智能适应服务导向的泛在学习资源开发与应用

摘要：文章是在海南省教育科学规划一般立项课题“智能适应服务导向的泛在学习模式与资源”研究的基础上形成的，文章阐述了智能适应服务导向的泛在学习的概念和内涵，在综合分析当前U-Learning资源建设的基础上，双向智能适应服务导向的泛在学习的体系结构和动态交互结构被阐述，提出了面向上下文感知的泛在学习指标层次适配模型和智能适应服务导向的泛在学习云平台，期望为泛在学习资源的开发提供建设性指导意见。

关键词：泛在学习 泛在学习资源 泛在学习云平台 泛在学习适配指标

中图分类号：G434 文献标识码：A DOI：10.3969/j.issn.1672-8181.2014.18.005

1 引言

在泛在学习（U-Learning）发展过程中，教育资源建设经历了Web资源、资源库到先进教育资源群建共享等不同的发展阶段。随着物联网和云计算等技术的推进，资源建设的诸要素发生了较深刻变化，如何创建社会服务学习的优质泛在学习资源，如何使得泛在学习资源满足服务性，适应性的实践需求已成为知识服务型社会的共同关注点。目前，泛在学习终端设备和泛在传感网络已经初具雏形，泛在学习能否落到实处关键在于泛在学习资源的开发。因此泛在学习资源是泛在学习建设体系的重要组成部分。文章阐述了智能适应服务导向的泛在学习的定位，在综合分析当前泛在学习资源建设的基础上，提出了双向智能适应服务导向的泛在学习的体系结构，并对其泛在学习的动态交互结构进行了阐述，给出了面向上下文感知的泛在学习指标层次适配模型。最后依据云计算和物联网技术，给出了智能适应服务导向的泛在学习云平台架构，期望为泛在学习资源的开发提供建设性指导意见。

2 智能适应服务导向的泛在学习的定位及其对资源教育信息化进程要求

在前人的研究成果上，文章提出了智能适应服务导向的泛在学习的一种定位：智能适应服务导向的泛在学习是指学习者在泛在学习环境中，利用泛在学习资源、以泛在方式进行智能适应服务导向的学习的过程。它包含三个基本要素：泛在学习环境的智能适应服务导向性、泛在学习资源智能适应服务导向性和泛在学习方式智能适应服务导向性。本文从通用的角度概括了泛在学习模式的四个特性。①智能性②适应性③服务性④导向性。这四个特性恰好融合于泛在学习的三个基本要素之中，相较目前研究者总结的七个特性，该四个特性从别的维度揭示了泛在学习的内涵和本质。

3 智能适应服务导向的泛在学习管理平台（U-Learning Management Platform）构建

3.1 双向智能适应服务导向的泛在学习的体系结构

在课题研究的基础上，我们可构建如图1所示的即可用于泛在学习，又可适合泛在教学的双向智能适应服务导向的泛在学习的体系结构。

由该体系结构构建的泛在传感网络的泛在学习管理平台ULMP（U-Learning Management Platform）要求由以下几个子系统组成：①泛在学习运营管理；②泛在学习活动管理系统ULAMS（U-Learning Activity Management System）；③泛在学习资源库设计模块；④泛在学习内容管理系统ULCMS；⑤泛在学习模块；⑥泛在学习的适应性学习交互处理模块；⑦泛在学习信息发布模块；⑧生活质量管理助手LQMH（Life Quality Management Helper）；⑨ULMP泛在学习管理平台的部署管理；⑩ULMP泛在学习管理平台的安全管理。智能适应服务导向的泛在学习的适应引擎把收集到用户学习需求信息传递给适应性教学处理程序，然后根据教学策略，使用规则推理机和本体推理机，为学习者推荐最适合的学习资源推荐序列及其集合选项列表或学习元推荐集合。其双向智能适应服务导向的泛在学习的动态交互结构如图2所示。

图2 双向智能适应服务导向的泛在学习的动态交互结构

智能适应服务导向的泛在学习的专家类型一般包括领域专家和教学专家。领域专家主要用来构建领域知识体系。

3.2 智能适应服务导向的泛在学习的学习资源信息模型

目前智能适应服务导向的泛在学习的学习资源信息模型主要包含五个模型：①LOM（Learning Object Meta-data）标准信息模型②SCORM标准信息模型③IMS-LD标准信息模型④IMS Common Cartridge标准信息模型⑤学习元信息模型：它是由国内学者余胜泉教授等通过借鉴学习对象的结构模型创建的。该模型包含元数据、聚合模型、生成性信息、活动、评价、学习服务接口、内容、练习、领域本体等部分。可以预测，在未来泛在学习资源的信息模型发展中，资源序化，资源聚类和资源进化将是值得深度研究的问题，直接影响着泛在学习的适应性程度。在面向服务质量保证的泛在学习的动态策略生成机制的研究中，基于上下文的学习动态内容适配机制是其研究的一个范畴。根据模糊层次分析法AHP理论，文章给出了一种面向上下文感知的泛在学习指标层次适配模型。该模型的层次结构分为四层，目标层，准则层，子准则层和方案层。面向上下文感知的泛在学习指标层次适配模型如图3所示。

