泛在学习环境下基于情境感知的个人学习空间研究 *

赵慧勤，张天云，王 丽

(山西大同大学 教育科学与技术学院，山西 大同 037009)

泛在学习环境下基于情境感知的个人学习空间研究 *

赵慧勤，张天云，王 丽

(山西大同大学 教育科学与技术学院，山西 大同 037009)

能够自动感知学习者的行为、情感、社会网络，通过多通道信息获取，收集学习者的个性化学习成长信息，通过对大数据分析获得学习者个性需求，为其提供个性化的学习推荐服务，这是泛在学习环境下学习者的迫切需求，基于情境感知的个人学习空间就是实现这种需求的最佳方案。该文通过对个人学习空间、情境感知的研究，提出基于情境感知的个人学习空间的框架结构，分析了其中的关键技术，并通过应用案例验证了实践的科学性和实用性。

情境感知；个人学习空间；个性化推荐

一、引言

泛在学习是任何人在任何时间、任何地点、基于任何设备获取任何所需学习资源，享受无处不在的学习服务的过程[1]，然而泛在学习面临“信息丰富，但获取有用信息困难，以及提供的服务形式不具备个性化、高沉浸感等”的问题，因此，以泛在学习环境为背景，构建基于情境感知的个性化的个人学习空间具有极为重要的意义。一方面，利用该学习空间具有的情境感知功能，对学习者的学习行为、情感状态、社会网络进行自动感知，通过多通道的信息获取，收集学习者个性化的学习成长信息；利用大数据分析，获取学习者个性化的学习需求，从而有针对性地为其提供个性化的学习推荐服务，包括个性化的学习活动服务、学习评价服务、个性化推荐服务、适应性呈现服务等；另一方面，该空间具有高度智能性和真实体验感，利用构建的三维虚拟环境弥补在线学习的虚空感，同时给予学生充分的自主学习权，使之自由选择学习内容、安排学习进度、设定学习环境、开展学习活动，实现虚实环境间的无缝衔接，不仅支持正式学习环境下课堂教学的实施，而且支持非正式学习环境下学习者的自主学习。

本文研究的个人学习空间是基于网络环境，以云平台为资源支撑，通过虚拟现实技术将真实的物理学习环境与虚拟的网络学习环境相融合，运用情境感知技术、学习行为分析技术、个性化推荐技术等，为学生提供一个具有逼真性、体验性、交互性、智能性、个性化的个人学习空间。

二、相关概念和研究现状

(一)个人学习空间

国外围绕学习空间展开的研究始于2003年，英国、美国、澳大利亚等国位列前沿。2011年创刊的《学习空间》杂志由北卡罗来纳大学主办，是一本专门研究学习空间的期刊，它的创建标志着针对学习空间的研究成为热点。美国学者布朗[2]提出学习空间的设置应与学习者的学习方式相适应。英国联合信息系统委员会(简称“JISC”)[3]发布的《21世纪学习空间设计指南》，指出学习空间应根据需求来随时调整空间布局，以支持不同的教学模式(包括“以教师为中心”和“以学生为中心”两种模式)。澳大利亚政府投入大量经费支持学习空间的建设，其中大卫·拉德克利夫教授[4]提出了学习空间设计、评估的“教学法—学习空间—技术”(简称“PST”)框架，指出信息技术使学习空间扩展到物理空间和虚拟空间。祝智庭教授[5]在国内率先引入个人学习空间的概念，他从概念上将个人学习空间与个人学习环境进行了区别，提出个人学习空间是用来连接虚拟学习环境和个人学习环境，为学习者提供了与其认知程度及学习风格相适应的个性化的学习空间。杨俊锋博士[6]对国外学习空间做了较为详细地研究述评，并对我国学习空间的建设提出了建议。毕家娟[7]构建了泛在学习环境下个人学习空间的概念模型，对学习活动进行了分析。杨现民等[8]对网络学习空间的内涵进行了详细阐述，归纳总结了网络学习空间在我国的三个发展阶段，并对今后我国网络学习空间的建设提出了指导性的建议。廖轶等[9]提出了网络学习空间一体化设计的理念、模型构建和技术架构，并探讨了在网络学习空间数据交换和学习者模型两个关键问题。胡永斌等[10]重点探讨了网络学习空间的分类。本文认为个人学习空间是将个人学习物理环境和虚拟环境进行有效结合的一种形式。

