SCI论文（www.lunwensci.com）:
摘 要：随着计算、通信、控制等技术的飞速发展及其在教育领域的广泛应用，不仅从根本上改变着传统的教育教学模式，还产生了丰富海量的学习资源。然而，如何根据学习对象的行为特征和学习过程反馈，为其提供满足其个性化需求的学习资源成为亟待解决的关键问题之一。本论文拟通过分析传统本科理论教育教学的特点以及学习对象的实际需求，基于协同服务推荐的理论方法，构建 E-CPS (Education Cyber-Physical Systems, E-CPS) 环境下融合学习对象行为和学习资源特征的不同学习阶段的学习资源推荐策略。最后，以重庆邮电大学软件工程专业《软件测试与维护》课程为例，基于该课程的授课内容和学习对象的特性，分析并讨论了 E-CPS 环境下面向本科理论教学的主动服务推荐模式。
关键词：学习资源；用户行为；特征分析；教育信息物理系统
本文引用格式：桑春艳，贾朝龙，张莉萍，等 .E-CPS 环境下融合用户多维特征的学习资源推荐策略研究 [J]. 教育现代化 ,2020,7(95):133-136.
Learning Resource Recommendation strategy based on multi-dimensional features of users in e-cOs environment
Sang Chunyan, JIa Chaolong, ZHang Liping, QIan Ying
(School of Software Engineering, Chongqing university of Posts and Telecommunications, Chongqing)
Abstract: With the rapid development of computing, communication, control and other technologies and their wide application in the field of education, it not only fundamentally changes the traditional education and teaching mode, but also produces a wealth of learning resources. However, how to provide learning resources to meet the individual needs of learning objects according to their behavior characteristics and learning process feedback has become one of the key problems to be solved. By analyzing the characteristics of traditional undergraduate theoretical education and the actual needs of learning objects, based on the theoretical method of collaborative service recommendation, this paper constructs learning resource recommendation strategies in different learning stages under the E-CPS (Education Cyber Physical Systems) environment, which integrates the behavior of learning objects and the characteristics of learning resources. Finally, taking the software testing and maintenance course of Chongqing University of Posts and Telecommunications as an example, based on the characteristics of the course content and learning objects, the active service recommendation mode for undergraduate theoretical teaching under E-CPS environment is analyzed and discussed.
