摘要
“互聯網+教育”時代，學習者的學習場景是動態多變的，其精準化學習服務的提供都需要在合適的學習場景中進行。由此逐漸形成圍繞“場景”進行個性化學習服務設計的新業態。而目前傳統的學習服務模式缺乏對場景特性的考慮，基於此，研究擬提出一個場景化的學習服務支撐架構，意圖從實踐層面上探討個性化學習服務模式的設計，以滿足新時代高精準的個性化學習服務要求。該架構從量化“場景”的視角，對場景的內涵、要素以及場景化服務運行機制進行剖析，在此基礎上，融合大數據挖掘方法，將個性化學習服務支撐架構劃分為場景化的數據模型層、學習者場景模型層和場景化的推送模型層3 層架構，以此來構建一個以“場景”為核心的3 層個性化學習服務支撐架構，並從技術實踐層面上分析了各層架構的實現路徑，進而為新時代構建一個精準的個性化學習服務模式提供了一種新的設計思路。
關鍵詞
“互聯網+”；學習服務；場景化；支撐架構；實現路徑
作者
武法提，黃石華，殷寶媛（北京師範大學 教育學部 教育技術學院）
點擊文末閱讀原文，下載論文PDF版 。
一、問題的提出
人類進入“互聯網+”時代，以“互聯網”為代表的先進技術已經成為引領未來的戰略性技術，其新理論、新技術與各社會領域的深度融合發展，引發了鏈式突破，推動著各社會領域從數字化、網絡化向智能化的跨越[1]。為搶抓互聯網領域的戰略高地，國務院在2015年7月出臺了《關於積極推進“互聯網+”行動的指導意見》[2]等相關的規劃和政策，更是引發了各社會領域新一輪的變革浪潮。教育領域也不例外，伴隨著國家“互聯網+”行動計劃的穩步推進，互聯網與教育的深度融合正逐漸顛覆傳統的教育生態，不斷重塑一個開放共享的新型教育生態，開啟了“互聯網+教育”時代的新徵程。在這樣的時代背景下，教師和學生的界限不再涇渭分明，教育組織和非教育組織的界限也逐漸淡化，學習的發生不再拘泥於傳統的學校範疇，還可以發生在不斷變換的碎片化時空場景之中(如咖啡廳、休閒吧等)，這就促使學習者越來越尋求一種即時性強、匹配度高、體驗感好的個性化學習服務模式，而原有的學習服務模式已經難以適應新型學習者的即時性強、精準度高的個性化學習需求。因此，如何對原有的學習服務模式進行重新架構與設計，以應對“互聯網+教育”時代新型學習服務模式的即時性強、精準度高的個性化學習服務要求，實現學習服務模式從同質化服務模式向精準的個性化服務模式轉型，則是當前教育技術領域亟須解決的難題之一。
縱觀以往的學習服務模式研究，一方面由於以往科技水平的侷限性，學習者的行為表徵數據難以實現數字化，並且各個學習系統的數據也沒有實現共享互連，導致難以獲取學習者較為全面的學習行為軌跡數據，分析的結果也就難以讓人信服;另一方面，以往傳統的學習服務模式的研究，大部分是基於學習者自身的行為屬性的分析結果來構建個性化學習服務模型，很少關注學習者行為的時空特性以及數據維度之間的語境關聯分析，導致數據的描述難以還原出學習者真實的學習生活場景，導致無法深層次發掘學習者高層次的語義知識(如潛在學習行為模式、學習意圖等)，分析的結果就難以反映出學習者真實的學習需求，進而影響了學習服務的精準度。而隨著人類進入“互聯網+”時代，人與設備的高度融合，以往多元、動態、碎片化的隱性場景特徵逐漸被互聯網設備所感知和理解，人類場景化特徵也愈發凸顯，極大地重構了人們以往的行為方式和生活形態，表徵著一種新生活場景的崛起，引發了研究者試圖用“場景理論”框架去重新詮釋“互聯網+”時代下人類的生活形態。基於此，本文通過引入“場景”的理念，來探討場景化的學習服務支撐架構及其實現路徑，試圖為“互聯網+教育”時代下新型學習服務模式的研究提供一個可行性視角。
