混合云下基于个性化推荐的移动学习平台研究

2017-05-24 14:48伍冬莉唐万梅赵瑛
现代计算机 2017年11期
关键词:学习者个性化微信

伍冬莉,唐万梅,赵瑛

(1.重庆师范大学计算机与信息科学学院,重庆 401331;2.重庆师范大学生命科学学院,重庆 401331)

混合云下基于个性化推荐的移动学习平台研究

伍冬莉1,唐万梅1,赵瑛2

(1.重庆师范大学计算机与信息科学学院,重庆 401331;2.重庆师范大学生命科学学院,重庆 401331)

移动学习作为一种新的学习方式,早已成为教育技术领域的研究热点。目前,大多数的移动学习平台虽拥有海量的教学资源,但学习者却很难从中找到适合的学习资源,导致用户体验差、学习效果不佳等问题,因此在移动学习平台中融入个性化的元素至关重要。设计基于个性化推荐的移动学习模型,同时以Moodle与微信支持下的“重师微学”移动学习平台为例,对平台的支撑环境、关键技术、架构及功能进行设计与开发,实现了混合云模式下的“重师微学”移动学习平台,最后分析该平台的特征及优缺点,以期为个性化移动学习平台的设计提供参考。

混合云;个性化;移动学习;Moodle;微信

0 引言

移动互联时代的到来,大大促进了移动设备与教育教学的深度融合,移动学习(Mobile Learning)已成为教育技术领域的重要研究及发展方向。移动学习是一种在移动智能设备帮助下,能够在任何时间、任何地点发生的学习[1],它打破了传统课堂(固定时间、固定地点、固定教师、固定学习伙伴等)的学习方式,能够带给人们一种全新的、情景化的交互式学习体验,满足人们碎片化学习、终身学习的需求。

目前,现有的移动学习平台经过不断发展,已经拥有比较完善的内容管理、资源共享、统计分析等功能,并取得了良好的教学效果。但是,随着移动互联网的高速发展,移动学习平台可通过访问在线教育网站(如Moodle[2]平台、MOOC平台等)来直接利用网站内的教育教学资源,这虽大大的节约了开发成本,却忽视了学习者的偏好差别和个性特征。这是由于来自不同专业背景知识下的学习者,他们有着不一样的专业思维方式、学习能力、学习需求以及学习偏好,对学习资源的需求存在差异,但在访问时却是相同的学习活动序列和学习资源列表,学习者很难根据自身的知识体系结构以及对课程结构的理解获取有价值的、适合自己的学习资源,造成严重的“移动信息过载”问题,导致教育资源的利用率和学习者的用户体验度失衡的问题[3]。所以在移动学习平台的设计中,考虑学习者的个性特征和差异偏好尤为重要,而针对不同学习者的个性化推荐技术正是缓解该问题的有效手段。基于此,本文以Moodle与微信支持下的“重师微学”移动学习平台为例,设计了基于个性化推荐的移动学习模型,并对平台的支撑环境、关键技术、架构以及部分功能进行了设计与开发,以期为个性化移动学习平台的设计提供参考[4]。

1 相关概念

(1)混合云

混合云扩展和延伸了云计算的概念,其基础设施由两个或多个云(私有云、公共云)通过标准的或专有的技术绑定在一起,并通过加密的数据接口进行共享,促成云数据、云服务间的交互[5],以实现应用程序的可移植,在一定程度上避免了云的安全性问题的出现。

(2)移动学习平台

移动学习是一种利用无线通信网络技术和无线移动通信设备(智能手机、PAD等)获取教育信息、教育资源和教育服务的新型学习模式[6],具有移动性、便携式、交互性、情境性等优势。移动学习平台则是指利用信息化手段或工具搭建的能够使学习者进行移动式学习的软硬件环境。

(3)个性化推荐

个性化推荐主要是依据学习者的基本信息、学习偏好以及学习需求,对其进行推送学习资料[7],进而帮助学习者选择相关的学习资源,减少学习者由于自身知识体系结构的不完善而造成选择学习资源的盲目[8]。

