泛在计算环境下个性化资源推荐系统设计研究.docVIP

泛在计算环境下个性化资源推荐系统设计研究 　　摘 要：泛在计算环境下的微学习方式正逐渐成为人们常用的学习方式，如何对微学习资源及相关个性化资源推荐系统进行设计开发是当前亟待解决的问题。提出了泛在计算环境下个性化资源推荐系统的框架，阐述了其功能特点，并对系统的工作流程进行了分析。实践证明，泛在计算环境下的个性化资源推荐更符合学习者的学习规律，能有效提高学习效果。 　　关键词：泛在计算；个性化资源；资源推荐；微学习 　　中图分类号：TP301 文献标识码：A 文章编号2012）011002202 　　作者简介：李霞（1978-），女，硕士，武汉纺织大学传媒学院讲师，研究方向为数字媒体。 　　0 引言 　　在Web2.0时代，泛在计算环境使人们的学习方式发生了改变，从传统的课堂学习到网上冲浪，再到利用便捷的媒体终端随时、随地地进行学习，以及泛在计算环境下的微学习方式。这种新媒体环境下的新的学习形态正逐渐得到人们的关注，成为信息时代学习方式的一个重要组成部分。 　　泛在计算环境下的微学习具有情景化、社会化的特点，为学习者构建了按需学习的生态性学习空间。要求学习资源具有丰富性、适应性、可进化性、富联通性、情境性、智能性等特点。微学习具有多时间、小片段、个性化和多媒介的特征。微学习资源由于其内容粒度小，具有动态重组的特征，适合学习者的个性化学习。 　　1 泛在计算环境下个性化学习存在的问题 　　国内研究者祝智庭教授和张浩等学者从词源学的角度分析“micro”具有微、小、轻、快等多层语义的基础上，将微型学习与移动学习和娱教技术以及一对一环境中的学习等相关概念相关联，提出在对微型学习的理解中，既要关注其学习内容组块信息含量的微型化和学习时间跨度的短暂性，也要认识到其蕴含的独特学习品性与格调特征；在微学习特征的研究上，李艺等提出它具有多时间、小片段、个性化和多媒介的特征。张浩等认为微学习具有“连续部分注意”的特征，并具有4种不同层次的聚焦方式：主聚焦、半聚焦、周边聚焦和随意聚焦。在微型学习的设计研究方面，祝智庭等认为应采取区别于以往维护学习管理系统（LMS）的思路，转向支持学习者“个人学习环境”（PLE，Personal Learning Environment）的创建。顾小清等则从关注实用性学习目标的角度提出微型移动学习者的学习目的由获取资讯、学习知识、提高技能、改变态度或观念等阶段构成，并总结了微学习的特点。 　　通过对当前研究分析可以看出：目前微学习研究主要还停留在概念与模式的讨论上，支持微学习的教学资源与系统还比较缺乏，如何对微学习的学习资源及相关个性化资源推荐系统进行设计开发，并在此基础上开发支持微学习是一项亟待解决的问题。 　　2 泛在计算环境下的学习者个性化模型 　　泛在计算环境下个性化资源推荐系统首先要解决推送服务要解决推荐对象的问题，用户是推荐的对象，用户分类规则是个性化推荐服务的基础和先决条件。合理细致的用户分类有助于提高推荐服务的个性化程度，从而提高信息服务的质量。 　　由于推荐系统没有存储或者存储很少新用户的信息，包括查看对象的历史记录和新用户对对象的评分，因此，基于模型的方法无法获得训练数据，而基于规则的方法难以进行推理。论文提出如图1所示的用户个性化模型，利用用户个体特征、用户学习行为、用户学习绩效等用户个性属性等来提供推荐系统的准确性。 　　学习行为包括信息检索、信息加工、信息交流、使用新型解决问题4个方面要素，其中信息检索又包括检索方式、定位信息、检索环境和检索过程4个维度；信息加工包括：信息取舍、信息整理分类、信息存储、反思所得4个维度；信息交流包括与人互动、与信息互动两个维度。 　　学习绩效包括学习绩效、学习策略、学习情感、学习成就4个方面要素。其中，学习策略包括元认知策略、认知策略、资源管理策略3个维度；学习成就包括技能的获得和知识的获得两个维度。 　　针对用户的个性化学习模型，然后再有针对性地设计泛在环境下的个性化学习推荐系统。 　　3 泛在环境下的个性化学习推荐系统设计 　　目前，远程教学中教师为学生提供的教学辅导及双向沟通主要仍是通过EMail、电话、传真等传统方式进行，这些方式的实时性、交互性都很难满足教学辅导的要求，从一定程度上影响了教学质量的提高。因此，将短消息应用到个性化学习系统中，设计一个功能完备的基于短消息的个性化资源服务推荐系统，以满足广大移动用户的教育信息查询-定制-推送等需求。 　　系统以分布式结构为基础，可运行于多种主流操作系统，包括UNIX（Solaris、HP Unix、Linux等）、Windows NT/Windows2000等操作系统之上，通过与移动通信网络的实时连接，可以在瞬间将短信发送到指定手机上，其应用服务平台