二、場景的內涵、要素以及場景化服務的運行機制分析
(一)場景的定義與內涵
“場景”一詞，最早出現在戲劇或影視劇中，指的是戲劇或影視劇中的場面、情景，它是在特定的時間、空間內發生的有一定的任務行動或因人物關係所構成的具體生活畫面，相對而言，是人物的行動和生活事件表現劇情內容的具體發展過程中階段性的橫向展示[3]。在戲劇和影視劇中，場景作為基本元素，它是由人物、時空、事件(行為)、環境(包括社會環境和自然環境等)等要素組合成的景況，強調的是以人物活動為中心、以塑造人物為主題的動態描寫的生活畫面。但由於場景包含了人的因素，是在已有環境(包括自然環境和社會環境等)的基礎上契合了文化、制度、習俗、行為、心理等要素所構成的生活畫面，融入了對人們生活的理解，對人們的生活方式和行為模式的理解[4]。正是因為場景這層內涵，被其他領域所廣泛引用，使得其含義也得到了進一步的發展。如社會學領域中，社會學家埃爾溫·戈夫曼(Erving Goffman)認為，“場景”是根據所處的環境、特定角色、特定的行為等因素構成的生活場面，注重的是人類的社會和行為[5]。傳播學領域中，著名傳播學者約書亞·梅羅維茨(Joshua Meyrowwitz)基於埃爾溫·戈夫曼(Erving Goffman)和馬歇爾·麥克盧漢(Mashall McLuhan)理論基礎上，提出的“場景”是超越地域的信息系統的“場景”，他認為“場景”是超越物質上定義的社會場合，並且有著自己的規則和角色預期，是由我們扮演的和觀看的社會角色綜合決定的[5]。在城市社會學領域中，芝加哥大學社會學教授特里·克拉克(Terry Clark)[6]認為，“場景”的構成是“生活娛樂設施”的組合，這些組合不僅蘊含了功能，也傳遞著文化和價值觀[7]。在計算機領域中，有學者認為“場景”是智能空間在某一狀態下所包含的情境信息及其所需執行動作的集合，體現用戶意圖的高級情境[8](高級情境是指不能由感知設備直接獲取，而由基本情境通過情境融合推理得到的情境數據)。而隨著“互聯網+”時代的到來，“場景”的內涵也逐漸滲透到互聯網領域，這個時代的“場景”已經超越了原來社會、文化、心理等不同行為所構成複雜多元生活畫面的物化概念，在更加強調對人及其行為關注的同時，也非常注重行為的時空特性的重要性，並透過具有時空特性的人類行為關係的表象，關注新時代下的“場景”實質——理解人類真實的場景需求，以獲得對“場景”的真實認識和評價，注重的是以“人”為主體、以“人”為中心的精準化服務理念。因此，互聯網時代下的“場景”可以理解為：它是基於特定的時空領域範圍，圍繞以“人”為中心，以需求為導向，以感知設備為載體，以事件為表現形式的行為序列總和。該定義下的“場景”是人物、時間、空間、事件、背景等因素構成的統一體，它更加關注人類行為的時空立體感和行為事件的整體性和關聯性(即行為事件發生的來龍去脈)，以更好地理解人類生活方式、行為模式、思維範式等規律。
(二)場景的要素分析
為了更好地發掘隱含在場景數據下的人類社會現象和行為規律，還需要對場景的構成要素進行分析，進而才能對複雜的人類行為進行量化處理。[9]基於前面對“場景”定義與內涵的分析，本文從量化的角度，將“場景”的要素分為主體(人)要素、時間要素、空間要素、設備(技術)要素和事件(行為)要素5個要素，這5個要素並不是獨立存在的，而是相互制約、共同作用成為一個有機整體(如圖1所示)，並能很好地量化出人類日常生活的行為軌跡，即“什麼人、什麼時間、什麼地點、做了什麼事”，便於理解人們的真實訴求，匹配與他們需求相適應的服務信息，實現精準場景化服務。
