摘要
随着教育信息化的深化，学习资源的数量已经不是影响网络学习支持效果的关键因素。针对当前主流学习支持平台在学习资源组织方面的一些不足，结合大数据时代新型的数据处理模式和呈现方式，文章提出了基于大数据理念的网络学习资源组织策略：通过构建以知识点为核心的知识元，把学习资源有机地组织起来；借助动态知识地图组织知识元，以便更好地呈现学习资源之间的内在联系；支持资源的重组、重构和共享、共建等，强化面向教师和学习者的个性化操作，从而帮助学习者更加智能化、个性化地学习。
关键词：学习资源组织策略；学习支持系统；大数据处理
E-Learning是在网络环境下进行教育与学习活动的一种模式，这种模式在当前的教学领域被广泛地应用。在学习者充分享受基于网络平台开展自主学习的快乐之时，也面临着学习资源过泛、资源质量参差不齐、学习过程迷航等问题。2013年，笔者所在的教研团队就网络学习效果在北京师范大学开展了一轮面向一线教师和学生的调研。从学生方收集到的数据来看，有近60%的学生并不把学习支持系统（Learning Support System，LSS）作为课后辅助学习的主要手段，其原因在于“难以便捷地找到所需的资源”和“教学平台中的资源与教材内容没有区别，还不如看课本”；有的学生甚至认为“在有了疑惑时，如果登录课程学习平台查找解决办法，还不如‘百度百科’快。”[1]为此，笔者带领教学团队，针对LSS的现状和存在的问题开展了一系列研究。
一、主流学习支持系统在资源管理方面存在的不足
1、学习资源的累积规模对主流LSS的应用体验提出了新要求
随着教育信息化的发展和国家对网络精品课程建设项目的推进，网络学习资源获得了井喷式的建设与发展。一方面，各类学习资源常散见于各种门户网站、学习网站和学习平台中，从数量上来看，资源的泛化已成常态，导致资源的获取反而比较困难。另一方面，随着电子商务领域大数据推送技术的成熟和娱乐领域各种新媒体的介入，一线师生的认知习惯和学习风格也有了很大的不同，他们从用户体验的视角对LSS提出了更高的要求。
虽然学习资源的累积数量并不弱于电子商务系统、证券、金融和娱乐等系统，但LSS在大数据分析及应用、数据的个性化服务方面已经远远落在了这些行业的后面。目前，已有学者从广告和电商行业广泛使用的个性化推送技术中得到启发，开始致力于学习分析系统和推送工具的开发，在理论和实践上取得了一些成果，如澳大利亚Wollongong大学的“学习网络可视化与评估项目”在学习分析技术和可视化方面所做的研究、北京师范大学余胜泉教授提出的泛在学习环境下的学习元模型等。然而，从北京师范大学目前为学习者提供学习支持的几个主流LSS来看，它们对终端用户应用体验的考虑仍然不足，尚不支持一线师生利用LSS实现学习资源的重组与重构，也不能根据学生的学习进度情况个性化地推送优质学习资源。
2、从调研数据的视角看主流LSS的不足
通过文献调研和师生反馈，笔者分析了2013年搜集到的一手数据，发现主流LSS存在的问题主要表现在以下几个方面：
（1）LSS中缺乏由一线教师主导的资源管理与重组功能
从教学有效性的视角来看，对课程内容、知识体系和教学活动把控得最好的应该是一线教师，学习者最习惯自己老师的认知习惯、学习思路和学习路径。然而，在笔者调研的LSS中，尚没有平台在系统内为一线教师提供集成自主、动态地建构知识地图的功能。因此，一线教师无法把自己对知识体系的理解按照自己的意愿及时地呈现在LSS中，更不能把资源与知识点有机地组织在一起。由于教师难以在LSS中呈现出自己对知识体系的最清晰理解，故而影响了学习者与教师的共情式学习。
（2）LSS对资源的管理与组织不够灵活，导航体系较弱
