陈敏-泛在学习环境下学习资源个性化推荐的新特点分析【陈敏】

1、第八届教育技术学博士生论坛 2021年12月 于重庆个性化学习资源推荐研究现状泛在学习影响下自适应学习系统的新发展泛在学习环境下学习资源的新发展泛在学习环境下个性化学习资源推荐的新特点泛在学习环境下学习资源个性化推荐的新特点分析陈敏 北京师范大学 教育技术学院陈敏博士生北京师范大学教育技术学院现代教育研究所导师：余胜泉 教授教育部-中移动联合实验室 “学习元研究团队组长研究兴趣：个性化资源推荐泛在学习资源设计情境感知数字化学习系统设计与开发1of17自我介绍2of17背景泛在学习具有泛在性，及时性，情景性、个性化等特点。这些特点对学习资源提出了新的要求。由于应用环境和推荐对象均将发生新的变化，

2、泛在学习资源推荐也必将具有新的特点。在泛在学习的开展趋势下，对泛在学习环境下个性化学习资源推荐的新特点进行分析将具有重要意义。3of17个性化学习资源推荐研究现状 1. 封闭性 2. 相似性主导 3. 忽略学习 者知识结构 4. 培训方案 5. 内容为主 6. 忽略情境 性与生成性NATURE MACRO CITY FASHION PORTRAIT PHOTO RETOUCHING4of17泛在学习影响下自适应学习系统的新开展自适应学习系统能够为学习者提供个性化学习服务，根据学习者的多种特点和行为倾向，如学习风格、兴趣、认知水平等，采用相应的教学策略，推荐个性化的学习路径和学习资源的系统。（姜

3、强，赵蔚和王续迪，2011)前沿的自适应学习系统逐渐开始关注移动和泛在学习环境聚焦于为学习者在恰当的时间和地点提供恰当的内容。Kinshuk教授和他的研究小组将学生的个人信息、历史行为、学习风格、认知能力等都纳入学生模型中，提出利用位置信息在真实环境中分辨可用的学习对象推荐给学习者，并发现周围其他学习者，促进学习小组的形成；利用设备信息向用户提供最适合的内容类型、呈现方式和交互方式；利用情景信息获得学习者当前的学习目标，促使学习者将注意力集中在学习目标所关联的学习资源上，并观察学习者的行为来记录他们的兴趣，再根据学习者当前所处的环境自适应推荐最适合于学习者的学习交互内容。（贾积有、马小强，20

4、17）NATURE MACRO CITY FASHION PORTRAIT PHOTO RETOUCHING5of17泛在学习影响下自适应学习系统的新开展未来泛在学习环境下的学习资源推荐仅考虑用户模型 将用户模型、位置模型、设备模型和情景模型进行综合考虑仅考虑到用户的根本信息、历史行为和兴趣 综合考虑用户学习风格、认知能力、所处位置、所使用的设备以及所处的情境用户模型和知识模型进行语义描述的理论设想 现实NATURE MACRO CITY FASHION PORTRAIT PHOTO RETOUCHING6of17泛在学习环境下学习资源的新开展2021年余胜泉教授提出的“学习元学习元是一种“适

5、合泛在学习环境与非正式学习的新型学习资源组织方式。根本特征：它具有生成性、开放性、联通性、可进化开展、智能性、内聚性、自跟踪、微型化等包含：元数据、聚合模型、知识本体、内容、练习、评价、活动、生成性信息、多元格式和学习效劳接口等局部。余胜泉，杨现民等，2021NATURE MACRO CITY FASHION PORTRAIT PHOTO RETOUCHING7of17泛在学习环境下学习资源的新开展程罡等人认为未来学习资源的形态与当前的在线课程有较大区别。由于泛在学习环境对学习资源数量和质量的客观要求，使得学习资源必然从目前的单向、静态和固化走向开放内容、协作共创的模式。未来泛在学习资源将向着

6、可进化性、分布式、社会性、情境性、开放性和复合性等方向开展。 程罡，徐谨和余胜泉，2021唐国华等人认为泛在学习环境对学习资源建设提出了六大新的需求与挑战，即：构建随处可见的学习资源空间；动态生成学习资源；满足无限群体的个性化学习需求；支持情境认知尤其是非正式学习中的情境认知；共享学习过程中的人际网络和社会认知网络；内容细化和资源的自然聚合唐国华，陈东林，2021NATURE MACRO CITY FASHION PORTRAIT PHOTO RETOUCHING8of17泛在学习环境下学习资源的新开展未来泛在学习资源将对泛在学习资源个性化推荐起到重要的支持作用未来学习资源将实现资源的语义描述