圖1 場景的要素關係
主體要素：場景中的主體要素是人，人是場景中最核心的要素，它既是場景化服務的起點，也是終點，體現以“人”為中心的服務理念。關注主體要素就是關注場景中人的價值和作用，人激活了冰冷的場景，賦予場景以人文價值，同時，場景又反作用制約著人的主觀能動性的發揮，它們相互制約，共同塑造著場景的多樣化。
時間要素：時間是場景最基礎的要素，它是理解場景結構和歷時變遷的關鍵所在，也是理解場景中主體及其行為的重要工具。時間具有共時性和歷史性，共時性側重考察場景內各部分的相關關係，把握場景的結構，歷史性側重考察場景的發展變遷，把握場景的發展形態。
空間要素：空間是場景的最基本的要素，它是場景發生、發展所依存的生存環境，同時，也是理解場景中主體及其行為的重要工具。這裡的“空間”超越了概念化的物理空間，不僅僅指地理範圍的空間(由背景和物體構成)，還包括地理空間的環境特徵(如聲音、光線、溫度、溼度、氣味等)。
設備要素：設備是場景不可或缺的要素，它是感知場景的技術支撐，可以視為場景中人與物溝通的橋樑。在類人格化的感知設備支持下，通過感知用戶時空、動作、情感等情境變化信息，再透過感知設備無所不在的運算環境，量化計算用戶真實的場景需求，主動地為用戶提供適時、適宜的信息服務，使得場景從無生命的冰冷場變得具有感知能力，變得富有智慧性。
事件要素：事件是場景必不可少的要素，它的重要性就相當於魚離不開水一樣。這裡的事件是指人與人、人與物互動關係產生的行為序列，這些行為序列形成了海量的用戶數據，成為驅動場景化服務的底層引擎和樞紐要素，通過量化計算海量事件數據，可以精準匹配用戶的場景需求。數據交互越頻繁，人與人、人與物的相關關係就越清晰，場景結構的解析也就越明晰。
(三)場景化服務的運行機制
在“互聯網+”時代，場景化服務的核心是以用戶場景作為出發點，通過分析用戶場景數據，挖掘用戶真實的需求，進而提供基於場景的精準化信息服務。從某種程度上，場景化服務的最終目的就是向用戶提供特定場景下的適配信息服務[10-13]。而提供適配的信息服務離不開大數據技術的支持，只有在大數據的支持下，感知設備才能更具象地追蹤用戶的行為軌跡，進而深層次挖掘用戶的真實需求，為用戶提供精準化的信息或服務。[14]從某種意義上說，“互聯網+”時代下場景化服務的本質就是數據驅動的精準化服務的分析處理的過程。[15-17]基於此，結合大數據分析的處理流程，由此得到“數據驅動”的場景化服務運行機制，如圖2所示。其運行機制主要經過數據的場景化計算、用戶場景需求的理解、場景需求信息的匹配和推送等3個關鍵步驟的運算流程，這3個運算流程相互影響，共同作用構成了場景化服務的運行機制。
圖2 場景化服務運行機制
三、場景化的學習服務支撐架構的設計
通過上述對“場景”的內涵、要素以及場景化服務運行機制的梳理和分析，實現精準場景化服務，則需要經過數據的場景化計算、用戶場景需求的理解、場景需求內容的匹配與推送等3個關鍵步驟的計算。基於該架構的3個關鍵步驟，本文將場景化學習服務支撐架構劃分為場景化的數據模型層、學習者場景模型層和場景化的推送模型層3層核心內容，這3層的內容既相對獨立，又相互影響、相互制約，共同作用形成了一個閉環、自適應的學習服務支撐架構(如圖3所示)。
圖3 場景化的學習服務支撐架構
