中小學電子圖書館教學資源推薦與采集系統(tǒng)*

楊念

中小學電子圖書館教學資源推薦與采集系統(tǒng)*

楊念

推薦系統(tǒng)是電子圖書館領域廣泛應用的個性化服務工具。由于網絡中海量教育資源與人工選擇之間存在矛盾，文章提出用于非館藏教學資源推薦的中小學圖書館服務系統(tǒng)。該系統(tǒng)采用雙向挖掘技術，同時采集校內需求和校外熱點資源，并進行二者的特征匹配，從而提供個性化服務。該系統(tǒng)具有較高的用戶覆蓋度、推薦精度和總體滿意度。

個性化推薦 教學資源 中小學圖書館

0 引言

近年網絡教育資源建設取得長足進步，中小學紛紛建立電子圖書館與配套的網絡教育資源庫，如論壇、習題庫、課件庫、教材教案下載站[1-2]，推動了網絡教育的發(fā)展。網絡教學資源具有高度的可擴散性、直觀性和多樣性等特點，能夠使課堂由無形到有形、由平面到立體、由靜態(tài)到動態(tài)，從而一方面調動學生的學習積極性，激發(fā)學生的求知欲；另一方面開闊教師的眼界和思路，提高教育教學水平。但由于我國網絡教育資源建設起步較晚，經驗較欠缺，人員素質參差不齊，缺乏統(tǒng)一的電子圖書館資源共享技術規(guī)范和模型[3-4]。其中，中小學電子圖書館中的資源數量呈井噴式發(fā)展，但限于中小學教師信息素養(yǎng)與信息獲取手段的因素，隨之而來的信息過載問題給資源的高效利用帶來重重困難[5-6]。電子商務領域也面臨類似問題，隨著網絡信息的急速增長，用戶越來越難以應對海量信息資源，不但無法獲得有用的信息，甚至對自身需求的認知也愈加模糊。因此，從整體看，網絡時代的用戶信息利用效率反而降低，這就是所謂的信息超載(Information Overload)。目前電子商務領域解決此問題的最有力工具是推薦系統(tǒng)[7]，即根據用戶的信息需求、興趣等，將相關信息資源推薦給用戶的個性化信息系統(tǒng)[8]。和被動等待用戶提供信息的搜索引擎相比，推薦系統(tǒng)能主動研究用戶的興趣偏好，進行個性化計算，挖掘用戶的興趣點，引導用戶發(fā)現自己的信息需求[9-10]。一個好的推薦系統(tǒng)不僅能為用戶提供個性化服務，還能和用戶建立密切關系，讓用戶對推薦產生依賴。基于上述問題和前期研究，本文提出基于中小學電子圖書館的個性化教學資源推薦與采集系統(tǒng)。

1 問題分析與解決方案

由于中小學各課程組中缺少能及時更新的、與新教材教法配套的優(yōu)質網絡教學資源，因此教師不得不獨力建設教育資源。在此模式下，學校和教師彼此孤立、各自為戰(zhàn)，建設存在成本高、質量差、周期長，不利于信息技術在中小學中的應用。由此，優(yōu)質教育教學資源的共享是困擾中小學教育信息化工作的關鍵問題。為此，本文提出對應的解決方案。

(1)校內外“需求VS資源”的矛盾。主要體現在校內用戶(教職員與學生)的信息素養(yǎng)較低，難以精確描述其需求，而校外資源擁有者又不懂如何將教學資源推薦至校內。針對該問題，魯丹[11]和楊帆[12]研究了校內獨立服務器采集校外教學資源的方法與技術。本系統(tǒng)在此基礎上加以創(chuàng)新，將需求采集與資源采集分離，設計兩個功能獨立、相輔相成的模塊，分別采集校園內外的需求與資源，同時實現“需求精確描述”“主動獲取校外資源”的功能。

