基于XML開放式學習者數字畫像構建

周傳生, 周志龍, 王嘉鑠

(1. 沈陽師范大學 軟件學院, 沈陽 110034; 2. 倫敦大學學院 機械工程學院, 倫敦 201103;3. 倫敦大學學院 醫學院, 倫敦 201103)

0 引 言

近年來,隨著SMART教育[1]、MOOC教育[2]、STEAM教育[3]和學習分析技術[4-5]的應用與逐步普及, 傳統教育的時空界限正在被打破, 混合式教學模式[6]正逐步流行, 基于數據分析技術的數據驅動的“因材施教”正逐步實現。 學習分析技術就是通過對學習者相關學習數據和環境數據的分類、回歸與聚類,推動教育工作者嘗試建立學習者的數字畫像, 并利用該類畫像了解和優化學習者的自我學習和學習環境,推動學習者個性化教育的開展和實施。 目前,基于數字畫像的研究大多數集中在建模和教學實踐2個方面。 在學習者畫像模型構建方面, 曼加拉姆·桑克佩萊等從學習者的學習態度和學習動機的角度構建用戶畫像[7]; 馬蒂提出了學習者感知模型, 來探究影響學習者在線學習效果的關鍵畫像標簽特征[7]。 陳海健等[8]從學習者的基本屬性、知識點興趣、學習者類型和學習風格偏好4個維度構建了學習者畫像, 并進行學習者個性化教學探討。在學習者畫像應用實踐方面, 顧小清等[9]分析了學習者畫像的構建對于促進學習支持方案改進的重要作用; 肖君等[10]對移動 MOOC 環境下的學習者畫像進行了分析和應用研究。 本文從學習者數字畫像的實現技術方面,以學生綜合素質評價為歸依, 研究提出基于XML技術的開放式學習者數字畫像的構建及其實現, 為學習者數字畫像應用軟件的設計提供柔性支持。

1 學生綜合素質評價驅動的數字畫像構建

1.1 基于學生綜合素質評價的數字畫像的邏輯結構

根據《教育部關于加強和改進普通高中學生綜合素質評價的意見》可以建立學習者數字畫像第一個層次,包括思想品德、學業水平、身心健康、藝術修養、社會實踐等5個方面的數字畫像,再對每個畫像按照軟件項目管理的工作分解(work breakdown structure,WBS)模式,進行任務分解,形成第二個層次的學生數字畫像元素的預備集合,并結合德爾菲法[11](Delphi method)和層次分析法[12](analytic hierarchy process,AHP)等對第二個層次的學生數字畫像元素的預備集合進行數字化的有效性分析,最后形成第二個層次的學生數字畫像元素的集合;然后針對第二個層次的學生數字畫像元素進行上述步驟形成第三個層次的學生數字畫像元素集合。以此類推,形成多層次立體化學生數字畫像及子畫像的模型,如圖1所示。

圖1 學習者綜合素質評價驅動的數字畫像層次結構示意圖Fig.1 The hierarchical structure of LDP from evaluation of learners’ comprehensive quality

1.2 開放式學習者數字畫像構建與應用的一般流程

在信息技術環境下對學習者實施因材施教的需求因情境而各異。從服務提供者來看,包括教育管理部門和教育管理者、學科教師、家長、學習者自己,還包括提供教育服務的社會機構與個人;從服務提供的場地來看,包括學校、教室、實驗室、家庭、社區和其他場所,還包括線上場所;從服務提供的時間來看,包括學校上課時間、輔導答疑時間、作業時間、實驗時間、實踐時間、網上學習時間等,每個不同的應用場景需求所要求的都是學習者數字畫像的一個側面。為了給使用者提供便捷的數據畫像建模,本文設計了一個基于數據爬蟲的開放式學生數字畫像構建流程,其主要環節包括數據獲取、數據處理、數據分析和數據展示,其邏輯如圖2所示。

圖2 開放式學習者數字畫像構建與應用的一般流程示意圖Fig.2 The diagram of general workflow of open LDP construction and application

