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】 .ppt
第八届教育技术学博士生论坛 2012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,1,of,17,自我介绍,2,of,17,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，泛在学习资源推荐也必将具有新的特点。在泛在学习的发展趋势下，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。,3,of,17,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.培训计划,5.内容为主,6.忽略情境 性与生成性,NATURE MACRO CITY FASHION PORTRAIT PHOTO RETOUCHING,4,of,17,泛在学习影响下自适应学习系统的新发展,NATURE MACRO CITY FASHION PORTRAIT PHOTO RETOUCHING,5,of,17,泛在学习影响下自适应学习系统的新发展,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,仅考虑到用户的基本信息、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构想 现实,NATURE MACRO CITY FASHION PORTRAIT PHOTO RETOUCHING,6,of,17,泛在学习环境下学习资源的新发展,2009年余胜泉教授提出的“学习元”,学习元是一种“适合泛在学习环境与非正式学习的新型学习资源组织方式”。基本特征：它具有生成性、开放性、联通性、可进化发展、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、多元格式和学习服务接口等部分。（余胜泉，杨现民等，2009）,NATURE MACRO CITY FASHION PORTRAIT PHOTO RETOUCHING,7,of,17,泛在学习环境下学习资源的新发展,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可进化性、分布式、社会性、情境性、开放性和复合性等方向发展。（程罡，徐谨和余胜泉，2009）,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，2011）,NATURE MACRO CITY FASHION PORTRAIT PHOTO RETOUCHING,8,of,17,泛在学习环境下学习资源的新发展,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，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 RETOUCHING,9,of,17,泛在学习环境下个性化学习资源推荐的新特点,NATURE MACRO CITY FASHION PORTRAIT PHOTO RETOUCHING,10,of,17,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 RETOUCHING,11,of,17,泛在学习环境下个性化学习资源推荐的新特点,语义推荐 Web3.0的时代是语义的时代，届时语义技术和本体技术发展将更加成熟，信息组织的模型也将发展到语义阶段，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 RETOUCHING,12,of,17,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。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基础上，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发展的学习资源，兼顾推荐的精度与宽度。,NATURE MACRO CITY FASHION PORTRAIT PHOTO RETOUCHING,13,of,17,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。目前大部分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，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 RETOUCHING,14,of,17,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 PORTRAIT PHOTO RETOUCHING,15,of,17,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，向学习者推荐最合适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 RETOUCHING,16,of,17,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。未来学习资源不仅能记录生成性信息，且由于其内涵的扩大，生成性信息也更加丰富，其在个性化推荐中发挥的作用也更显著。,NATURE MACRO CITY FASHION PORTRAIT PHOTO RETOUCHING,17,of,17,总结与展望,NATURE MACRO CITY FASHION PORTRAIT PHOTO RETOUCHING,谢谢倾听！,泛在学习环境下学习资源个性化推荐的新特点分析陈敏,