(2)中小學教學資源檢索及相關服務的零散性和非常態(tài)化。主要體現在非信息專業(yè)教職工的信息素養(yǎng)亟待提高，及校內往往缺少便捷和常態(tài)化的信息服務上。針對這個問題，王龍[13]和姜媛媛[14]研究了校內組織定時和集成檢索的先進服務模式。本系統(tǒng)進一步采用信息融合算法，將高度相似或相近的用戶需求融合，集中交由推薦數據處理模塊處理，然后由外部數據采集模塊統(tǒng)一、定時地獲取教育教學資源。這樣，既提高信息資源利用率，也解決用戶信息素養(yǎng)不足的問題。

(3)中小學教學資源獲取與應用的重復性。主要體現在中小學教職員工所需資源往往趨于同質，比如某課程組的教師們可能重復下載同一資源，但分散、重復的下載浪費時間、流量和資金。針對該問題，白雪[15]、吳雨等[16]研究了用戶需求信息融合與校園(企業(yè))內部數據發(fā)掘的方法與技術。本系統(tǒng)通過內部需求采集模塊，一方面對校園網內在線用戶的需求進行跟蹤采集，另一方面遍歷校園網內的各數據庫，以發(fā)現潛在用戶需求信息，獲取良好的信息發(fā)掘效果。

2 系統(tǒng)結構與處理流程

本系統(tǒng)提供的自動服務包括三部分：自動采集校內用戶的教學資源需求；自動提取校內需求和校外資源的特征詞，并加以匹配和選優(yōu)，下載其中匹配度較高的教學資源；自動將匹配度較高的資源推薦給校內用戶。本系統(tǒng)的結構與處理流程見圖1。

圖1 系統(tǒng)結構與處理流程

2.1 系統(tǒng)結構

(1)外部數據采集模塊。功能包括兩部分：一是反向搜索熱點信息，即獲取本系統(tǒng)用戶(教管人員、教職員工和學生)關注的熱點。反向搜索方式是指本系統(tǒng)定時(通常在晚間與凌晨)對兩大常用搜索引擎(Baidu和Google)進行檢索，檢索依據為校園內部采集到的熱點詞，而后下載搜索頁面，實施關鍵詞分離，從中提取相近和相似的關鍵詞，存儲在匹配數據庫，以擴大搜索范圍；二是校外教學資源下載。根據匹配數據庫中的濃縮關鍵詞，自動下載排名表中前10頁的Internet教學資源，其中免費資源將自動下載，付費資源將保留鏈接記錄，48小時之內由管理員進行處理。下載后的資源保存在系統(tǒng)內部的教學資源庫中。該模塊可通過三級匯總(教師/學生—課程組—年級組)模式匯集用戶需求，也可由圖書館管理員提供人工“教學關鍵詞”服務，將用戶需求準確轉化為搜索詞。

(2)推薦數據處理模塊。功能是整合內外信息需求與資源，依托匹配數據庫，一方面向教學資源庫注入新資源，并管理匹配數據庫；另一方面對校園內外的教學資源信息進行分析和處理，主要包括分析校園內部教學資源需求與信息檢索要求(如校內重點建設課程的相關課件、教輔教材、答疑手冊)，通過外部數據采集模塊獲取當前網絡熱點資源(如教改熱點)，以及處理內外兩類資源信息的匹配和查詢。

(3)內部需求采集模塊。功能包括兩部分：一是對校園網內的用戶需求進行采集跟蹤；二是對隱藏在校內各個數據庫的、與學校發(fā)展高度相關的特征詞等內網信息進行深度挖掘，從中提取特征數據，如學校名優(yōu)課程、名師、教學教改論文。這兩類信息的提取為校外教學資源的自動采集提供更精準的搜索關鍵詞。

(4)匹配數據庫模塊。主要功能是提供校園內外“需求VS資源”的信息存儲與結構化查詢。與其他被動式數據庫服務不同，該模塊在系統(tǒng)空閑時，主動分析和記錄互聯(lián)網中的熱點詞/熱點頁面，及其與學校教師需求(特征數據)之間的匹配度，從而在實際資源推薦與采集過程中直接向推薦實施模塊提供決策支持。比如，新老師入職，分配新課程后，本系統(tǒng)將根據課程內容，尋找互聯(lián)網中排名靠前的教學教輔資源。

