学习云空间支持下的研究性学习研究与实践*

黄昌勤，王希哲，张冬冬，梅晓勇，周宇文

(华南师范大学 教育信息技术学院，广东 广州 510631)

学习云空间支持下的研究性学习研究与实践*

黄昌勤，王希哲，张冬冬，梅晓勇，周宇文

(华南师范大学 教育信息技术学院，广东 广州 510631)

研究性学习对于培养创新精神和实践能力至关重要，空间化设置的虚拟学习云环境能在学习资源与服务的动态供给、便捷交互上提供支持，为研究性学习实践提供了新的途径。以促进研究性学习与学习云空间深度融合为目标，对学习云空间支持下研究性学习各要素进行适配分析，提出了学习云空间支持下的研究性学习系统架构和功能设计。为了促进学习者交互学习的主题管控和目标的快速达成，以构建语义相似度计算方法为基础，提出了一种思维发散与聚集保障机制；依托Cloudstack，开发实现了以云空间为基础的研究性学习系统，完成了交互协作学习与思维智能导引的有效结合。基于学习案例进行应用效果测试，结果显示该研究能较好地提高研究性学习的学习效果。

学习云空间；研究性学习；语义Web；思维发散与聚集

一、引言

网络时代背景下互联网成为教育信息化的主战场，利用网络促进终身学习、建设学习型社会是未来趋势[1]。学习云空间是国家教育信息化十年发展规划的重点建设内容──“三通两平台”中的核心内容，它基于开放式的云计算架构，以教师、学生为共建共享的主体，汇聚教与学相关信息、资源和服务，为用户提供一站式交互学习的网络虚拟空间，将有效满足学生的自主学习以及教师的远程指导需求，提升教与学、学与学的有效互动，促进教学方式的变革。

研究性学习是学习者在教师指导下，从自然、社会和生活中选择和确定专题进行研究，并在研究过程中主动地获取知识、应用知识和解决问题的学习活动，是实现创新和实践能力培养的重要手段[2]。在传统教学条件下，研究性学习的广泛开展面临着诸多问题，如资源不足、探究活动受时空限制等[3]。学习云空间基于云计算技术实现学习环境的空间化配置，能够最大化提供资源和服务共享、促进活动交互与行为协作，这与研究性学习开放性、自主性、协作性等需求不谋而合，也因此为学习云空间与研究性学习的深入融合、研究性学习效果提升带来了新的契机。

近几年来，随着网络学习空间的提出与发展，一些研究者开始关注并利用学习空间进行相关的实践探索。应用研究主要集中于将学习空间应用于智慧校园建设[4]、个人学习环境[5]、学科课程教学[6]、资源建设[7]和教师专业化发展[8]等方面，这些研究表明：网络学习空间在一定程度上能够有效带动教育教学变革，促进教学效果提升。目前，尚缺乏学习云空间的应用性研究成果，未见研究性学习和学习云空间深度融合的探讨。本文拟从学习云空间中的研究性学习要素适配分析、学习云空间支持下的研究性学习系统架构与功能设计、系统实现与应用等方面展开研究，以期提供可行的技术方案，促进研究性学习理论与实践发展。

二、学习云空间支持下的研究性学习要素适配分析

黄荣怀教授认为网络环境下的研究性学习包含三个要素：网上资源、工具软件与网络平台[9]。这三个要素为网络环境下的研究性学习提供了重要条件。学习云空间中的网上资源涵盖空间内外的内容性资源、过程性资源等；工具软件也理所当然地拓展为各类功能性应用服务，如交流服务、协作工具、空间配置服务、空间内外的推送服务等；网络平台则是学习云平台，云平台的开放共享特性、虚拟空间的便捷化资源配置及学习协作支持，将给研究性学习提供更好的环境适配。为了使研究性学习与学习云空间的网络环境进行更深层次地融合，更好地促进研究性学习的学习效率，本研究根据研究性学习的应用需求，对学习云空间支持下的研究性学习的三个要素进行适配性分析。

