基于情境感知工具辅助碎片化学习行为的研究

张艾佳，刘正捷

（大连海事大学 信息科学技术学院，辽宁 大连 116026）

0 引言

近年来，随着移动设备的广泛应用，进行短期的兴趣学习和快速了解新事物的碎片化学习方式越来越普及，如利用5 分钟时间在网易公开课学习神经网络原理，利用百度来查找任务模型的定义，利用各个传媒App 了解社会各方面的信息知识等[1-3]。这些学习方式共同的特点是对各个知识的理解较为浅显、短期、快速及多变，满足人们短期的知识需求。为了适应人们对移动端碎片化学习的需求，需要研究用户在移动环境下的相关行为。传统方法要求研究者和用户在同一时间、同一空间完成用户体验研究。传统方法中，用户与真实环境分离，研究结果的有效性不高。为了解决传统方法的缺陷，研究人员提出了情境感知技术，对不同情境下的用户行为进行合理客观的评估[4-7]。

情境感知技术需要移动设备的配合，通过获取移动设备中相关传感器信息来感知用户当前的情境状态。该技术的本质目的是通过感知用户的当前状态，为用户提供用户期望的服务[8]。基于情境感知技术开发的远程用户体验系统CAUX（Context-Aware User Experience，CAUX）是一种碎片化学习工具，能够获得精确时间、地点及情境下的用户数据。情境数据可以与用户数据耦合，增加了许多非语言线索，可以减轻研究人员的数据分析负担，使数据更加真实有效[9]。

1 碎片化学习行为的捕捉

1.1 碎片化学习概述

目前，学术界关于“碎片化学习”的概念尚未有明确的界定。大多数研究只描述了碎片化学习的原因和具体现象，但没有明确定义。通过阅读相关文献得出结论：碎片化学习的发生依赖于移动终端的充分利用；学习者的碎片化学习不受时间和空间的限制；碎片化学习过程需要依靠通信技术实现知识的传输和在线交流；大多数人关注的是知识内容的碎片化，强调利用碎片化时间和碎片化知识进行个体学习或组织学习[10]。

用户在移动浏览器上使用学习网站进行学习是一种典型的碎片化学习行为。因此，本文旨在捕获和研究浏览器碎片化学习行为。

1.2 用户行为捕捉

CAUX 是基于情境感知的用户体验研究工具，安装运行在用户手机上，通过感知情境信息进行数据采集。目前CAUX 获取的用户行为数据局限于App 外的系统数据，App 内的操作行为主要依靠弹出问卷这种用户自报告方式来获取。这种方式对用户侵扰性大，可行性较低。因此，考虑继续为CAUX增加屏幕录制功能来捕捉App 内的用户行为。通过屏幕录制，可以获得用户在App 内的完整操作，并自动存储时间戳。

1.3 隐私保护说明

捕捉和分析用户行为数据需要考虑隐私问题。本文采取了一系列步骤来保护数据集中相关用户的隐私。首先，在实验开始前，征求用户对于屏幕录制的同意。在数据采集过程中，屏幕上方会有红色悬浮窗表示当前处于屏幕录制状态。其次，收集的所有原始数据都保存在服务器，只有研究人员可以下载查看。最后，对所有用户进行标识符匿名化。数据集不包括研究期间涉及的用户个人信息。

1.4 数据采集流程

数据采集流程如图1 所示。

图1 用户行为数据采集流程图

CAUX 捕捉App 内用户行为数据的过程可以分为4 个步骤。

（1）研究人员设置指令。研究人员根据案例研究目标确定自己感兴趣的情境，制定指令文件并上传到服务器。每个研究项目可以对应一个或多个指令组，对应不同情况下的获取意图。以QQ 浏览器为例，一个指令组可将QQ 浏览器在前台运行设定为指令触发条件，将采集客观数据和开启录屏设定为数据采集操作。数据采集过程的算法如Algolrithm1 描述。

Algolrithm1 数据采集算法

输入：工具监听事件

输出：执行指令设定的操作（采集数据录屏）

1.监听系统广播和用户使用情况；//监听事件

2.若ActivityLifecycleCallbacks 监听App状态发生变化；

3.for i=0 to list.length（）；//筛选所有含当前情境指令

4.if（App.close ⊆ list（i）.trigger）；

5.if（App.back ⊆ list（i）.trigger）；

6.执行list（i）.operation 中的所有执行动作；

7.else 重复步骤3；

8.重复步骤2，继续监听；

（2）客户端解析指令文件。用户安装运行CAUX，客户端自动从服务器下载指令。指令解析模块负责循环解析指令，并逐条存储在一个表结构中。

（3）客户端监听情境信息。循环监听情境信息，判断当下情境是否满足指令的触发条件。若满足触发条件，则跳转到数据采集模块进行相应的数据采集动作，采集客观数据并开启录屏功能；若不满足触发条件则继续循环监听。

（4）采集到的数据暂存在本地文件夹中，通过通信模块上传到服务器。

本文的研究目标是碎片化学习过程中的用户体验问题，主要基于浏览器的使用行为。根据研究目标及数据采集策略，制定具体采集指令，主要包括碎片化学习行为中浏览器使用的数据捕获，其余数据如时间、地理位置及运动状态等，作为场景还原和用户协同回顾的辅助信息。主要的数据采集指令如表1所示。