图3 面向上下文感知的泛在学习指标层次适配模型

目标层即为面向用户的个性化学习适配机制，主准则层和子准则层都有各自的指标集，方案层即泛在学习平台中所有基于学习目标的领域知识本体集合。这种方式可从复杂的分布式的泛在学习知识节点图提取出个性化的知识节点树。

3.3 智能适应服务导向的泛在学习云服务平台架构

利用云计算和物联网技术，打造泛在融合的智能适应服务导向的泛在学习云服务平台架构如下图4所示，泛在学习的云服务平台界面如图5所示。

图4 智能适应服务导向的泛在学习云平台架构

图5 智能适应服务导向的泛在学习云服务平台界面

该泛在学习云服务平台架构从上到下包含七个层次，分别为：显示层，泛在感知网络层，应用层，SOA构建层，泛在学习应用资源层（U-Learning SaaS），泛在学习平台资源层（U-Learning PaaS）和泛在学习基础设施资源层（U-Learning IaaS）。下面对其分别介绍：①显示层：各种用来显示的泛在学习终端设备。②泛在感知网络层：由通讯网络、资源网络、人际网络和社会认知网络等构成，并涵盖各种有线接入、无线宽带、移动接入和数字/电视广播等接入和交流方式。在兼顾物与物相联的基础上，涵盖了学习者与物、学习者与学习伙伴的通信，是全方位沟通物理空间与信息空间的纽带，完成学习者与周边设备或环境的智能沟通，实现学习主体与客体的交互。③应用层：主要是用来实施泛在学习模式的各种应用。④SOA构建层：采用面向服务的架构搭建各种服务应用，完成服务的注册，查找和访问等，实现资源的高效重用。⑤泛在学习应用资源层（U-Learning SaaS）：包含自适应引擎和自适应学习模块等，自适应引擎是整个系统的中心环节，协调各模块的行为。它根据泛在学习基础设施资源层的存储资源池的数据信息生成个性化学习策略、合适的教学序列，并控制学习进度与动态内容呈现。⑥泛在学习平台资源层（U-Learning PaaS）：包括进行泛在学习资源开发的各种平台，如数据库，中间件和学习资源开发环境等。⑦泛在学习基础设施资源层（U-Learning IaaS）：用来实施泛在学习的各种计算资源池，网络资源池，存储资源池和虚拟化平台层。

4 结束语

智能适应服务导向的泛在学习资源开发是泛在学习理论的重要组成部分。文章给出了智能适应服务导向的泛在学习定位，提出了双向智能适应服务导向的泛在学习的体系结构，给出了面向上下文感知的泛在学习指标层次适配模型和智能适应服务导向的泛在学习云平台架构。虽然这些研究能解决当前泛在学习理论存在的一些问题，但一切都还在研究和探索当中，还有许多现实和细节的问题需要解决和改进。下一步将对基于泛在学习资源的复杂网络的聚类分析进行研究，之后融入到智能适应服务导向的泛在学习的自适应性引擎中，然后进行实验、修正，作为泛在学习的自适应性引擎参考依据之一。

参考文献：

[1]程响林.基于web和情绪教学的适应性学习系统的分析与设计[D].首都师范大学，2007.

[2]夏新杰.泛在学习下学习内容自适应机制的研究[D].西安电子科技大学，2013.

[3]Chieh-Peng Lin.Learning Virtual Community Loyalty Behavior From a Perspective of Social Cognitive Theory [J]. Journal of Human Computer Interaction， 2010，26（4）：345-360.

[4]余胜泉，程罡，董京峰.e-Learning新解：网络教学范式的转换[J].远程教育杂志，2009，3（5）.

[5]张平，苗杰，胡铮等.泛在网络研究综述[J].北京邮电大学学报，2010，33（5）.

[6]王民，顾小清.面向终身学习的U-learning框架：城域的终身学习实践[J].中国电化教育，2010，（9）.

[7]杨现民，余胜泉.泛在学习环境下的学习资源信息模型构建[J].中国电化教育，2010，（9）：72-78.

[8]曾玲，丁新，邱崇光.基于本体的适应性学习系统（OBALS）之系统模型[J].华南师范大学学报：自然科学版，2008，（1）：60-66.

[9]学习对象元数据规范实践指南CELTS-3.3（CD1.6）[Z].

作者简介：唐国纯（1977-），男，软件工程硕士，副教授，系统分析师，琼台师范高等专科学校信息技术专业团队副主任，CSAI顾问团专业顾问，主要研究方向为软件工程、云计算、粒计算、计算机课程与教学论等，海南海口 571100

推荐访问:资源开发 导向 智能 学习 服务