基于云計算的只能資源中心設計研究

王新鵬　趙劍冬　趙玉

摘 要：本文在深入探討中職教育資源建設的現狀和云計算技術的基礎上，重點研究了優化資源建設，云計算資源中心智能代理和云計算認知管理技術對學生學習過程的監控、指導作用，搭建了云計算資源中心體系架構，擴展認知模型在職教的應用研究領域，為深入開展云服務相關研究做了些有益的嘗試。

關鍵詞：云計算；智能指導模塊；關鍵詞子結構

分類號： TP391 文獻標識號：A 文章編號：2095-2163（2014）06-

Abstract： In-depth analyzing on the basis of the status of vocational education resources construction and cloud computing technology， this article focuses on the optimization of resource development， intelligent agent and cloud computing knowledge management technology on student learning process monitoring， guidance， builds a cloud computing resource center architecture， and extends the field of applied research of cognitive model in vocational education. Furtherly，the，paper does something useful attempt in order to carry out the cloud services related research.

Keywords： Cloud Computing； Intelligent Guidance Module； Keywords Substructure

1

0引 言

目前一些中職學校雖已建有自己的教學資源平臺，可是卻相迎地存在一定問題。具體描述為：資源數量有限，質量不高，缺乏系統性，共享度也較低；教師對網絡教學資源平臺的建設雖具興趣，可是課程學習資源網站的自主建設中卻缺乏良好、有效的互動，致使操作不便，利用率也不高；此外，一些欠發達地區學校的信息化設備與當地資源的建設尚未達到同步。

綜上所述，問題的導致成因可以歸納如下：缺乏對網絡學習資源的更深層次挖掘，而且學習資源也未考慮到不同類型學習者的個性化需求，對學習者的分類指導也較為匱乏；在技術方面，硬件設備更新較快，設備逐年淘汰，資源浪費嚴重。

基于此，如何在有效的成本投入下，為用戶提供高效、智能、個性化的服務，業已成為中職教育的一個關注熱點，而隨著云計算的出現，這一問題即因之衍生獲得了一定實效科研成果。

1 云計算對教育的影響

云計算可將資源集中存儲，統一組織；節省了大量本地重復建設的投入；搭建在云端的中職資源中心在其中存儲著各類資源，只要能聯網就可以實現資源訪問，因而可以有效地解決教育資源分配不均等問題[1]。

目前，云計算與教育結合已形成了一些應用，如華師京城教育云以構建“學習場”為目標，覆蓋中小學各個學段的課程，提供教師與家長聯系、家長與學生溝通的有效途徑的多種范例和模板[2]。但是，其中卻也存在人力資源郵箱與智能人機交互欠缺和局域網與公網之間網速太慢等問題[3]。。鑒于以上問題，本文提出基于認知模型的中職云計算資源中心建設具體設計。

2 云計算教學資源系統設計

云計算教學資源平臺建設包括基于認知模型的中職云計算資源中心，中職學校智能終端和學生終端建設，其總體架構如圖1所示。

2.1 基于認知模型的云計算資源平臺設計

云計算資源中心由主從兩個異地備份的節點組成，起到一個負載平衡、容災和防篡改的作用；各中職學校都有一個智能終端，由每所中職學校原有服務器承擔，這些服務器除了可以從云計算資源中心下載必要的服務、智能組件外，還保存著本校師生近期經常使用的資源和對個體的指導性信息，這就使得快速的資源訪問得以實現的同時，又可以圍繞不同的學習目標、學習個體、學習內容和學習情境，將云端的資源，服務、智能組件有機關聯起來，從而為學生提供個性化、自適應的學習指導，學生的學習活動也將更具效率[4]。智能終端有本地賬號管理、終端代理和常用資源本地存儲代理三個模塊組成。其中，終端代理是將可以公開的資源和學生的特征信息上傳到云計算資源中心，并返回個性化指導信息；賬號管理實現的是單點登錄的效果；常用資源本地存儲代理可以讓登錄平臺的用戶，首先在本校存儲中尋找這個資源，如果本校有這個資源，則直接訪問本校的資源，如果沒有這些資源，將訪問云計算資源中心節點的資源，中心節點對用戶提供服務的同時，還會將該資源下載到中職學校本地服務器中存儲，從而提高了資源訪問的速度和質量。為了給新下載的資源騰出存儲空間，需要將哪些本地已存儲的資源優先刪除，針對此一這個問題，可以采用資源使用時間與使用次數結合的調度算法來予以解決。