從圖3的架構圖可以看出，該架構是基於大數據思維邏輯進行架構設計，從而保證了學習場景數據的完整性與連續性，有利於深層次發掘學習者的行為規律。其中，第1層是場景化的數據模型層，它是學習服務支撐架構的數據基礎層，目的是構建一個可共享、可重用的場景數據模型，打破各異構數據源的數據壁壘，實現各學習系統的數據共享互連。其實現路徑的設計主要包括異構數據的場景化規範、場景數據的形式化描述等關鍵步驟的設計;第2層是學習者場景模型層，它是學習服務支撐架構的數據分析層，目的是為每位學習者構建一個多粒度的學習者場景模型，挖掘出學習者在不同學習場景下真實的學習需求。其實現路徑的設計主要包括多粒度學習者場景發現算法的設計，週期性學習者場景發現算法的設計，多層次、多粒度的學習者場景序列集的生成等核心算法的設計。第3層是場景化的推送模型層，它是學習服務支撐架構的數據應用層，目的是構建一個場景化的學習服務推送模型，實現精準化的學習服務推送，即匹配出學習者當前的學習場景需求，主動推送給學習者適配的學習資源。其實現路徑的設計主要包括學習場景的適配機制(學習場景的識別和需求匹配)、場景化的推送引擎、適應性內容呈現等核心部件的設計。
四、場景化學習服務架構的實現路徑
為了更好地將場景化學習服務架構付諸實踐應用，本文從技術實踐層面分別對該架構的場景化數據模型、學習者場景模型和場景化推送模型等3層模型的實現路徑進行設計。
(一)可共享、可重用的場景化數據模型的實現路徑
可共享、可重用的場景化數據模型的實現路徑，就是如何將多元異構的數據轉化為場景化規範的數據，構建場景化的數據模型的過程。為了更直觀、更詳細地描述該模型的實現路徑，本文將模型的實現路徑(如圖4所示)劃分為學習者情境監測、場景數據感知、數據場景化規範、場景數據的形式化描述、場景化數據模型生成等5個階段。第1階段是學習者的行為軌跡數據歸類分析階段，主要是對各異構學習系統產生的行為軌跡數據進行歸類分析，提取各異構數據源之間的數據共享特性，整合生成統一的數據接口，便於採集各異構數據源的學習行為軌跡數據。第2階段是場景數據感知階段，主要藉助互聯網的感知設備，採用本地感知、協同感知等方式，捕捉並採集學習者學習場景的變化信息，生成學習場景元數據，並對這些元數據的屬性進行語義化標註，便於生成規範化的場景數據。第3階段是數據的場景化規範階段，主要是將採集到的場景數據轉換為直接被機器讀取和識別的結構化數據，生成標準通用的場景化數據規範格式。該規範格式是在基於國際輕量級的學習技術規範——xAPI(Experience API)規範基礎上生成的，其生成的規範化格式可以表示為： Learning_Context(學習場景)= Time(時間維度)×Locate_Context(空間維度)×Device_Context(設備維度)×Event(事件維度)，其數學公式表示為LC = T × L × D × E = {(t，l，d，e)|t∈T，l∈L，d∈D，e∈E}，其中，t為時間集合T 的元素，l為位置集合L的元素，d為設備集合D的元素，e為事件集合E的元素，由此生成的場景化數據格式可以描述為： “誰在什麼時間、什麼地點、使用什麼設備、做了什麼的事情”，更能完整地勾勒出學習者學習活動的全貌，有利於深層次挖掘學習者真實的學習需求。第4階段是場景數據的形式化描述階段，主要是將規範化後的場景數據進行形式化描述，通過將場景化數據的時間、空間、設備、事件4個維度進行序偶對組合之後，融合動態多維數據組合的數據形式化描述方法，生成不同維度組合的場景化數據描述語句，存儲到xAPI的LRS(學習記錄庫)中，便於生成不同維度的共享場景數據模型。第5階段是場景化數據模型生成階段，該階段主要是基於前面4個階段的運算結果，根據場景數據維度的劃分方式，構建不同維度的數據立方體，生成可共享、可重用的場景化數據模型，以滿足異構數據源之間的按需傳輸的數據傳輸要求。
