基于協同過濾算法的移動英語學習平臺研究與設計

江夢茜+周勇軍+柯曉昱

摘要：移動學習以海量的數字資源作為載體，突破了傳統學習模式中資源匱乏、時空限制等不足。但其資源豐富性也帶來了一些信息過載現象，極大地影響了學習效率。基于協同過濾算法的移動英語學習平臺不僅充分發揮了移動學習的優勢，同時能夠根據不同的學習者推薦滿足其學習需求的學習資源，較大程度上節省了學習者的時間與精力投入，具有一定的現實意義。

關鍵詞：移動學習；協同過濾算法；信息化教育；推薦系統

中圖分類號：TP319

文獻標識碼：A

文章編號：16727800（2017）004012702

0引言

近年來，隨著”互聯網+”及大數據時代的到來，如何豐富教育資源、優化教學過程，成為教育發展領域中的一個研究熱點。新的教學模式應以現代電子信息技術，特別是網絡技術為支撐，使教學可以在一定程度上不受時間和地點的限制，朝著個性化和自主學習的方向發展。因此，傳統教育模式的信息化、數字化以及智能化成為未來教育改革道路上的必然發展趨勢。 移動學習是一種將移動技術與數字化學習技術相結合的新型數字化學習形式，它主要依托于無線移動技術、國際互聯網絡技術以及多媒體技術等[1]。移動學習以豐富的數字資源作為載體，突破了傳統教學模式中的時空局限性，受到了國內外學者的廣泛關注。自2001年起，不少學者對移動學習項目進行了深入研究，國際遠程教育學家愛爾蘭學者德斯蒙德·基更博士[23]主持“從數字化學習到移動學習”的移動學習研究項目，對移動學習技術的可行性、移動學習的優勢與不足進行了分析。楊麗芳[4]基于Paivio的雙重編碼等記憶理論，將移動學習應用在大學英語詞匯學習中，提出的移動交流社區能有效刺激學生記憶單詞。王萍[5]對基于移動學習的藝術設計課程教學進行了探討。秦艷菲[6]設計開發了基于Andriod的移動學習平臺，通過移動智能終端拓寬學習者的學習途徑，使學習者能夠高效快捷地學習。 〖JP2〗在基于移動學習的教育平臺中，在強調其資源豐富性的同時也帶來了諸多問題。例如，在不同的教育背景下，學習者對學習資源的需求往往具有差異性。然而，在海量學習資源中，學習者想要獲得感興趣的學習資料極其困難，學習者需要自己判斷資源類別并且手動查找、過濾信息。作為一種信息過濾技術，個性化推薦系統通過對用戶的歷史行為數據進行分析，在建立用戶興趣偏好模型的基礎上，為用戶主動推薦滿足他們興趣和需求的資源，較好地解決了信息過載問題[7]。個性化推薦系統最初應用于電子商務領域，通過分析用戶的歷史購買，推斷用戶的偏好特征，從而更好地為用戶服務。常見的個性化推薦技術主要有協同過濾推薦、基于內容的推薦、混合推薦以及關聯推薦等[811]，根據不同場景的需要，這些個性化推薦算法被優化、總結，并作為內核算法鑲嵌在各種實際推薦系統中[12]。 隨著視頻點播技術的日益成熟和移動學習的廣泛應用，無論是高校還是中小學，都將移動端視頻學習作為校園網建設的一個重要組成部分，并將其應用到英語教學過程中。為了能夠智能地推薦滿足不同層次學生學習需求的學習內容，幫助學生不斷提高英語水平，重點研究了基于協同過濾推薦算法的英語自主學習平臺，建設語音視頻資源庫及語義庫，整合碎片化時間，從聽說讀譯等多維度充分發揮學生學習的主動性。

1問題描述

1.1移動英語自主學習理念

在本文設計的英語學習平臺中，學生既是英語視頻資源點播者，也可成為視頻上架的參與者。在教師的指導下，由學生精選英文視頻片斷的主題，其內容可以是網絡上公開的優秀資源，這樣不僅能夠從聽說讀等多角度訓練學生的英語技能，還能夠調動學生學習的積極性與主動性。

1.2協同過濾推薦系統

協同過濾推薦算法是目前個性化推薦系統中應用最為廣泛的技術之一，其最大優勢在于能夠處理視頻、音樂等各種非文本結構對象。協同過濾推薦系統主要分為兩類：基于記憶的協同過濾算法和基于模型的協同過濾算法[1314]。基于記憶的協同過濾算法流程可分為以下幾個步驟：①計算各用戶之間的相似度；②選取與目標用戶興趣接近的部分用戶作為其鄰居用戶；③通過鄰居用戶的評分計算出目標用戶對項目的評分；④將步驟③預測出的評分最高的前k個項目推薦給目標用戶。本文設計開發的“3分鐘英語”學習平臺采用基于記憶的協同過濾算法。