2 基于主題的開放式數據存儲及實現機制設計

2.1 數據爬取及可配置的數據匯聚處理

在進行學習者數字畫像構建元素構建過程中,原始數據的獲取是第一個關鍵環節。然而其數據是可以來源于不同的信息系統的,如來自于人人通空間、作業系統、慕課微課、軌跡系統、閱讀系統、網上交流、錯題管理、課堂學習、教師評價系統、家校共育系統等,這些系統有的在教育領域中,有的在社交平臺中,也有的是在其他行業系統中。不同的數據源系統,由于其實現的數據庫、開發語言和運行平臺的不同,采用API直接連接訪問獲取的方式難度很大。這里設計使用可配置的數據網絡爬蟲[13]的方式進行獲取。可配置數據網絡爬蟲的設計可以有2種形式:一種是自動運行的網頁爬蟲,可以根據用戶的設置在用戶的網絡空間中自動爬取網絡數據(含公開數據和系統授權爬取數據);另外一種可以稱之為DB爬蟲,即直接對有關系統的數據(需要授權或提供數據接口)直接進行爬取,當然也是可以自動運行的。可配置的數據爬蟲設計還可以配置數據源配置機制、主題數據配置機制、數據格式配置機制等,從而提供整個系統的個性和柔性。可配置的數據匯聚處理就是數據在爬取以后,根據應用主題對數據進行匯聚、清洗和存儲,同時經過聚類、去重、規范等。不同的數據要經過不同的數據分析[14],如聚類分析、一致性分析等,這些分析算法有的需要新開發,有的已經開發使用了,它們使用的輸入數據類型和個數不同,輸入的數據結構和數據接口不同,輸出的數據結構和數據也不同,因而需要制定自適應動態調用機制,既要保持這些處理模塊的使用,又要保持其規范性和靈活性,還要通過相應的XML Schema[15]實現可配置的數據匯聚處理機制。

2.2 學習者數字畫像的數據存儲邏輯結構

在整個學習者數字畫像的數據存儲實踐中,每個層次的數據畫像都是一個主題數據集合,而每個主題數據集合又可以嵌套包含更多的子主題數據集合。從數字畫像的構成可以看到,主題數據集合都是結構化數據,而所有的非結構化數據都會被處理成結構化數據進行處理和存儲,這樣就可以采用數據庫或數據倉庫或利用數據中臺的方式進行主題式數據存儲和處理,其邏輯結構如圖3所示(以語文學業為例)。

圖3 學習者語文學業數字畫像數據存儲示意圖Fig.3 The diagram of data storage of learners’ language LDP

2.3 學習者數字畫像的數據存儲邏輯XML規范

學習者數字畫像是一個樹型結構的多個主題數字畫像集合,包含一個根節點(學習者完整的數字畫像)、若干個中間節點(局部畫像并由其他更細粒度的局部畫像構成)以及若干個葉子節點(不包含更細粒度畫像的局部畫像),其XML描述見表1。

表1 學習者數字畫像的XML描述Table 1 The XML description of LDP

3 基于XML的可配置數字畫像解析引擎管理機制設計

3.1 可配置數字畫像解析引擎管理機制的設計

在完成學習者數字畫像數據的獲取、清洗、分析、存儲之后,需要對學習者數字畫像進行可視化展示,這可能包括列表展示、圖表展示、雷達圖展示、地圖式展示,乃至視頻類型展示等。不同的展示模塊使用不同的展示技術(即解析引擎),輸入的數據結構和數據格式差距較大,需要根據可視化展示模塊及其相關的輸入的數據結構和數據格式,設計與數據無關的數據表示規范,設計與數據無關的數據解析生成引擎,自動生成可視化展示模塊相對應的輸入數據和數據格式,其邏輯如圖4所示。

圖4 可配置數字畫像解析引擎管理機制示意圖Fig.4 The diagram of configurable of engine management of LDP