圖4 場景化數據模型的實現路徑
(二)多粒度學習者場景模型的實現路徑
基於前面場景化的學習服務支撐架構的分析，學習者場景模型的實現就是通過對海量的學習場景數據進行分析，挖掘不同學習場景下學習者真實的個性化學習需求，進而為每位學習者構建個性化的學習場景需求模型。其實現路徑是通過對場景數據維度(時間維度、空間維度、設備維度和事件維度)信息進行分層次、多粒度描述，採用基於時空聚類的學習場景發現算法，生成多層次、多粒度的學習場景序列，並基於該學習場景序列，融合增量式場景聚類算法和時間分層聚類算法(以“天”為單位的時間粒度)，將學習場景進行合併計算，挖掘學習者的熱點學習場景，在此基礎上，結合頻繁序列挖掘算法，對熱點學習場景中的事件序列進行頻繁序列計算，分析提取該學習場景下的學習需求;而為了更深層次地挖掘學習者的潛在學習需求，本文基於生成的多層次、多粒度的學習場景序列，結合頻繁序列挖掘算法挖掘學習場景的週期性模式，發掘學習者單個學習場景的週期性模式和多學習場景關聯的週期性模式，最終構建出多層次、多粒度的學習者場景模型。由此形成的模型實現路徑如圖5所示。
圖5 多粒度學習者場景模型的實現路徑
(三)場景化學習服務推送模型實現路徑
場景化的學習服務推送模型的實現，就是甄別學習者當前的學習場景需求，主動推送適配的學習信息服務或內容給學習者的過程。其模型的實現路徑是基於前面構建的多粒度學習者場景模型，結合場景的識別算法，感知當前的學習者場景，理解當前學習場景的學習需求，匹配當前學習場景的學習者特徵狀態(如認知水平、學習風格、社會網絡、興趣偏好、情感狀態等特徵)，從而提高學習服務推送的精準度，保證場景之間語境的完整性和全面性。本文通過多場景關聯的週期式模式，發掘與當前學習場景相關聯的學習場景需求，然後基於這種多場景融合的學習需求，自動鏈接適配的學習資源(如：學習進度、學習內容、學習夥伴、學習活動等)，融合Multi-Agent的協同過濾推送算法，選擇合適的推送策略(如推送的時機、推送的方式、推送的場景等)，生成最恰當的資源推送列表，找準合適的內容呈現策略，主動地推送給學習者適配的學習資源，便於學習者開展高效的學習。同時，以此模型為基礎，設計並開發“場景驅動的個性化學習服務推送的原型系統”開展應用實踐研究，以驗證該模型的有效性和精確性。由此生成的實現路徑圖如圖6所示。
圖6 場景化的學習服務推送模型的實現路徑
五、結 語
隨著教育進入“互聯網+”時代，互聯網與教育的深度融合不斷重構著新型的學習服務形態，精準的個性化學習服務模式已經成為當今時代的新型學習服務模式的重點發展方向。為此，本文基於“場景”的視角，在對場景的內涵、要素以及場景化服務運行機制的分析基礎上，探索場景化的學習服務支撐架構的核心內容及其實現路徑，試圖為“互聯網+教育”時代下的新型學習服務模式設計的研究提供一個可行的實踐框架。本研究下一階段的計劃是基於該支撐架構和實現路徑的設計，探索場景驅動的個性化學習服務模型的內部運行機制，並設計開發相應的原型系統付諸實踐進行實驗驗證，從實踐技術層面上進一步完善和優化場景化學習服務模式的架構設計。
【參考文獻】
[1] 國務院.國務院關於印發《新一代人工智能發展規劃的通知》[EB/OL].(2017-07-20)[2018-09-28].http://www.gov.cn/zhengce/content/2017-07/20/content_5211996.htm.
