2.4　移動學習智能體系設計

2.4.1　移動學習智能服務框架

移動學習智能服務框架如圖2-3所示，包括感知層、接入層、技術層、數據層、服務層，由此組成了移動學習智能服務的生態系統。

1. 感知層

感知層是移動學習智能服務的基石。提供移動智能感知終端設備主要有手機、iPad、計算機、智能終端等，智能終端可自由接入智能服務感知層，自動感知學習者周圍環境信息、收集導學者和學習者行為數據信息，為導學者和學習者提供教學工具、師生互動工具、即時評價分析工具等（劉邦奇等，2019）。隨著移動智能終端功能智能化程度越來越高，移動學習內容設計也更添趣味性和游戲化特征，從而提升學習者學習興趣，增強移動學習體驗。感知層終端設備用于采集學習者的基本信息，收集學習過程中的情境數據，為移動學習智能服務提供情境化的信息感知、智能云計算、海量數據處理能力以及高效能計算支持等。此外，感知層智能終端也讓學習者實現隨時隨地開展學習和信息獲取，大大提升“碎片化”時間學習服務效率。

2. 接入層

接入層是移動學習智能服務的橋梁。目前接入層是網絡多業務融合發展的關鍵，由于接入網絡的種類豐富，WiFi、局域網、校園網、專線網等類型網絡各具優勢，呈現“百花齊放”形態。“5G元年”的開啟，提升和拓展了4G的網絡性能。接入層不僅需要為學習者提供業務豐富、多樣可選擇網絡，更需要為學習者提供品質高、擴展性強的服務網絡，保證資源和數據可以安全、高速地傳送到服務器；與此同時為移動學習者提供無處不在的高速、便捷的上網環境，可以保障網絡間通信暢通，為無障礙的學習伙伴間的交互提供可能。

3. 數據層

數據層為智能服務提供全方面立體化的信息，是智能服務生態系統得以運轉的基礎。考慮到移動學習應用領域特征，數據層包括建立各式各樣的數據庫，要為學習者提供個性化學習環境就需要依據學習者個體特征信息提供不同的支持服務。移動學習者的個體差異主要有兩種：一是學習背景、能力、風格存在差異；二是學習者在學習過程中所產生的狀態不同。因此，學習者特征庫用于記錄個體特征差異信息，學習數據庫用于追蹤學習過程中的行為。數據層提供與學習者相關的庫有學習者特征庫、學習數據庫、協作信息庫等；與學習內容相關的庫有資源庫等；與學習環境相關的庫有情境庫等。

4. 技術層

技術層是移動學習智能服務的“大腦”。移動學習智能服務具備算法、數據和分析等核心技術能力，對數據采樣、存儲、清洗、整合、分析等過程，基于不斷創新的人工智能、大數據挖掘、大數據分析、機器學習、推薦算法等關鍵技術手段融合應用，并移植于移動學習領域，讓學習者更好地參與移動學習環境活動，技術服務將貫穿整個學習過程，分析和匹配學習者的學習行為數據以及所處的網絡環境（余勝泉，2000）。技術層處理結果為整個移動學習環境提供智能適應服務，在伙伴多元交互協同、學習成績預測、學習行為監管等方面提供有效的技術支撐，高效地解決傳統學習模式下學習過程匹配度低的問題。

5. 服務層

服務層是指圍繞移動學習活動設計的多功能、定制性智能應用系統，是智能服務可視化功能的集中體現，直接面向學習者應用，也是移動學習最核心的組成部分。移動學習智能服務本質是為了幫助學習者解決移動學習過程中所遇到的困難而提供的包括移動學習資源、學習指導以及活動參與等多種途徑和形式的服務，該服務始終圍繞著以學習者為中心，目的是促進學習者快速、順利、高效地適應移動學習這種新型學習方式。因此，移動學習智能服務層也可為學習者制定個性化學習方案、智能化推送學習資源、動態化進行路徑規劃、精準化推薦學習伙伴，在學習活動中為學習者制定適應性學習方案提供重要依據；還可在智能評估學習過程、智能解答疑難問題、智能預測未來發展趨勢等方面發揮作用。

2.4.2　移動學習智能服務功能

移動學習智能服務體系可以自動識別各種移動智能終端設備，并做出相應調整（鄭旭東等，2015），首先可以“智能”識別移動終端設備并調整相應的內容；其次，發揮移動智能終端的操作便捷性和運算能力的優勢，適應性呈現移動學習資源，實現真正的交互性自適應學習；然后在不同的學習情境狀態下為學習者推薦大小不同的學習資源。移動學習環境下學習者所處的環境（如網絡狀況、位置等）容易改變，而這些因素會直接影響學習者的需求表達。例如，學習者移動學習過程中網絡狀況較好的情況下傾向于視頻或者圖片學習資源瀏覽，網絡狀況差的情況下則更傾向于文本學習資源瀏覽；最后利用地理位置情境感知自適應服務功能，發現相似的學習伙伴，滿足實時交流互動的需求。隨著信息技術的發展，移動學習智能服務功能也越來越豐富（鮑乃源等，2019），主流的移動學習智能服務功能分析如下。