(5)推薦實施模塊。主要采用兩種模式進行教學資源推薦：一是被動觸發(fā)模式，即當校內用戶進行資源處理(搜索或下載)時，推薦實施模塊根據這些需求觸發(fā)推薦，從匹配數據庫中提取相關度較高的TopN資源，推薦給用戶。比如，當某教師搜索“小學5年級上數學練習”時，該模塊將自動向其推薦練習冊、習題集、教師手冊等資源；二是主動推薦模式，即當校內用戶舉行業(yè)務活動時，系統(tǒng)以用戶的歷史需求和當前活動信息(如所在網頁的特征信息)為依據，實施教學資源推薦。如當教研單位進行教科研討論資料收集時，該模塊將向其推薦相關的學術論文、講座報告及項目案例。

2.2 處理流程

本系統(tǒng)的自動處理流程主要有四個階段(見圖1)。

(1)信息與資源采集階段。系統(tǒng)通過校園內部需求采集模塊和外部數據采集模塊，分三步進行操作：第一，采用非定時觸發(fā)和定時遍歷兩種方式，發(fā)掘校園內部需求。定時遍歷主要在夜間系統(tǒng)空閑期收集校園網中各類數據庫的特征數據，提交給管理員進行合法性檢驗，然后再提交給外部數據采集模塊，從而避免遍歷所有的關鍵詞，保證系統(tǒng)安全和節(jié)約網絡開銷。非定時觸發(fā)主要通過瀏覽器嵌入等形式，采集用戶的搜索偏好等信息。第二，融合系統(tǒng)中的信息，將采集到的需求信息融合為：V(ID：Identity；P：Position；D：Description；K：Key；T：TOP……)。其中P代表校園網內關鍵詞位置，包括超級鏈接、文件、數據庫；D代表該關鍵詞的描述和特征；K為該詞的相關詞匯；T代表該關鍵詞在校內需求中的排名。第三，由外部數據采集模塊完成數據采集與處理。

(2)推薦目標用戶發(fā)掘。由內部需求采集模塊獲取校內需求排名、熱點關鍵詞等信息，通過推薦數據處理模塊進行計算，分析得出校內用戶的顯式和隱性資源需求，將用戶及其需求信息保存在匹配數據庫中備用。由于校內用戶的需求往往高度同質化，如同一課程組的教師往往需要相似的資料，因此首先要進行用戶聚類，根據用戶的工作內容，劃分若干個用戶類別，然后再發(fā)掘各類用戶的特征和需求，以節(jié)省系統(tǒng)的資源開銷。

(3)推薦資源發(fā)掘。由于整個推薦系統(tǒng)中可用信息較多，因此須通過匹配數據庫模塊予以排序。系統(tǒng)通過內容相關度分析，發(fā)現與用戶個性化需求匹配度較高的TopN教學資源，并將這些資源優(yōu)先推薦給用戶。

(4)推薦實施。根據內外信息匹配的結果進行兩方面推薦，一是直接將非定時觸發(fā)產生的個性化教學資源列表通過郵件、彈出式菜單等方式推薦給用戶；二是對定時遍歷產生的推薦列表，通過各個教學教務系統(tǒng)主頁的滾動新聞、資源快報等方式予以推薦。

3 關鍵算法

因為資源命名和檢索活動由校外與校內的組織或個人分別進行，所以資源需求關鍵詞與資源命名的重合度通常不高。而傳統(tǒng)的K距離匹配算法和核心發(fā)掘匹配算法中，假設兩者之間的相似度為零，這種假設會導致構建的匹配空間(矩陣)中相當數量的元素為0，從而浪費大量的計算資源。由此，本系統(tǒng)充分考慮到兩類信息存在的部分相似度，以消除負載過大的問題，并保證一定的匹配精度。本系統(tǒng)的關鍵算法描述如下：首先假設內外兩類關鍵詞(需求特征)為ki和kj，其文本的長度分別是li和lj，其中相似字符串的長度是l，由此，二者的相似度可定義為T(ki，kj)：