7、，资源与资源之间存在各种语义关联，可以方便的实现各种语义关联资源的聚合。将附有社会认知网络和人际网络属性，在推荐资源的同时，可向学习者推荐相关的学习伙伴。不仅包括学习内容，还将包括学习活动、测试等，在推荐学习资源的同时也可实现对学习活动及其他相关学习要素的推荐。将具有多元格式，能满足不同设备终端的需要。可记录学习者在学习过程中的生成性信息，从而帮助推荐。能被情境感知设备获取，以帮助系统推荐符合情境的资源。NATURE MACRO CITY FASHION PORTRAIT PHOTO RETOUCHING9of17泛在学习环境下个性化学习资源推荐的新特点NATURE MACRO CITY FA

8、SHION PORTRAIT PHOTO RETOUCHING10of17泛在学习环境下个性化学习资源推荐的新特点开放性 未来学习资源将利用动态元数据进行描述，具有通用的资源描述和组织模型，不再受平台或系统的限制，彼此间通过语义建立关联，未来泛在学习资源推荐也将不再局限于某个平台或系统中，而是可从“云中寻找符合条件的所有资源，从而使得推荐可跨平台进行，更具开放性。NATURE MACRO CITY FASHION PORTRAIT PHOTO RETOUCHING11of17泛在学习环境下个性化学习资源推荐的新特点语义推荐的时代是语义的时代，届时语义技术和本体技术开展将更加成熟，信息组织的模型

9、也将开展到语义阶段，即将采用基于语义的动态元数据对学习资源和用户进行描述，构建通用的描述模型。利用基于语义的描述，可实现资源特征与用户需求的完美匹配。而资源与资源之间通过语义建立起各种关联，具有相似主题的资源通过语义关联会自动聚合在一起，故推荐系统可利用语义技术真正实现完全基于语义层面的满足用户需求的资源推荐。NATURE MACRO CITY FASHION PORTRAIT PHOTO RETOUCHING12of17泛在学习环境下个性化学习资源推荐的新特点综合用户模型 学习者模型将包括学习者知识结构、学习风格、认知水平、学习偏好等多重信息。学习即是为了知识深度的加深，也是为了知识面的加大

10、。因此，从促进学习者学习的角度，在推荐资源时，在保证资源满足需求的根底上，还要综合考虑学习者的学习风格、认知能力、学习偏好和知识结构，从而向学习者推荐促进学习和开展的学习资源，兼顾推荐的精度与宽度。NATURE MACRO CITY FASHION PORTRAIT PHOTO RETOUCHING13of17泛在学习环境下个性化学习资源推荐的新特点富语义资源推荐 推荐多种语义关系的资源。目前大局部的推荐仍然是相似资源的推荐。但在学习领域，学习者需要的不仅是与当前知识相似的资源，还需要其他相关的资源，故推荐系统不仅要能推荐相似的资源，还需要推荐其他相关的资源。未来学习资源间将依靠语义建立联系，

11、未来学习资源的推荐也将不再局限于相似关系的资源推荐，将扩展到多种语义关系，如相关关系等的资源推荐。NATURE MACRO CITY FASHION PORTRAIT PHOTO RETOUCHING14of17泛在学习环境下个性化学习资源推荐的新特点复合性资源推荐 未来的泛在学习资源是一种结构化的资源，将包括学习内容、学习活动、历史版本信息以及与资源相关的人际网络信息，从而实现内容与活动的整合，支持共建共享，能不断地进化生长，并记录自己的演化历程。因此，未来学习资源的推荐不仅是学习内容的推荐，还将推荐与内容相关的活动、人际网络等。NATURE MACRO CITY FASHION PORTR

12、AIT PHOTO RETOUCHING15of17泛在学习环境下个性化学习资源推荐的新特点情境推荐 泛在学习强调情境性，学习资源担负的职责不仅是知识的传递，还包括真实环境的搭建。因此，学习资源个性化推荐不仅要从学习者模型出发，还应从学习者所处的情境出发，向学习者推荐最适宜的有利于学习和搭建真实环境的资源。未来推荐系统将根据学习者所处的位置、环境、使用的设备等情境信息为学习者推荐资源。NATURE MACRO CITY FASHION PORTRAIT PHOTO RETOUCHING16of17泛在学习环境下个性化学习资源推荐的新特点利用生成性信息 学习者在学习过程中将产生各种生成性信息，如对资源的评价、批注等，通过挖掘和分析这些生成性信息，一方面有利于发现用户兴趣、发现优秀资源，对推荐有重要帮助。未来学习资源