尹婷婷 龔思怡 曾憲玉

（1.西北工業(yè)大學(xué)教務(wù)處，西安 710072；2.西北工業(yè)大學(xué)圖書館，西安 710072）

教育部印發(fā)《國家中長期教育改革和發(fā)展規(guī)劃綱要（2010—2020年）》中明確提出，教育工作者需要關(guān)注學(xué)生的個性特征和自身特點，倡導(dǎo)積極、主動的個性化學(xué)習(xí)方式，充分發(fā)展學(xué)生的潛在優(yōu)勢。但是在長期的教育實踐過程中，由于學(xué)生自身存在的個體差異性、學(xué)習(xí)效果的不同及學(xué)習(xí)狀態(tài)的變化等因素[1-2]，教育工作者很難全面、準確地了解學(xué)生所需要的教育資源，難以針對學(xué)生的不同學(xué)習(xí)需求進行教育資源個性化推薦服務(wù)。同時，隨著“互聯(lián)網(wǎng)+”、大數(shù)據(jù)等信息技術(shù)的快速發(fā)展，網(wǎng)絡(luò)空間內(nèi)的信息量呈爆發(fā)式增長，為個性化學(xué)習(xí)的實施提供了大量的、更加便捷的學(xué)習(xí)資源，然而海量的教育資源極易導(dǎo)致諸如“信息擁塞”“信息過載”等現(xiàn)象的發(fā)生，如何順應(yīng)學(xué)習(xí)者個性化學(xué)習(xí)需求的研究背景，針對學(xué)習(xí)者的差異性從復(fù)雜、海量的信息資源中搜索、定位并推薦學(xué)習(xí)者所需的教育資源，進一步提升教育資源個性化推薦服務(wù)的智能性和精準度，目前已成為當今國內(nèi)外教育管理領(lǐng)域眾多專家和學(xué)者研究的熱門話題和關(guān)鍵問題。因此，構(gòu)建一種準確率更高、更加智能化的教育資源個性化推薦系統(tǒng)是目前亟待解決的問題。用戶畫像作為大數(shù)據(jù)背景下資源信息推薦服務(wù)的設(shè)計工具，為教育資源個性化推薦服務(wù)提供了新的研究思路。用戶畫像模型的構(gòu)建主要是針對用戶個人信息特征及在網(wǎng)絡(luò)交互系統(tǒng)內(nèi)產(chǎn)生的行為記錄信息進行數(shù)據(jù)挖掘，通過數(shù)據(jù)信息的發(fā)現(xiàn)與數(shù)據(jù)的提煉過程，預(yù)測用戶的資源需求，最終推薦滿足用戶需求的、準確的資源信息[3-4]。本文借鑒在信息科學(xué)、人工智能等領(lǐng)域的應(yīng)用實踐，引入用戶畫像技術(shù)來探討、分析教育資源與學(xué)習(xí)者資源需求之間的內(nèi)在聯(lián)系，深入挖掘教育資源個性化推薦服務(wù)的本質(zhì)特征，構(gòu)建教育資源個性化推薦服務(wù)模型并探討與之相關(guān)的教育資源個性化推薦服務(wù)的具體應(yīng)用模式，為大數(shù)據(jù)背景下高校開展教育資源個性化推薦服務(wù)和滿足學(xué)習(xí)者多粒度個性化學(xué)習(xí)需求提供參考。

