基于云计算的只能资源中心设计研究

王新鹏　赵剑冬　赵玉

摘 要：本文在深入探讨中职教育资源建设的现状和云计算技术的基础上，重点研究了优化资源建设，云计算资源中心智能代理和云计算认知管理技术对学生学习过程的监控、指导作用，搭建了云计算资源中心体系架构，扩展认知模型在职教的应用研究领域，为深入开展云服务相关研究做了些有益的尝试。

关键词：云计算；智能指导模块；关键词子结构

分类号： TP391 文献标识号：A 文章编号：2095-2163（2014）06-

Abstract： In-depth analyzing on the basis of the status of vocational education resources construction and cloud computing technology， this article focuses on the optimization of resource development， intelligent agent and cloud computing knowledge management technology on student learning process monitoring， guidance， builds a cloud computing resource center architecture， and extends the field of applied research of cognitive model in vocational education. Furtherly，the，paper does something useful attempt in order to carry out the cloud services related research.

Keywords： Cloud Computing； Intelligent Guidance Module； Keywords Substructure

1

0引 言

目前一些中职学校虽已建有自己的教学资源平台，可是却相迎地存在一定问题。具体描述为：资源数量有限，质量不高，缺乏系统性，共享度也较低；教师对网络教学资源平台的建设虽具兴趣，可是课程学习资源网站的自主建设中却缺乏良好、有效的互动，致使操作不便，利用率也不高；此外，一些欠发达地区学校的信息化设备与当地资源的建设尚未达到同步。

综上所述，问题的导致成因可以归纳如下：缺乏对网络学习资源的更深层次挖掘，而且学习资源也未考虑到不同类型学习者的个性化需求，对学习者的分类指导也较为匮乏；在技术方面，硬件设备更新较快，设备逐年淘汰，资源浪费严重。

基于此，如何在有效的成本投入下，为用户提供高效、智能、个性化的服务，业已成为中职教育的一个关注热点，而随着云计算的出现，这一问题即因之衍生获得了一定实效科研成果。

1 云计算对教育的影响

云计算可将资源集中存储，统一组织；节省了大量本地重复建设的投入；搭建在云端的中职资源中心在其中存储着各类资源，只要能联网就可以实现资源访问，因而可以有效地解决教育资源分配不均等问题[1]。

目前，云计算与教育结合已形成了一些应用，如华师京城教育云以构建“学习场”为目标，覆盖中小学各个学段的课程，提供教师与家长联系、家长与学生沟通的有效途径的多种范例和模板[2]。但是，其中却也存在人力资源邮箱与智能人机交互欠缺和局域网与公网之间网速太慢等问题[3]。。鉴于以上问题，本文提出基于认知模型的中职云计算资源中心建设具体设计。

2 云计算教学资源系统设计

云计算教学资源平台建设包括基于认知模型的中职云计算资源中心，中职学校智能终端和学生终端建设，其总体架构如图1所示。

2.1 基于认知模型的云计算资源平台设计

云计算资源中心由主从两个异地备份的节点组成，起到一个负载平衡、容灾和防篡改的作用；各中职学校都有一个智能终端，由每所中职学校原有服务器承担，这些服务器除了可以从云计算资源中心下载必要的服务、智能组件外，还保存着本校师生近期经常使用的资源和对个体的指导性信息，这就使得快速的资源访问得以实现的同时，又可以围绕不同的学习目标、学习个体、学习内容和学习情境，将云端的资源，服务、智能组件有机关联起来，从而为学生提供个性化、自适应的学习指导，学生的学习活动也将更具效率[4]。智能终端有本地账号管理、终端代理和常用资源本地存储代理三个模块组成。其中，终端代理是将可以公开的资源和学生的特征信息上传到云计算资源中心，并返回个性化指导信息；账号管理实现的是单点登录的效果；常用资源本地存储代理可以让登录平台的用户，首先在本校存储中寻找这个资源，如果本校有这个资源，则直接访问本校的资源，如果没有这些资源，将访问云计算资源中心节点的资源，中心节点对用户提供服务的同时，还会将该资源下载到中职学校本地服务器中存储，从而提高了资源访问的速度和质量。为了给新下载的资源腾出存储空间，需要将哪些本地已存储的资源优先删除，针对此一这个问题，可以采用资源使用时间与使用次数结合的调度算法来予以解决。