學生客戶端支持電腦和手持設備，更重要的是具有情境感知的功能，也就是可以對學習者所處的環境信息、學習時的眼睛和語言等身體狀態信息進行實時智能感知，以更好地提高學習者的學習效率，實現基于真實情境的高效學習。

2.2 基于認知模型的中職云計算資源中心設計

基于認知模型的中職云計算資源中心主要由賬戶管理層，資源建設層，應用層，云端智能指導中心，基礎服務管理層，數據層和基礎架構層等模塊組成[5]。各模塊的具體結構則如圖2所示。

24小時智能指導服務

2.2.2 資源建設層

資源可以由終端用戶上傳，還來自于終端用戶對資源的編輯和評價，或者由學校直接購買。終端用戶在其數字設備上的任何學習資源，只要點擊“共享到教育云”按鈕，再填入資源的介紹性文字，由本校的管理員審核通過后，該項資源就可以上傳到本校資源云智能終端，而終端代理與中職云計算資源中心溝通協調之后，即將各具價值的資源上傳到中職云計算資源中心。同時，資源使用者也可以對資源進行編輯，在得到相關資源的指導老師審批通過后，這些更新資源就會替換原始資源。如此設置就既可以如維基百科全書那樣實現資源的自動增長，而且還能在保證資源的準確性和質量的前提下，使得后續資源使用者對資源獲得更加全面的理解和更加成熟的認知。

具體地，資源建設分為條目類資源建設和應用型資源建設[6]。其中，條目類資源建設可以由終端代理將數據庫整合，系統整合，協議標準整合，網絡爬蟲等相關技術相結合而集成實現信息資源自動化搜索和智能整理，并將有價值的非重復資源吸收到云中，再按照各種語義關系歸類、重組，構建成為智能資源網絡。而應用型資源，即如考試系統，仿真實驗等，則不能脫離應用系統獨立使用，智能代理終端就是通過采用應用程序虛擬化等技術而遷移、共享到云計算中心、并為師生提供服務的。

2.2.3 應用層

應用層模塊提供文本框、語音搜索和資源應用客戶端服務。在發現用戶的需求信息后，可根據用戶的輸入，上下文情景、用戶個人學習習慣、創新能力、知識水平和性格特征，利用文本挖掘、自然語言處理等云調度技術，對云存儲中的信息進行挖掘，藉此找出與關鍵詞相關的各種資源，從而實現信息資源需求與供應的高效、快速、精準云匹配，給特定用戶提供恰當的結果；當用戶學習某類資源后，系統除了會自動推薦與此資源相關的其他資源外，還會提供具有相同興趣的學生或資源提供者的博客、郵箱等聯系方式，用以提高資源交互性；資源中心在與學生交互過程中，將會監控學生的認知過程，并結合專任老師的評價，由此確定學生的認知和心理等方面的問題，用以給學生的學習過程提供更加個性化的指導[4]；資源應用客戶端支持手機等移動設備接入云計算資源中心，用以提供資源瀏覽、下載、檢索和智能交互等服務。

2.2.4 云端資源認知指導模塊

學生個性認知行為的過程分析主要依靠于云端資源認知指導模塊來解析與完成。其中，短期記憶包括最近學生瀏覽過的文章，看過的視頻，發表的評論，聯系過的伙伴等；長期記憶則包括學生的姓名、住址、性格、個人偏好、年齡、學習模式、科學文化素養和創新能力等信息；長期記憶信息可以通過學生的注冊信息獲得，并通過學生對資源的瀏覽、編輯、評論、收藏、訂閱和以及與學生的交互過程進行適當修正。“智能分析系統”即從用戶自身特點出發，將用戶的文字和語音的輸入以語義的形式予以表示，并相應給出更加合理的指導方法。