(一)云空间中的学习资源适配性

云计算及其思想在学习领域的应用促进了云学习时代的到来。云空间通过云计算技术虚拟化并统一管理资源，实现研究性学习资源的最大化共享和应用。通过将学习资源部署于“云”加“端”，允许学习者能够以普适方式按需调用学习资源，为学习者构建了一个资料丰富、应用便捷的个人(或群体)学习场所，有利于从资源供给角度支持学习者个体和群体开展学习探究，并促进资源演进与发展。同时，云空间的空间化设置，有力地支持学习者按照自己的需求配备个性化的学习资源，并使其得到动态化的集中与高效管理。

云计算“资源共享、集中服务”的核心理念，一方面使得云空间能够提供近似无限的学习资源，另一方面也导致云空间中的研究性学习面临着信息过载问题。海量资源环境下，学习资源匹配率和利用率较低，学习者难以找到与其学习需求相适应的学习资源。究其原因，主要是学习资源组织跟传统组织方式一样，停留在语法层面，缺乏语义的表征和组织，过程性资源缺乏动态化汇集和知识化处理机制。为了更好地满足研究性学习需求，尤其主题性资源共享的需求，使学习资源最大限度为学习服务，本研究认为语义化组织管理是提升云空间资源应用适配性的必然趋势，即利用本体语义技术对学习云空间的信息资源进行组织，并建立与之匹配的学习资源知识服务体系，从语义智能角度促进海量资源查找与应用效率。

(二)云空间中应用服务适配性

云空间将所有的可用应用服务(含工具)集中于一个云平台之上，在平台的统一管理和调配下，给用户提供研究性学习所需要的各种学习功能服务。一方面，所有的应用服务发布并托管在云中心，其数量与规模是巨大的，而且云服务的虚拟化将促进应用功能的泛在化与服务可用性，上述服务理念与机制，可保证在研究性学习过程中学习者需要的应用服务随时随地得到满足。另一方面，云计算中服务可动态调度，营运模式受益市场机制，这使得应用服务能在优胜劣汰中演化与更替，促进了应用服务的质量提升。同时，在空间内，基本服务(含工具)可个性化配置，将有利于功能服务便捷化。显然，上述基础设施特点可极大促进研究性学习的功能服务效率和效果。

相比传统网络环境，云空间中应用服务的管理、演进与可配置特点，将给研究性学习带来良好的功能服务支持。同时，由于研究性学习过程往往需要多重功能支持，目前的云空间尚不能主动“适配”多业务活动需求，缺乏应用服务动态支持机制。具体而言，研究性学习过程中学习状态动态变化且具有一定的时间阶段性，不同的学习阶段学习者需要的应用服务也不同。因此，主动服务是学习云空间尚待适配的核心所在。本研究认为：在开放的学习云空间环境中，可通过对应用服务进行准确描述并设计匹配、触发与实施机制，使研究性学习活动的支持功能需求能被及时发现、判别并进行组合服务，进而为不同状态下的学习者提供相适应的应用服务支持，以满足研究性学习的动态教学需求。

(三)云空间的学习平台适配性

云计算具有可伸缩、易扩展等特点，通过虚拟化技术，云空间可以实现国家、省、市、区等行政单位的区域空间互联，形成一个个相互分离同时又相互联通的空间集群，并实现空间之间的信息流动。一方面，云空间的空间化设置为用户提供了一个相对私密的、具有个人化特征的学习环境，为学习者的研究性学习的开展提供可感知便利虚拟场所；另一方面云计算技术使得云空间得以自扩展、可伸缩，而且运营成本低，从而体现出云空间的适应性、经济性和开放性，使得研究性学习具有良好的平台优势。

与此同时，云空间不是专门为研究性学习而定制的环境平台，在研究主题的导向与把控上还存在不足。在研究性学习中，学习往往是以小组为单位、围绕研究主题进行研究探讨为主，学习者对研究性学习主题的把控直接影响达成最终研究目标的快慢。研究性学习过程中，学习者不可避免会出现研究思路不清晰，研究主题偏离等现象。为此，研究性学习系统应该提供主题引导式的网络环境，为学习活动进行研究主题管控。