學習者數字畫像數據:該類數據是根據學習者綜合素質評價結合具體的應用獲得的主題數據,是從學習者各類數據源系統中按照應用主題的要求經過獲取、清洗和分析匯聚后的數據。

可配置展示格式列表:這是一個基于XML的可配置展示格式文件列表,可以存儲于數據庫或文件中。因同一種主題數據基于其數字畫像應用場景的不同而需要不同的展示格式,可以采用不同的格式文件進行約束。

數字畫像管理引擎:該引擎根據學習者數字畫像的主題數據和展示格式要求,動態調用對應的數據展示格式引擎對畫像數據進行解析并生成對應的數字畫像。

可配置專項引擎列表:這是一個基于XML的可配置引擎管理列表,可以存儲于數據庫或文件中。不同的解析引擎可以采用不同技術、算法和開發語言實現,這些引擎可以被數字畫像解析引擎動態調用。

3.2 基于XML可配置解析引擎管理列表的設計

在學習者數字畫像解析實現過程中,一種是數字畫像展示格式的可配置設計,另外一種是數字畫像解析引擎的可配置管理設計,都需要采用XML技術進行柔性設計和管理。可配置解析引擎管理的XML描述示例見表2(以JAVA為例,設計者可以進行自定義)。

表2 可配置解析引擎管理的XML描述示例Table 2 The XML description of configurable engine management

3.3 基于XML可配置解析引擎的動態調用(JAVA示例)

學習者數字畫像的管理引擎是用來管理其他數字畫像解析引擎的引擎,在軟件設計和實現的過程中,其模塊可以是固定命名的,如命名為“Portraits-Engine”,其對應的JAVA類為“Portraits-Engine.class”。因為學習者數字畫像因不同的應用場景其所需要的顯示格式等也不盡相同,因而也需要由不同的解析引擎去進行解析并與輸入的畫像數據進行綁定(如圖4所示)。為了保障這種現實擴展性的需要,對這些靈活多變的解析引擎設計了基于XML可配置的解析引擎管理列表(見表2)。為了實現學習者數字畫像的管理引擎對這些解析引擎的動態調用,這里示例了通過JAVA來動態加載解析引擎模塊并執行其相應的調用。以“雷達模式”畫像解析引擎及其JAVA調用為例,雷達引擎名字為“Radar”,JAVA類名為“Radar.class”,其中一個方法為“xmlData(String dataID)”。具體JAVA實現如圖5所示。

public class EngineManager { ……∥使用 ClassLoader來加載“雷達模式”畫像解析引擎Radar.classClassLoaderEngineloader;EngineLoader = new ClassLoader (″C:\Radar.class″);Class objClass =EngineLoader.loadClass(″Radar″);ObjectradarEngine = objClass.newInstance();∥使用reflect機制來獲取Rader引擎的″xmlData″方法Methodm1 = objClass.getMethod(″xmlData″, new Class[ ]{String.class});Object objData[] = { new String (″dataID″), null};m1.invoke(radarEngine,objData); ∥動態啟動Radar解析引擎及其方法…… }

4 結 論

伴隨著SMART教育、MOOC教育、教師的網絡研修等各種軟件平臺和信息設備的應用與普及,數據驅動的智慧教育環境和教育教學新生態正在逐步構建,教育正逐步向多元化、數字化、網絡化和智能化發展,基于數據分析技術的數據驅動“因材施教”正在逐步實現。學習者的數字畫像就是通過測量、收集、分析和報告有關學習者及其背景和學習行為的相關數據,采用數據驅動的方式了解和優化學習者的學習過程及學習環境,助力學習者個性化教育的開展和拓展。本文以《教育部關于加強和改進普通高中學生綜合素質評價的意見》提出的學生綜合素質為維度,結合教育教學過程的實際需求,針對學習者數字畫像的構建過程,提出基于學生綜合素質評價的開放式立體化的學習者數字畫像的邏輯結構,采用XML技術對其在具體的應用與實現過程進行了設計,并從技術層面探討了其管理及應用的柔性實現。