摘 要 本文在學(xué)習(xí)用戶興趣模型的基礎(chǔ)上，利用遺傳算法在學(xué)習(xí)資源模型中推薦比較適合學(xué)習(xí)用戶的個(gè)性化學(xué)習(xí)資源，是基于遺傳算法的個(gè)性化學(xué)習(xí)資源的生成。在線學(xué)習(xí)系統(tǒng)和移動(dòng)互聯(lián)網(wǎng)學(xué)習(xí)APP應(yīng)運(yùn)而生的“互聯(lián)網(wǎng)+”時(shí)代中，對(duì)個(gè)性化在線學(xué)習(xí)系統(tǒng)進(jìn)行了基于開源軟件Sakai平臺(tái)開發(fā)的解決方案探究，給出了該系統(tǒng)的初步結(jié)構(gòu)設(shè)計(jì)。

關(guān)鍵詞 Sakai平臺(tái) 個(gè)性化在線學(xué)習(xí)系統(tǒng)設(shè)計(jì) 個(gè)性化學(xué)習(xí)資源生成

中圖分類號(hào)：G642文獻(xiàn)標(biāo)識(shí)碼：A

0引言

Sakai是由美國印地安那大學(xué)、密西根大學(xué)、斯坦福大學(xué)和麻省理工學(xué)院于2004年共同發(fā)起的一項(xiàng)開源CMS（課程管理系統(tǒng)）計(jì)劃。目前Sakai的用戶主要是一些大學(xué)的遠(yuǎn)程教育機(jī)構(gòu)，中小學(xué)應(yīng)用的還幾乎沒有。全球范圍內(nèi)超過160個(gè)教育機(jī)構(gòu)在使用Sakai平臺(tái)，在我國的高校中，華東師范大學(xué)、華中師范大學(xué)、北京郵電大學(xué)、西南大學(xué)、復(fù)旦大學(xué)、上海交通大學(xué)密西根學(xué)院在Sakai基礎(chǔ)上開發(fā)滿足不同需求的產(chǎn)品并投入使用。與Blackboard、Moodle等課程管理系統(tǒng)相比，Sakai采用先進(jìn)的技術(shù)架構(gòu)（JaveEE）、企業(yè)級(jí)的應(yīng)用能力（支持Orcale數(shù)據(jù)庫）、更加注重學(xué)生之間的協(xié)作學(xué)習(xí)和小組學(xué)習(xí)以及免費(fèi)開源、更加適合教學(xué)和科研，Sakai在我國的網(wǎng)絡(luò)教學(xué)將會(huì)越來越受到青睞。

1 Sakai運(yùn)行環(huán)境

Sakai的協(xié)作和學(xué)習(xí)環(huán)境是一個(gè)免費(fèi)、共享源代碼的教育軟件平臺(tái)，它提供一組軟件工具來幫助需要開發(fā)一個(gè)共同用于協(xié)作或?qū)W習(xí)環(huán)境的研究院校、商業(yè)組織和自主群體創(chuàng)建一個(gè)用于協(xié)作的網(wǎng)站。Sakai是基于Java的系統(tǒng)平臺(tái)，利用Sakai進(jìn)行二次開發(fā)，其運(yùn)行環(huán)境如表1。

2分析設(shè)計(jì)

2.1基于Sakai開發(fā)的個(gè)性化在線學(xué)習(xí)系統(tǒng)整體架構(gòu)

（1）Sakai與圖書館資源的集合，實(shí)現(xiàn)Sakai課程管理系統(tǒng)與圖書館資源的有效整合。

（2）Sakai與教務(wù)系統(tǒng)集成，把教務(wù)系統(tǒng)的選課關(guān)系映射到Sakai中的選課。

（3）Sakai與在線錄播系統(tǒng)的整合。

（4）數(shù)字校園門戶集成，統(tǒng)一身份認(rèn)證。

（5）課程管理系統(tǒng)。

（6）學(xué)習(xí)活動(dòng)管理系統(tǒng)。

（7）與自行開發(fā)的個(gè)性化在線學(xué)習(xí)系統(tǒng)集成。

（8）校際合作。

Sakai提供了一些核心工具，包括有課程大綱（Syllabus）、課程通知（Announcements）、日程表（Schedule）、資源（Resources）、術(shù)語表（Glossary）等，利用Sakai平臺(tái)進(jìn)行二次開發(fā)，其功能設(shè)計(jì)主要包括：

（1）教學(xué)信息發(fā)布：包括發(fā)布教學(xué)通知、課表等， 所有內(nèi)容均以題目列表的形式給出，用戶可點(diǎn)擊相應(yīng)標(biāo)題查看具體內(nèi)容。