通过云空间的学习资源、应用服务及平台的适配性分析，不难发现：在学习云空间中展开研究性学习，存在资源与功能服务的高效组织与应用、研究主题的引导与管控等瓶颈。由此我们认为，基于语义化思想进行主题资源组织管理、适配服务的动态组织与查找，建立自适应机制保障研究性主题波动是当前急需解决的三个核心问题。鉴于学习云空间能对研究性学习提供良好的技术支持，本文将充分利用云计算技术和虚拟空间设计完成研究性学习的系统架构，并解决基于研究主题的思维“收放”保障问题。语义化主题资源的动态组织查找的研究成果已申请国家专利[10]，故在此不再赘述。

三、学习云空间支持下的研究性学习系统架构与功能设计

(一)系统架构

学习云空间支持下的研究性学习是指学习者在教师指导下，充分利用学习云空间的交互协作和资源共享技术，将社交支持环境作为最基本的学习环境，围绕探究主题展开的学习活动。本研究结合学习云空间和研究性学习的特点，设计了学习云空间支持下的研究性学习系统架构，该架构由云平台基础设施层、空间支持层、核心功能层和交互应用层等组成，如图1所示。

系统以云平台的网络资源、计算节点、存储节点为硬件基础，通过虚拟化技术以及服务、资源的管理与运营为云空间提供可靠性高、定制性强、规模化、可扩展的服务保障。空间支持层向下与云基础设施相对接，空间资源配置为学习云空间提供所需的资源；空间交互支持保障了用户交互与学习活动的有效开展；空间I/O为空间之间的数据传输提供了高效、统一的解决方案。空间支持层上层是空间基础之上的空间服务，包括有学习资源的语义组织、融合与主动化的服务机制构建、在交互过程中的过程性资源形成以及学习云空间中主题导向性的环境支持。

核心功能层描述了系统提供的支撑研究性学习中教与学过程的业务功能，包括语义化资源的查找、基于主题的思维保障机制、学习过程的记录与知识提取等。基于以上核心功能，学习者和教师可利用云空间中的资源、工具和伙伴、空间外的关注内容等，编制学习方案并设置教学测评指标。系统清晰呈现学习过程，用户的过程性资源也储存于个人空间中，为系统的知识提取和经验推荐提供基础。

图1 学习云空间支持下的研究性学习系统架构

(二)系统功能设计

基于研究性学习的需求分析，将学习云空间支持下的研究性学习系统设计为个人信息中心、小组协作中心、讨论交流中心、空间配置中心和学习测评中心五个学习模块。

1.个人信息中心

个人信息中心是学习者的个人信息中心，展现了学习者的学习特征信息和学习过程资料，包括个人研究主题、所在小组的研究主题、研究主题状态、系统推荐研究主题、研究进度、个人研究过程轨迹等学习信息。根据该模块学习者可以及时了解到自己的学习动态，通过系统推荐的研究内容进行研究主题与研究内容的调整。教师通过该模块可以实时地观察各个学习者的学习状态和学习特征，从而对其学习过程和研究方向进行指导和干预。

2.小组协作中心

小组协作中心用于支持小组的研究性学习协作活动，包括研究性学习小组的形成与管理、小组研究主题的选择与管理、研究性学习过程的开展与管理、研究性学习资源的创建与管理等协作活动。在小组协作中心，小组成员首先确定共同的研究主题，继而围绕该研究主题制定该主题下的研究内容、研究方法、任务分配和研究进度等具体实施细节。小组在协作过程中产生的协作信息基于本体进行语义化组织，因此系统可以对小组的研究内容借助本体逻辑推理进行知识提取和记录，为系统的语义化资源查找以及智能化的主题引导提供核心支持。

