情境信息建模是對用戶建模部分進行了擴充，這種方式更傾向于不將用戶信息劃分為情境信息的一部分;從設(shè)備的視角來劃分情境因素是普適計算和移動學習普遍采用的方式，這種方式將用戶的信息看作情境的一部分，這也是大多數(shù)自適應(yīng)學習系統(tǒng)采用的劃分方式。后續(xù)的分析也將從設(shè)備的視角對自適應(yīng)學習系統(tǒng)的情境感知模型進行分析。

（二）情境感知模型分析框架

結(jié)合以上關(guān)于情境感知因素的研究，圍繞信息、媒介、方法和效果四個方面提出了情境特征分析框架“U-TIPS2”，如圖2所示。該框架關(guān)注到人和環(huán)境兩類因素，包括六大維度，物理環(huán)境、用戶、基礎(chǔ)設(shè)施、時空、

任務(wù)和社會情境。其中，用戶、社會情境和任務(wù)三要素和人密切相關(guān)，物理環(huán)境、基礎(chǔ)設(shè)施、時空和環(huán)境相關(guān)。該模型用來分析四類問題：（1）何種信息——系統(tǒng)涉及的信息類型，如用戶情境、社會情境等;（2）何種媒介——系統(tǒng)使用的基礎(chǔ)設(shè)施，如Ibeacons、傳感器等，對應(yīng)于案例描述的“終端類型”部分;（3）何種方法或技術(shù)——系統(tǒng)使用的識別情境信息的技術(shù)，如人臉識別、語音識別等;（4）何種效果——系統(tǒng)的評價方式，如測評對象、測評維度等。

五、對比分析結(jié)果

（一）案例介紹

利用內(nèi)容分析法，對相關(guān)案例系統(tǒng)的背景信息進行分析，見表2。目前，已實現(xiàn)的具有情境感知功能的適應(yīng)性學習系統(tǒng)多應(yīng)用于語言學習和場館學習兩個方面。在語言學習方面，Liu等設(shè)計了健身場景下的協(xié)作式英語學習系統(tǒng)UFELCS[20];Yao結(jié)合二維碼技術(shù)設(shè)計了基于真實學習環(huán)境的平臺PCAR，該平臺可提升學習者的英語應(yīng)用能力并激發(fā)學習興趣[24];Wang以英語詞匯中的音節(jié)為基礎(chǔ)，設(shè)計了幫助學習者提升英語學習水平的系統(tǒng)I SEE[26]。此外，還有英語學習系統(tǒng)UoLmP[29]、阿拉伯語言學習系統(tǒng)U-Arabic[27]。在場館學習方面，Chiu結(jié)合導(dǎo)航算法B-MONS開發(fā)了支持博物館學習的混合式泛在學習系統(tǒng)[22]。除此之外，還有面向文化學習的旅游及相關(guān)服務(wù)的移動推薦系統(tǒng)Looker[18]、利用群體智能算法的基于位置的混合式旅游推薦系統(tǒng)HLTRS[19]等。

（二）情境感知功能對比分析結(jié)果

在搜集國外具有情境感知功能的適應(yīng)性學習系統(tǒng)的基礎(chǔ)上，利用內(nèi)容分析法，對相關(guān)文章中描述的情境要素以及實現(xiàn)要素的方法進行細粒度提取，表3列舉了與人相關(guān)的三個維度的分析結(jié)果，表4列舉了與環(huán)境相關(guān)的三個維度的分析結(jié)果。

需要說明的是，表中的“日志”指追蹤歷史數(shù)據(jù)的日志文件，“QR Code”指由Denso公司于1994年9月研制的一種矩陣二維碼符號，“API”指用戶應(yīng)用程序接口，“自選”指由使用者自愿選擇，“RFID”指一種閱讀器與標簽之間進行非接觸式的數(shù)據(jù)通信方式，“×”表示系統(tǒng)沒有列入此要素。

從“用戶—社會情境—任務(wù)”維度的對比分析結(jié)果來看，在用戶維度，多數(shù)系統(tǒng)涵蓋了基本信息、習慣偏好、認知風格、學習需求、知識水平等，基本信息（如姓名、年齡、年級等人口信息）大多在用戶系統(tǒng)注冊時直接獲取，習慣偏好、認知風格、學習需求多利用問卷獲取;在社會情境維度方面，主要描述了交互信息和小組成員的分工情況，如UFELCS系統(tǒng)利用QR Code獲取小組成員組隊信息[20];在任務(wù)維度，包含的信息主要包括活動信息、學習資源和測試題信息，活動信息多采用QR Code的方式獲取，如BCAULS、IULS、U-Arabic。