(二)情境感知

1994年Schilit[11]首先提出了情境感知的概念，将情境感知定义为一种软件操作，通过用户在使用该软件时所处的地理位置和周边环境等因素的不同而做出不同的反馈操作结果。我们一般认可Dey[12]在其博士论文中关于情境感知的定义，即能够利用用户的情境信息给用户提供适合于当时人物、时间、位置、活动的信息或服务。情境感知的目的是尝试利用人机交互或传感器将关于人和设备环境等的情境信息提供给计算设备，并让计算设备给出相应的反应。目前很多研究者致力于情境感知的相关研究，并取得了一定成果。顾君忠[13]提出情境感知系统应包括五大功能，即情境数据的收集、情境数据的存储、情境信息的生成、情境信息的处理和情境信息的使用。Guanling Chen等[14]将情境感知分为主动情境感知和被动情境感知，其中主动情境感知的信息包括时间、位置、设备等，被动情境感知的信息包括用户的兴趣、习惯等。朱郑州[15]将情境感知应用于移动学习中，设计了服务算法eLSDACA。赵海燕等[16]构建了情境信息本体模型，用于描述数字化学习环境下的学习过程。陈颖[17]研究了智慧校园中的情境感知技术，设计了感知数据融合处理算法，提出了感知数据框架图。吴楠[18]采用模糊聚类方法设计了基于用户情境聚类的个性化推荐算法，并应用于移动学习系统中。

本文认为情境感知是借助于设备智能地获取学习者情境信息(指影响学习者的相关实体状态的信息，包括学习行为、情感状态、社会网络交互)，并能通过推(Push)或者拉(Pull)的方式向学习者提供学习支持服务，智能化地调整人与环境间交互的内容和方式。

三、个人学习空间的构建

(一)总体框架

泛在学习环境下基于情境感知的个人学习空间，关注的是学习者在学习过程中对于情境问题的解决，通过构建学习者特征模型，形成个性化的学习需求，在此基础上构建个性化的推荐模型，为学习者提供个性化的学习支持服务，给予学习者针对性地指导。

基于情境感知的个人学习空间的框架结构如图1所示，共分为五层，分别为感知层、传输层、数据层、控制层、应用层。感知层主要用于在泛在学习环境中通过多通道方式获取学习者个性化的信息，包括学习行为、情感状态、社会化交互；传输层主要通过局域网、宽带、专线、WIFI或VPN等将收集到的学习者个性化信息进行网络传输；数据层主要将个性化的信息进行存储，建立学习者特征模型；控制层主要通过大数据分析获得学习者个性化需求；应用层主要用于为学习者提供个性化的服务，包括学习内容服务、学习活动服务、学习路径服务、学习资源服务、学习策略服务、学习评价服务以及呈现方式服务等。

图1 基于情境感知的个人学习空间框架结构

(二)关键技术

1.基于情境感知的多通道信息描述、采集、存储

情境感知就是在泛在学习环境中智能地获取学习者个性化的信息，包括学习行为、情感状态、社会化交互三类。学习行为信息包括学习时间、学习内容、学习评价等学习过程记录信息；情感状态信息包括语音、表情、动作等实时捕捉的信息；社会化交互信息包括在学习过程中与其他学习者、教师之间构成的社会网络信息。

(1)基于情境感知的多通道的信息描述

a.学习行为信息[19]

学习行为信息包括学习者的相关特征、学习者的周边环境、学习者使用的终端学习设备三类。

学习者的相关特征：主要包含学习者的个人基本信息、管理信息、学习活动过程信息、媒体选择信息、学习模式信息、学习者专业技能信息等。个人基本信息包括姓名、家庭地址、邮箱、联系方式、最后学位、最后学历及兴趣等；管理信息用于描述学习者在学习系统中所用的账号、密码、等级、用户权限等；学习活动过程信息用来描述与学习发生相关的各种信息，比如学习时间、学习内容、学习效果、与他人及系统交互情况、评价等；媒体选择信息主要描述用户选择媒体类型时的偏好，一般包括文本、图形、图像、动画、音频、视频等；学习模式信息包含探究式、抛锚式等不同类型；学习者专业技能信息主要描述学习者的专业特长。