3.讨论交流中心

讨论交流中心为教师和学生提供了答疑解惑、经验分享的环境，交流发生在学生与学生、教师与学生之间，交流方式包括同步交流和异步交流。通过交互过程促进经验知识的传递，系统根据交互活动信息等交互数据进行学习分析及学生学习特征提取，同时对各用户之间的交互活动进行管理，促进交互活动向有深度、有价值方向发展。教师在师生交互中能够掌握学生的学习情况和问题，从而及时进行指导。

4.空间配置中心

空间配置中心主要是为学生提供个性化的空间配置方案。配置内容包括两个方面：一是空间内部的设置，包括学习资源、学习工具、学习群组等方面的配备，类似在物理空间内的实体放置与环境参数设定。一般而言，学生会在学习活动展开前(或过程中)根据自己的偏好和当前的任务，“放置”自己感兴趣的学习资源与工具，并对关注的群组情况进行个性化设定。二是空间内外的交互配置，包括应用服务获取、关注主题订阅与资源推送、关注用户设定等，用于学生对于空间外信息内容的交流和获取方式进行配置。通过空间配置中心，学生能够获取更加符合个人学习需求的个人学习空间。

5.学习测评中心

学习测评中心采用更加多元化、更注重过程的测评方式，测评涵盖总结性测评与形成性测评两种。系统根据学习过程的记录数据、学习者的研究性学习结果，参考研究性学习评测指标实施总结性测评。学习者在学习过程中产生的学习信息，包括学习资源、讨论交流内容、协作成果等过程性材料都是形成性测评的数据处理来源，从而使得研究性学习测评更加公正准确。

四、基于研究性主题的思维发散与聚集保障机制

研究性学习在本质上是基于研究主题展开的学习形式，学习者通常围绕其所在小组的研究主题，以协作学习的形式进行主题相关的活动探究与知识建构。由于教师等指导性资源有限、学生基础参差不齐、学习资源泛滥等原因，学习者围绕小组研究主题进行高效探究并非易事。为了确保学习者有条不紊且高效地进行研究性学习，除充分发挥教师的个性化引导外，还可以利用计算机技术来实现对学习者研究主题的智能化引导，而后者具有良好的普适性和经济性。设计专门的智能化引导机制，一方面防止学习者研究思维过于聚集，避免学习者研究思路封闭与研究内容过于单一；另一方面也防止学习者研究思维过于发散而偏离小组研究主题，避免小组研究活动因主题不一致而无法聚焦研究目标。基于以上教学需求和学习云空间的现实环境，本文提出了基于语义Web的思维发散与聚集保障机制。

(一)基于语义的思维发散与聚集判定方法

语义Web技术力图借助本体语义学方法，改进网络上原有的信息表示和获取方式，使得计算机能够自动“理解”Web语义，并为实现智能化的Web应用提供必要的技术基础。基于主题的思维发散与聚集保障机制拟借助语义Web来优化学习云空间中的信息组织方式，通过计算学习者当前的活动主题与小组研究主题的语义相似度，并依据思维发散与聚集引导方式判断方法，判断学习者当前研究主题与小组研究主题之间是否存在偏离或过于靠拢而无法发散的现象。为更好地表征基于研究性学习主题的思维发散与保障机制的实现原理，本研究建构了该机制的实现流程，如图2所示。

图2 保障机制实现流程图

(二)主题语义相似度计算

为了便于阐述思维发散与聚集保障机制的内在实现机理，定义如下术语与计算公式：

定义1(主题) 主要内容的简略概括，一个主题用一个关键字来表示。

定义2(主题集)包含一个或多个主题，由一个或多个关键词组成。

定义3(主题语义相似度) 主题关键词之间的意义相似程度，用数字值表征。

借鉴文献[11]的计算方法，本文中主题语义相似度拟基于关键词词语间意义距离进行度量。两个主题关键词K1和K2的主题语义相似度记为Sim(K1,K2)，其关键词词语K1，K2间的距离记为Dis(K1,K2)。相关计算公式如公式(1)和公式(2)所示。