学生客户端支持电脑和手持设备，更重要的是具有情境感知的功能，也就是可以对学习者所处的环境信息、学习时的眼睛和语言等身体状态信息进行实时智能感知，以更好地提高学习者的学习效率，实现基于真实情境的高效学习。

2.2 基于认知模型的中职云计算资源中心设计

基于认知模型的中职云计算资源中心主要由账户管理层，资源建设层，应用层，云端智能指导中心，基础服务管理层，数据层和基础架构层等模块组成[5]。各模块的具体结构则如图2所示。

24小时智能指导服务

2.2.2 资源建设层

资源可以由终端用户上传，还来自于终端用户对资源的编辑和评价，或者由学校直接购买。终端用户在其数字设备上的任何学习资源，只要点击“共享到教育云”按钮，再填入资源的介绍性文字，由本校的管理员审核通过后，该项资源就可以上传到本校资源云智能终端，而终端代理与中职云计算资源中心沟通协调之后，即将各具价值的资源上传到中职云计算资源中心。同时，资源使用者也可以对资源进行编辑，在得到相关资源的指导老师审批通过后，这些更新资源就会替换原始资源。如此设置就既可以如维基百科全书那样实现资源的自动增长，而且还能在保证资源的准确性和质量的前提下，使得后续资源使用者对资源获得更加全面的理解和更加成熟的认知。

具体地，资源建设分为条目类资源建设和应用型资源建设[6]。其中，条目类资源建设可以由终端代理将数据库整合，系统整合，协议标准整合，网络爬虫等相关技术相结合而集成实现信息资源自动化搜索和智能整理，并将有价值的非重复资源吸收到云中，再按照各种语义关系归类、重组，构建成为智能资源网络。而应用型资源，即如考试系统，仿真实验等，则不能脱离应用系统独立使用，智能代理终端就是通过采用应用程序虚拟化等技术而迁移、共享到云计算中心、并为师生提供服务的。

2.2.3 应用层

应用层模块提供文本框、语音搜索和资源应用客户端服务。在发现用户的需求信息后，可根据用户的输入，上下文情景、用户个人学习习惯、创新能力、知识水平和性格特征，利用文本挖掘、自然语言处理等云调度技术，对云存储中的信息进行挖掘，藉此找出与关键词相关的各种资源，从而实现信息资源需求与供应的高效、快速、精准云匹配，给特定用户提供恰当的结果；当用户学习某类资源后，系统除了会自动推荐与此资源相关的其他资源外，还会提供具有相同兴趣的学生或资源提供者的博客、邮箱等联系方式，用以提高资源交互性；资源中心在与学生交互过程中，将会监控学生的认知过程，并结合专任老师的评价，由此确定学生的认知和心理等方面的问题，用以给学生的学习过程提供更加个性化的指导[4]；资源应用客户端支持手机等移动设备接入云计算资源中心，用以提供资源浏览、下载、检索和智能交互等服务。

2.2.4 云端资源认知指导模块

学生个性认知行为的过程分析主要依靠于云端资源认知指导模块来解析与完成。其中，短期记忆包括最近学生浏览过的文章，看过的视频，发表的评论，联系过的伙伴等；长期记忆则包括学生的姓名、住址、性格、个人偏好、年龄、学习模式、科学文化素养和创新能力等信息；长期记忆信息可以通过学生的注册信息获得，并通过学生对资源的浏览、编辑、评论、收藏、订阅和以及与学生的交互过程进行适当修正。“智能分析系统”即从用户自身特点出发，将用户的文字和语音的输入以语义的形式予以表示，并相应给出更加合理的指导方法。