1. 移動學習智能導航

基于學習內容進行設計與開發的移動學習平臺存在一定的弊端，學習者在海量的資源庫中篩選具有一定的盲目性，容易產生學習“迷航”現象。因此，個性化智能學習導航功能在智能服務系統中的應用就具有明顯的優勢。移動學習智能服務中設計個性化智能導航通過診斷評估結果自動為學習者生成動態的學習活動，精確的資源分配及其適應性的呈現方式，根據學習者個體特征的不同隨時自動調整。當學習者面對海量的學習資源時，移動資源導航服務功能的智能化、便捷性和精準度決定了能否為學習需求者檢索到最合適的資源，滿足其個性化的需求（鄭旭東等，2015）。移動學習智能導航優勢體現在以下三個方面：

①檢索多樣化，支持多種檢索導航方式，如個性化定制導航、語義檢索導航、快速檢索導航、語音檢索導航等。

②人性化設計，支持多種國家語言的檢索與導航，語義相關的中英文資源能被同時檢索，為不同文化背景的學習者提供便利。

③高精度檢索，智能保存通過網絡身份認證過的學習者的所有歷史檢索記錄，通過歷史檢索記錄信息，進行數據挖掘、動態語義聚合形成獨一無二的個性化資源網，提升檢索精準度。

2. 移動學習智慧問答

傳統問答系統需要后臺技術人員維護，師生之間答疑解惑需要以相互留言的方式進行，存在時效性不高、信息推薦的流通量太小等弊端。目前各種大型搜索引擎出于商業化目的，問題答案出現大量的雜亂、無序、廣告等弊端，無法對學習者服務滿意度及其他潛在的衍生性問題進行跟蹤分析，達不到移動學習領域對資源信息準確推薦的服務要求。

如圖2-4所示，個性化精準問答系統為學習者提供一對一在線咨詢服務，為學習者篩選出精準度高的答案的同時自動更新知識庫。移動學習智能服務中的智慧問答系統在個性化精準服務基礎上增加搜索引擎服務，擴大社交網絡服務，以增強問答服務的交互性。對參考答案做進一步的篩選、加工、添加后再進行知識推薦，使學習者查找資源效率變高；還可通過基于導航搜索引擎的問答知識分享服務，提供優質問答知識的一鍵分享功能。此外，移動學習智慧問答服務中知識庫是智慧問答系統的核心競爭力之一。隨著移動學習服務越來越智能化，問答系統可以探索更深層的語義信息。對于一個新型智慧問答系統，需要一種自動化解決方案自動構建知識庫讓智慧問答系統能夠分析和理解自然語言形式的問句，返回準確且簡潔的答案。

3. 移動學習資源呈現

移動智能終端尤其是智能手機，手動信息輸入沒有桌面型計算機快捷，因此提供服務時應盡可能讓學習者少輸入信息，制定出適應學習者學習習慣的個性化操作方式。此外，由于移動智能終端設備的屏幕尺寸不統一，應按照終端屏幕尺寸來調整界面顯示資源信息數量，減少學習者屏幕滾動的次數。還可以讓學習者自己決定資源呈現形式，例如學習者可以將某課程置頂，以便于每次進入頁面就能直接看到，這種適應性服務呈現方式使得移動學習界面資源不再是千篇一律的內容和頁面風格。基于移動學習情境的資源呈現能夠在當前學習環境中最大限度地滿足學習者的學習需求，因此，在移動學習資源呈現時要考慮情境化特征，要結合語言、文字、音樂等特征來構建豐富的移動學習資源呈現特征。移動學習資源的實時交互伴隨移動學習者的整個體驗過程，移動學習者對于移動學習智能服務由不熟悉到熟悉的學習過程是學習者對移動學習活動適應過程，每一步操作都是移動學習者與移動學習智能服務平臺之間的交流互動。

4. 移動學習資源推送

隨著人工智能的不斷發展，移動學習智能服務系統提供的個性化推送功能與情境感知服務，主要依據學習者的認知風格、學習偏好以及認知特征，通過智能服務感知層設備中的算法、傳感器、智能芯片等設備或技術對移動學習者所處的地理位置、學習環境以及活動內容進行收集。經過大數據技術分析匹配出符合學習者需求、關聯性強的學習資源，然后通過移動學習智能推送功能向學習者推送目前需要或潛在需求的個性化資源。移動學習資源推送的本質是對學習者特征、學習資源特征進行匹配，推薦個性化學習資源序列的過程。通過移動學習資源的推薦、關注、分享等方式，學習者可以精準、快速地實現移動資源獲取后與有相似資源需求的伙伴間共享。但是，僅依靠推薦系統為學習者推薦移動學習資源，可能會出現學習資源與學習者需求不匹配問題。因此，應當允許導學者或專家的人為干預，為較難知識點補充相關學習資源，或者向學習者推薦易疏忽的知識點內容。