由上式可知，T(ki，kj)∈[0，1]。該公式模擬了校內外“需求VS資源”部分相似的情況，從而提高需求與資源關鍵詞之間相似度的匹配精度。系統(tǒng)中的所有資源都有若干個描述其個性化的特征詞，結合特征詞(關鍵詞)的頻次可進行以下處理：

首先，得到某資源的特征詞頻次：

再通過(1)式有：

隨后取公式(3)中的最大值，定義為Max(ki) =Max(T(ki)），得出相似加權計算的最終值：

其次，假設存在n個教學資源，共有m個特征詞，采用空間向量矩陣表示它們：

某資源的空間特征分量wij(i=1，2…，n；j=1，2…，m)是其特征詞與核心特征詞(需求)之間的相似度乘以該特征詞在摘要中出現的頻次，然后加權重1，再取最大值。接著，對其進行排序，可得到當前TopN的推薦資源。隨后，本系統(tǒng)采用直接評分的測量方法，描述其評價值：

在公式(6)中，Zi(k)為第i個評價者(教職工)于k時刻對資源的評價值，其中的X為真實值，相應地，vi(k)是k時刻由主觀因素產生的評價噪聲，公式(6)中存在未知的E[V(k)]和D[V(k)]等先驗知識。在后續(xù)處理中，采用了灰關聯(lián)公式，計算二者灰關聯(lián)度，并給出其相似度矩陣。系統(tǒng)中l(wèi)時刻推薦序列i和需求序列j的灰關聯(lián)度aij(l)可表示為：

由此可得，在l時刻各個推薦序列和需求序列(教師、管理人員、學生等分組)間的相似度構成矩陣GM(l)如公式(8)所示：

至此，將其相關值進行排序，選擇相關度較高的推薦序列，則可獲得更為精準的推薦對象。

4 實驗結果與分析

為驗證本系統(tǒng)的推薦效果，筆者在成都某中學進行模擬實驗。系統(tǒng)安裝在聯(lián)想萬全服務器R520中，通過在線、郵件/短信、嵌入式搜索等方式實施推薦活動。以2天為一個周期，經過15個測試周期之后，以調查問卷的形式回訪教職工及學生對本系統(tǒng)(以下稱“新系統(tǒng)”)的使用滿意度，并將其與直接采用全文搜索引擎的推薦系統(tǒng)(以下稱“舊系統(tǒng)”)進行對比。問卷共發(fā)放300份，回收到有效問卷242份。表1顯示，新系統(tǒng)用戶滿意度遠勝于舊系統(tǒng)。

表1 新舊系統(tǒng)的客戶滿意度對比

另外，圖2中的推薦(用戶)覆蓋度變化趨勢也顯示新系統(tǒng)具有較高的應用價值。教學資源的用戶推薦覆蓋度是指，推薦系統(tǒng)向用戶推薦的教學資源集合對用戶最終選擇的教學資源總集的覆蓋程度。圖3的準確度變化趨勢與圖2類似，表明新系統(tǒng)的應用價值較高。教學資源的用戶推薦精確度是指，推薦系統(tǒng)向用戶推薦且被采納的相關資源數，除以所有被用戶采納的資源總數得到的比率。準確度能夠度量一個推薦系統(tǒng)或者推薦算法預測用戶行為的能力，是最重要的推薦系統(tǒng)評測指標。

圖2 推薦覆蓋度對比

圖3 推薦準確度對比

由圖2可知，新系統(tǒng)的推薦覆蓋率較高，說明教職員工對該系統(tǒng)具有較高的認可度；對系統(tǒng)采集和推薦的教育教學資源，教職員工的采納率較高。較之舊系統(tǒng)，新系統(tǒng)的算法更為有效，因此其推薦覆蓋度較高，且在達到峰值后，下降速度也較慢，能在較長時間內保持較高的推薦覆蓋度。

由圖3可知，新系統(tǒng)的推薦準確度較高，體現了較好的信息發(fā)掘能力和資源需求預測能力；對教職員工的資源需求挖掘較為深入和系統(tǒng)，集成度較高。這樣不但能提高整個系統(tǒng)的用戶滿意度，還能最大限度發(fā)掘用戶需求，彌補中小學教師信息素養(yǎng)的缺失，從而精確地滿足教職員工的教育教學資源需求。此外，通過外部數據采集模塊集中下載和共享資源可為學校節(jié)省網絡開支，體現了較高的性價比。