（2）教學(xué)資源共享：包括課件、視頻、參考書目的上傳、下載。

（3）教學(xué)討論區(qū)：提供一個(gè)公共的課程討論空間，所有人可以對(duì)當(dāng)前所關(guān)心的問題進(jìn)行自由發(fā)言，每個(gè)人均可看到其他人的發(fā)言。

（4）Wiki（ 創(chuàng)新功能）：設(shè)置問題解答區(qū)或書籍編輯區(qū);所有與課程相關(guān)的人都可以將自己的問題發(fā)布在此處，并且可以對(duì)此區(qū)域中的所有問題進(jìn)行解答或修改、補(bǔ)充已有的解答， 以達(dá)到認(rèn)知協(xié)作、共同提高學(xué)習(xí)水平的目的。

（5）Sakai平臺(tái)里還有一個(gè)工具叫做練習(xí)與測(cè)驗(yàn)，在此工具下面有一個(gè)題庫工具，教師可以建立一門課的題庫。

（6）資源推薦：利用前面所研究的開發(fā)具備個(gè)性化資源推薦的功能模塊，整合到Sakai平臺(tái)。

（7）交互功能設(shè)計(jì)：內(nèi)容交互與社會(huì)性交互。內(nèi)容交互主要是指學(xué)習(xí)者與課程內(nèi)容之間的交互。社會(huì)性交互使得學(xué)習(xí)者可以向教師或同伴學(xué)習(xí)，在一定程度上消除網(wǎng)絡(luò)課程環(huán)境下學(xué)習(xí)者個(gè)體的孤獨(dú)感。

2.2學(xué)習(xí)資源建模

個(gè)性化的在線學(xué)習(xí)系統(tǒng)模型，主要包括學(xué)習(xí)用戶興趣建模模塊和學(xué)習(xí)資源建模模塊。以下主要介紹學(xué)習(xí)資源模塊。

2.2.1學(xué)習(xí)資源的組織結(jié)構(gòu)模式

傳統(tǒng)的學(xué)習(xí)資源組織的結(jié)構(gòu)模式是按樹狀結(jié)構(gòu)和課程的章節(jié)去劃分的，每個(gè)學(xué)生的學(xué)習(xí)路徑?jīng)]有什么區(qū)別，如圖4，學(xué)習(xí)者要學(xué)習(xí)一門學(xué)科的時(shí)候，從樹結(jié)構(gòu)的左邊到右邊遍歷各個(gè)子節(jié)點(diǎn)。

這種結(jié)構(gòu)雖然不會(huì)讓學(xué)習(xí)者遺漏章節(jié)知識(shí)點(diǎn)的學(xué)習(xí)，但是對(duì)于學(xué)習(xí)過程中的難點(diǎn)和重點(diǎn)是沒有很大的幫助的，考慮本文個(gè)性化學(xué)習(xí)資源的在線推薦問題，這里考慮另一種結(jié)構(gòu)模式，這種模式是基于知識(shí)點(diǎn)和概念之間的關(guān)聯(lián)度，如圖5，例如學(xué)習(xí)者要學(xué)習(xí)Dn這個(gè)知識(shí)點(diǎn)，那么就要具備C1這個(gè)知識(shí)點(diǎn)的相關(guān)知識(shí)，而具備C1的相關(guān)知識(shí)基礎(chǔ)則是要具備A1到An的基礎(chǔ)知識(shí)，否則，就會(huì)產(chǎn)生重新學(xué)習(xí)這些知識(shí)點(diǎn)的個(gè)性化學(xué)習(xí)序列。

2.2.2學(xué)習(xí)資源難度系數(shù)確定

給學(xué)習(xí)者推薦的資源，要考慮到資源的難易程度有沒有和學(xué)習(xí)者的水平相適應(yīng)，因此學(xué)習(xí)資源模型的因素要把學(xué)習(xí)資源的難度系數(shù)考慮在內(nèi)。computerized adaptive testing（CAT）理論有一種基于統(tǒng)計(jì)的方法，根據(jù)此方法，學(xué)習(xí)資源的難度參數(shù)通過細(xì)致的測(cè)試過程來決定。

