摘 要 学习者模型是网络学习个性化推荐系统的关键部分。本文在学习者信息模型规范的基础上构建了网络学习个性化推荐系统学习者模型框架，并论述了学习者特征信息的采集途径和分析技术。
关键词 学习者模型 建模 个性化推荐
中图分类号：G642 文献标识码：A DOI：10.16400/j.cnki.kjdks.2015.10.018
The Modeling Research in Personalized Recommendation
System Based in Network Learning
ZHUANG Kejun， HE Baoxun
（China West Normal University， Nanchong， Sichuan 637009）
Abstract The learner model is the key part of web based personalized recommendation system. Based on the learner information model standard， this paper creates the learner model framework in the personalized recommendation system based in network learning， and discusses the way of collecting the characteristics of learner information and analysis technologies.
Key words learner model; modeling; personalized recommendation
网络学习个性化推荐系统的主要功能是能根据学习者的学习特征向学习者自动推送适合学习者的学习资源、学习活动和学习策略，是网络环境下实现个性化学习的支撑平台。学习者模型是对学习者特征的抽象和表示，是网络学习个性化推荐系统的核心和关键部分，其好坏直接关系到个性化推荐系统为学习者提供个性化服务的水平，因此，构建合理的学习者模型成为搭建网络学习个性化推荐系统平台的瓶颈问题。
学习者模型建模的关键主要是要解决以下三个问题：首先，需要确定学习者模型主要描述学习者的哪些特征信息以便为系统提供最可靠的推荐依据;其次需要考虑这些学习者特征信息如何获取和采集;第三，对采集到的信息如何处理才能准确表征出学习者的特征，以此为基础为学习者提供个性化的服务。本文将就学习者模型建模的这几个关键问题展开讨论。
1 学习者模型框架
学习者模型是系统建立的对学习者特征的描述，其主要功能是对学习者的基本信息、学习风格、学习活动过程中的学习行为、学习路径、学习的绩效表现等信息进行记录、存储、提取，以帮助系统更好地理解学习者在学习过程中的个性化需求，从而为学习者提供个性化的学习服务。CELTS-11学习者信息模型规范将学习者特征信息分为个人信息、学业信息、管理信息、关系信息、安全信息、偏好信息、绩效信息和作品集信息八类，但这八类信息对学习者特征信息的描述在粒度上较为粗糙，需要在此基础上做进一步的拓展。结合网络学习中学习者的个体差异，全面考虑学习过程中影响学习的学习者因素——包括智力因素和非智力因素，我们在CELTS-11的基础上对学习者特征信息进行扩展、归类合并，构建出网络学习个性化推荐系统学习者模型框架图（如图1所示）。网络学习个性化推荐系统学习者模型框架图由5种学习者特征信息组成，这5种学习者特征信息包含为学习者基本信息、偏好信息、学习目标、认知状态和知识水平。
图1 网络学习个性化推荐系统学习者模型框架图
2 学习者特征信息的采集
根据学习者特征信息在学习者模型中是否会随学习活动的开展而变化更新，我们将学习者特征信息分为静态信息和动态信息两类。静态信息主要指那些在学习活动过程中保持不变的信息，如学习者基本信息、偏好信息等，而动态信息则是那些会随学习活动的开展而变化更新的信息，如学习目标、认知状态、知识水平信息等。通过对学习者模型研究文献的梳理，我们发现，学习者特征信息的获取与采集方式主要包括两种方式，显性采集方式和隐性采集方式。显性采集方式是指系统在学习者知晓的情况下采集由学习者直接提供的信息的过程，隐性采集方式是指系统在学习者不知晓的情况下通过对学习过程中学习行为的监控而获取信息的过程。
2.1 学习者特征信息的显性采集法
学习者特征信息的显性采集法主要包括以下途径：搜集学习者第一次在系统注册时提供的注册信息以获取学习者的相关基本信息;通过调查问卷表获取学习者的学习风格、学习需求、学习目标、知识水平等的初始状态信息。通过显性采集法可以获取学习者模型中的绝大部分静态信息，如学习者的基本信息就是学习者注册时提供的，包括学号、姓名、性别、专业、毕业学校、民族、联系方式等;同时还能获取动态信息的初始数据，这些初始数据加上静态信息可以帮助系统建立起一个对学习者的初步认识，即对学习者模型的初始化。当学习者第一(本文来自：WwW.BdfqY.Com 千叶帆文摘:网络学习个性化推荐系统学习者模型建模研究)次进入系统学习时，系统可以依据初始学习者模型为学习者推送合适的学习资源、学习活动和学习路径，个性化地为学习者提供学习服务。
2.2 学习者特征信息的隐性采集法
隐性采集法主要通过实时跟踪并记录学习者的学习行为，分析学习者特征的方法。隐性采集法通常是在学习者不知晓的情况下进行的，因而不会像显性采集法那样会导致学习者在系统中的停留时间增加。隐性采集法采集到的信息是学习者在学习活动中的学习行为信息，会随学习活动的开展而变化更新，属于学习者模型中的动态信息，这些动态信息将是学习者模型更新的重要数据源。学习者模型将会对隐性采集法采集到的信息进行“学习”，从而修缮学习者模型，使学习者模型朝着越来越接近真实学习者特征的方向发展，使个性化推荐系统的个性化服务更趋于完善。