2基于協同過濾算法的移動英語學習平臺

基于協同過濾算法的移動英語學習平臺主要包含5個功能模塊，分別為視頻學習、視頻搜索、個人中心及個性化推薦4個部分。其中，在視頻學習模塊中，學習者能夠在正式學習之前完成課前預習、整個句子的學習、英語聽力的學習，以及課后練習。視頻在播放過程中可以通過點擊單詞來了解單詞的釋義，并且獲得單詞的讀音。在視頻搜索功能模塊中，平臺支持關鍵詞搜索和高級搜索兩種搜索模式。在個人中心功能模塊中，除了最基本的個人資料查詢與修改外，還可查看個人的播放歷史記錄、視頻收藏記錄等。在個性化推薦模塊中，平臺能夠主動地收集并分析學習者的特征，推薦學習者感興趣的視頻資料，實現個性化服務。 在本文設計的移動英語學習平臺中，個性化推薦模塊為核心模塊。該模塊的難點在于采用何種方式、何種規則向學習者推薦感興趣的資料。為了能夠較為精確地向學習者推薦符合個人偏好的英語視頻資料。本文設計出一種基于協同過濾算法的移動英語學習平臺。

其中，k表示學習者x的最近鄰居個數。Step 4：對gx，m進行降序排序，將評分最高的前K個視頻資料推薦給學習者x。

3結語

移動學習打破了傳統教學模式的時空性限制，被廣泛應用于當前教育領域中。確保移動學習平臺質量的關鍵在于學習資源的豐富性、高質量性，而學習資源的快速篩選、精準推送是提高學習效率的有效途徑。 本文以移動學習為契機，設計了移動英語自主學習平臺，采用協同過濾算法用以解決信息過載現象，提出了一種基于協同過濾算法的移動英語學習平臺，該平臺在充分發揮移動學習模式的便捷性、資源豐富性以及資源高度分享性的同時，也較好地解決了資源查找過程中的信息迷航現象。 在實際的學習資源推送過程中，隨著視頻數量的不斷增加，該學習平臺的推薦性能將受到極大影響。因此，如何對推薦算法加以優化是未來要進一步解決的問題。

參考文獻：[1]郭紹青，黃建軍，袁慶飛.國外移動學習應用發展綜述[J].電化教育研究，2011（5）：105109.

[2]DESMOND KEEGAN，徐輝富.遠距離教育：國際終身教育的第一選擇[J].開放教育研究，1998（2）：912.

[3]丁興富，DESMOND KEEGAN.從遠程學習到電子學習再到移動學習[J].開放教育研，2000，27（5）：610.

[4]楊麗芳.移動學習在大學英語詞匯學習中的應用[J].外語電化教學，2012（146）：5458.

[5]王萍.基于移動學習的藝術設計課程教學探討[J].浙江萬里學院學報，2015，28（6）：100103.

[6]秦艷菲，魏慧琴.基于Andriod的高級程序設計語言移動學習平臺設計與實現[J].開發案例，2015.

[7]張志軍.社交網絡中個性化推薦模型及算法研究[D].濟南：山東師范大學，2015.

[8]李聰.電子商務推薦系統中協同過濾瓶頸問題研究[D].合肥：合肥工業大學，2009.

[9]BAEZAYATES R，RIHEIRONETO B.Modern information retrieval[J].New York，USA：ACM Press，1997.

[10]許海玲，吳瀟，李曉東.互聯網推薦系統比較研究[J].軟件學報，2009，20（2）：350362.

[11]蘇新寧，楊建林，鄧三鴻.數據挖掘理論與技術[M].北京：科學技術文獻出版社，2003.

[12]KANTOR P B，ROKACH L，RICCI F.Recommender systems handbook[M].Springer US，2011：132.

[13]BREESE J S，HECKERMAN D，KADIE C.Empirical analysis of predictive algorithms for collaborative filtering[C].Processing 14th Conference Uncertainty in Artificial Intelligence Madison，1998：4352.

[14]BILLSUS D，PAZZANI M.User modeling for adaptive news access[J].User Modeling and User Adapted Interaction，2000，10（2）：147180.

（責任編輯：孫娟）