周建東

（麗水學院 工學院計算機學系，浙江 麗水 323000）

基于本體的大學英語移動學習個性化研究

周建東

（麗水學院 工學院計算機學系，浙江 麗水 323000）

隨著移動終端的普及和無線網(wǎng)絡的飛速發(fā)展，移動學習成為一個研究熱點。針對傳統(tǒng)學習資源利用率低、用戶針對性不強、個性化學習不夠突出等問題，提出了改進大學英語移動學習的方案。該方案充分利用4G網(wǎng)絡環(huán)境下的學習資源，實現(xiàn)隨時隨地高效率、個性化的學習。將云技術應用到4G移動學習中，利用本體論，設計用戶的興趣模型，滿足大學生英語學習的個性化需求。結合本體理論，研究本體類層次結構和語義推理的理論方法，設計專家本體用戶興趣模型。

移動學習；本體論；個性化學習

一、基于4G和云計算的移動學習

隨著2013年年底，工信部4G牌照的發(fā)放，最為重要的高速網(wǎng)絡通信問題獲得了解決。而云技術的出現(xiàn)解決了資源合理配置的難題。所以4G網(wǎng)絡技術與云技術結合起來提供移動學習將是一種頗具前景的技術解決方案。隨著4G技術的逐漸成熟、基站站點布局更加合理、商業(yè)化進程的進一步加快，用戶將可以享受到更穩(wěn)定的速率和更高的服務質量。云計算是一種基于互聯(lián)網(wǎng)的超級計算模式，即將存儲在互聯(lián)網(wǎng)上的各個節(jié)點和設備上的大量數(shù)據(jù)信息和硬件資源集中在一起，以提供硬件平臺服務或數(shù)據(jù)信息服務。它將計算任務分布在大量計算機構成的資源池上，通過網(wǎng)絡以按需、易擴展的方式獲取服務。最近幾年，云計算憑借它動態(tài)、可伸展、形式靈活和聚散自由等優(yōu)點，并能為用戶提供海量信息和彈性服務，已經勢不可擋地來到我們身邊。隨著它的發(fā)展和普及，學校的各種教學信息和資源都將逐步遷移到“云”上，這對在大學開展移動學習的教學模式的改革，提供了一個很好的契機。

二、本體論

在計算機科學與技術科學領域，本體是指一種“形式化的，對于共享概念體系的明確而又詳細的說明”。本體提供的是一種共享詞表，也就是特定領域之中那些存在著的對象類型或概念及其屬性和相互關系；在本文的本體用戶興趣模型中，就是數(shù)據(jù)庫中存在的各種實體，例如生詞表、文章表和用戶訂閱表等。本體也是對特定領域之中實體概念及各實體之間相互關系的形式化表達。本體是人們以自己興趣領域的知識為素材，運用信息科學的本體論原理而編寫出來的作品。利用云計算整合各種網(wǎng)上的英語資源，根據(jù)自己的興趣愛好，利用專家本體用戶興趣模型，有選擇的選取材料進行學習。同時根據(jù)用戶的生詞表進行各種學習素材的整合，為用戶提供不同的學習文章。

三、個性化學習

當前大學，學生都很有個性，學習目的和興趣各不相同。同樣在英語學習過程中，每個人也不一樣，有的學生喜歡參與討論或對話；有的學生愿意將重點放在語法分析和詞匯練習上；有的學生喜歡獨立思考，喜歡合作學習；有的學生喜歡人情內容、社會內容、充滿幻想和幽默的學習材料。在英語學習材料的選擇上也很不一樣，有些人喜歡VOA，有些人喜歡新概念英語，而采用相同的大學英語教材已經不能滿足現(xiàn)代大學生。這些現(xiàn)象表明：不同的學生，他的學習風格和方法、學習的材料和內容以及他的學習策略多有所不同。因此，大學英語的學習和教學要朝著滿足大學生個性化學習、自主學習方向發(fā)展。利用4G移動網(wǎng)絡和云計算，構建一個移動英語學習平臺，要求充分體現(xiàn)個性化，考慮不同起點的學生，根據(jù)自身的學習情況制訂學習目標。從海量的網(wǎng)絡數(shù)據(jù)中，高效的獲取有用的、適合自己個性的知識，從迅速爆炸的信息中獲得自己感興趣的最新消息，使學生可以在設計的特定環(huán)境下得到適合的學習資源，進行有效的學習。