上述公式中，K1，K2所在本体层次表示为L1，L2，α用做一个调节参数，代表Sim(K1,K2)=0.5时的Dis(K1,K2)，一般α＞0。

(三)研究思维的主题智能导引

假设学习者S当前的研究主题集TS有m个主题关键词，则TS={KS1,KS2,……KSm}。学习者S所在小组G的研究主题集TG有n个主题关键词，则TG={ KG1,KG2,……KGn}。Pd0和Pr0分别表示两个词语间完全相关与完全不相关的语义阈值，W(KSx)和 V(KSx)分别表示学习者S当前的研究主题集中的主题关键词KSx相对于小组研究主题是否发散和是否聚集的函数，Y(S)是学习者S是否需要进行思维聚集或发散调整的函数，三个函数的计算方法如公式(3)(4)(5)所示。

显然，W(KSx)是一个逻辑值，真假代表了学习者当前的主题关键词KSx与小组主题相似性是否超过上限阈值Pd0。

其中V(KSx)也是一个逻辑值，真假代表了学习者当前的主题关键词KSx与小组主题相似性是否低于下限阈值Pr0。

其中，| |是逻辑值向代数值的转换运算符；λd

和λr都是百分比例值，是根据探究性任务需求而设定的总体主题聚焦度，它代表学习者交互的主题关键词在语义上聚焦研究小组中各主题的比例。当Y(S) =1时，该学习者研究思路过窄，缺乏思维发散，系统为其推荐多条有利于思维发散的学习活动建议；当Y(S)=-1时，该学习者研究思路已经偏离小组研究主题，不利于小组一致目标的达成，系统为其推荐多条有利于思维聚集的学习活动建议；当Y(S)=0时，学习者研究思路既不偏离也不缺乏发散，系统不进行思维发散或聚集导引。

五、研究性学习系统实现

(一)系统功能实现

依据上述的功能设计，本研究对研究性学习系统进行了功能实现。本系统基于Cloudstack建构私有云，并开发各系统功能。根据系统主要学习模块——小组协作中心的设计要求，开发学习动态展示、学习资源汇聚、各种交互提交请求(消息、通知)等功能，并关联讨论交流、学习评测，其实现的学习活动主界面、个人空间界面如图3和如图4所示。

图3 系统首页界面图

图4 个人空间的资源展示界面

在图3中，活动界面呈现了研究性学习协作时的主题内容。同时，它展示了消息、通知、文章、提问、投票等不同类型信息的发布情况，当“提问”转入即时交互方式时，便可切换到即时讨论交流；用户可以查看好友或学习组动态，可以参与评论、转发、点赞、收藏等交互活动，也可以添加好友、选择课程等。图4展示了个人空间的资源中心，包括用户上传与收藏的资源，这些资源中相对固定部分受控于空间配置的设定。资源信息描述了资源类型、资源名、资源上传时间、资源的下载和收藏次数及用户信息。用户可以直接将资源共享给用户或小组，也可将资源设置为可供他人开放访问。

(二)思维发散与聚集保障机制实现

基于主题的思维发散与聚集保障机制将借助语义Web技术，改进学习云空间中的学习信息组织方式，通过计算学习者当前研究主题与小组研究主题间基于语义匹配的主题相似度，并依据思维发散与聚集引导判断方法，判断学习者当前研究主题是否偏离小组研究主题或过于靠拢小组研究主题而缺乏发散。为了支持基于语义匹配的主题相似度计算，系统对学习资源、交互内容需要建立语义描述，即运用语义Web构建学习资源本体。为了突出研究可操作性，本研究以“教育技术学理论基础课程”为示例，选择“教育技术学基础知识”作为语义体系中的领域本体基础。借助于Protégé实现本体建模，完成本体可视化建构后，在具体应用中可直接运用语义Web已有体系对本体知识进行推理等，建构的部分本体情况如图5所示。

图5 知识点——“建构主义”子本体建模图示例

根据研究性主题的思维发散与聚集保障需求，基于“教育技术学基础知识”本体和Jena的OWL推理机，使用Reasoner类创建实例并与课程本体捆绑，最终完成基于推理的语义相似度计算，从而实现研究思维主题的智能导引，如图6所示。