Key words: learning resources; user behavior; feature analysis; educational information physical system
一 引言
随着计算、通信、控制等技术的飞速发展， “人、机、物”高度融合的信息物理系统（Cyber- Physical Systems，CPS） 不仅引发了数据规模的 爆炸式增长和数据模式的高度复杂化 [1]，还对各个领域产生了深刻影响。教育信息物理系统（Education Cyber-Physical Systems, E-CPS）作为CPS 的典型应用 [2]，一方面学习对象可以从广域多维的角度获取所需要的学习资源和学习对象的实时学习状况和行为信息，并为其提供满足其个性化需求的学习资源；另一方面，作为知识的传承者，教师可以通过分析 E-CPS 环境下所产生的多源海量信息，获取学习对象的情况，为教育教学模式的改革和教学内容的调整提供依据。
从广义的角度，E-CPS 环境下的学习资源不仅包括传统教育资源：教材、电子教案、教学视频、课件资源、学习案例、习题试卷、学习工具等教学材料、支持系统和学习环境 [3]。同时，能够支持教学的技术资源、设备资源、服务资源、人力资源等均称为 E-CPS 环境下的学习资源。根据获取方式的不同，可以分为显式数据和隐式数据。根据来源的不同，可以分为用户信息、课程信息、习题信息、视频信息、论坛信息、用户行为信息等。根据数据存储形式的不同，可以分为结构化数据和非结构化数据 [4]。为此，面向本科理论教学的教学资源也由传统的教材、课件、配套习题集等发展为音频、视频、微课、慕课、论坛等多类型学习资源。
海量学习资源的产生为学习对象提供了丰富的内容，如何从中提取出满足学习对象实时需求的有效学习资源尤为重要。推荐系统作为缓解信息过载、内容碎片化等问题的有效方法之一 [5]，可以将其应用于 E-CPS 环境下的学习资源的推荐中。与社交网络中服务推荐的“用户 - 内容”二元关系不同，E-CPS 环境下的学习资源推荐不仅需要考虑学习对象的行为特征，还需要结合学习对象的知识背景、专业方向、课程特点等。因此，如何根据学习对象的行为特征，结合学习过程中的实时反馈信息， 构建融合学习对象多维特征和实时状态反馈的学习资源推荐策略成为亟待解决的关键问题之一。
因此，本论文通过分析学习对象和学习资源的特点，分别构建了 E-CPS 环境下面向学习对象、学习资源、基于时间演化特性分析的本科理论教学主动服务推荐策略。以重庆邮电大学软件工程学院所开设的《软件测试与维护》课程为例，分析并探讨 E-CPS 环境下面向本科理论教学的三阶段两模式主动服务推荐模式。
二 E-CPS 环境下用户特征分析
与普遍意义上的 E-Learning 不同 [4]，E-CPS 环境面向本科理论教学的课程安排是以培养计划和培养方案为依据，所授课程内容以及内容安排不能以单个学习对象的变化而变化。为了能够有效的准备理论教学课堂内容，对学生全面客观地评价是学习资源推荐的核心内容之一。对学习对象的评价分析不是为了划分优良中差等级，而是为了了解学生学业发展过程中的实际情况，通过修正教学过程中的目标及内容，进而提高教学质量。
（一） 学习对象特征提取
本科理论教学的服务对象为分布于 18 ～ 22 周岁的全日制统招本科生。学习对象的智力差异、知识基础等分布均衡，差异性较小。但是，学习对象的认知能力、性格特性、偏好习惯、家庭环境情感特征等因素会对学生的学习资源的需求产生影响。
为能够描述学习对象随时间不断演化的动态特性，每个学习对象用其唯一的标号，如学号、身份证号等来标识。学习对象特征信息从教师授课过程中反馈的过程性数据、记录学业成绩的结果性数据，以及随时间变化的社交活动数据中提取。对学生的评价可以从认知能力、情感特征、专业技能等方面进行分析。
认知能力的评价可以通过分析学生作业的完成情况、学生的课程成绩等来获取学生对学科知识的掌握程度。学生的情感特征可以结合学生的社交活动信息，从学生的学习态度、学习兴趣、偏好信息等方面了解学生的情感特征。专业技能的评价可以通过该学生的专业实习、科技竞赛、创新实践能力等方面进行评价。
（二） 面向本科理论教学的学习资源特征分析
随着 E-CPS 的发展，使得面向本科理论教学的学习资源可以借助多种媒体技术，形成信息物理深度融合过程中的开放协作、相互关联、相互依存的多类型学习资源。培养方案的制定过程中不仅需要考虑基础理论、实践能力与创新能力的之间的关系，还需要结合基础理论与工程化、新技术和领域背景之间的关系等。为能够满足不同学习程度、不同学习能力、不同学习阶段学生的实时变化的理论学习资源需求，不仅需要考虑培养方案中所授课程之间以及课程内部知识点之间的关联关系，如先修课程完成情况、该课程的讲授在未来课程中的影响、课程中知识点之间的逻辑关系等 [6]，还需要考虑学生的性格特征、偏好信息、情绪特征、社交活动等因素。
