基于情境感知工具輔助碎片化學(xué)習(xí)行為的研究

張艾佳，劉正捷

（大連海事大學(xué) 信息科學(xué)技術(shù)學(xué)院，遼寧 大連 116026）

0 引言

近年來(lái)，隨著移動(dòng)設(shè)備的廣泛應(yīng)用，進(jìn)行短期的興趣學(xué)習(xí)和快速了解新事物的碎片化學(xué)習(xí)方式越來(lái)越普及，如利用5 分鐘時(shí)間在網(wǎng)易公開課學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)原理，利用百度來(lái)查找任務(wù)模型的定義，利用各個(gè)傳媒App 了解社會(huì)各方面的信息知識(shí)等[1-3]。這些學(xué)習(xí)方式共同的特點(diǎn)是對(duì)各個(gè)知識(shí)的理解較為淺顯、短期、快速及多變，滿足人們短期的知識(shí)需求。為了適應(yīng)人們對(duì)移動(dòng)端碎片化學(xué)習(xí)的需求，需要研究用戶在移動(dòng)環(huán)境下的相關(guān)行為。傳統(tǒng)方法要求研究者和用戶在同一時(shí)間、同一空間完成用戶體驗(yàn)研究。傳統(tǒng)方法中，用戶與真實(shí)環(huán)境分離，研究結(jié)果的有效性不高。為了解決傳統(tǒng)方法的缺陷，研究人員提出了情境感知技術(shù)，對(duì)不同情境下的用戶行為進(jìn)行合理客觀的評(píng)估[4-7]。

情境感知技術(shù)需要移動(dòng)設(shè)備的配合，通過獲取移動(dòng)設(shè)備中相關(guān)傳感器信息來(lái)感知用戶當(dāng)前的情境狀態(tài)。該技術(shù)的本質(zhì)目的是通過感知用戶的當(dāng)前狀態(tài)，為用戶提供用戶期望的服務(wù)[8]。基于情境感知技術(shù)開發(fā)的遠(yuǎn)程用戶體驗(yàn)系統(tǒng)CAUX（Context-Aware User Experience，CAUX）是一種碎片化學(xué)習(xí)工具，能夠獲得精確時(shí)間、地點(diǎn)及情境下的用戶數(shù)據(jù)。情境數(shù)據(jù)可以與用戶數(shù)據(jù)耦合，增加了許多非語(yǔ)言線索，可以減輕研究人員的數(shù)據(jù)分析負(fù)擔(dān)，使數(shù)據(jù)更加真實(shí)有效[9]。

1 碎片化學(xué)習(xí)行為的捕捉

1.1 碎片化學(xué)習(xí)概述

目前，學(xué)術(shù)界關(guān)于“碎片化學(xué)習(xí)”的概念尚未有明確的界定。大多數(shù)研究只描述了碎片化學(xué)習(xí)的原因和具體現(xiàn)象，但沒有明確定義。通過閱讀相關(guān)文獻(xiàn)得出結(jié)論：碎片化學(xué)習(xí)的發(fā)生依賴于移動(dòng)終端的充分利用；學(xué)習(xí)者的碎片化學(xué)習(xí)不受時(shí)間和空間的限制；碎片化學(xué)習(xí)過程需要依靠通信技術(shù)實(shí)現(xiàn)知識(shí)的傳輸和在線交流；大多數(shù)人關(guān)注的是知識(shí)內(nèi)容的碎片化，強(qiáng)調(diào)利用碎片化時(shí)間和碎片化知識(shí)進(jìn)行個(gè)體學(xué)習(xí)或組織學(xué)習(xí)[10]。

用戶在移動(dòng)瀏覽器上使用學(xué)習(xí)網(wǎng)站進(jìn)行學(xué)習(xí)是一種典型的碎片化學(xué)習(xí)行為。因此，本文旨在捕獲和研究瀏覽器碎片化學(xué)習(xí)行為。

1.2 用戶行為捕捉

CAUX 是基于情境感知的用戶體驗(yàn)研究工具，安裝運(yùn)行在用戶手機(jī)上，通過感知情境信息進(jìn)行數(shù)據(jù)采集。目前CAUX 獲取的用戶行為數(shù)據(jù)局限于App 外的系統(tǒng)數(shù)據(jù)，App 內(nèi)的操作行為主要依靠彈出問卷這種用戶自報(bào)告方式來(lái)獲取。這種方式對(duì)用戶侵?jǐn)_性大，可行性較低。因此，考慮繼續(xù)為CAUX增加屏幕錄制功能來(lái)捕捉App 內(nèi)的用戶行為。通過屏幕錄制，可以獲得用戶在App 內(nèi)的完整操作，并自動(dòng)存儲(chǔ)時(shí)間戳。