通過“用戶—社會情境—任務(wù)”維度的分析可知，在用戶維度，用戶信息表征多集中在人口信息、認知風格、知識水平等淺層次信息，包括UFELCS、BCAULS、PCAR、IULS等，對學習者情感狀態(tài)以及學習者的個性化學習需求關(guān)注較少;在社會情境維度，多數(shù)系統(tǒng)關(guān)注個人學習，對協(xié)作學習關(guān)注不足;在任務(wù)維度，對多用戶協(xié)作情境下的任務(wù)描述需加強，搜集到的案例僅有SCORLL、UFELCS、UoLmP和A Mobile Label Assisted System涉及協(xié)作學習的情境感知?？赡艿脑蚴牵@些系統(tǒng)的主要功能是針對個體推薦學習資源，針對小組推薦學習資源和學習活動的功能設(shè)計較少，使得對社會維度的因素考慮不足。

[參考文獻]

[1] 黃榮懷， 楊俊鋒， 胡永斌. 從數(shù)字學習環(huán)境到智慧學習環(huán)境[J]. 開放教育研究， 2012， 18（1）： 75-84.

[2] ABOWD G D， DEY A K， BROWN P J， et al. Towards a better understanding of context and context-awareness[C]//International symposium on handheld and ubiquitous computing. Berlin， Heidelberg： Springer， 1999： 304-307.

[3] DEY A K， ABOWD G D. Providing architectural support for building context-aware applications[D]. Atlanta： Georgia Institute of Technology，2000.

[4] BARDRAM J E. Activity-based computing for medical work in hospitals[J]. ACM Transactions on computer-human interaction （TOCHI）， 2009， 16（2）： 10.

[5] WANT R， HOPPER A， FALCAO V， et al. The active badge location system[J]. ACM Transactions on information systems （TOIS）， 1992， 10（1）： 91-102.

[6] SCHILIT B， ADAMS N， WANT R. Context-aware computing applications[C]//1994 First Workshop on Mobile Computing Systems and Applications. Santa Cruz， USA： IEEE， 1994： 85-90.

[7] SCHMIDT A， BEIGL M， GELLERSEN H W. There is more to context than location[J]. Computers & graphics， 1999， 23（6）： 893-901.

[8] BRUSILOVSKI P， KOBSA A， NEJDL W. The adaptive web： methods and strategies of web personalization[J]. Springer science & business media， 2007，4321： 521-549.

[9] WAHLSTER W， TACK W. Ressource adaptive kognitive prozesse[M]//Informatik'97 informatik als innovationsmotor. Berlin， Heidelberg： Springer， 1997： 51-57.

[10] 武法提， 黃石華， 殷寶媛. 場景化：學習服務(wù)設(shè)計的新思路[J]. 電化教育研究， 2018， 39（12）：65-71.

[11] KOBSA A . User Modeling and User-Adapted Interaction[J]. User modeling and user-adapted interaction， 2005， 15（1）：185-190.

[12] TORTORELLARA W， GRAF S. Considering learning styles and context-awareness for mobile adaptive learning[J]. Education and information technologies， 2017， 22（1）： 297-315.

[13] K？譈HN R， KELLER C， SCHLEGEL T. A context taxonomy supporting public system design[C]// 1st International Workshop on Model-based Interactive Ubiquitous System. Copenhagen， Denmark： ACM， 2011：45-50.

[14] 張劍. 情境感知自適應(yīng)移動學習系統(tǒng)框架研究——以uolmp系統(tǒng)為例[J]. 情報探索， 2015（6）： 50-52.

[15] YANG S J. Context aware ubiquitous learning environments for peer-to-peer collaborative learning[J]. Journal of educational technology & society， 2006， 9（1）： 188-201.

[16] 陳敏， 余勝泉. 泛在學習環(huán)境下感知學習過程情境的推薦系統(tǒng)設(shè)計[J]. 電化教育研究， 2015（4）： 76-82.

[17] BRUSILOVSKY P， MILL？魣N E. User models for adaptive hypermedia and adaptive educational systems[M].The adaptive web. Berlin， Heidelberg： Springer， 2007： 3-53.