在笔者调研的6个平台中，LSS中的学习资源主要由教师或平台管理者按课时需要上传，资源多数以课程章节为标准独立成块，隶属于同一章节的资源被线性地堆放在一起，只能体现出一定的相关或上下位关系；不同章节的学习资源则相互独立，并无交集。由于LSS对资源的呈现是分类型、按章节线性堆放的，没能从知识点关联性的视角呈现出各个资源之间的逻辑关系，不利于学习者的联想、顿悟。另外由于缺乏清晰的导航体系，对学生来讲，难以便捷地获取所需的资源[2]。
（3）缺乏针对学习资源的实时评估、动态排序与替换
从当前LSS中资源的应用情况来看，绝大多数系统缺乏针对学习资源的实时评估机制，导致学习资源一旦进入平台，就长久地在LSS中存在，不利于优质资源的优先使用。
（4）对论坛（或Blog）中有效信息的重复利用不够
教学经验已经证实：不同年级的学习者对同一课程的理解过程存在共性，往往前一届学习者多次出错的知识点也是后一届学习者的出错点。学习者在论坛（或Blog）中按照自己的理解对出错点撰写帖子、参与讨论，就是一种重要的知识重构过程。如果能把这一过程与后来的学习者分享，将非常有利于后来的学习者快速地掌握相关内容并回避错误。因此，论坛中有价值的帖子对于后续学习者理解知识、规避错误具有重要的应用价值[3]。然而，随着论坛（或Blog）中帖子数量的增加，帖子的无序性、同类帖子之间缺乏联系等缺陷逐步暴露出来。当论坛（或Blog）中帖子的数量达到一定规模时，学习者常常难以从帖子的海洋中找到所需的内容。
二、大数据时代的数据处理与呈现模式
从信息系统的发展历程来看，面向教育教学环境的信息系统因其处于科研院所而起步较早，对企业信息化和管理现代化都起到了非常重要的引领作用。然而，近几年的LSS却鲜有技术和功能上的突破，企业和商业部门的信息系统已经走在了时代前列，并引领人们进入到了大数据时代。大数据的管理方式和应用理念，必将对LSS的建设产生重要影响。
1、大数据时代支持数据的自动推送，强调个性化和针对性
大数据时代，后台数据的规模和低价值性决定了最终用户不会直接使用整体数据；终端用户获得的数据一定是该用户感兴趣的部分，是那些经过抽取并能够满足用户个性化需求的数据。搜索引擎的出现，其实并没有真正解决用户与资源之间的矛盾。用户使用关键词搜索信息时仍会出现大量的冗余信息，并不得不对其重新筛选，因此，搜索引擎并没有有效地解决互联网信息过载的问题。这就要求大数据系统在提供数据支持的过程中完成符合特定用户个性化要求的数据抽取，并以恰当的方式呈献给终极用户。
一个好的资源组织与推送策略不仅能解决用户对信息检索的需求，使他们能很容易地找到所需的资源，而且能实时记录他们的基本信息及扩展信息，实时追踪并推测他们的进一步需要。然后，针对用户的需求为他们推送资源，才能有效减少他们在资源搜集方面的困扰，并按照他们的个性化特点，最大限度地为他们提供真正的服务。
2、大数据时代的数据服务应该能够根据现状实时反馈
在网络时代，由于数据的动态性、时效性，使得数据始终处在不断变化的环境中，因此需从信息动态演化的视角来分析与挖掘数据中隐含的有用信息。
任何一个支持大数据运营的信息系统都必须注重对信息的实时分析与反馈，并能够依据实时分析结果实现资源的分析与管理，从而满足最终用户的个性化要求。在个性化的反馈系统中，由于用户的兴趣爱好可能随着时间而改变，所以表示用户兴趣的特征词的重要性也可能随着时间而改变。由于未知的新词不断出现，从而造成描述用户兴趣的特征空间是动态的。因此，在数据处理的过程中，一定要注重信息的动态与时效性。
3、数据输出的模型化与可视化
相比于传统的数据资源形式，大数据具有开放性、复杂性、多样性和海量性等特点。同时，网络数据的组织形式也非常丰富，不仅包含文本、图像、声音、动画等传统的数据形式，还存在复杂结构甚至无结构的抽象数据。为了更好地呈现数据，便于终端用户更准确有效地理解输出数据，对表达语义的信息数据进行模型化与可视化是十分有必要的[4]。信息可视化、知识可视化技术已经成为当前大数据处理与呈现的重要手段。