1.3 隱私保護(hù)說明

捕捉和分析用戶行為數(shù)據(jù)需要考慮隱私問題。本文采取了一系列步驟來(lái)保護(hù)數(shù)據(jù)集中相關(guān)用戶的隱私。首先，在實(shí)驗(yàn)開始前，征求用戶對(duì)于屏幕錄制的同意。在數(shù)據(jù)采集過程中，屏幕上方會(huì)有紅色懸浮窗表示當(dāng)前處于屏幕錄制狀態(tài)。其次，收集的所有原始數(shù)據(jù)都保存在服務(wù)器，只有研究人員可以下載查看。最后，對(duì)所有用戶進(jìn)行標(biāo)識(shí)符匿名化。數(shù)據(jù)集不包括研究期間涉及的用戶個(gè)人信息。

1.4 數(shù)據(jù)采集流程

數(shù)據(jù)采集流程如圖1 所示。

圖1 用戶行為數(shù)據(jù)采集流程圖

CAUX 捕捉App 內(nèi)用戶行為數(shù)據(jù)的過程可以分為4 個(gè)步驟。

（1）研究人員設(shè)置指令。研究人員根據(jù)案例研究目標(biāo)確定自己感興趣的情境，制定指令文件并上傳到服務(wù)器。每個(gè)研究項(xiàng)目可以對(duì)應(yīng)一個(gè)或多個(gè)指令組，對(duì)應(yīng)不同情況下的獲取意圖。以QQ 瀏覽器為例，一個(gè)指令組可將QQ 瀏覽器在前臺(tái)運(yùn)行設(shè)定為指令觸發(fā)條件，將采集客觀數(shù)據(jù)和開啟錄屏設(shè)定為數(shù)據(jù)采集操作。數(shù)據(jù)采集過程的算法如Algolrithm1 描述。

Algolrithm1 數(shù)據(jù)采集算法

輸入：工具監(jiān)聽事件

輸出：執(zhí)行指令設(shè)定的操作（采集數(shù)據(jù)錄屏）

1.監(jiān)聽系統(tǒng)廣播和用戶使用情況；//監(jiān)聽事件

2.若ActivityLifecycleCallbacks 監(jiān)聽App狀態(tài)發(fā)生變化；

3.for i=0 to list.length（）；//篩選所有含當(dāng)前情境指令

4.if（App.close ? list（i）.trigger）；

5.if（App.back ? list（i）.trigger）；

6.執(zhí)行l(wèi)ist（i）.operation 中的所有執(zhí)行動(dòng)作；

7.else 重復(fù)步驟3；

8.重復(fù)步驟2，繼續(xù)監(jiān)聽；

（2）客戶端解析指令文件。用戶安裝運(yùn)行CAUX，客戶端自動(dòng)從服務(wù)器下載指令。指令解析模塊負(fù)責(zé)循環(huán)解析指令，并逐條存儲(chǔ)在一個(gè)表結(jié)構(gòu)中。

（3）客戶端監(jiān)聽情境信息。循環(huán)監(jiān)聽情境信息，判斷當(dāng)下情境是否滿足指令的觸發(fā)條件。若滿足觸發(fā)條件，則跳轉(zhuǎn)到數(shù)據(jù)采集模塊進(jìn)行相應(yīng)的數(shù)據(jù)采集動(dòng)作，采集客觀數(shù)據(jù)并開啟錄屏功能；若不滿足觸發(fā)條件則繼續(xù)循環(huán)監(jiān)聽。

（4）采集到的數(shù)據(jù)暫存在本地文件夾中，通過通信模塊上傳到服務(wù)器。

本文的研究目標(biāo)是碎片化學(xué)習(xí)過程中的用戶體驗(yàn)問題，主要基于瀏覽器的使用行為。根據(jù)研究目標(biāo)及數(shù)據(jù)采集策略，制定具體采集指令，主要包括碎片化學(xué)習(xí)行為中瀏覽器使用的數(shù)據(jù)捕獲，其余數(shù)據(jù)如時(shí)間、地理位置及運(yùn)動(dòng)狀態(tài)等，作為場(chǎng)景還原和用戶協(xié)同回顧的輔助信息。主要的數(shù)據(jù)采集指令如表1所示。