1 用戶畫像概述

網(wǎng)絡(luò)工程師Cooper提出用戶畫像是建立在一系列屬性數(shù)據(jù)之上的用于描述目標用戶的虛擬模型[5]，算法的核心步驟包括對用戶個性特征、網(wǎng)絡(luò)行為痕跡等數(shù)據(jù)信息進行深度挖掘與歸納分析，利用信息識別及數(shù)據(jù)挖掘等人工智能技術(shù)完成用戶貼“標簽”的建模過程，將獲取的“標簽”按照一定的排列組合方式匯聚起來，從而達到快速、精準地了解用戶個性化需求的目的[6]。因此，用戶畫像多用于信息資源推薦服務(wù)及精準營銷等應(yīng)用領(lǐng)域[7]。Gauch等[8]提出通過加權(quán)關(guān)鍵詞、概念層次結(jié)構(gòu)對用戶畫像的標簽系統(tǒng)進行細化分類的觀點。Xu等[9]通過用戶畫像技術(shù)提取隱藏在社交網(wǎng)絡(luò)中微博用戶的輪廓特征，并將其用于微博用戶資源需求的推送服務(wù)。張壯等[10]通過引入注意力機制，利用Stacking集成方法提出改進的多模態(tài)融合用戶畫像方法。Jiamthapthaksin等[11]基于ANN和SVM算法構(gòu)建用戶畫像的興趣特征模型，并利用Facebook數(shù)據(jù)集驗證模型的有效性。周文靜[12]提出將加權(quán)概念興趣、加權(quán)關(guān)鍵字興趣用于用戶興趣維度畫像模型的構(gòu)建，并針對校園網(wǎng)絡(luò)用戶畫像的數(shù)據(jù)來源進行實證研究。Quintana等[13]基于用戶體驗設(shè)計理念，提出用戶畫像技術(shù)在MOOC教育資源精準推送服務(wù)過程中的設(shè)計需求?？v觀學(xué)術(shù)領(lǐng)域關(guān)于用戶畫像的研究成果，發(fā)現(xiàn)其研究的側(cè)重點主要集中于用戶模型的不同構(gòu)建方法以及具體的資源精準推送模式等內(nèi)容，而關(guān)于用戶畫像技術(shù)在教育資源個性化推薦服務(wù)中的研究仍需進行深入探討。

2 教育資源個性化推薦服務(wù)研究現(xiàn)狀

以學(xué)習(xí)者具體的學(xué)習(xí)需求為導(dǎo)向，通過對學(xué)習(xí)者個性特征的描述、學(xué)習(xí)需求的識別、提供教育資源個性化推薦服務(wù)，其實質(zhì)體現(xiàn)了以學(xué)習(xí)者為中心的現(xiàn)代教育理念，這也是當前大眾泛化學(xué)習(xí)情況下教育資源個性化推薦服務(wù)的發(fā)展基礎(chǔ)[14]。在“互聯(lián)網(wǎng)+”信息時代背景下，依據(jù)用戶的個性化需求，信息科學(xué)、教育管理等領(lǐng)域的眾多研究者進行大量理論與實踐探索，通過對信息資源進行收集、整理、歸納和分類，并向潛在用戶推薦其可能需要的教育資源數(shù)據(jù)，資源推送的具體流程如圖1所示。具體而言，Brusilovsky[15]通過將課程進行排序標記，提出教育資源個性化推薦策略的實現(xiàn)路徑。Weber[16]在個性化學(xué)習(xí)導(dǎo)航策略視角下提出教育資源個性化推薦系統(tǒng)的適用范圍。DeBra[17]通過對學(xué)習(xí)者認知水平的探討，構(gòu)建針對不同認知水平的教育資源個性化推薦模型。Multimedia[18]利用關(guān)聯(lián)規(guī)則分析學(xué)習(xí)者個性化學(xué)習(xí)需求的差異性。Wang等[19]利用協(xié)同過濾技術(shù)提出獲取學(xué)習(xí)者瀏覽教育資源網(wǎng)頁行為數(shù)據(jù)信息的方法。余勝泉等[20]通過系統(tǒng)建模與構(gòu)建推薦算法建立智能化的學(xué)習(xí)元平臺資源推薦模型。查相虹等[21]利用數(shù)據(jù)分析技術(shù)設(shè)計智能化、人性化的支持服務(wù)模型，并對在線學(xué)習(xí)支持服務(wù)應(yīng)用模式進行探討。薛偉[22]分別從教學(xué)策略、學(xué)習(xí)策略不同方面入手，對包括教育資源在內(nèi)的學(xué)習(xí)支持服務(wù)的內(nèi)涵進行了詳細闡述。劉海鷗等[2]基于大數(shù)據(jù)畫像的視角提出學(xué)習(xí)者多維標簽系統(tǒng)構(gòu)建的模型，并用于個性化學(xué)習(xí)精準推薦服務(wù)模式的研究。