4、对大数据的应用应具有实时性与高效性，建立在数据挖掘的基础上
在网络时代的今天，一方面，由于数据时刻处于动态变化的过程之中，需从信息动态演化的视角来分析与挖掘数据中隐含的有用信息，才能保证数据分析结果的时效性。另一方面，在大数据时代的背景下，数据处理与呈现模式发生了巨大变化，数据量的爆炸性增长使得人们很难像以前那样依靠经验、手工的计算和人脑的指挥等人工方式来找出关于数据较为全面的知识。也就是说，由于大数据的价值密度低，要想从大量的数据中及时地获取有价值的信息，必须借助网络环境中的信息化平台，完成包含大量在线或实时数据分析处理的需求[5]。
三、大数据管理对学习资源管理的启示
1、以知识点为核心，组织学习资源，构造知识元
（1）传统的学习资源组织策略及其特点
从资源的组织方式来看，目前国内外常用的数字化资源组织方法主要有元数据组织法、分类组织法、主题组织法三种类型[6]。使用元数据组织法对网络信息进行描述、识别和选择应用既可以人工完成也可以用计算机程序自动处理，具有简练、易于理解、可扩展等特点，在处理网络信息资源中具有得天独厚的优势[7]；但也因其要求描述的元素种类繁多，至今无法形成统一的标准，在一定程度上影响了数字化资源的组织。分类组织法是一种历史比较悠久的方法，相对来说发展得比较完善，在信息组织领域中应用最广；分类组织法通常以学科、专业等为界限，采用树形结构，方便用户检索和查询。主题组织法一般直接以表示信息的关键词作为标识，按照关键词的字顺组织和检索，并能揭示关键词间的相互联系；使用主题组织法也存在一定的缺陷，主要在于查询信息资源时会出现过多的命中资源，从而加大了用户筛选资源的难度。
（2）把学习资源链接到知识点，构建以知识点为核心的知识元
在智能化的LSS中，学习资源一定不能线性堆放。当前，LSS的建设应借助主题组织法的理念，以知识点为核心（主题），把学习资源直接挂接在知识点之下，构成知识单元包（简称知识元）。也就是说，一线教师把与此知识点相关的文本、图片、微视频、演示文稿等各类资源挂接在知识地图的知识点标记之下，构成一个关于此知识点的资源集合。
对学习者来讲，知识元就是一个以知识点为核心的资源包、数据集。它是一种结构性的资源，包括文本资源包、PPT课件、微视频、测评题、关于该知识点的论坛帖，由学习内容、语义描述、学习活动、格式信息、生成性信息等部分构成。基于知识元，允许学习者根据自己的习好、认知风格从中选择符合自己要求的学习资源，为不同认知风格的学习者提供符合其需求的支持[8]。
2、构造动态知识地图，清晰呈现知识点（知识元）之间的逻辑关系
与普通的信息系统不同，LSS的最终目标是为学习者提供一个高效的学习支持环境，向学习者清晰地呈现学习资源。有研究证实，线性堆积的资源非但不能起到对学习者自主学习的支持作用，反而有可能扰乱学习者的学习过程、影响学习效率，这是因为学习资源之间逻辑性的弱化会严重影响学习者对整个课程体系的把握以及对整体知识的有意义建构和同化[9]。因此，以立体化、可视化的技术直观地呈现出知识元之间的逻辑关系，对于LSS的建设至关重要。
在“知识元”中封装了对教学资源的必要描述信息和组织信息，这其中也包括知识点之间的关系。明确了课程的关键知识点之后，应该由一线教师以“知识地图”的形式对已有知识元进行组织和排列，将知识点间的逻辑关系以可视化的方式呈现出来。通过知识地图，就可以清晰地看出各个知识点之间的上下位、从属、包含、并列等关系。
利用“知识地图”，能够直观地看出学习者为完成某一学习目标需经历的学习路径、需掌握的先备知识。学习者在明确自己的知识起点后，便可按图索骥，逐步学习，直至达成最终目标，减少了自主学习的盲目性。同时，学习者可以通过一条完整的知识路径发现自己原有知识和新知识之间的联系，便于将新知识纳入已有的认知结构中，从而实现新旧知识的同化和顺应，丰富和调整自己的认知结构[10]。