表1 基于CAUX 的案例數(shù)據(jù)采集指令

指令的編碼如下所示：

2 數(shù)據(jù)分析和用戶體驗(yàn)

2.1 行為數(shù)據(jù)分析過程

用戶開啟CAUX 后，CAUX 會(huì)將用戶數(shù)據(jù)上傳至服務(wù)器。研究人員需要登錄服務(wù)器將用戶數(shù)據(jù)下載到本地。完成數(shù)據(jù)下載后，系統(tǒng)會(huì)對(duì)用戶數(shù)據(jù)進(jìn)行分析。用戶體驗(yàn)的數(shù)據(jù)分析過程包括用戶數(shù)據(jù)的篩選和整理、按照數(shù)據(jù)分析方法分析用戶數(shù)據(jù)、與用戶進(jìn)行協(xié)同回顧式訪談以及用戶體驗(yàn)問題匯總4個(gè)步驟。

（1）從數(shù)據(jù)庫(kù)下載CAUX數(shù)據(jù)。使用Algolrithm2 的數(shù)據(jù)篩選算法對(duì)數(shù)據(jù)進(jìn)行自動(dòng)化處理，篩選出碎片化學(xué)習(xí)行為相關(guān)的數(shù)據(jù)。

Algolrithm2 數(shù)據(jù)篩選算法

輸入：原始數(shù)據(jù)采集文本monitor.txt

輸出：數(shù)據(jù)集D

1.導(dǎo)入并讀取原始數(shù)據(jù)采集文本monitor.txt;

2.for i=0 to monitor.Rowlength（）;

3.if 第i 行的第一列==UserLearning;

4.SignData.add（i）%執(zhí)行記錄具有的標(biāo)記此行;

5.for j=0 to SignData.length（）;

6.if SignData[j]＜10;

7.for p=0 to SignData[j]+10;

8.if p.[3]==“App 前臺(tái)”orp.[3]==“App 后臺(tái)”

or p.[1]==“UserLearning”;

9.FilterData.add（p）;//記錄篩選出來(lái)的行號(hào);

10.else

11.for p=SignData[j]-10 to SignData[j]+10;

12.if p.[3]==“App 前臺(tái)”or p.[3]==“App 后臺(tái)”or p.[1]==“UserLearning”;

13.FilterData.add（p）;//記錄篩選出來(lái)的行號(hào);

1 4.N e w_lists=sorted（set（sxData），key=FilterData.index）;//剔除重復(fù)數(shù)據(jù)并排序

15.for k=0 to New_lists.length（）

16.Alldata.add（monitor.（New_lists[k]））;// 篩選標(biāo)記數(shù)據(jù)與上下文中與軟件切換相關(guān)的數(shù)據(jù)

17.end;

（2）分析處理后的數(shù)據(jù)集，利用錄屏的方式研究軟件內(nèi)行為，探索用戶可能遇到的用戶體驗(yàn)問題。

（3）針對(duì)仍存在疑惑的數(shù)據(jù)，與用戶進(jìn)行協(xié)同式訪談。在協(xié)同式訪談過程中，要求用戶說明使用軟件時(shí)發(fā)生的事情以及他們對(duì)此的感受。

（4）問題總結(jié)。研究人員需要將第二階段發(fā)現(xiàn)的用戶體驗(yàn)問題和第三階段發(fā)現(xiàn)的用戶體驗(yàn)問題進(jìn)行匯總，得出碎片化學(xué)習(xí)的用戶體驗(yàn)問題列表。

2.2 實(shí)例分析

研究人員利用CAUX 工具采集了13 名用戶的數(shù)據(jù)，歷時(shí)60 天，共采集到36 193 條有效的情境數(shù)據(jù)，不同網(wǎng)絡(luò)環(huán)境下的錄屏數(shù)據(jù)共652 段。利用以上數(shù)據(jù)，按照數(shù)據(jù)分析流程發(fā)現(xiàn)CAUX 問題。案例數(shù)據(jù)分析用戶體驗(yàn)問題結(jié)果如表2 所示。