E-CPS环境下，每个人都是学习资源的创造者、传播者、消费者，学生的学习方式也由传统的由任课教师单向提供的讲授、参考书目推荐等转变为多途径、多资源服务。不仅需要分析面向本科理论教学学习资源的公共属性，还需要通过对资源的表示与存储、使用与管理，以及资源之间的语义关联进行分析，提取出学习资源之间的相关性。根据学习资源的格式不同，可以分为音频类学习资源、视频类学习资源、动漫格式的学习资源、网络课程、题库等。根据传播方式的不同，学习资源的传播可以通过微课堂、教师博客、教育微博、课程微信公众号等多对多的方式进行传播模式。
三 E-CPS 环境下融合多维特征分析的学习资源推荐策略
E-CPS 环境下的学习资源推荐可以从基于学习对象行为分析、基于学习资源特征分析和基于时间演化特性分析等角度进行研究。
（一） 基于学习对象行为分析的推荐策略
基于学习对象行为分析的推荐方法是通过分析 E-CPS 中存储的表征学习对象学业情况的历史性数据和记录学习对象的过程性数据，采用相关性分析方法分析学生的学业成绩数据，获取知识掌握的程度。学习对象的兴趣偏好会随着其社交活动的变化而变化，可以基于社交网络中用户偏好分析的相关理论方法，通过对学习对象的社交活动数据进行分析，获取不同学习对象的偏好信息。专业技能的评价不仅需要学习对象的自我评价，还需要结合其参与的科研训练活动的参与程度、实验实践课程训练中的课堂表现、科技竞赛、实验报告的完成情况等综合评价。
根据用户的兴趣偏好、认知能力、专业技能等信息，构建基于学习对象多维特征融合和实时反馈的学习资源推荐模型。本论文中的多源数据主要包括教学过程中教师可以提供的过程性数据和结果性数据，学习对象的社交活动数据可以通过相关平台获取。在学习对象多维特征分析的基础上，结合教学质量管理平台中所产生的教学质量反馈数据， 可以构建如图 1 所示的学习资源推荐模型。
（二） 基于协同过滤的学习资源推荐策略
基于学习资源的推荐是通过分析教师、学习对象、资源、标签的之间的关联关系，构建基于学习资源特征分析的推荐策略。其中教师和学习对象均为用户，都可以选择自己熟悉的词汇或者标签列表中的选项对学习资源进行标注。同一用户可以对不同的资源进行标注，同一用户标注的不同学习资源的互为关联。同一资源可以被贴上不同的标签，同一学习资源的标签互为关联。同一标签可以用于标注不同的学习资源，学习资源之间互为关联。因此，可以构建四个实体之间相互关系的关联关系模型。
基于学习资源的学习对象偏好信息获取可以分为显性获取和隐性获取两种，二者最大的区别在于学习对象与学习资源的互动程度。在隐性信息获取的过程中，学习对象与学习资源之间的互动越多，可以记录的学习对象的行为数据越丰富， 可以获取的学习对象的兴趣偏好信息越准确，可以为其推荐的学习资源越接近实际需求。在显性信息获取的过程中，主要是在使用学习资源的前或后，通过对学习对象的评价反馈信息进行分析， 获取用户的偏好信息。
首先，利用学习对象的相似行为特征和学习资源特征，构建二者之间的映射关系模型。其次， 构建基于用户行为 - 学习资源的联合聚类分析模型。最后，构建基于聚类分析的资源推荐列表。
（三） E-CPS 环境下的基于时间演化的学习资源推荐策略
由于面向本科理论教学的理论教学安排及内容的依据是培养计划和培养方案，学习资源的主动推荐不仅需要结合授课内容的实际需求，还需要弥补传统理论教学不足的角度为学习对象提供因材施教的学习资源推荐服务。
如图 2 所示，一般的本科理论教学根据授课安排可以划分为前期、中期和后期三个阶段，授课内容及方式会随着时间的变化而不断变化。前期阶段，主要通过分析学习对象的学习基础，发现学习对象之间的社团结构，构建学习对象与学习资源的关联关系模型，采用协同过滤的方法进行群体推荐。前期阶段的推荐模式以教师授课过程中的资源推荐为主，线上学习资源作为前期学习阶段的补充。中期阶段，根据学习对象的课堂互动，作业反馈等信息，提取学习对象的偏好特征，构建基于学习对象特性分析的学习资源推荐模型。后期阶段，通过问卷调查的方式，获取学习对象的教学质量评价信息， 构建基于教学质量反馈的学习资源推荐模型。
四 面向重庆邮电大学软件工程专业本科理论教学的主动服务推荐模式实践
为能够针对不同学习能力和学习兴趣的学生， 为其提供学习资源的在线学习服务，重庆邮电大学建设了学习资源的在线学习平台。下面将以《软件测试与维护》课程为例，分析并探讨 E-CPS 环境下面向本科理论教学的主动服务推荐模式。
《软件测试与维护》是重庆邮电大学软件工程学院面向软件工程专业本科理论教学的以教师讲授为主的必修课。在线学习平台中的学习资源可以作为授课内容的疑难点补充或课堂教学内容的扩充，教师的主动推荐可以作为和教师在教学过程中的线下推荐相结合，模式采用全部采用线上和线下相结合的方式。