3、建立资源应用评价体系，及时实现资源筛选
在学习者基于知识地图的导引就某一知识元开展自主学习时，LSS要及时地记录学习者在每一份学习资源上的耗时，并要求学习者对学习资源的等级进行评价。在测试完成后，生成关于学习资源的测评报告，存储在LSS的后台数据库中。
基于学习资源的评价成绩，由LSS对学习资源按照所属知识点进行排序与筛选，及时调整知识单元内部资源的顺序，降低劣质资源的使用优先级，把质量不佳、访问量低的资源逐步排除出去。
4、基于关键词，构建面向论坛发帖的资源重组与重构体系
教学经验已经证实，不同年级的学习者对同一知识点的理解过程有共性，通常前一届学习者多次出错的知识点也是后一届学习者容易出错的地方，很多学习者的疑惑都能在前面几届学习者的讨论中找到解答。因此，如果能把以前学习者针对某些知识点的讨论帖链接到对应的知识点之下，使当前学习者便捷地获得师兄师姐们对这一知识点的看法和冲突过程，必然能促使当前学习者更加准确地把握这一知识点[11]。
由于学生在LSS论坛中的发帖比较随意，论坛的内容通常也比较凌乱。对于小型的智能化LSS而言，系统应该为一线教师提供浏览论坛发帖并有选择地向知识点创建超链接的功能，从而保证教师能够便捷地把精华帖及其讨论过程及时挂接到知识地图的相应锚点之下。对于大型的智能化LSS，则应借助中文分词和知识科学的有关研究成果，实现基于贴子关键词的自动分类与挂接。
5、要面向学习者和一线教师开放“资源重组”功能，满足其个性化要求
（1）尊重一线教师的需求，使一线教师能充分地呈现自己对知识体系的理解
从教学有效性的视角来看，对课程内容、知识体系和教学活动把控得最好的应该是一线教师，学习者最熟悉的也是自己老师的认知习惯、学习路径。因此，动态知识地图的构建必须由一线教师主导，要能真正地反映一线教师的个性化需求，并真正地体现出一线教师对课程内容的思考和理解。
（2）针对学习者的认知习惯和知识状况，支持学习资源的推送
对学习者来讲，LSS应能对学习者的学习过程进行主动记录与跟踪，并能够根据每个学习者的学习状况组织必要的自适应测评，然后依据自主测评情况给学习者提出学习建议，实现学习资源的智能化、个性化推送。
另外，针对现有资源的评价与筛选，也要密切结合学生已有的操作状况，并实时地对资源进行排序和筛选。
6、创建支持资源共享、共建的机制
基于互联网的开放和共享精神，LSS中的学习资源库应始终保持开放，不仅支持教师随时补充、删除知识点，还要允许学习者调用、上传新的学习资源。教师可根据教学内容和自己的教学设计、教学活动方案来修订知识地图并提供给学生，以满足其个性化教学需求；学生亦可利用已有的知识点，“组装”、“拼接”个性化的知识地图，并分享给其他学习者。至此，学习者不再单纯地只是知识的消费者，也变成了知识的生产者。知识点的创建和共享，可以帮助学生从整体上把握所学内容、加深对所学知识的理解、提高学习的积极性并培养互助和共享精神。
四、结束语
国内外研究者在网络资源组织和个性化推送方面已经做了很多的创新和尝试，但教育大数据的到来仍对很多网络平台造成了不小的冲击。在已有的学习分析技术、个性化推送技术的基础上，大数据的到来对LSS的建设既是机遇又是挑战。本文在分析当今网络资源组织中所存问题的基础上，结合大数据时代新的数据处理模式和呈现方式，提出了新的网络学习资源组织策略。该策略以知识结点为核心，关注教师和学习者在资源使用中的个性化需求，允许教师和学习者对其进行重组、重构和共享、共建；同时借助大数据技术对学习者进行实时的个性化资源推送，让学生以“所见所想即所得”的模式了解知识体系并获取资源。新的资源组织策略可将学生从“知识的迷航”中解放出来，提高其学习效率，促进个性化的自主学习。
联系客服