学习者的周边环境：主要包括学习者的网络环境、学习者的工作环境。网络环境包括带宽、网络运行状态等；学习者的工作环境包括教室、办公室、会议室、图书馆、交通工具及户外等。不同的学习场所意味着不同的学习方式，而不同学习方式推荐的学习资源类型、形式及大小是不相同的。

学习者使用的终端学习设备：主要指数字化学习设备，包括PC、手机、iPad等。不同的终端学习设备由于操作系统、屏幕尺寸、系统版本、网络模式都不尽相同，故而学习资源的呈现方式也有很大不同。

b.情感状态信息

情感状态信息包括语音、表情、动作三类，记录了学习者学习过程中实时的情感状态变化情况。

c.社会化交互信息

社会化交互主要描述学习者之间的关系，常见的关系包括同学关系、师生关系、同事关系、亲属关系、朋友关系等；同时，这些关系可以重叠，如学习者之间既可以是同事关系又可以同时是师生关系。

(2)多通道的信息采集和存储

多通道的信息采集和存储需用多种方法结合来实现。首先，将学习者进入学习系统时提供的个人实名信息存放到学习者基本信息数据库中，该库包含了学习者个人基本信息、管理信息、专业技能信息等方面的内容；其次，通过服务器的Web日志自动记录学生的学习过程并存储于学习者学习行为信息数据库，同时使用数据挖掘与分析技术来探究学习行为的规律，从而识别不同学生的学习行为。学习者的周边环境主要通过传感器等物理设备和软件接口来获取。

情感状态信息主要使用音频设备、视频设备、Kinect设备对语音、表情、动作进行捕捉，并存储到对应的情境感知数据库中。

社会化交互信息主要通过用户注册信息提取、用户行为日志挖掘、资源标签聚类、社会认知网络分析、学习路径跟踪等来进行学习者社会化交互信息的聚合。

收集到的以上各种情境数据，均采用统一的XML文件格式进行存储。

2.学习者特征模型的构建

将情感状态、社会化交互也作为学习者的特征来构建特征模型，是基于情境感知的个人学习空间的特殊之处。

个性化学习支持服务模型主要是通过将学习者特征与学习支持服务特征进行相似度匹配来构建，确定学习者特征模型则成为关键。学习者特征模型的确定分三个步骤：第一步，学习者在个人学习空间形成之前进行前测，通过自我评价和问卷调查两种方式形成学习者相关的信息，对其进行数据挖掘来初步确定学习者特征；第二步，在学习者学习过程中收集相关数据，并进行学习行为分析，再次确定学习者特征；第三步，把学习过程中确定的学习者特征与学习前确定的学习者特征进行对比，动态更新调整，同时实时收集学习者在学习过程中的反馈信息，再做相应更新调整，从而形成自适应的个人学习空间。本研究以个性化自主学习、个性化自适应推荐为目标，将大数据分析作为连接学习者与环境的纽带，构建个性化自适应的在线学习分析模型。

3.个性化学习支持服务推送机制的设计

通过多通道的信息采集后，再经过推理，便可得到学习者当前的情境，接下来针对不同的学习者个性特征，利用合适的推荐技术，实现个性化的推荐服务。具体来说，推荐的服务包括：学习内容服务、学习活动服务、学习路径服务、学习资源服务、学习策略服务、学习评价服务、呈现方式服务等。这里提到的呈现方式服务是指根据学习者特征为学习者提供合适的资源呈现类型(文字、图片、音频、视频、二维或三维动画、三维虚拟仿真实验等)、学习组织方式(小组协作、自主探究等)、学习模式(探究式、抛锚式等)等。