5 結語

個性化教育資源推薦與采集系統(tǒng)在基于中小學圖書館的實驗中應用效果良好，通過分析與匹配校園內外的“需求VS資源”，能較好地為師生員工服務，具有較高的應用價值。從應用結果看，該系統(tǒng)能為教師群體提供個性化的、精準的教育資源推薦和采集服務。較之傳統(tǒng)的“人工+搜索引擎”服務系統(tǒng)，不但準確度、覆蓋度較高，而且能夠通過集中下載，降低教職員工的信息獲取難度，節(jié)省了寶貴的時間和資金，體現出良好的性價比。但由于中小學生的信息載體匱乏等原因，該系統(tǒng)未能深入研究中小學生學習資源的個性化推薦服務，學生的需求尚需要通過教師進行轉達。

除信息素養(yǎng)缺失外，中小學教學資源建設還存在兩大問題：一是硬件設備投入大、裝備更新速度快，但“軟件”資源，特別是教材教法的配套資源匱乏，無法滿足教職員工的信息需要；二是盡管教育信息資源商家提供的信息資源成品內容豐富、形式多樣，但由于其并非為“因材制定”，所以普遍存在質量參差不齊的問題，個性化和精準化程度較低，和教學需求存在較大差距?；谏鲜鲅芯?，未來工作應包括更細致的垂直學科推薦服務，并開展基于移動互聯(lián)網的教學資源細分等，力爭將上述技術與方案在商業(yè)及教育等領域進行擴展。

[1][5][15]白雪，趙蔚，姜強，等.基于標簽的教育資源管理與推薦模型構建——來自社會化標注網站的啟示[J].現代教育技術，2014（5）：32-34.

[2][6][16]吳雨龍，黃濤，楊燕，等.一種面向企業(yè)的行業(yè)微博信息推薦方法[J].計算機應用與軟件，2014（11）：86-89.

[3][7]王俊紅.基于語義網的農業(yè)學習資源推薦系統(tǒng)研究[J].計算機應用與軟件，2013（8）：233-235.

[4][8]孫向榮.基于不完全模糊語言的高校數字圖書館信息資源推薦系統(tǒng)的構建研究[J].圖書情報工作，2013（1）：124-129.

[9]楊麗娜，魏永紅.情境化的泛在學習資源智能推薦研究[J].電化教育研究，2014（10）：103-108.

[10]柯清超，鄭大偉，曾穎欣.基礎教育領域數字教育資源的評價研究[J].電化教育研究，2014（2）：55-61.

[11]魯丹.個性化教育資源推薦系統(tǒng)的設計與實現[D].上海：華東師范大學，2014.

[12]楊帆.網絡教育資源分類及推薦機制研究[D].北京：首都師范大學，2014.

[13]王龍.教育資源推薦服務中若干關鍵技術的研究[D].長春：吉林大學，2013.

[14]姜媛媛.遠程教育資源網中的個性化資源推薦研究[D].西安：西安電子科技大學，2011.

A Primary and Secondary School Electronic Library Teaching Resource Recommendation and Collection System

YANG Nian

Recommendation systems are usually utilized to provide personal services in primary and secondary schools’electronic library.In order to deal with the mismatching of mass education resource and artificial choice，an education resource recommendation system with bidirectional data mining technologies is given.This system collects intramural education requires and outside hotspots，matches them by their characters，then provide personal resource service to teachers and managers.Simulation results show that the system has better recommendation performance，client coverage and overall satisfaction.

personal recommendation；teaching resource；primary and secondary school library

格式 楊念.中小學電子圖書館教學資源推薦與采集系統(tǒng)[J].圖書館論壇，2015（10）：96-101.

楊念，碩士，四川文軒教育科技有限公司總經理。

2015-01-22

*本文系國家科技支撐計劃項目“個性化教學資源推薦與采集系統(tǒng)的研究與設計”（項目編號：2013BAH70F00）研究成果之一