一个泛在学习资源自适应推荐模型的开发

　1 问题的提出
　　本文提出了一个泛在学习环境中基于情境感知和数据挖掘的学习资源自适应推荐模型，模型尝试将情境感知技术和数据挖掘技术引入泛在学习环境下的学习资源推送服务领域，通过感知学习者周围的环境、设备的变化，挖掘学习者的历史访问数据，借助自适应模块在海量的学习资源中快速定位到最适合学习者的资源，并推送给学习者，帮助学习者建立真正无缝的泛在学习体验。
　　2 情境的获取
　　所谓情境获取即指获取学习者本体和学习推送服务本体的描述信息。而这其中如何获取学习者本体的情境数据是关键。学习者本体的情境数据又可分为当前情境数据和过去情境数据，当前情境数据记录正在运行的环境信息，而过去情境数据则记录服务执行的历史路径。情境获取主要需要关注的是获取学习者的当前情境，每当监测到新的情境时，原先的当前情境即变为过去情境，并存储在数据库中。可通过以下三种方法来获取学习者的情境信息：学习者主动提供、基于情境感知技术获取、基于数据挖掘技术推测。
　　学习者主动提供情境数据 当学习者首次登录系统时，系统自动弹出基本信息调查表，其中包含姓名、电话、地址、邮箱、学历、专业等基本信息，这部分信息就是学习者本体的静态情境数据，一经确定基本不会改变。在学习者使用学习系统的起步阶段，系统采用内置的默认推送规则为学习者提供学习资源推送服务，当学习者有了自己个性化的需求，可以自己订制更适合自己的推送规则。所有学习者主动提供的情境信息都保存在学习者本体的个人基本信息分组中。
　　基于情境感知技术获取情境数据 所谓情境感知是指通过传感器采集/感知被服务对象的情境信息，根据情境信息分析判断被服务对象当前的状况，然后选择并提供适当的业务服务。由定义可知，感知学习者的当前情境数据主要依靠传感器。在当前技术条件下，做不到传感器无缝植入生活的方方面面，因此，感知学习者当前情境数据主要依靠以下两种途径。
　　1）充分利用学习者手中接入设备的已有功能为系统提供尽可能全面的情境数据。如利用GPS定位系统、语音识别系统等确定学习者所在的位置、语音信息等，并借助无线网络将信息传递到服务器端，并将信息录在学习者的动态情境信息中。
　　2）在服务器端监听学习者通过终端设备发出的各种请求数据包，分析其中的底层数据，获取学习者当前的IP地址、主机名、终端设备型号、访问内容等数据。通过分析这些数据建立起学习者的设备档案、网络环境档案、学习档案等情境数据。
　　基于数据挖掘技术推测情境数据 除了通过学习者主动提供情境数据和通过传感器感知学习者当前所处环境外，还可以通过分析过去情境数据来推测学习者最可能的当前情境数据。这种方法可以作为学习者既没有主动提供又无法感知他当前情境时的有益补充，辅助学习系统为学习者提供更合理的学习推送服务。
　　在线学习系统中内置了一套推送规则库，如果学习者未定义自己的个性化推送规则，系统将基于过去情境数据的挖掘结果，按照默认的推送规则进行学习资源的推送服务。在本研究中，基于过去情境数据可以挖掘出以下数据：学习者近期的兴趣热点、学习者的好友列表、学习者的协作者列表、学习者的常用学习地点、学习者登录学习系统的时间段。
　　上述内容也是系统内置推送规则库中的规则，默认情况下，将按照系统内置的顺序逐一进行学习资源的搜索并完成学习资源的推送服务。学习者也可根据自身情况，调整或删减规则库中的规则和规则顺序，定制个性化的推送规则库，让在线学习系统的推送服务更加适合自己。
　　3 基于情境感知和数据挖掘的学习资源自适应推荐模型
　　模型的组成结构 如图1所示，基于情境感知和数据挖掘的学习资源自适应推荐模型包含四个板块：情境感知层、数据库层、业务层和用户层。其中用户层的用户可采用多种形式的终端设备接入系统，下面逐一介绍情境感知层、数据库层、业务层的详细组成结构和运行概况。
　　情境感知层 情境感知层主要功能是搜集与当前用户情境有关的各种数据。可能有四种来源：学习者主动提供、服务器端搜集、终端设备采集和对过往情境数据库的数据进行挖掘的结果。
　　在服务器端通过分析学习者发出的访问请求信息可以分析出学习者当前所处的网络环境、终端设备、操作系统、浏览器之类的情境信息。在学习者使用的终端设备客户端软件上则能搜集到学习者当前所处的GPS定位地址、网络通道等信息。最后，对过往情境库的数据的挖掘和分析的结果也能够辅助系统推测出当前用户可能的情境信息。
　　业务层 业务层是基于情境感知和数据挖掘的学习资源自适应推荐模型的核心部分，包含情境数据采集模块、数据挖掘引擎、学习资源自适应搜索引擎和展示组件四个模块。
　　情境数据采集模块主要负责收集各种来源的情境数据，包括用户基本信息填写模块、用户自定义推送规则模块、服务器端情境数据采集模块、客户端情境数据采集模块和数据挖掘引擎结果分析推理模块等。用户基本信息填写模块和用户自定义推送规则模块为用户自主选择是否执行，服务器端情境数据采集模块、客户端情境数据采集模块则由一定的事件来触发执行，一旦采集到新的当前情境信息后，会将服务器内存中的原有情境信息写入数据库层中的过往情境库。
　　数据挖掘引擎负责挖掘过往情境库，逐一分析每个学习者的学习特征，并将分析结果作为学习者的基本特征数据予以保存，并在学习者再次使用学习系统的时候，辅助系统更好地完成学习资源推送服务。由于数据挖掘需要分析大量的数据，数据挖掘引擎会定时在系统负载量较小的时候自动启动运行，并将结果写入数据库，当用户登录系统时，只需直接调用上一次的挖掘结果既可。
　学习资源自适应搜索引擎是业务层的核心模块，主要负责根据当前情境信息和用户自定义推送规则或者系统默认推送规则。
　　展示组件用来控制反馈给学习者的界面，比如在iPad、手机、电脑上访问同一个学习系统，会看到不同模板的界面。
　　数据库层 数据库层主要负责存储各类数据，包含推送服务接口、学习资源库、自定义规则库、推送 规则库、当前情境库和过往情境库。其中，推送服务接口用来规范不同设备的展示页面模板，让用户使用更得心应手；学习资源库用来存储各种类型的学习资源，包含图片、文字、视频等。
　　4 结束语
　　本文提出了一个泛在学习环境中基于情境感知和数据挖掘的学习资源自适应推荐模型，模型尝试将情境感知技术和数据挖掘技术引入泛在学习环境下的学习资源推送服务领域，通过感知学习者周围的环境、设备的变化，挖掘学习者的过往情境数据，借助个性化的推送规则库，在海量的学习资源中快速定位到最适合学习者的资源，并推送给学习者，帮助学习者建立真正无缝的泛在学习体验。
　　参考文献
　　[1]付道明，徐福荫.普适计算环境中的泛在学习[J].中国电化教育：2007（7）：94-98.
　　//Proc. of IEEE International Workshop on Wireless and Mobile Technologies in Education.2002：15-22.
　　//WMCSA 1994. Santa Cruz， CA， USA， 1994：85-90.
　　.Atlanta， GA， USA： Georgia Institute of Technology，2000.
　　.Educational Technology &Society，2006，9（1）：188-201.