2 个性化推荐模型

本文中个性化推荐模型主要是根据移动学习平台内学习者对学习资源的隐性评分,建立对应的“学习者-资源”矩阵模型,从而依据推荐引擎计算与其相似的学习者,再基于相似学习者的资源偏好或者需求向学习者提供个性化推荐服务,具体过程如图1所示。

(1)数据收集

本文中个性化推荐模型中的数据收集主要是依据数据挖掘技术来挖掘Web日志文件。Moodle是一个开源的课程管理系统(CMS),拥有丰富的课程资源以及强大的管理功能;微信(WeChat)是近年来新出现的一种全新的通讯媒体,具有便捷的信息分享方式、强大的接口开发模式以及丰富的后台数据管理功能等特点,这为数据的收集奠定了坚实的基础。学习者在移动设备端访问学习,产生的数据直接通过网络传送至云服务器后台(包括Moodle端、微信端),那么原始数据的收集可直接从云服务器的后台获取。

原始数据主要来自五张数据表:学习者信息表、学习资源信息表、学习行为记录表、学习者-资源评分表以及学习者属性表。学习者信息表用于存放学习者的个人基本信息,包括姓名、性别、资源偏好等(为了便于推荐引擎的准确度计算,要求此表中的信息越详细越好);学习资源信息表存放移动学习平台中相关学习资源的信息,如资源ID、资源名称、资源类型、资源描述等;学习行为记录表存储学习者在学习过程中产生的学习行为数据,如资源浏览日志、资源收藏日志、资源下载日志等,学习行为数据是推荐引擎中学习者对资源隐式评分的来源[9];学习者-资源评分表保存学习者对相关学习资源对应的评分信息;学习者属性表存放学习者之间的相似度信息。

图1 个性化推荐模型

(2)推荐引擎

推荐引擎的功能是通过分析原始数据表,构建学习者模型,获取学习者的兴趣偏好度,调用相应的推荐算法进行个性化推荐。学习者模型可构建“学习者-资源”矩阵,学习者之间的兴趣相似度则可根据该矩阵来进行计算,再依据兴趣的相似度进行学习者间聚类分析,从而实现基于相似学习者的资源兴趣预测目标学习者的资源需求。推荐引擎可采用基于内容、协同过滤的推荐算法进行计算,本文以基于内容的推荐为例进行介绍分析,其余推荐算法在此不做赘述,具体步骤如下:

①建立评分模型

推荐引擎系统获取学习者行为数据的方法主要有显式、隐式两种评分方法,前者是由学习者直接对已学资源直接进行评价,但可能存在“评分主观”和“学而不评”等现象,因此,本文采用后者——隐式评分。本文中隐式评分模型主要是追踪学习者对相应学习资源的行为数据(如浏览、下载、收藏、分享等),并对其进行“标准化”评分(表1),评分采用10分制,分值按照学习者对资源学习的深入程度由低到高进行排列。

②初始化数据

根据学习者对于学习资源的隐式评分,构建对应的“学习者-资源”矩阵表(表2),并将其存储在学习者-资源评分属性表中,这为计算学习者间的相似度提供数据支持。

表1 学习者对学习资源的隐式评分模型表

表2 “学习者-资源”表

③调用推荐引擎

通过一个“标准”来衡量两个学习者兴趣的相似度,此处可采用改进的余弦相似度方法进行评估:

将学习者p和学习者q各自感兴趣的资源分别用Up和Uq表示,和分别表示学习者p和学习者q对所有资源的平均兴趣度,Rp,u表示用户对资源类别为u的兴趣度,Upq表示学习者p和学习者q同时感兴趣的资源类别集合,sim(p,q)表示学习者p和学习者q兴趣的相似度。如果sim(p,q)计算结果大于设定的一个阈值,则代表学习者p和学习者q为“邻居”学习者,即学习者p和学习者q有共同的学习偏好或者学习兴趣。