表1 基于CAUX 的案例数据采集指令

指令的编码如下所示：

2 数据分析和用户体验

2.1 行为数据分析过程

用户开启CAUX 后，CAUX 会将用户数据上传至服务器。研究人员需要登录服务器将用户数据下载到本地。完成数据下载后，系统会对用户数据进行分析。用户体验的数据分析过程包括用户数据的筛选和整理、按照数据分析方法分析用户数据、与用户进行协同回顾式访谈以及用户体验问题汇总4个步骤。

（1）从数据库下载CAUX数据。使用Algolrithm2 的数据筛选算法对数据进行自动化处理，筛选出碎片化学习行为相关的数据。

Algolrithm2 数据筛选算法

输入：原始数据采集文本monitor.txt

输出：数据集D

1.导入并读取原始数据采集文本monitor.txt;

2.for i=0 to monitor.Rowlength（）;

3.if 第i 行的第一列==UserLearning;

4.SignData.add（i）%执行记录具有的标记此行;

5.for j=0 to SignData.length（）;

6.if SignData[j]＜10;

7.for p=0 to SignData[j]+10;

8.if p.[3]==“App 前台”orp.[3]==“App 后台”

or p.[1]==“UserLearning”;

9.FilterData.add（p）;//记录筛选出来的行号;

10.else

11.for p=SignData[j]-10 to SignData[j]+10;

12.if p.[3]==“App 前台”or p.[3]==“App 后台”or p.[1]==“UserLearning”;

13.FilterData.add（p）;//记录筛选出来的行号;

1 4.N e w_lists=sorted（set（sxData），key=FilterData.index）;//剔除重复数据并排序

15.for k=0 to New_lists.length（）

16.Alldata.add（monitor.（New_lists[k]））;// 筛选标记数据与上下文中与软件切换相关的数据

17.end;

（2）分析处理后的数据集，利用录屏的方式研究软件内行为，探索用户可能遇到的用户体验问题。

（3）针对仍存在疑惑的数据，与用户进行协同式访谈。在协同式访谈过程中，要求用户说明使用软件时发生的事情以及他们对此的感受。

（4）问题总结。研究人员需要将第二阶段发现的用户体验问题和第三阶段发现的用户体验问题进行汇总，得出碎片化学习的用户体验问题列表。

2.2 实例分析

研究人员利用CAUX 工具采集了13 名用户的数据，历时60 天，共采集到36 193 条有效的情境数据，不同网络环境下的录屏数据共652 段。利用以上数据，按照数据分析流程发现CAUX 问题。案例数据分析用户体验问题结果如表2 所示。

表2 碎片化学习用户体验问题实例

3 用户体验优化方案

碎片化学习存在难以集中记录的现象。例如，用户在微信中看到知识点，保存的同时想查询更多信息，于是在浏览器查询信息。微信和浏览器都记录各自App 内看到的部分信息，知识信息零散地分布，用户后期再回顾时不能很好地系统化学习。针对上述问题，结合学习者的实际学习需要，本文提出基于移动环境下的碎片化学习集中记录任务模型，具体模型如图2 所示。

图2 碎片化学习集中记录任务模型

针对学习者在学习中存在的笔记记录无固定存放地、收集到的网络学习资料存放较为松散导致后期无法有效地进行集中归纳以及温习等问题，将相关问题引申到无目的学习范畴，建立了集中记录模型。模型将学习者的学习类型分为有目的学习和无目的学习两种。

对于有目的学习，将重点放在对有用知识点的获取上。如果获得有用知识点，集中记录系统将对新获得的知识点进行识别，分辨原有记录系统是否有相关知识片段存在。如果原有系统已存在相关知识片段，那么系统将对原有的知识片段进行定位，由用户来确认知识片段的相似性或者可用性后，系统对知识片段进行集中记录和保存。当获取的知识片段为全新内容时，系统将其自动归类，由用户选择存放位置后，进行统一存放。

对于无目的学习，用户可以对相关内容进行选择性学习。如果用户决定选择相关内容的学习，相关知识点的记录按照有目的学习流程进行相关操作。上述流程优化可以有效改善碎片化学习系统中的集中记录问题，使得学习者可以有效地完成知识体系的整合，改进碎片化学习零散的缺点。

4 结语

本文应用远程用户体验研究工具CAUX 对互联网模式下的用户碎片化学习体验进行探索性的研究。将CAUX 采集的数据进行分析，确定数据分析方案，结合人工方法分析不同情境下用户碎片化学习的行为与意图，最终发现不同情境下的用户体验问题。应用CAUX 工具对采集的数据进行前处理，之后确定数据清洗流程、数据初步筛选规则、补充分析以及问题总结等方法，最后对筛选后的数据进行举例分析，得出互联网背景下用户碎片化学习存在的诸多问题。选取了具有代表性的碎片化学习行为，有针对性地提出了用户体验优化方案，具有很好的参考价值。