[18] MISSAOUI S， KASSEM F， VIVIANI M， et al. LOOKER： a mobile， personalized recommender system in the tourism domain based on social media user-generated content[J]. Personal and ubiquitous computing， 2019， 23（2）： 181-197.

[19] RAVI L， SUBRAMANIYASWAMY V， VIJAYAKUMAR V， et al. Hybrid location-based recommender system for mobility and travel planning[J]. Mobile networks and applications， 2019， 24（4）： 1-14.

[20] LIU G Z， CHEN J Y， HWANG G J. Mobile─based collaborative learning in the fitness center： a case study on the development of English listening comprehension with a context─aware application[J]. British journal of educational technology， 2018， 49（2）： 305-320.

[21] TORTORELLARA W， CHEN N S. Framework for designing context-aware learning systems[J]. Education and information technologies， 2018， 23（1）： 143-164.

[22] CHIU C K， TSENG J C， HSU T Y. Blended context-aware ubiquitous learning in museums： environment， navigation support and system development[J]. Personal and ubiquitous computing， 2017， 21（2）： 355-369.

[23] CHIN K Y， LEE K F， CHEN Y L. Using an interactive ubiquitous learning system to enhance authentic learning experiences in a cultural heritage course[J]. Interactive learning environments， 2018， 26（4）： 444-459.

[24] YAO C B. Constructing a user-friendly and smart ubiquitous personalized learning environment by using a context-aware mechanism[J]. IEEE transactions on learning technologies， 2015， 10（1）： 104-114.

[25] INTAYOAD W， BECKER T， TEMDEE P. Social context-aware recommendation for personalized online learning[J]. Wireless personal communications， 2017， 97（1）： 163-179.

[26] WANG W Y， HUANG Y M. Interactive syllable-based English vocabulary learning in a context-aware environment[J]. Journal of educational computing research， 2017， 55（2）： 219-239.

[27] ALOBAYDIE K， ALKHAYATR Y， ARSHADMR M， et al. Context-aware ubiquitous Arabic vocabularies learning system （U-Arabic）： a framework design and implementation[C]// 7th IEEE International Conference on Control System， Computing and Engineering. ?Penang， Malaysia： IEEE， 2017： 23-28.

[28] HSU T Y， CHIOU C K， TSENG J C R， et al. Development and evaluation of an active learning support system for context-aware ubiquitous learning[J]. IEEE transactions on learning technologies， 2015， 9（1）： 37-45.

[29] G？魷MEZ S， ZERVAS P， SAMPSON D G， et al. Context-aware adaptive and personalized mobile learning delivery supported by UoLmP [J]. Journal of king saud university-computer and information sciences， 2014， 26（1）： 47-61.

[30] CHEN C M， CHEN L C， YANG S M. An English vocabulary learning app with self-regulated learning mechanism to improve learning performance and motivation[J]. Computer assisted language learning， 2019， 32（3）： 237-260.

[31] CHEN G， XIN Y， CHEN N S. Informal learning in science museum： development and evaluation of a mobile exhibit label system with iBeacon technology[J]. Educational technology research and development， 2017， 65（3）： 719-741.

[32] CHEN C C， LIN P H. Development and evaluation of a context-aware ubiquitous learning environment for astronomy education[J]. Interactive learning environments， 2016， 24（3）： 644-661.

[33] SUN J C Y， CHANG K Y. Design and development of a location-based mobile learning system to facilitate English learning[J]. Universal access in the information society， 2016， 15（3）： 345-357.

[34] MOURI K， OGATA H， UOSAKI N， et al. Context-aware and personalization method based on ubiquitous learning analytics[J]. Journal of universal computer science， 2016， 22（10）： 1380-1397.

[35] ZHAO S， GHOLAMINEJAD A， DING G， et al. Personalized emotion recognition by personality-aware high-order learning of physiological signals[J]. ACM transactions on multimedia computing， communications， and applications， 2019， 15（1）： 1-19.

[36] 鐘啟泉. 學習環(huán)境設(shè)計：框架與課題[J]. 教育研究， 2015， 36（1）： 113-121.

[37] 何克抗. 教學代理與自適應(yīng)學習技術(shù)的新發(fā)展——對美國《教育傳播與技術(shù)研究手冊》（第四版）的學習與思考之六[J]. 開放教育研究， 2017，23（5）： 11-20.

[38] PAXTON A， TULLETT A. Open Science in data-intensive psychology and cognitive science[J]. Policy insights from the behavioral and brain sciences， 2019， 6（1）： 47-55.