第1期 蒋艳荣，等：上下文感知驱动的自适应个性化学习及交互 ·61· 面起着重要的作用)。Bloom6在研究中发现，有 Weiser将透明性称之为一种太自然以至于在使用时 私人教师进行个人指导的学生在掌握学习材料方面 察觉不到的特性)。这就要求在学习的过程中，系 要大大优于通常在课堂学习的学生。而适应性包括 统尽可能少地要求用户显式地输人信息。这需要充 模型、交互和界面的适应性)，个性化与适应性是 分地利用上下文信息，以避免对学习过程不必要的 相互依赖、互为支撑的。研究指出，上下文是实现学 频繁中断。3)与学习交互的集成需要将原始数据 习系统个性化的重要因素[0。因此，能够根据每 处理生成初步的上下文信息，并通过推理得到抽象 位学生的学习特点和不同的上下文环境，提供对应 的具有语义的上下文信息，获得的上下文信息将与 合适的学习内容，并在学习上下文发生变化时及时 学习交互过程进行融合，为学习和交互行为的生成 地调整学习内容和方式，进行相应的改变，成为实现 提供支持。 学习系统智能性和个性化的一个关键。 对上下文的分类有助于理解上下文在学习交互 近年来，上下文感知在许多领域得到了应用，例 中的作用及影响机制。根据学习领域的特点，可以 如普适计算[山、人机交互)、学习系统[o,]等，也 将上下文分类为：1)物理上下文，包括学习者位置 取得了许多进展。岳玮宁在采用上下文感知技术改 (宿舍、教室、图书馆等)、网络(GSM、互联网)、设 善手持移动设备的人机交互方面进行了有益的探 备、当前时间、天气等；2)用户上下文，是与学习者 索2。KM.Lee提出一个上下文感知系统结构，系 相关的基本信息和个性信息，包括姓名、性别、角色、 统采用if-then规则实现上下文感知服务。文献 个人偏好等：3)学习上下文，包括与用户学习有关 [10]针对语言学习提出了一个普适环境下的协作 的各种信息，如用户的学习水平、期望的学习时间 学习支持系统，其中用到了对知识的感知和用户上 学习对象、学习目标、学习状态、学习风格等。不同 下文等。周建智)将本体论引入OUG系统的开 类型的上下文通过作用机制参与学习和交互的决策 发中，以解决已有的学习系统异构性问题和学习服 过程，进而影响到系统的行为与功能。 务难于共享的问题，在显示界面方面，该系统能自适 1.2作用机制 应电脑终端或PDA等手持移动设备。 上下文感知对学习与交互的作用机制可以用图1 已有研究存在的主要问题是：1)侧重于系统某 进行描述，其本质是上下文对学习及交互行为的决策 方面技术的研究，对于将上下文感知计算与学习系 产生影响，进而生成适合当前上下文环境的学习服务。 统的有机集成缺少研究，而这对提高学习系统的适 其中作用机制可分为2种：主动模式和被动模式。 应性，以及提供个性化的学习服务较为关键；2)对 主动模式是在对上下文及感知信息提取特征之 于上下文感知环境下，满足学生的个性需求、适合学 后，对上下文触发规则进行匹配，在满足规则约束的 习特点的个性化学习及交互的研究还较为缺乏。为 条件下，发出对应的触发信号。在触发多条规则的 此，本文提出上下文感知驱动的具有适应性的个性 情况下，会依据优先性进行选择。高层应用接收到 化学习及交互方法。 触发信号之后执行相应的应用。例如，用户在转换 学习场所后，新的地点会触发用户的学习配置环境 1上下文感知 的切换：用户学习时间过长，会触发“学习太久，请 上下文感知是建立具有适应性的个性化学习系 注意休息”的提醒行为（如图1中行为1的触发执 统的一项关键技术，其目的在于实现对学习环境 行)。被动模式可通过统一的上下文访问接口实 (包括信息空间与物理空间)的感知，以在用户没有 现，所有的高层应用要获取上下文，都必须通过这个 发出明确请求的情况下判断何时向用户提供服务， 访问接口。 以及提供何种合适的学习服务。 上下文信息作为输人作用于学习模型，可用于 1.1应用特性及上下文分类 生成满足用户学习需求的个性化学习模型，结合学 与一般的学习系统相比，基于上下文感知的智 习目标、学习状态等上下文的变化，进而对学习模型 能学习系统通常需要具备如下特性：1)前摄性是指 进行调整、优化，生成适合该用户的个性化学习序 在没有用户的请求下就代表用户对未来的目标或问 列，以及进行学习导航等。另外，上下文信息作用于 题做出预期。它能够预计用户的需要并触发自己的 学习交互过程，可以生成适合当时上下文环境的交 合适行为。这需要对用户的习惯、行为模式等信息 互行为，如上下文命令、上下文触发行为和上下文学 有一定的了解。2)透明性是指不被察觉的程度。 习行为，具体见后面章节的讨论。面起着重要的作用［５］ 。 Ｂｌｏｏｍ ［６］ 在研究中发现，有 私人教师进行个人指导的学生在掌握学习材料方面 要大大优于通常在课堂学习的学生。 