图6 思维发散与聚集保障支持实现

学习过程一旦满足前述触发条件，便即时启动主题保障机制。图6展示了启动主题思维发散与聚集保障支持后的具体界面，其中，“学习活动”等主题语义距离图可视化地呈现了某位学习者的研究主题与小组研究主题“学习理论”等主题关键词的语义关系。同时，通过对其主题聚集度与发散度的计算与判断，系统为偏离或过于靠拢研究主题的学习者提供了思维导引方面的建议。

六、研究性学习系统应用效果分析

为了检验该学习云空间的应用效果以及基于主题的思维发散与聚集保障机制的有效性，我们设计并实施了一系列实验。以“教育技术学理论基础”这门课程为例，选取某大学某学院同年级的35名本科生进行了为期12周的基于学习云空间的研究性学习。将这35名学生以3-4人为单位随机分为10个小组，每个小组进一步分为A组、B组。其中A组有5个小组，B组有5个小组。A组、B组的研究性学习系统均使用学习云空间，但系统功能略有不同。A组使用不提供基于主题的思维保障机制的的学习云空间；B组使用带有基于主题的思维保障机制的学习云空间。

为了了解学习云空间的应用评价，我们通过问卷调查的方式调查了B组学生用学习云空间进行研究性学习时的满意度，调查结果如下表所示。从表中数据可以看出：该研究性学习系统在有用性、易用性和相关性三个维度上得到了学生比较高的认可度。从有用性角度看，大部分学习者认为系统能够建构个性化的个人学习空间，能够有效展开研究性学习活动，有助于任务探究并完成学习目标；从易用性角度来看，大部分学习者认为该系统便于构建个人学习空间，便于快速找到资源或服务，并且能够方便地进行交流和协作；从相关性角度看，一半以上的学习者认为系统没有分散自己的注意力，大部分学习者认为该系统激发了研究性学习兴趣。可见，该系统对个人学习环境构建、学习资源获取、协作交互的开展等方面具有积极作用，有助于学习者更加顺利地开展研究性学习。

调查问卷的统计结果表

续表

为了检验基于研究性学习主题的思维发散与聚集保障机制能否有效促进教学，我们对A组和B组学生的研究进度进行定期量化。依据小组研究性学习开题方案时间表，通过学生自评和教师评价的方式，每隔两周对小组的阶段性学习情况进行目标到达程度估算，A组和B组中各小组的平均进度对比如图7所示。

图7 分组学习进度对比图

根据上图可以发现，A组学生和B组学生在前几周的进度基本上保持持平状态；到后期，A组进度比较缓慢，而B组进度保持平稳加快状态。其原因是，在研究性学习起初，系统中学生的学习信息太少导致思维引导不够精准甚至出现错误。随着后期参考数据增加，系统为B组提供精确判断，学生在系统引导下，明确自己的研究方向，“走弯路”“做无用功”的情况越来越少。但是，系统的主题引导对于学生进度具有时间上的延迟，因此直到第7周，B组学生在进度上才表现出优势，但是此后，B组进度一直比A组领先且比较快地接近完成状态。而A组在学习之初研究思路明确，与B组学生研究进度相差无几，在某些时间段甚至更快，但随着研究逐渐深入，小组研究会出现主题偏离、方向不一致等问题，导致研究进展缓慢，部分小组甚至出现最终没有完全完成学习任务的情况。

综上所述，云空间支持下的研究性学习系统能在研究性学习活动中，便捷地提供资源共享并有效支持师生交互和学生协作，能够有效保障学习者对研究主题的管控以及研究目标的达成。