學(xué)習(xí)資源模型里包括有測(cè)試項(xiàng)目數(shù)據(jù)庫和資源數(shù)據(jù)庫，測(cè)試項(xiàng)目數(shù)據(jù)庫里包括有前測(cè)項(xiàng)目和學(xué)習(xí)資源測(cè)試項(xiàng)目以及后測(cè)項(xiàng)目，前測(cè)項(xiàng)目是用來提供給學(xué)習(xí)者在使用該資源前衡量學(xué)習(xí)者的水平，后測(cè)項(xiàng)目是給予學(xué)習(xí)者鞏固學(xué)習(xí)以及衡量學(xué)習(xí)者在使用該資源以后的效果。測(cè)試項(xiàng)目是由多位經(jīng)驗(yàn)豐富的專家組根據(jù)相應(yīng)的學(xué)習(xí)概念進(jìn)行設(shè)計(jì)。學(xué)習(xí)資源的測(cè)試項(xiàng)目里，每個(gè)測(cè)試項(xiàng)目與學(xué)習(xí)資源相對(duì)應(yīng)。

學(xué)習(xí)者在進(jìn)行前測(cè)項(xiàng)目后，測(cè)試項(xiàng)目里面的錯(cuò)誤集合成相應(yīng)的學(xué)習(xí)概念，通過數(shù)據(jù)采樣來測(cè)試包含這些學(xué)習(xí)概念的測(cè)試項(xiàng)目，根據(jù)IRT，測(cè)試數(shù)據(jù)會(huì)有統(tǒng)計(jì)的編程BILOG進(jìn)行分析，以確定測(cè)試項(xiàng)目的相應(yīng)難度系數(shù)，此難度系數(shù)也就是測(cè)試項(xiàng)目相對(duì)應(yīng)的學(xué)習(xí)資源的難度系數(shù)，本文中難度系數(shù)用Di表示。

2.2.3學(xué)習(xí)資源模型表示

資源數(shù)據(jù)庫的資源遵循元數(shù)據(jù)模式的標(biāo)準(zhǔn)，元數(shù)據(jù)建模的過程就是用ECS逐個(gè)掃描，句子分離成詞，過濾掉數(shù)字符號(hào)等非文本詞和一個(gè)字術(shù)語，表示該資源特征詞語的元數(shù)據(jù)記錄在XML文件，相應(yīng)的XML文件與相應(yīng)的資源進(jìn)行綁定。用TF-IDF統(tǒng)計(jì)方法，計(jì)算該資源元數(shù)據(jù)里的特征詞在該資源的權(quán)重。

TF：Term Frequency，關(guān)鍵詞頻，特征詞語在該資源出現(xiàn)的頻率，例如在一個(gè)M個(gè)詞的學(xué)習(xí)資源里含有N個(gè)特征詞，則

TF=N/M

IDF：Inverse Document Frequency，逆向文本頻率，以此來衡量特征詞權(quán)重權(quán)重的指數(shù)。D為資源總數(shù)，DW為特征詞出現(xiàn)過的資源數(shù)。

IDF=log（D/DW）

特征詞k在資源i的權(quán)重Wik通過TF-IDF獲得。

Wik=TF*IDF

采用向量空間模型來代表每一個(gè)學(xué)習(xí)資源模型。

Xi={（Ti1，Wi1）}，{（Ti2，Wi2）}，…，{（Tik，Wik）}

其中，Xi表示第i個(gè)學(xué)習(xí)資源，Tik為第i個(gè)學(xué)習(xí)資源里的第k個(gè)特征詞，Wik為該特征詞在該學(xué)習(xí)資源里的重要程度。

2.3個(gè)性化在線學(xué)習(xí)系統(tǒng)結(jié)構(gòu)設(shè)計(jì)

整個(gè)模型分為Online部分和Offline部分。模型結(jié)構(gòu)圖如圖6。

Offline管理：數(shù)據(jù)準(zhǔn)備將Web服務(wù)器用戶信息的log文件以及用戶訪問操作路徑信息等生成的相應(yīng)文件，進(jìn)行個(gè)性化特征提取，獲取學(xué)習(xí)者興趣模型，并借鑒其他用戶的信息選擇經(jīng)驗(yàn)，利用遺傳算法進(jìn)行用戶模型的動(dòng)態(tài)更新。

Online管理：通過課程資源庫初始化種群，進(jìn)行遺傳算法操作，進(jìn)化后的種群與學(xué)習(xí)者興趣模型中的個(gè)體進(jìn)行適應(yīng)度值計(jì)算，即利用向量夾角余弦距離公式計(jì)算個(gè)體間的相似度，按適應(yīng)度值大小排序，適應(yīng)度值大的前N個(gè)個(gè)體構(gòu)成課程資源推薦模塊，給學(xué)習(xí)者動(dòng)態(tài)推薦相應(yīng)的學(xué)習(xí)內(nèi)容。

