教育信息资源个性化推荐服务模式研究.docVIP

教育信息资源个性化推荐服务模式研究 　　【摘 要】 中国论文网 /9/view-7238255.htm 　　信息环境下，海量教育信息资源与用户快速获取个性化教育信息资源之间的矛盾日益凸显，导致无处不在的学习演变为无处不在的搜索，学习者之间信息素养的差异使得个性化教育信息资源得不到有效利用，学习者不能同等享有优质教育信息资源，引发了信息环境下新的教育不公平。剖析个性化信息推荐服务，结合其研究现状，构建教育信息资源个性化推荐服务模式，探求其在教育领域的应用前景，为教育信息资源的主动服务提供解决策略，把合适的教育信息资源呈现给适合的用户，从而在一定程度上缓解数字化学习背景下的教育不公平，促进个性化教育。 　　【关键词】 教育信息资源；个性化推荐；教育公平；个性化教育 　　【中图分类号】 G434 【文献标识码】 A 【文章编号】 1009―458x（2016）02―0005―05 　　一、问题的提出 　　大数据时代，教育信息资源的爆炸式增长和学习者个性化需求快速得到满足之间的矛盾引领着信息服务模式的变革。现代科技的发展促成全球信息总量以几何级数增长，2020年全球数据量将达到35ZB，为2009年的44倍[1]，这使得信息技术促进教育公平的同时也带来了巨大的挑战。面对海量的资源，学习者如何快速获取优质个性化教育信息资源的难题越发凸显。 　　第一，学习者需要花费大量精力搜索、鉴别和分析杂乱无序的教育信息资源。2010年6月，《纽约时报》做了一次相关民调，在45岁以下的受访者当中，近三分之一的人表示消耗巨额时间和精神成本，却依然迷失在浩瀚的信息空间中，找不到符合自己需要的资源。目前，教育信息资源的海量、静态和杂乱无章严重加大了学习者搜集资源的时间和精力成本，让无处不在的泛在学习演变成了无处不在的搜索。 　　第二，信息时代，个体间的“信息素养沟”演变成为“知识沟”。互联网技术的快速发展提升了用户的信息素养，也扩充了教育信息资源。然而，用户的认知容量有限，且认知能力的增长总体较为平缓，故信息素养得不到突破性提升，但教育信息资源却呈指数级增长，不断走向海量化。这就逐渐导致信息素养高的用户可以在海量资源中搜集到优质资源，而对信息素养低的用户来说，则较为困难，“优者更优，贫者更贫”的现象日趋严重，造成信息时代下的“知识沟”，加剧教育不公平。 　　第三，盛行的普适性教育信息资源不具有个性化，并非能满足所有用户的个性化学习需求。非主流的优质教育信息资源往往因主流教育信息资源的频繁使用而被覆盖，越来越严重的掩埋效应造成资源的浪费。在海量的教育信息资源中快速获取和有效利用优质个性化教育信息资源，是现代学习者的需求。当这种需求得不到满足时，必然鼓励着新的信息服务方式和工具的出现，个性化信息推荐服务也便应运而生。 　　二、个性化信息推荐服务 　　个性化信息推荐服务能够在用户信息迷茫、没有明确需求时及时为用户提供其感兴趣的信息，有效缓解“信息超载”引起的用户认知负荷和信息迷航等问题。它就像是商场优秀的导购员，不仅熟悉每一个商品的属性和特征，而且能记住顾客历史偏好并发现其最新偏好，为顾客推荐适合的优质商品，为商品找到最合适的买家，增加顾客的依赖度和商家的盈利。 　　（一）个性化信息推荐服务概述 　　个性化信息推荐服务的实质是以用户需求为中心，通过分析用户（user）与项目（item，如信息、资源、商品等）之间的二元关系帮助发现其可能感兴趣的内容，并生成个性化推荐结果，进而为用户提供区别与差异化的服务[2]。其精准化推荐的实现主要依赖于个性化信息推荐系统。根据不同的推荐算法，个性化推荐系统主要分为：基于协同过滤的推荐系统、基于内容的推荐系统以及混合式的推荐系统。基于协同过滤的推荐系统主要依据用户相似性或项目关联度的推荐，即用户信息（包括个人资料以及对项目的评价、收藏、购买等行为信息）的相关性，判断或者由用户群的行为信息计算出项目间关联度。基于内容的推荐系统则主要根据项目本身的特征属性，在项目库中搜索满足用户需求的项目。混合式的推荐系统则是基于以上两种方式的推荐，根据用户相似性、项目关联性及特征，利用“群体智慧”通过分析某一款产品的所有顾客购买记录，推测用户感兴趣的商品。最终不仅从用户浏览和接收的角度来呈现推荐结果，更从用户需求、商品标签以及相似用户的使用度等方面来增加推荐结果的可信度，为用户主动接受推荐结果提供依据。 　　（二）个性化信息推荐服务研究现状 　　个性化信息推荐服务最初是在电子商务领域迅速发展起来的，应用成效也尤为显著，而它在教育领域的应用仍处于探索阶段。郭亚军曾基于用户需求、信息产品、用户关系管理构建个性化信息服务钻石模型来实现资源的个性化推荐服务[3]；李宝等人提出利用学习者的静态数据与动态数据来构建学习者特征模型，采用