七、结束语

学习云空间为研究性学习提供泛在资源共享、即时交互的开放协作网络环境，如何将学习云空间与研究性学习进行深度融合具有较强的现实意义。本研究对学习云空间中研究性学习各要素进行适配性分析，构建了学习云空间支持下的研究性学习系统架构，并针对学习云空间中研究性学习主题管控的困难，提出语义Web技术支持下基于研究性学习主题的思维发散与聚集保障机制，最后基于Cloudstack建构私有云，设计和实现了一个基于学习云空间的研究性学习系统。基于案例的应用实践表明，该研究性学习系统在支持个人学习环境构建、交互协作和资源共享等方面具有较好的效果，能有效保障学习者对研究主题的管控与研究目标的达成。本研究有效了拓展云平台下网络学习空间的理论与实践，促进了研究性学习研究与发展。目前，本研究中仍然存在一些不足之处：运用的语义Web方法仅限于教育技术学领域知识体系，而未对其他领域进行验证。研究性学习的智能导引也涉及众多技术问题，后续需进一步深入研究。

[1]王陆.虚拟学习社区原理与应用[M].北京:高等教育出版社,2004.

[2]Margus P,Mario M,Leo A S,et al.Phases of inquiry-based learning:Definitions and the inquiry cycle[J].Educational Research Review,2015,(14):47-61.

[3]况姗芸.WISE科学探究平台对我国研究性学习平台建设的启示[J].中国电化教育,2010,(1):78-81.

[4]王希哲,黄昌勤,张冬冬,罗旋.智慧校园中学习云空间的设计与应用[J].教育信息技术,2015,(1-2):141-145.

[5]祝智庭,管珏琪,刘俊.个人学习空间:数字学习环境设计新焦点[J].中国电化教育,2013,(3):1-6.

[6]张子石,金义富,吴涛.创新学科平台,引领未来教育——教育空间平台的案例分析研究[J].电化教育研究,2013,(9):77-82.

[7]徐刘杰,陈中,熊才平.基于连通主义的网络教育资源发展与利用研究[J].电化教育研究,2014,(12):81-85.

[8]王世曾.基于网络教研备课平台的教师个人空间建设研究[J].中国电化教育,2012,(11):140-142.

[9]黄荣怀.网络环境下的研究性学习[J].中国电化教育,2002,(1):55-56.

[10]黄昌勤,王希哲,李源,贺湘辉.一种针对教育领域资源的云存储系统及其预取方法[R].北京:国家知识产权局,2015.

[11]吴健,吴朝晖,李莹,邓水光.基于本体论和词汇语义相似度的Web服务发现[J].计算机学报,2005,(4):595-602.

黄昌勤：教授，博士，博士生导师，研究方向为网络新技术及其教育应用、教育信息化工程(cqhuang@scnu.edu.cn)。

2015年4月15日

责任编辑：赵兴龙

Research on Inquiry-based Learning and Its Implementation in the Learning Space in Cloud Environments

Huang Changqin,Wang Xizhe,Zhang Dongdong,Mei Xiaoyong,Zhou Yuwen
(School of Information Technology in Education,South China Normal University,Guangzhou Guangdong 510631)

Inquiry-based learning is essential for developing creative and practical ability,learning space in cloud environments brings a new way to inquiry-based learning implementation due to its dynamic provision of resource and service,friendly interaction,and space setting.Aiming at promoting deep integration of inquiry-based learning and learning cloud space,this paper analyzes the characteristics of inquiry-based learning in the learning cloud space,and an inquiry-based learning system architecture with the technical support of learning cloud space is proposed.For the better control of themes in the interaction and achieving learning objectives for learners,a method of calculating the semantic similarity of inquiry themes is designed,and the mechanism of thinking divergence and aggregation has been constructed.On the basis of Cloudstack,the inquiry-based learning system has been designed and implemented to get the effective combination of interaction,exploration and intelligent thinking guidance.Finally,a case of course learning is put into practice,the experiment result shows that the research can improve inquiry-based learning.

Learning Cloud Space; Inquiry-based Learning; Semantic Web; Thinking Divergent and Aggregation

G434

A

1006—9860(2015)08—0021—08

* 本文受国家科技支撑计划子课题“基于教育云空间的学习赋能技术研究”(课题编号：2013BAH72B01)资助。