資源智能指導模塊即如一個智能干預體，當感知到學生不能出色地完成某個學習內容時，例如一段簡單的文字，學生卻看了很長時間，或者一會看，一會做別的什么事情，當然這也可能是因為學生在思考一些相關的問題，或者就是無心學習；在此情況下，干預子模塊將會以書面或者語音的形式提出一個或幾個問題、甚或一份問卷調查以供學生回答，并根據學生的問題，再提出一些改進方案。這些方案可以是一些相關的提高情商的文章、名言警句等啟發性的語言、以至建設性的意見，旨在于綜合效果上為學生提供參考與借鑒。

根據學生互動信息，簡單策略指導子模塊和復雜策略指導子模塊會將這些信息以語言或文本的形式傳輸給云端智能中心的語言識別器。而語言識別器即將問題字符串流與云端語言元數據知識庫中的字段、實體進行匹配，并且映射為概念本體層次的信息解釋，即理解文本的語義。在語言識別器分析出語義之后，返回的信息再交給策略指導子模塊進行有關處理。處理時，簡單策略指導子模塊將采用文本挖掘、IRT項目反應理論、學科能力測評和智能檢索等技術，而復雜策略指導子模塊就將挖掘短期記憶系統和長期記憶系統內保存的信息，計算分析學員當前狀況，包括：學習速度、知識背景、性格、個人偏好、年齡、學習模式等，又采用腦科學技術、教育學技術、心理測評技術、教育統計學、神經網絡等多元智能測評技術對信息進行智能匹配和信息清洗，同時消除冗余信息，準確把握學生的問題，為獲取最佳解決方案提供準備；具體指導子模塊在對學生學習過程和問題回答的感知后將展開學生認知分析，進行認知識別并比對認知和心理特征數據庫字段，以此分解學員當前的認知結構和出現問題，并對候選的認知判斷進行解析，以及消除歧義部分，而且再解決方案進行分類，同時運用關聯規則[7]、神經網絡和回歸分析等人工智能技術，挖掘出有用知識，給出評價，進一步將符合認知規律的個性化資源、學習工具和建設性的意見反饋給學生，藉此將綜合性地檢測實際效果，從而為下一輪認知指導實現相應準備。這些工作可以從側面折射出學生的學習模式、個人偏好、性格、科學文化素養和創新能力，而在確認效果后，即可將如上的分析結果補充至長期記憶知識里面，以供日后決策使用。

研究可知，電腦在某些方面的分析也可能存在紕漏[8]，因此仍需指導老師的引導與協調，專任老師也可以查看這些云計算分析數據，并通過即時通訊工具，可隨時開展師生間交流，即學生可以就智能指導提出疑問，老師也可以提出一些建設性的評價，而且對智能指導方案進行修正，由此保證因材施教的推行與實施[9]。這些疑問和評價也會存儲在資源智能指導模塊的長期記憶中，為今后的智能分析留作有益參考。

云端資源認知指導模塊如同真正的知識專家，保存了學生的學業、智力水平、特長領域和人格心理特征等多方面的重點信息，再借助多個領域的知識，在與學生交互過程中，監控學生的認知過程，同時結合專任老師的評價，科學有效確定學生的認知和心理問題，并具體給出具體指導策略；而將復雜的信息分析隱藏在云計算資源中心，學生因此將能更加清楚地認知自身，從而更加專注于復雜思維能力和個人素質的提升。在此過程中，老師、學生和云端智能指導模塊融為一體，實現了人腦與人工智能的互聯，進而將云計算“整合資源、高效管理”的思想從根本上予以完整實現。

2.2.5 基礎服務管理層

基礎服務管理層在數據層之上，主要實現中職資源平臺中多個節點設備的高效協調工作。云數據證書加/解密技術為傳輸過程的安全性和授權用戶身份識別提供了新的途徑。分布式文件系統和P2P技術可以實現資源的多點傳輸和共享，用以提高資源訪問速度和訪問質量；而數據卷影副本和實時的異地備份提供容錯、高可用性和負載平衡等功能，從而在提高資源響應速度的基礎上，進一步消除了不可抗因素產生的數據損失。