[2] 國務院.國務院關於積極推進《“互聯網”+行動指導意見》[EB/OL].(2015-07-04)[2018-09-28].http://www.gov.cn/zhengce/content/2015-07/04/content_10002.htm.
[3] 沈貽禕，俞春放，高華，劉連開，向宇.影視劇創作[M].杭州：浙江大學出版社，2012：162.
[4] 奚樑.場景的解析[D].上海：同濟大學， 2007.
[5] 約書亞·梅羅維茨.消失的地域———電子媒介對社會行為的影響[M].肖志軍，譯.北京：清華大學出版社，2002：2.
[6] CLARK T.The city as an entertainment machine[M].Netherlands Boston：Elsevier，2010：98-99.
[7] 吳軍.城市社會學研究前沿：場景理論述評[J].社會學評論，2014，2(2)：90-95.
[8] 徐步刊，周興社，梁韻基，王海鵬，於志文.一種場景驅動的情境感知計算框架[J].計算機科學，2012，39(3)：216-221.
[9] 彭蘭.場景：移動時代媒體的新要素[J].新聞記者，2015(3)：20-27.
[10] 柳益君，蔡秋茹，何勝，熊太純，李仁璞.高校移動圖書館的場景化資源推薦服務：要素、模型和技術[J].圖書館學研究，2018(1)：67-71.
[11] 柳溪，楊璐，潘敏學，王林章.場景驅動的服務行為調控[J].軟件學報，2011，22(6)：1185-1198.
[12] 張佳琳.基於多場景融合的分佈式推薦模型[J].四川大學學報，2015，47(3)：108-113.
[13] 胡焰智，章鋒斌，甘志春，田田，尹才華.基於場景的移動應用服務QoS建模與評估[J].通信學報，2015，36(S1)：110-117.
[14] 葉舒雁，張未展.一種基於傳感器與用戶行為數據分析的移動學習場景感知分類方法[J].計算機研究與發展，2016，53(12)：2721-2728.
[15] MANOTUMRUKSA J. Deep collaborative filtering approaches for context-aware venue recommendation[C]. Proceedings of the 40th International ACM SIGIR Conference on Research and Development in Information Retrieval，ACM, 2017,1383-1383.
[16] 林一，劉越，王湧天，賀長宇.一種增強現實分場景推送情景感知服務的方法[J].軟件學報，2016，27(8)：2115-2134.
[17] 董建忠，任瑞娟.基於關聯數據的高校圖書館場景化知識服務系統架構設計[J/OL].圖書館論壇，2018：1-7.[2018-09-28].
http：//kns.cnki.net/kcms/detail/44.1306.G2.20180313.1027.004.html.
Scenario- based Service: New Thinking of the Design of Learning Service
WU Fati, HUANG Shihua, YIN Baoyuan
(School of Educational Technology, Beijing Normal University, Beijing 100875)
[Abstract] In the era of "Internet + education", the learning scene is dynamic and changeable, and the provision of precise learning services needs to be realized in appropriate learning scenarios, thereby the learning scene should be considered in the service design of personalized learning. Since the traditional learning service model lacks consideration for the characteristics of scenarios, this paper proposes a scenario-based learning service support framework, aiming to explore the design of personalized learning service mode from the practical level to meet the requirements of high quality personalized learning service in the new era. Firstly, this paper analyzes the conception, elements and the operation mechanism of the scenario from a quantitative "scenario" perspective. Then, according to the big data mining method, this learning service support structure is divided into scenario-based data model layer, learner scenario model layer and scenario-based push model layer to build a three-layer personalized learning service support framework with "the scenario" as the core. Lastly, the implementation paths of different layers are analyzed from the technical practice level in order to provide a new design thinking for building a precise personalized learning service model in the new era.
[Keywords]"Internet +"; Learning Service; Scenario; Supporting Framework; Implementation Path
作者簡介：武法提(1971—)，男，山東鄆城人。教授，博士，主要從事數字化學習環境與學習資源設計研究。E-mail：[email protected]。
閱讀更多 互聯網教育實驗室 的文章