推荐算法是个性化学习支持服务中最核心的部分，决定了学习支持服务的优劣，但到目前为止还没有真正意义上面向特定应用情境的智能推荐算法，多数推荐算法都是对传统经典推荐算法的改进。本文将内容过滤推荐算法、项目评分预测算法引入到传统的协同过滤推荐算法中，采用组合的协同过滤推荐算法，依据所建立的学习者特征模型进行信息元匹配检测，考虑学习者对内容、活动、资源的需求以及当前的情境信息，智能化地推送合适的呈现方式服务，如资源呈现类型、感应终端学习设备、学习伙伴(根据学习者之间物理位置、个人兴趣、专业领域等进行匹配)等，并对学习者的学习活动过程进行实时跟踪和记录，实现学习评价服务。此外，根据学习者兴趣特征，按照渐进式和突发性情境划分，给出学习者下一步的学习策略与学习路径的自适应调整方式，从而完善个性化的推荐服务。

四、个人学习空间的应用

(一)基于情境感知的个人学习空间原型系统的设计

根据上文给出的基于情境感知的个人学习空间框架结构，笔者设计了基于情境感知的个人学习空间原型系统，如右图2所示。需要说明的是，该原型只是模拟泛在学习环境下众多学习情境之一，主要体现了个人学习空间框架结构中感知层和传输层的设计思想。物理场景中的情境感知设备主要包括获取学习者学习信息的输入设备(如拾音器、实时跟踪摄像头等)、学习者展示信息的输出设备(如交互式白板、专家指导系统、三维情境互动教学平台等)、获取情感信息的设备(如Kinect等)、传输情境数据的设备(如智能网关等)。其中，利用捕捉设备Kinect的SDK可以获取并识别Kinect捕捉的深度数据源、彩色数据源、骨骼运动数据源以及面部表情数据源，为捕捉学习者的实时动作、表情等提供了支撑。场景中所有的输入设备最终接入智能网关并由其将数据编码提交到远程服务器和相关数据库，通过消息推送服务器将适合学习者的推荐结果及时反馈到相应的输出设备上。

本文探讨的学习空间可以为学习者提供多种不同的学习组织形式，如自主学习、协作学习及角色扮演等，不同的学习组织形式可以选择不同的设备或设备组合进行情境感知。比如，将三维情境互动教学平台和Kinect等设备有机结合，利用Kinect实时捕捉动作、表情等数据，并应用于三维的智能代理或学习者替身上，即可支持在三维情境互动教学平台中进行生动、形象、实时、具有情感支持的角色扮演等学习形式。

图2 基于情境感知的个人学习空间原型系统

除了学习者自主选择学习组织形式外，该原型系统还可根据学习者的学习情境，推荐合适的学习环境和学习内容呈现方式。简单举例说明，如通过无线传感器感知到当前环境亮度很高而不适合使用投影仪展示时，系统会自动推荐使用电子白板或其他流明度更高的显示系统。再比如，通过实时跟踪摄像头可以自动聚焦到所关注的学习者身上，对学习者进行位置跟踪等。

(二)基于Android的个性化学习空间推荐的实现

目前泛在学习环境以PC、手机、iPad等终端为主，而不同的学习终端的操作系统和传输协议各不相同，因此在实现相应功能时必须有针对性地设计个性化的学习空间推荐技术。本文设计并实现了基于主流手机操作系统Android的个性化学习空间推荐系统的部分功能，包括学习者物理定位功能与学习者资源推荐等功能的实现。

基于Android的个性化学习空间推荐主要涉及到的技术包括：学习者的学习相关信息的获取与分类存储、学习者的学习行为相关信息的大数据分析、个性化学习空间推荐的策略及推送技术本身，推荐模型如下页图3所示。

1.学习者的学习相关数据的获取与分类存储

这里涉及到的学习者的学习相关数据主要包括学习者基本信息、学习者学习行为、学习者情感状态的相关数据，具体内容见下页表所示。

图3 基于Android的个性化学习空间推荐系统模型

学习者学习的相关数据及采集项表

2.学习者学习行为相关信息的大数据分析

数据采集后，需要对上面采集的信息进行数据分析，得到学习者的个性化学习特征模型。学习者特征模型用一个向量描述：

3.基于信息元的组合协同过滤推荐策略

基于信息元的组合协同过滤推荐策略是先利用基于内容的过滤预测出学习者学习相关信息的评分，然后采用相似性度量方法，计算学习者之间的相似性，从而为目标学习者做出推荐。具体来说就是首先生成目标学习者的最近邻居，根据最近邻居的信息元产生目标学习者的个性化学习空间推荐列表，这里的信息元是指采用元数据描述的学习者学习相关信息。