资源智能指导模块即如一个智能干预体，当感知到学生不能出色地完成某个学习内容时，例如一段简单的文字，学生却看了很长时间，或者一会看，一会做别的什么事情，当然这也可能是因为学生在思考一些相关的问题，或者就是无心学习；在此情况下，干预子模块将会以书面或者语音的形式提出一个或几个问题、甚或一份问卷调查以供学生回答，并根据学生的问题，再提出一些改进方案。这些方案可以是一些相关的提高情商的文章、名言警句等启发性的语言、以至建设性的意见，旨在于综合效果上为学生提供参考与借鉴。

根据学生互动信息，简单策略指导子模块和复杂策略指导子模块会将这些信息以语言或文本的形式传输给云端智能中心的语言识别器。而语言识别器即将问题字符串流与云端语言元数据知识库中的字段、实体进行匹配，并且映射为概念本体层次的信息解释，即理解文本的语义。在语言识别器分析出语义之后，返回的信息再交给策略指导子模块进行有关处理。处理时，简单策略指导子模块将采用文本挖掘、IRT项目反应理论、学科能力测评和智能检索等技术，而复杂策略指导子模块就将挖掘短期记忆系统和长期记忆系统内保存的信息，计算分析学员当前状况，包括：学习速度、知识背景、性格、个人偏好、年龄、学习模式等，又采用脑科学技术、教育学技术、心理测评技术、教育统计学、神经网络等多元智能测评技术对信息进行智能匹配和信息清洗，同时消除冗余信息，准确把握学生的问题，为获取最佳解决方案提供准备；具体指导子模块在对学生学习过程和问题回答的感知后将展开学生认知分析，进行认知识别并比对认知和心理特征数据库字段，以此分解学员当前的认知结构和出现问题，并对候选的认知判断进行解析，以及消除歧义部分，而且再解决方案进行分类，同时运用关联规则[7]、神经网络和回归分析等人工智能技术，挖掘出有用知识，给出评价，进一步将符合认知规律的个性化资源、学习工具和建设性的意见反馈给学生，藉此将综合性地检测实际效果，从而为下一轮认知指导实现相应准备。这些工作可以从侧面折射出学生的学习模式、个人偏好、性格、科学文化素养和创新能力，而在确认效果后，即可将如上的分析结果补充至长期记忆知识里面，以供日后决策使用。

研究可知，电脑在某些方面的分析也可能存在纰漏[8]，因此仍需指导老师的引导与协调，专任老师也可以查看这些云计算分析数据，并通过即时通讯工具，可随时开展师生间交流，即学生可以就智能指导提出疑问，老师也可以提出一些建设性的评价，而且对智能指导方案进行修正，由此保证因材施教的推行与实施[9]。这些疑问和评价也会存储在资源智能指导模块的长期记忆中，为今后的智能分析留作有益参考。

云端资源认知指导模块如同真正的知识专家，保存了学生的学业、智力水平、特长领域和人格心理特征等多方面的重点信息，再借助多个领域的知识，在与学生交互过程中，监控学生的认知过程，同时结合专任老师的评价，科学有效确定学生的认知和心理问题，并具体给出具体指导策略；而将复杂的信息分析隐藏在云计算资源中心，学生因此将能更加清楚地认知自身，从而更加专注于复杂思维能力和个人素质的提升。在此过程中，老师、学生和云端智能指导模块融为一体，实现了人脑与人工智能的互联，进而将云计算“整合资源、高效管理”的思想从根本上予以完整实现。

2.2.5 基础服务管理层

基础服务管理层在数据层之上，主要实现中职资源平台中多个节点设备的高效协调工作。云数据证书加/解密技术为传输过程的安全性和授权用户身份识别提供了新的途径。分布式文件系统和P2P技术可以实现资源的多点传输和共享，用以提高资源访问速度和访问质量；而数据卷影副本和实时的异地备份提供容错、高可用性和负载平衡等功能，从而在提高资源响应速度的基础上，进一步消除了不可抗因素产生的数据损失。