5. 移動學習路徑規劃

學習路徑是指在針對特定學習任務開展的學習過程中，各知識點間相關學習資源先后順序組成的各類學習活動序列，即學習活動的路線與序列，從而形成的路徑。移動學習路徑規劃動態化是實現個性化學習的關鍵，動態規劃學習路徑的“動態”實質上是把主動權歸還給學習者。學習活動、學習工具、學習資源等組織需要以學習活動序列設計為基礎，個性化學習路徑以學習者為研究對象，不僅要綜合考慮學習者的自身個體特征、學習行為數據，還需要考慮情境因素以及知識本體等因素，為學習者匹配到合適的學習資源，規劃出合理的資源學習序列（彭紹東等，2010）。學習序列為學習者指定了最適合他們學習所需的知識單元和所需完成的學習活動，如何進行科學的規劃和合理排序，做到既滿足學習者個性化學習需求又兼顧到各知識點間的邏輯關系，是生成動態化學習路徑的難點所在（李浩君等，2015）。移動學習者可以根據自己的個體特征和學習行為傾向，如學習需求、學習動機、興趣愛好、學習認知水平等選擇適合自己的學習資源，智能服務采用相應的現代化教學策略，規劃動態化學習路徑使得學習內容和學習進度滿足自己的個性化需求（姜強等，2011）。移動學習路徑規劃合理程度直接影響著學習者的學習效率，這就要求移動學習智能服務系統根據學習者學習實際情境信息以及知識本體因素，為學習者規劃并推薦合適的移動學習路徑，讓學習者面對海量無序的移動學習資源時能更加高效地利用資源。而知識地圖（Knowledge Map）是一種知識關系網絡，以可視化形式展現知識，讓知識點之間的內在邏輯能夠以顯性化、網絡化的方式呈現出來，具有學習導航、學習評估和知識管理等功能，能為移動學習智能服務提供新型支持與服務（萬海鵬等，2015）。在移動學習過程中，學習者依據知識地圖展開學習，能夠迅速找到知識點所處位置以及不同知識存儲之間的動態聯系，避免了知識迷航現象，幫助學習者解決了信息負荷過度的問題。除此之外，學習者還可以利用知識地圖建立起知識節點之間以及知識節點與特定事件相互之間關系的銜接，有利于知識的重復利用，從而促進知識間共享，提升對知識整體結構的深入理解以及相關概念的形成。

6. 移動學習伙伴推薦

移動學習智能服務環境下主要通過兩種方式建立伙伴關系：一種是由導學者根據學習者們共有特定學習特征直接將若干個學習者建立成伙伴關系的協作小組；另一種是由智能服務系統將分散獨立的學習者個體特征和學習行為數據在計算機系統中進行抽象表示，再進行整體性系統性數據分析，可以構建出學習者模型，該模型代表了移動學習智能服務系統所理解的“學習者”，并由智能服務系統完成學習伙伴推薦（陳仕品等，2010）。

學習者模型是對學習者的內在（學習風格和認知狀態）與外部（學習狀態和學習行為）的學習特征的描述，體現著學習者之間的不同特征。該模型不僅能反映出學習者的學習進度、原有知識水平、情感狀態以及與預期目標之間的差距，同時也反映了學習者學習偏好。例如，學習者對媒體類型的興趣，對某種學習方式的偏好等（Laskri et al.，2013）。因此，智能服務系統獲取反映個體差異的學習者模型后進行分類梳理，根據具體情況選用智能推薦算法為學習者推薦相似型學習伙伴或者互補型學習伙伴，建立學習者之間的伙伴關系。移動學習空間與學習者之間的智能互動，更有利于系統為學習者提供個性化、精準化的移動學習智能服務。

7. 移動學習智能評測

移動學習智能服務體系中的智能測評功能，充分考慮不同學習者的學習需求、學習行為以及學習結果差異性因素，利用智能評測系統對學習者進行評估，智能評測的試題庫可以科學、客觀、準確地檢測學習者掌握知識的水平和能力，還可以輔助導學者進行考試結果判定、作業及練習效果檢查，大大提高教學效率（楊現民等，2018）。

此外，學習者在移動學習智能體系空間中存有學習檔案，智能評測系統對學習者的學習行為和成長需求進行智能分析、評估和反饋。這些數據信息可以幫助導學者為學習者量身打造個性化學習方案，全方位多角度對學習過程進行診斷性評估，實現智能化因“才”施教。通過整合學習者的各類學習數據實現對學習者整體學習行為分析，真正地滿足移動學習者個性化學習需要。