很显然，目标学习者最近邻居与信息元中子项目评分的准确性直接决定了整个推荐系统的推荐水平，本文利用余弦相似性预测学习者相似性。设学习者m和学习者n共同评分测量过的学习相关信息中的子项目集合表示为，学习者m和学习者n已评分测量过的子项目集合分别表示为学习者之间的相似性则表示为：

基于以上相似性测量原理确定最近邻居之后，即可用推测的方法为目标学习者推荐合适的与相对应的信息元所描述的学习相关信息，学习者m对学习相关信息子项目k的预测Wm,k为:

4.基于Android的学习者物理位置定位功能的实现

由于个性化学习空间推荐首先要检测学习者所处的环境，比如学习者在教室和在地铁或图书馆等位置，推荐的策略与内容应该有所不同。

功能实现的原理：Android系统常见的定位技术一般有四种实现方法：全球定位系统(GPS)、百度地图Android定位SDK、高德地图 Windows Phone SDK及Google地图API，本文使用GPS+JSON技术实现精确定位学习者位置并将数据信息返回服务器以作为推荐策略依据。基于Android的实现界面如图4所示。

图4 基于Android的学习者物理定位界面

5.基于Android的学习者资源推荐功能的实现

(1)功能实现的原理

基于Android的资源推送功能的实现同样有多种方法，如轮询拉方式、SMS推方式及持久连接方式(Push)等方法，其中轮询拉方式需要客户端不断向服务器发起轮询询问，故占用系统资源较大；SMS推方式比较及时但需要向运营商缴纳信息费用，会增加学习成本；持久连接方式通过客户端和服务器建立长久的Socket连接实现数据推送，性能提升了但没有降低后台耗电的缺点。本文采用第三种方法实现资源推荐功能。

(2)Android界面设计

学习者进入学习终端App界面，通过点击按钮进入个人学习空间清单列表界面；点击任意一个清单可以进入推荐的相关科目学习，点击“Clear”清除推荐的列表，返回即可重新定制个人学习空间。

五、结束语

智慧学习以发展学习者的学习智慧，提高学习者的创新能力为最终目标，研究和构建泛在学习环境下的个人学习空间，能够极大地促进智慧学习的研究。本文将学习分析理论和推送理论应用于个人学习空间的构建，推动了智慧学习环境的深入研究。基于情境感知的多通道学习过程信息采集，特别是情感状态、社会化交互信息作为学习者特征模型构建的信息来源，使得学习者特征模型构建更具真实性。在个性化学习支持服务方面提供学习内容服务、学习活动服务、学习路径服务、学习资源推荐服务、学习策略服务、学习评价服务、呈现方式服务等，特别是提供了三维的呈现方式，更具实用性。本文研究并构建的个人学习空间，通过情境感知、大数据的学习行为分析等提前获得学习者的学习需求，通过个性化的学习支持自动推送服务，极大地节省了学习者查找相关资料的时间，提高了学习效率。同时，该学习空间能够实时地感知相关信息、动态地适应学习者的需求，具有个性化、智能化、逼真性等特点，使学习者在泛在学习环境下能够轻松、自由、沉浸地学习。

[1] 杨现民,余胜泉.生态学视角下的泛在学习环境设计[J].教育研究,2013,(3):103-110.

[2] Diana G. Oblinger. Learning Space[DB/OL]. http://www.educause.edu/ research-and-publications/books/learning-spaces,2012-04-20.

[3] JISC. Designing Spaces for Effective Learning: a Guide to 21st Century Learning Space Design[DB/OL]. http://www.jisc.ac.uk/uploaded_ documents/ JISClearningspaces.pdf,2012-09-15.