3 个性化资源呈现

个性化资源的呈现是将推荐结果输出,主要是将“邻居”学习者所偏好的但目标学习者未访问过的学习资源推荐给目标学习者。在平台中主要通过“精品分享”和“课程推荐”两个模块进行推荐呈现。任何学习者进入“重师微学”移动学习平台首页都可看到平台“精品分享”中的热门资源,但只有注册登录的学习者才能得到“课程推荐”中的个性化学习资源和学习伙伴等个性化服务。

4 基于个性化推荐的移动学习平台设计

(1)支撑环境及关键技术

混合云模式下基于个性化的移动学习平台在混合云环境下进行搭建,具有使用成本低、安全性高、可移植性等优势。其中,Moodle网络教学平台作为私有云端,微信作为公有云端,通过统一的权限验证access_token(微信公众平台以access_token为接口调用凭据来调用接口)来保障两者间的数据通信[10]。目前,Moodle网络教学平台已成功搭建在本地服务器上,已经投入到实际课程的教学实践改革中,拥有大量的学习课程资源,并且Moodle作为开源免费的课程管理系统,提供的Web Service接口可与微信公众平台提供的第三方接口进行对接,这为实现移动学习平台提供了可能。

整体上,对Moodle以及微信公众平台进行二次开发,微信网关通过访问Moodle提供的Web Service接口,提供用户信息进行验证,之后通过Moodle的External API(外部应用编程接口),对系统核心函数(core function)进行调用,实现对Moodle的操作。在数据库层,搭建Moodle数据库以及微信网关数据库的结构。在服务层,对Moodle服务器以及微信网关服务器同步用户消息[11]。在接口层,实现Moodle平台接口与微信公众平台接口的对接。在用户端,最终实现学习资源跨平台呈现。

(2)架构设计

根据软件工程理论的相关原则,移动应用程序在设计过程中应针对移动终端和移动互联网的特点,充分考虑用户对移动设备界面的需求以及软件的兼容性、扩展性等问题。在混合云环境下,本移动学习平台为了给学习者提供良好的学习界面以及清晰的学习导航,采用B/S架构模式,并借助Eclipse集成开发环境以及MySQL数据库进行系统部署建设,服务器端通过混合云模式下的Moodle平台与微信的后台管理系统数据库,终端借助微信App呈现,采用MVC(即表现层、业务逻辑层、数据访问层)模块化设计方案开发设计(图2)。

使用MVC架构模式的好处就在于在开发过程中,每个功能模块单独实现后再集成到移动学习平台中,从而将系统的数据与界面相互分离,并且业务逻辑与用户界面之间不存在直接的联系。平台不仅实现了Moodle平台的网络服务(Web Service)接口与微信网关的对接,将学习界面清晰的呈现于微信应用App用户端中,在实际开发中也加入了个性化推荐的模块,依据各个学习者之间的差异或者同一学习者在不同阶段的变化,构造出良好的移动学习环境。

(3)功能设计

根据学习者的特征以及需求分析,融入数据挖掘技术,结合移动学习便捷性、移动性、情境性、及时性、交互性等特点,设计了本移动学习平台的服务功能,主要有“学习资源”、“学习工具”以及“我的微学”三大模块,具体包括查看课程列表、选课、查看已选课程、数字图书、留言板、官方论坛、课程学习、电子词典、百科查询、网上续借、微信签到、精品分享、个性化推荐、信息推送、自动回复、智能聊天等功能(图3)。

图2 系统架构设计图

①“学习资源”模块

“学习资源”模块是“重师微学”移动学习平台的核心模块,具体包括课程列表、已选课程、课程推送、精品分享四大功能,该模块描述与课程知识点和学习者相关的学习资源。由于之前Moodle平台内积累了大量的教学资源,因此此处主要是将Moodle平台内的课程迁移过来并进行响应式处理。同时,课程推送、精品分享两个功能是将个性化推荐的结果以消息推送、自动回复的形式呈现给学习者。另外,为了方便学习者学习,视频资源以微课的形式录制上传,并保证各个资源间的独立性,这有利于学习者利用碎片时间进行学习。