而适应性包括 模型、交互和界面的适应性［７］ ，个性化与适应性是 相互依赖、互为支撑的。 研究指出，上下文是实现学 习系统个性化的重要因素［８⁃１０］ 。 因此，能够根据每 位学生的学习特点和不同的上下文环境，提供对应 合适的学习内容，并在学习上下文发生变化时及时 地调整学习内容和方式，进行相应的改变，成为实现 学习系统智能性和个性化的一个关键。 近年来，上下文感知在许多领域得到了应用，例 如普适计算［１１］ 、人机交互［１２］ 、学习系统［１０，１３］ 等，也 取得了许多进展。 岳玮宁在采用上下文感知技术改 善手持移动设备的人机交互方面进行了有益的探 索［１２］ 。 Ｋ．Ｍ．Ｌｅｅ 提出一个上下文感知系统结构，系 统采用 ｉｆ⁃ｔｈｅｎ 规则实现上下文感知服务［１４］ 。 文献 ［１０］针对语言学习提出了一个普适环境下的协作 学习支持系统，其中用到了对知识的感知和用户上 下文等。 周建智［１３］ 将本体论引入 ＯＵＬＧ 系统的开 发中，以解决已有的学习系统异构性问题和学习服 务难于共享的问题，在显示界面方面，该系统能自适 应电脑终端或 ＰＤＡ 等手持移动设备。 已有研究存在的主要问题是：１）侧重于系统某 方面技术的研究，对于将上下文感知计算与学习系 统的有机集成缺少研究，而这对提高学习系统的适 应性，以及提供个性化的学习服务较为关键；２） 对 于上下文感知环境下，满足学生的个性需求、适合学 习特点的个性化学习及交互的研究还较为缺乏。 为 此，本文提出上下文感知驱动的具有适应性的个性 化学习及交互方法。 １ 上下文感知 上下文感知是建立具有适应性的个性化学习系 统的一项关键技术，其目的在于实现对学习环境 （包括信息空间与物理空间）的感知，以在用户没有 发出明确请求的情况下判断何时向用户提供服务， 以及提供何种合适的学习服务。 １．１ 应用特性及上下文分类 与一般的学习系统相比，基于上下文感知的智 能学习系统通常需要具备如下特性：１）前摄性是指 在没有用户的请求下就代表用户对未来的目标或问 题做出预期。 它能够预计用户的需要并触发自己的 合适行为。 这需要对用户的习惯、行为模式等信息 有一定的了解。 ２） 透明性是指不被察觉的程度。 Ｗｅｉｓｅｒ 将透明性称之为一种太自然以至于在使用时 察觉不到的特性［１５］ 。 这就要求在学习的过程中，系 统尽可能少地要求用户显式地输入信息。 这需要充 分地利用上下文信息，以避免对学习过程不必要的 频繁中断。 ３）与学习交互的集成需要将原始数据 处理生成初步的上下文信息，并通过推理得到抽象 的具有语义的上下文信息，获得的上下文信息将与 学习交互过程进行融合，为学习和交互行为的生成 提供支持。 对上下文的分类有助于理解上下文在学习交互 中的作用及影响机制。 根据学习领域的特点，可以 将上下文分类为：１） 物理上下文，包括学习者位置 （宿舍、教室、图书馆等）、网络（ＧＳＭ、互联网）、设 备、当前时间、天气等；２） 用户上下文，是与学习者 相关的基本信息和个性信息，包括姓名、性别、角色、 个人偏好等；３） 学习上下文，包括与用户学习有关 的各种信息，如用户的学习水平、期望的学习时间、 学习对象、学习目标、学习状态、学习风格等。 不同 类型的上下文通过作用机制参与学习和交互的决策 过程，进而影响到系统的行为与功能。 １．２ 作用机制 上下文感知对学习与交互的作用机制可以用图 １ 进行描述，其本质是上下文对学习及交互行为的决策 产生影响，进而生成适合当前上下文环境的学习服务。 其中作用机制可分为 ２ 种：主动模式和被动模式。 主动模式是在对上下文及感知信息提取特征之 后，对上下文触发规则进行匹配，在满足规则约束的 条件下，发出对应的触发信号。 在触发多条规则的 情况下，会依据优先性进行选择。 高层应用接收到 触发信号之后执行相应的应用。 例如，用户在转换 学习场所后，新的地点会触发用户的学习配置环境 的切换；用户学习时间过长，会触发“学习太久，请 注意休息”的提醒行为（如图 １ 中行为 １ 的触发执 行）。 被动模式可通过统一的上下文访问接口实 现，所有的高层应用要获取上下文，都必须通过这个 访问接口。 上下文信息作为输入作用于学习模型，可用于 生成满足用户学习需求的个性化学习模型，结合学 习目标、学习状态等上下文的变化，进而对学习模型 进行调整、优化，生成适合该用户的个性化学习序 列，以及进行学习导航等。 另外，上下文信息作用于 学习交互过程，可以生成适合当时上下文环境的交 互行为，如上下文命令、上下文触发行为和上下文学 习行为，具体见后面章节的讨论。 第 １ 期 蒋艳荣，等：上下文感知驱动的自适应个性化学习及交互 ·６１·