[4] Radcliffe,D. A Pedagogy-Space-Technology (PST) Framework for Designing and Evaluating Learning Places[A]. Proceedings of the Next Generation Learning Spaces Colloquium [C]. Brisbane: The University of Queensland,2008.9-16.

[5] 祝智庭,管珏琪,刘俊.个人学习空间:数字学习环境的新焦点[J].中国电化教育,2013,(3):1-11.

[6] 杨俊锋,黄荣怀,刘斌.国外学习空间研究述评[J].中国电化教育,2013,(6):15-20.

[7] 毕家娟,陈琳,宋盐兵.泛在学习环境下个人学习空间的构建[J].广州广播电视大学学报,2014,(5):9-13.

[8] 杨现民,赵鑫硕等.网络学习空间的发展：内涵、阶段与建议[J].中国电化教育,2016,(4):30-36.

[9] 廖轶,李波,周航.支持个性化发展的网络学习空间一体化设计[J].中国电化教育,2016,(4):43- 51.

[10] 胡永斌,黄如民,刘东英.网络学习空间的分类:框架与启示[J].中国电化教育,2016,(4):37- 42.

[11] B. Schilit,N. Adams,and R. Want. Context-aware Computing Applications[A]. IEEE Workshop on Mobile Computing Systems and Applications[C]. Santa Cruz:IEEE Press,1994.89-191.

[12] Dey, A. K. Providing Architectural Support for Building Contextaware Applications [D].Atlanta:Georgia Institute of Technology,2000.

[13] 顾忠君.情境感知计算[J].华东师范大学学报:自然科学版,2009, (5):1-20.

[14] Guanling Chen, David Kotz. A Survey of Context-Aware Mobile Computing Research[DB/OL]. http://cs.dartmouth.edu/reports/ TR2000-381.pdf,2016-03-11.

[15] 朱郑州.一种基于情境感知的学习服务发现算法[J].计算机科学,2012,39(2):132-147.

[16] 赵海燕.基于情境感知和本体的E-Learning系统研究[J].计算机工程与应用,2012,48(16):51-56.

[17] 陈颖.基于情境感知的智慧校园体系及运营模式探究[D].北京:北京交通大学,2013.

[18] 吴楠.基于情境感知的移动学习系统研究[D].合肥:安徽工业大学,2014.

[19] 陈正晖,陈庆章.泛在学习环境下的个性化学习服务平台的研究与设计[J].今日中国论坛,2013,(6):120-123.

Constructing a Context-aware Computing Personal Learning Space in Ubiquitous Learning Environment

Zhao Huiqin, Zhang Tianyun, Wang Li
(College of Education Science and Technology, Datong University of Shanxi, Datong Shanxi 037009)

Automatically sensing the learners’ behavior, emotion and social networks, collecting individual growth information of the learners by multi-channels and obtaining individual needs of the learners to provide personal push service by big data analysis are the urgent needs for the learners in ubiquitous learning environment. The best solution to achieve the goal is constructing a contextaware computing personal learning space. This paper reported that the current status of personal learning space and context-aware computing in this paper. The framework of a context-aware computing personal learning space is proposed. The key technologies are analyzed and the performance of science and practice is veri fi ed by an application case in the paper.

Context-aware Computing; Personal Learning Space; Personalized Push

赵兴龙

G434

A

1006—9860(2016)07—0036—07

* 本文受山西大同大学博士科研启动经费、山西省教育科学“十二五”规划指令课题“基于虚拟现实技术的中学物理实验探究性教学仿真平台的研究与实现”(项目编号：ZL-13020)、山西省教育科学“十二五”规划课题“三维虚拟环境下教学模式研究”(项目编号：GH-12063)资助。

2016年5月9日

赵慧勤：博士，教授，院长，研究方向数字化学习环境与资源、计算机教育应用、信息技术与教师教育、虚拟现实技术(zhao_hui_qin@163.com)。

张天云：硕士，讲师，研究方向为数字化学习环境与资源、虚拟现实技术(345510642@qq.com)。

王丽：硕士，讲师，研究方向为虚拟现实技术、远程教育(wangli523971@126.com)。