图3 “重师微学”平台功能结构图

②“学习工具”模块

“学习工具”模块属于“重师微学”平台的辅助模块,包括电子词典、百科查询、馆藏查询、计算器四大菜单功能,可为学习者提供英汉互译词典、图书馆馆藏査询、百科查询、实时计算等丰富可扩展的学习工具,在方便学习者的同时也为学习平台增加了用户粘度。

③“我的微学”模块

“我的微学”模块有微学网站、个人中心、微信签到、官方论坛、留言板五大功能,主要用于搜集学习者的学习信息,如签到日志、偏好设置日志、论坛日志等,该模块的信息可直接回传至云服务器端的后台数据库,更好的为学习者提供个性化推荐服务[12]。

除此之外,在“重师微学”移动学习平台的后台管理界面中开启“智能机器人聊天”功能时,也可在此平台的微信App端进行人机对话、自动回复、实时聊天,进行“一对一”的个性化学习。平台实现部分功能截图展示。

5 基于个性化推荐的移动学习平台特点

本平台最大的特色就是简单高效。对于教师而言,既可以通过微信后台管理界面管理用户、管理消息、统计数据,也可以在Moodle的后台界面进行平台的维护工作。对于学习者而言,只要拥有智能设备(智能手机、平板电脑等),下载安装微信App并添加“重师微学”微信公众号,即可使用平台内的所有功能,方便快捷。另一方面,通过公有云端的微信以及私有云端的Moodle平台搭建的移动学习平台,既能将云计算这个时髦高端的技术运用于教育当中,也能保证数据的安全性以及准确性。

图4 部分功能展示图

基于混合云模式下的“重师微学”移动学习平台的优势主要有:

①充分利用现有资源。学习者可以随意使用Moodle平台内丰富的教学资源以及教学功能,如聊天功能、Wiki、论坛等;管理员也可从Moodle平台及微信后台直接获取学习者的签到日志、偏好设置日志、论坛日志、学习日志,方便开发者对学习者产生的数据进行数据挖掘,更好地提供个性化推荐服务。

②充分激发学习自主性。学习者可以根据自己的学习情况,自主选择学习内容、学习时长、学习方式、学习地点、学习资料等,自主安排学习步调,利用碎片时间来学习;学习者也可以根据学习需要,直接在平台内与同伴讨论、协商,也可直接向教师请教问题。

③提供个性化、情景化的学习支持服务。综合学习者的学习特性(如学习风格、学习喜好、已有水平等),在一定程度上,为学习者提供个性化、情景化的移动学习支持服务。学习者可以选择性的学习自己感兴趣或欠缺的学习主题,还可以实时获取符合自身学习需求和学习情境的学习资源,并与导学者和其他学习者开展移动式协作学习,从而节省学习时间,提高学习效率。

④促使教学形式丰富多样。利用“重师微学”移动学习平台进行教学,既可利用Moodle平台内的学习资源,开展传统网络教学;也可利用本平台开展如翻转课堂类的教学改革;也可利用微信的朋友圈、微信群以及平台内的论坛功能开展PBL教学或者协作式的教学;还可在平台内通过自动回复、智能聊天功能开展“一对一”的个性化教学。

混合云模式下基于个性化推荐的移动学习平台虽然具有以上诸多优势,但也存在如学生利用智能手机学习时容易分神、移动端无法进行如复杂的公式类的编辑等问题,因此教师在使用移动学习平台开展教学时应该考虑到这些问题,并进行相应处理。

6 结语

混合云模式下基于个性化推荐的“重师微学”移动学习平台,既利用了计算效率高、成本低的公有云,也兼顾了高安全性和高可定制性的私有云。本文结合数据挖掘相关理论,构建了个性化推荐模型,将Moodle平台与深受大众喜爱的微信相结合,基本能满足学习者的日常学习使用以及个性化学习的需求。该平台软件的实现部分已在国家版权局登记注册,其模型具有良好的可操作性和经济性,使学习者可以更好地利用Moodle平台内现有的课程教学资源,学习者也可自主选择学习终端、学习方式、学习环境、学习内容,自由制定学习计划、安排学习时间和学习地点,自由获取知识,这体现了网络时代信息技术与学科课程深度融合后学习者个性化学习的内涵与特征。

当然,由于研究的诸多局限,目前的研究还存在一些不足之处,如个性化推荐模块推荐算法的选择问题、平台资源还不够丰富等,都是需要今后完善的方向。

[1]崔雪松.移动学习在高校中的应用[J].科技创新与应用,2012(16):26.