其中，資源推薦模塊的資源序列生成過程如圖7。

3基于遺傳算法的個(gè)性化在線學(xué)習(xí)資源生成的遺傳算子

學(xué)習(xí)用戶模型和學(xué)習(xí)資源模型的匹配機(jī)制，實(shí)現(xiàn)個(gè)性化推薦。推薦系統(tǒng)推薦給學(xué)習(xí)者的資源，不能與學(xué)習(xí)者剛剛看過的課程資源不太相類似，或者完全不相關(guān)，也不能與學(xué)習(xí)者看過的資源完全重復(fù)，這就是模型過擬合問題或者是可擴(kuò)展性問題。數(shù)據(jù)的不完全性是此問題的原因，主要方法是使用遺傳算法引入的隨機(jī)性，因此，該算法收斂到全局最優(yōu)解或全局最優(yōu)，從而向?qū)W習(xí)者提供一個(gè)令人滿意的學(xué)習(xí)內(nèi)容。

3.1個(gè)體串定義

學(xué)習(xí)資源庫里的項(xiàng)目和資源用1到n定義序號(hào)，序號(hào)的整數(shù)代碼用以代表一個(gè)個(gè)性化串，也就是一個(gè)遺傳算法的潛在解。一個(gè)序號(hào)代表一個(gè)染色體的一個(gè)基因。染色體表示如圖8。

3.2適應(yīng)度函數(shù)

為了給學(xué)習(xí)用戶生成一個(gè)高質(zhì)量的學(xué)習(xí)資源序列，適應(yīng)度函數(shù)作為一個(gè)性能評(píng)判指標(biāo)，因此適應(yīng)度函數(shù)要包括用戶興趣模型里的個(gè)性化特征項(xiàng)和資源的擬合程度，同時(shí)還要考慮資源的難度系數(shù)Di。

用戶興趣模型：

學(xué)習(xí)資源模型：

根據(jù)前面章節(jié)的用戶興趣模型和學(xué)習(xí)資源模型的表示，用戶興趣模型和學(xué)習(xí)資源模型擬合程度表達(dá)式：

由此，適應(yīng)度函數(shù)的表達(dá)式：

3.3交叉操作

如果一個(gè)學(xué)習(xí)資源推薦序列里含有重復(fù)的資源序號(hào)或者是資源序號(hào)超過了資源的總數(shù)，則這個(gè)序列為非法路徑，為了避免非法路徑的產(chǎn)生，采用兩個(gè)父節(jié)點(diǎn)生成子節(jié)點(diǎn)的交叉操作方式。交叉幾率設(shè)置為0.9（如圖9）。

3.4變異操作

此處的變異操作和用戶興趣模型進(jìn)化的變異操作是同樣的。在染色體上， 根據(jù)u* W+v* G （W 為特征項(xiàng)權(quán)重，G 表示基因效能， u和v 表示調(diào)節(jié)的參數(shù)） 形成的比例信息，通過輪盤賭的方式隨機(jī)獲取某個(gè)基因后， 刪除該基因， 由此獲得一個(gè)新的原始后代。通過一定的變異率Pm，變異算子在染色體上選擇基因，把該基因的特征改變，種群的差異性得到了保持，適當(dāng)?shù)靥岣吡薌A的搜索效率。

每迭代一次得到一個(gè)最優(yōu)個(gè)體，把進(jìn)化代數(shù)范圍內(nèi)的所有最優(yōu)個(gè)體進(jìn)行排序，將評(píng)價(jià)函數(shù)值排在前十位的所對(duì)應(yīng)的學(xué)習(xí)資源作為一組結(jié)果指定為遺傳算法的最終結(jié)果，作為推薦。

4本章小結(jié)

本文是基于遺傳算法的個(gè)性化學(xué)習(xí)資源的生成。在學(xué)習(xí)用戶興趣模型的基礎(chǔ)上，利用遺傳算法在學(xué)習(xí)資源模型中尋找比較適合學(xué)習(xí)用戶的個(gè)性化學(xué)習(xí)資源，給出了該系統(tǒng)的初步結(jié)構(gòu)設(shè)計(jì)，并給出了基于開源軟件Sakai平臺(tái)開發(fā)的個(gè)性化在線學(xué)習(xí)系統(tǒng)解決方案。

作者簡介：傅偉司（1987—），女，廣東羅定人，碩士，研究方向?yàn)橄到y(tǒng)理論信息系統(tǒng)工程。

參考文獻(xiàn)

[1] Gershon.Computer Adaptive Testing[J].Journal of Applied Measurement，2005，6（01）：72-77.

[2] 呂琳，韓永國.多Agent的個(gè)性化學(xué)習(xí)路徑推薦系統(tǒng)設(shè)計(jì)[J].電腦知識(shí)與技術(shù)，2013，9（26）：5981-5984.

[3] Bohl，O.The sharable content object reference model （SCORM） - a critical review[J].ompter in Education，2002（02）：67-75.