2.2.6 数据层

2.2.6.1 数据资源的多层次展示

本文采用知识树和知识点子结构形式搜索和展示资源，具体结构如图4所示。其中树叶为知识点层次结构，树叶之上第二层为知识点，树叶之上第三层为课程；每门课程除了按知识组织结构的先后顺序排序，对知识点进行重难点分类和排序以外，各个知识点也分别提供了背景知识、视频资源、学习案例、教学动画、关联信息、习题和评价等子结构学习资源；如此结构的资源组织形式即可改善网络学习资源交互性，同时降低学习者的认知负荷[10]。

2.2.6.2 关键词子结构的显示

为了避免学生经常查找不熟悉的知识点而在多个页面之间跳转的不良效果，并且提升学生学习过程中的认知效率，本系统采用关键词子结构用以实现资源显示。每个段学习内容都有若干关键词，而每个关键词也是一个知识点。例如学生在阅读Photoshop污点修复工具的介绍性文字时，若需进一步了解“仿制图章工具”知识点的更多信息，就可以点击关键字“仿制图章工具”，在当前页面打开一个标签式菜单的子窗口，其中即呈现与此知识点相关的子结构信息，具体展示效果则如图5所示。

3 结束语

本文以认知模型的中职云计算资源中心建设为契机，重点研究了优化资源建设，云计算资源认知管理技术对学生学习过程的监控、指导和云计算资源中心本地代理等问题，搭建了基于认知模型的云计算资源中心体系架构。在这种资源云服务模式中，中职学校只要能联网，就可以直接使用中职云计算资源中心的资源；学生可以较为方便地获得更多的课程资源；云计算资源中心代替学生对网络资源进行筛选和归纳，用户所能读到的只是自己所需要的答案；云计算利用独具的强大智能处理能力，除了可以智能分析学生的学习行为，推荐适合的学习内容和方法外，甚至可以分析学生的学习习惯，进而给出个性化的指导[10]。学习者可以与云中的资源智能互动，表达个人意愿，实现思想交汇、甚至情感交流，提高云中用户参与的积极性、扩大云中不同角色用户之间的交互性；教学的目的不再是单纯的知识传授，而是进化为让学生发现知识、创造知识，师生共同发展知识。教师、学生和智能指导模块共同参与到资源的建设与利用当中，实现了人脑与人工智能有机结合。本文研究使教育过程从粗放型、经验型走向精细化、科学化，推动教育评价从终结性导向转变为过程性导向，为实现全民终身学习开展了有益的尝试，期待对国内职业教育改革、学生创新能力提高等方面做出一定贡献。

参考文献：

[1] 魏晓萍，杨思洛，刘波涛. 云计算在区域信息资源共享中的应用探究[J]. 图书馆学研究， 2011（6）：26-30.

[2] 刘丽艳.基于云计算搭建文化共享工程资源建设平台的技术性探讨[J].图书馆工作与研究，2012（10）：41-43.

[3] 郁晓华，祝智庭. 电子书包作为云端个人学习环境的设计研究[J]. 电化教育研究， 2012（7）：69-75.

[4] 曾宪文， 李宪武. 云计算与高等教育的前瞻性云应对[J]. 当代教育科学， 2013（3）： 47-50.

[5] 李玲，何霖俐，张辉蓉，等.云计算基础教育质量监测与评价平台的设计与实现[J]. 中国电化教育， 2012（5）：113-116.

[6] George F.Luger. 人工智能：复杂问题求解的结构和策略[M]. 北京：机械工业出版社， 2010.

[7] 王长全，艾雰.云计算环境下的数字图书馆信息资源整合与服务模式创新[J].图书馆工作与研究，2011（1）：48-51.

[8] 王嘉琦，徐朝军，钟柏昌. 基于强化理论的移动学习资源推送平台的设计与实现[J]. 电化教育研究， 2013（5）：68-72.

[9] 司国东，赵玉，宋鸿陟. 基于认知负荷理论的网络学习资源多层次模型[J]. 中国电化教育， 2013（12）：79-82.

[10] 张利远，王春丽. 面向智能导师系统的Siri个人助理应用研究[J]. 中国电化教育， 2012（10）：131-135.