按照学习对象兴趣和基础能力划分，可以分为有兴趣、有基础有兴趣、无基础一般、有基础一般、无基础无兴趣、有基础无兴趣、无基础六类。依据授课计划的课程内容划分，本科理论教学的进度安排大致可以分为前期、中期、后期阶段。授课的前期阶段通过先修课程的学习，结合本课程的特点，使学习对象理解该课程的重要性并能适应该课程的学习内容。在授课的中期阶段的主要目标是使学习对象掌握本课程的核心技术、方法、理论等，并能够有效结合先修课程的基础并加以应用。本课程的后期学习阶段，掌握核心内容的基础上，并能够作为后续课程的基础 。根据 Bloom 的认知目标，理论教学内容的可以分为事实性、概念性、程序性和元认知等类型 [7]。鉴于课程内容之间的关系包括上下文关系、整体部分关系、先修关系和因果关系。
《软件测试与维护》课程的开设以《软件工程导论》《软件需求工程》《离散数学》《面向对象的编程基础》《数据结构》等先修课程为基础，其培养目标是使学生掌握软件测试相关的基本方法和技术，从工程化的角度培养学生的软件测试维护能力。根据教学进度安排，该课程前期阶段的任务是让学生了解软件测试的历史、背景、相关术语等。中期阶段的主要任务是软件测试的相关技术方法，以及不同的测试阶段采用何种技术方法等。后期阶段是关于软件测试管理的相关内容， 该阶段结合相关案例，以学生的动力实践能力培养为主，教师的讲授为辅的方式将该课程中的知识、技术、方法融会贯通。
第一阶段，针对《软件测试与维护》课程安排， 重点分析所授课班级的本科二年级学生的先修课程成绩，结合学生的课堂反馈，将学生分成不同的团体，为其提供相应的扩展学习资源。该阶段的课程成绩数据可以通过重庆邮电大学教务在线系统（jwzx.cqupt.edu.cn）获取。
第二阶段，结合学生的作业完成情况以及通过社交平台的信息反馈，提取学生的兴趣偏好， 根据课程进度及授课内容，指导学生利用 E-CPS 环境下的学习资源。该阶段的学生的兴趣偏好可以通过分析学生在社交平台的活动记录获得，如QQ 群里的活跃情况、微信朋友圈里的表现等。
第三阶段，根据学生的教学质量评价反馈情况，重庆邮电大学教学质量管理平台中（https:// cqupt.mycospxk.com）， 授课教师可以根据教学内容创建问卷并发布问卷。问卷的内容可以包括对教师的评价、对课程的评价、对学校相关资源的评价等。通过分析教学质量反馈如对授课教师的满意度、开设课程的满意度、教材的满意度，以及意见建议等相关信息，教师为不同程度不同需求的学生提供相应的学习资源推荐。
五 结语
随着 CPS 相关技术在教育领域的广泛应用， 弥补传统本科理论教学的局限性，改变了以教师单向传播的教学模式的单一性，并为获取学习对象的偏好行为信息提供了基础。本论文探讨了面向全日制本科理论教学与 E-learning 中学习资源推荐的差异性，分析了学习对象和学习资源的特征，基于多源异构数据分别给出了 E-CPS 环境下面向学习对象行为分析、面向学习资源特性分析、面向时空演化特性分析的学习资源推荐策略。最后，以重庆邮电大学软件工程学院的本科理论教学为研究对象，以《软件测试与维护》课程为例， 分析并讨论了 E-CPS 环境下基于多源异构数据主动服务推荐策略的有效性和可行性。
参考文献
[1]王中杰 , 谢璐璐 . 信息物理融合系统研究综述 [J]. 自动化学报 , 2011, 37(10): 1157-1166.
[2]朱凌 , 许星 , 张炜等 . CPS 与工程教育改革 [J]. 高等工程教育研究 , 2017,(6): 24-32.
[3]杨丽娜 , 肖克曦 , 刘淑霞 . 面向泛在学习环境的个性化资源服务框架 [J]. 中国电化教育 , 2012,(7): 84-88.
[4]陈池 , 王宇鹏 , 李超 , 等 . 面向在线教育领域的大数据研究及应用 [J]. 计算机研究与发展 , 2014,(s1): 67-74.
[5]RICH E. user Modeling via Stereotypes [J]. Cognitive Science, 1979, 3(4): 329-354.
[6]张春霞 , 牛振东 , 施重阳 , 等 . 基于细粒度学习情感本体的学习效果评估方法——以算法设计与分析课程为例 [J]. 计算机科学 , 2018, 45(S1): 58-62.
[7]盛群力 , 褚献华 . 布卢姆认知目标分类修订的二维框架 [J]. 课程教材教法 , 2004,(9): 90-96.
关注SCI论文创作发表，寻求SCI论文修改润色、SCI论文代发表等服务支撑，请锁定SCI论文网！ 文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/jiaoyulunwen/32154.html