[2]Moodle.org.AboutMoodle[DB/OL].https://docs.moodle.org/30/en/About_Moodle.

[3][4]查英华,朱其慎.基于个性化推荐的移动学习模式探究——以高职学生为例[J].职教论坛,2015(23):57-60.

[5]高林,宋相倩,王洁萍.云计算及其关键技术研究[J].微型机与应用,2011:(10)5-7,11.

[6]马冬梅.基于智能手机的大学英语移动学习课程设计[J].兰州教育学院学报,2014:(3)50-P51.

[7][9]庄科君,贺宝勋.网络学习个性化推荐系统学习者模型建模研究[J].科教导刊,2015:(18)39-40.

[8]查英华,朱其慎.基于个性化推荐的移动学习系统构建[J].新课程研究,2015:(9)7-9.

[10]田嵩,魏启荣.混合云模式下移动学习环境的设计与实现——以微信公共平台下阿拉伯语课程学习为例[J].开放教育研究: 2014(6):103-110.

[11]白京.基于微信与Moodle的移动学习平台在公安教学中的应用[J].云南警官学院学报,2015(2):114-118.

[12]陈恒岳.基于语义建模的个性化学习服务系统设计[J].现代计算机(专业版),2015(14):58-62.

Research on Mobile Learning Platform Based on Personalized Recommendation in Hybrid Cloud

WU Dong-li1,TANG Wan-mei1,ZHAO Ying2

(1.College of Computer and Information Science,Chongqing Normal University,Chongqing401331;
2.College of Life Science;Chongqing Normal University,Chongqing401331)

Mobile learning as a new way of learning has long been a hot topic in the field of educational technology.At present,although most of the mobile learning platform has a huge amount of teaching resources,learners are difficult to find suitable learning resources,resulting in poor user experience,poor learning and other issues.So it is very important to integrate the individualized elements into the mobile learning platform.Designs a mobile learning model based on personalized recommendation,takes Moodle platform and WeChat supported CQNU Micro-learning as an example,and the supporting environment,key technologies,designs and develops the architecture and functions of the platform and realizes the CQNU Micro-learning mobile learning platform under the hybrid cloud model.Finally,analyzes the characteristics and advantages and disadvantages of the platform.It provides a reference for the design of personalized mobile learning platform.

Hybrid Cloud;Personalized Recommendation;Mobile Learning;Moodle;WeChat

1007-1423(2017)11-0079-06

10.3969/j.issn.1007-1423.2017.11.016

2017-04-02

2017-04-10

重庆市教委科学技术项目(No.KJ1400519)、重庆师范大学高等教育教学改革研究项目(No.201625)、重庆师范大学研究生科研创新项目(No.YKC16004)、重庆市教改项目(No.yjg123040)、重庆师范大学校级项目(No.cyjg1205、No.201625、No.xyjg16005)

伍冬莉,在读硕士,研究方向为移动学习

唐万梅(1965-),女,重庆渝北人,博士研究生,教授,研究方向为机器学习、在线教育、翻转课堂等

赵瑛(1962-),女,四川彭州人,硕士研究生,副教授,研究方向为生物医学工程

猜你喜欢
学习者个性化微信
一种融合PageRank和PersonalRank的多层个性化推荐算法
你是哪种类型的学习者
坚持个性化的写作
十二星座是什么类型的学习者
青年干部要当好新思想的学习者、宣讲者、践行者
微信
上汽大通:C2B个性化定制未来
高校学习者对慕课认知情况的实证研究
微信
同桌宝贝