2.2.6 數據層

2.2.6.1 數據資源的多層次展示

本文采用知識樹和知識點子結構形式搜索和展示資源，具體結構如圖4所示。其中樹葉為知識點層次結構，樹葉之上第二層為知識點，樹葉之上第三層為課程；每門課程除了按知識組織結構的先后順序排序，對知識點進行重難點分類和排序以外，各個知識點也分別提供了背景知識、視頻資源、學習案例、教學動畫、關聯信息、習題和評價等子結構學習資源；如此結構的資源組織形式即可改善網絡學習資源交互性，同時降低學習者的認知負荷[10]。

2.2.6.2 關鍵詞子結構的顯示

為了避免學生經常查找不熟悉的知識點而在多個頁面之間跳轉的不良效果，并且提升學生學習過程中的認知效率，本系統采用關鍵詞子結構用以實現資源顯示。每個段學習內容都有若干關鍵詞，而每個關鍵詞也是一個知識點。例如學生在閱讀Photoshop污點修復工具的介紹性文字時，若需進一步了解“仿制圖章工具”知識點的更多信息，就可以點擊關鍵字“仿制圖章工具”，在當前頁面打開一個標簽式菜單的子窗口，其中即呈現與此知識點相關的子結構信息，具體展示效果則如圖5所示。

3 結束語

本文以認知模型的中職云計算資源中心建設為契機，重點研究了優化資源建設，云計算資源認知管理技術對學生學習過程的監控、指導和云計算資源中心本地代理等問題，搭建了基于認知模型的云計算資源中心體系架構。在這種資源云服務模式中，中職學校只要能聯網，就可以直接使用中職云計算資源中心的資源；學生可以較為方便地獲得更多的課程資源；云計算資源中心代替學生對網絡資源進行篩選和歸納，用戶所能讀到的只是自己所需要的答案；云計算利用獨具的強大智能處理能力，除了可以智能分析學生的學習行為，推薦適合的學習內容和方法外，甚至可以分析學生的學習習慣，進而給出個性化的指導[10]。學習者可以與云中的資源智能互動，表達個人意愿，實現思想交匯、甚至情感交流，提高云中用戶參與的積極性、擴大云中不同角色用戶之間的交互性；教學的目的不再是單純的知識傳授，而是進化為讓學生發現知識、創造知識，師生共同發展知識。教師、學生和智能指導模塊共同參與到資源的建設與利用當中，實現了人腦與人工智能有機結合。本文研究使教育過程從粗放型、經驗型走向精細化、科學化，推動教育評價從終結性導向轉變為過程性導向，為實現全民終身學習開展了有益的嘗試，期待對國內職業教育改革、學生創新能力提高等方面做出一定貢獻。

參考文獻：

[1] 魏曉萍，楊思洛，劉波濤. 云計算在區域信息資源共享中的應用探究[J]. 圖書館學研究， 2011（6）：26-30.

[2] 劉麗艷.基于云計算搭建文化共享工程資源建設平臺的技術性探討[J].圖書館工作與研究，2012（10）：41-43.

[3] 郁曉華，祝智庭. 電子書包作為云端個人學習環境的設計研究[J]. 電化教育研究， 2012（7）：69-75.

[4] 曾憲文， 李憲武. 云計算與高等教育的前瞻性云應對[J]. 當代教育科學， 2013（3）： 47-50.

[5] 李玲，何霖俐，張輝蓉，等.云計算基礎教育質量監測與評價平臺的設計與實現[J]. 中國電化教育， 2012（5）：113-116.

[6] George F.Luger. 人工智能：復雜問題求解的結構和策略[M]. 北京：機械工業出版社， 2010.

[7] 王長全，艾雰.云計算環境下的數字圖書館信息資源整合與服務模式創新[J].圖書館工作與研究，2011（1）：48-51.

[8] 王嘉琦，徐朝軍，鐘柏昌. 基于強化理論的移動學習資源推送平臺的設計與實現[J]. 電化教育研究， 2013（5）：68-72.

[9] 司國東，趙玉，宋鴻陟. 基于認知負荷理論的網絡學習資源多層次模型[J]. 中國電化教育， 2013（12）：79-82.

[10] 張利遠，王春麗. 面向智能導師系統的Siri個人助理應用研究[J]. 中國電化教育， 2012（10）：131-135.