四、專家本體用戶興趣模型

學生經過個性化訂閱，獲取適合自己興趣的存在云上的各種類別的英語文章和音頻，在學習過程中記錄生詞。然后專家系統(tǒng)根據(jù)生詞出現(xiàn)的頻率，自動推薦生詞頻率最高的文章。學生在推薦的文章學習中如果沒有再次對生詞進行記錄和標注，則相應的減少在生詞庫中該詞的頻率。依次類推，直到在生詞庫中該生詞不再出現(xiàn)。在上述的系統(tǒng)設計實現(xiàn)過程中，專家系統(tǒng)根據(jù)專家提供的知識和經驗，結合本體用戶興趣模型進行推理和判斷，模擬人類專家的決策過程為學生推薦適合的能進一步強化生詞記憶的文章。在設計專家系統(tǒng)過程中，需要進行專家信息本體設計和用戶興趣模型構建，對本體信息進行研究，設計出相關本體信息類，根據(jù)各類的特點設計出相應的數(shù)據(jù)屬性和對象屬性，并確定屬性的取值范圍。根據(jù)這些要求構建本體用戶興趣模型：實驗E的樣本空間為S，A為E的事件，B1，B2，…，Bn為S的一個劃分，且P（A）＞0，P（Bi）＞0（i=1，2，…，是在一篇文章中的某一生詞，它被推薦學習的概率。P（Bi）是任意給定的一篇文章在所有可能被推薦的文章中的整體概率。P（A|Bi）是某一生詞出現(xiàn)在被推薦文章中的概率。P（Bj）是任意給定的一篇文章它不被推薦的整體概率。P（A|Bj）是某一生詞出現(xiàn)在不被推薦文章中的概率。

根據(jù)以上原理陳述生成推薦文章的過程：根據(jù)學生的訂閱收集大量的英語文章。在學生對英語文章的學習過程中，提取不認識的生詞作為TOKEN串，并統(tǒng)計提取它的TOKEN串出現(xiàn)的次數(shù)，即字頻。每一篇文章對應一個哈希表，設 hashtable_Recommend對應被推薦文章集，而hashtable_NotRecommend對應不被推薦文章集。表中存儲TOKEN串到字頻的映射關系。計算每個哈希表中TOKEN串出現(xiàn)的概率P=（某個TOKEN串的字頻）/（對應哈希表的長 度 ）。 綜 合 考 慮 hashtable_Recommend 和hashtable_NotRecommend，推斷出某個生詞在文章中出現(xiàn)，該文章被推薦的概率。建立新的哈希表hashtable_probability存儲TOKEN串Bi到P（Bi/A）的映射。此時被推薦文章和不被推薦文件的學習過程結束。根據(jù)建立的hashtable_probability推薦學生應該加強學習的文章。

基于以上的推薦文章生成專家系統(tǒng)，為每個學生建立了屬于自己的訂閱文章和生詞集合，再通過分析學生檢索請求及跟蹤用戶學習行為，獲得學生在英語學習過程中的興趣特征，從而對學生學習興趣進行建模，并對專家系統(tǒng)的興趣模型不斷更新，將學生興趣特征和資源特征的描述擴展到一定的層次上，將用戶興趣與資源在專家級層次上進行匹配，最終構建專家本體用戶興趣模型。

基于本體的大學英語移動學習個性化研究，本質就是專家本體用戶興趣模型構建，也就是一種組織或類別意義上的決策行為。專家系統(tǒng)的知識行為是與語境相關且獨立構建的，功能強大但難免比較片面，因此很難構建一個可以滿足所有成員使用需求的本體。對某些領域內專家行為的研究也說明了這一點，甚至在一些良好構架的領域中，也很難達成一致的意見。本文針對的是大學英語移動學習專家本體用戶興趣模型的探索，以期實現(xiàn)新技術與先進學習理念的結合，滿足當前大學生都能在隨時隨地、自由化、個性化、多元化的移動下學習。同時提供了一個新的研究視角，使得大學英語學習改革創(chuàng)新落到實處。

G642.0

A

1674-9324（2014）29-0245-02