表2 碎片化學(xué)習(xí)用戶體驗(yàn)問題實(shí)例

3 用戶體驗(yàn)優(yōu)化方案

碎片化學(xué)習(xí)存在難以集中記錄的現(xiàn)象。例如，用戶在微信中看到知識(shí)點(diǎn)，保存的同時(shí)想查詢更多信息，于是在瀏覽器查詢信息。微信和瀏覽器都記錄各自App 內(nèi)看到的部分信息，知識(shí)信息零散地分布，用戶后期再回顧時(shí)不能很好地系統(tǒng)化學(xué)習(xí)。針對(duì)上述問題，結(jié)合學(xué)習(xí)者的實(shí)際學(xué)習(xí)需要，本文提出基于移動(dòng)環(huán)境下的碎片化學(xué)習(xí)集中記錄任務(wù)模型，具體模型如圖2 所示。

圖2 碎片化學(xué)習(xí)集中記錄任務(wù)模型

針對(duì)學(xué)習(xí)者在學(xué)習(xí)中存在的筆記記錄無(wú)固定存放地、收集到的網(wǎng)絡(luò)學(xué)習(xí)資料存放較為松散導(dǎo)致后期無(wú)法有效地進(jìn)行集中歸納以及溫習(xí)等問題，將相關(guān)問題引申到無(wú)目的學(xué)習(xí)范疇，建立了集中記錄模型。模型將學(xué)習(xí)者的學(xué)習(xí)類型分為有目的學(xué)習(xí)和無(wú)目的學(xué)習(xí)兩種。

對(duì)于有目的學(xué)習(xí)，將重點(diǎn)放在對(duì)有用知識(shí)點(diǎn)的獲取上。如果獲得有用知識(shí)點(diǎn)，集中記錄系統(tǒng)將對(duì)新獲得的知識(shí)點(diǎn)進(jìn)行識(shí)別，分辨原有記錄系統(tǒng)是否有相關(guān)知識(shí)片段存在。如果原有系統(tǒng)已存在相關(guān)知識(shí)片段，那么系統(tǒng)將對(duì)原有的知識(shí)片段進(jìn)行定位，由用戶來(lái)確認(rèn)知識(shí)片段的相似性或者可用性后，系統(tǒng)對(duì)知識(shí)片段進(jìn)行集中記錄和保存。當(dāng)獲取的知識(shí)片段為全新內(nèi)容時(shí)，系統(tǒng)將其自動(dòng)歸類，由用戶選擇存放位置后，進(jìn)行統(tǒng)一存放。

對(duì)于無(wú)目的學(xué)習(xí)，用戶可以對(duì)相關(guān)內(nèi)容進(jìn)行選擇性學(xué)習(xí)。如果用戶決定選擇相關(guān)內(nèi)容的學(xué)習(xí)，相關(guān)知識(shí)點(diǎn)的記錄按照有目的學(xué)習(xí)流程進(jìn)行相關(guān)操作。上述流程優(yōu)化可以有效改善碎片化學(xué)習(xí)系統(tǒng)中的集中記錄問題，使得學(xué)習(xí)者可以有效地完成知識(shí)體系的整合，改進(jìn)碎片化學(xué)習(xí)零散的缺點(diǎn)。

4 結(jié)語(yǔ)

本文應(yīng)用遠(yuǎn)程用戶體驗(yàn)研究工具CAUX 對(duì)互聯(lián)網(wǎng)模式下的用戶碎片化學(xué)習(xí)體驗(yàn)進(jìn)行探索性的研究。將CAUX 采集的數(shù)據(jù)進(jìn)行分析，確定數(shù)據(jù)分析方案，結(jié)合人工方法分析不同情境下用戶碎片化學(xué)習(xí)的行為與意圖，最終發(fā)現(xiàn)不同情境下的用戶體驗(yàn)問題。應(yīng)用CAUX 工具對(duì)采集的數(shù)據(jù)進(jìn)行前處理，之后確定數(shù)據(jù)清洗流程、數(shù)據(jù)初步篩選規(guī)則、補(bǔ)充分析以及問題總結(jié)等方法，最后對(duì)篩選后的數(shù)據(jù)進(jìn)行舉例分析，得出互聯(lián)網(wǎng)背景下用戶碎片化學(xué)習(xí)存在的諸多問題。選取了具有代表性的碎片化學(xué)習(xí)行為，有針對(duì)性地提出了用戶體驗(yàn)優(yōu)化方案，具有很好的參考價(jià)值。