圖1 教育資源個性化推薦流程圖

縱覽人工智能、教育管理等領(lǐng)域教育資源個性化推薦服務(wù)的研究成果，發(fā)現(xiàn)主要集中于將不同的算法和應(yīng)用平臺引入針對學(xué)習(xí)者資源需求分析的推送服務(wù)等具體內(nèi)容，包括個性化學(xué)習(xí)資源導(dǎo)航、學(xué)習(xí)者認知建模、語義框架分析及智能代理等最新大數(shù)據(jù)處理技術(shù)的應(yīng)用，但是缺乏對學(xué)習(xí)者個人信息特征及在網(wǎng)絡(luò)交互系統(tǒng)內(nèi)產(chǎn)生的行為記錄信息的考慮與研究，從而導(dǎo)致對學(xué)習(xí)者個人屬性特征研究不夠，對學(xué)習(xí)者的興趣偏好分析不深，教育資源個性化推薦服務(wù)不夠精準等問題。因此，本文借鑒用戶畫像技術(shù)在金融、互聯(lián)網(wǎng)等領(lǐng)域廣泛應(yīng)用的實踐經(jīng)驗，將用戶畫像技術(shù)引入教育資源個性化推薦服務(wù)領(lǐng)域，利用用戶畫像的技術(shù)優(yōu)勢構(gòu)建教育資源個性化推薦服務(wù)模型，為“互聯(lián)網(wǎng)+”背景下教育資源個性化推薦服務(wù)研究提供參考借鑒與發(fā)展思路。

3 基于用戶畫像技術(shù)的教育資源個性化推薦服務(wù)模型構(gòu)建

在大數(shù)據(jù)背景下，學(xué)習(xí)者的數(shù)據(jù)信息具有多維、交叉融合的特征，基于用戶畫像技術(shù)構(gòu)建教育資源個性化推薦服務(wù)模型需要利用聚類耦合分析、深度挖掘等相關(guān)數(shù)學(xué)方法完成針對學(xué)習(xí)者數(shù)據(jù)信息的分析、處理過程，具體步驟主要包括：通過對學(xué)習(xí)者個體屬性及行為痕跡數(shù)據(jù)信息的分析、整合、聚類等操作，全面獲取學(xué)習(xí)者的數(shù)據(jù)信息，建立關(guān)聯(lián)規(guī)則；整合、統(tǒng)一學(xué)習(xí)者個體及學(xué)習(xí)者群體數(shù)據(jù)信息；建立多維學(xué)習(xí)者標簽系統(tǒng)，完成用戶畫像的核心步驟；利用統(tǒng)計分析與數(shù)據(jù)分析算法，構(gòu)建用戶畫像模型，實現(xiàn)教育資源與學(xué)習(xí)者之間的精準匹配，對學(xué)習(xí)者提供教育資源個性化推薦服務(wù)[6]。

3.1 全面獲取學(xué)習(xí)者的數(shù)據(jù)信息，建立關(guān)聯(lián)規(guī)則

隨著“互聯(lián)網(wǎng)+”技術(shù)的飛速發(fā)展以及智慧校園網(wǎng)絡(luò)信息化的全面普及，高校教學(xué)管理系統(tǒng)能夠?qū)w現(xiàn)學(xué)習(xí)者個性特征的數(shù)據(jù)信息進行獲取、保存。利用用戶畫像技術(shù)對獲取的學(xué)習(xí)者數(shù)據(jù)信息進行挖掘、分析并與教育資源進行匹配，從而能夠提供精準的教育資源個性化推薦服務(wù)。由于物理存儲等原因，獲取的學(xué)習(xí)者數(shù)據(jù)信息可能分散于不同結(jié)構(gòu)的系統(tǒng)中，以至各數(shù)據(jù)信息之間的相互關(guān)聯(lián)較弱甚至沒有任何關(guān)聯(lián)。因此，按照獲取的數(shù)據(jù)信息內(nèi)容的差異性，可將獲取的數(shù)據(jù)信息劃分為基本固定數(shù)據(jù)、動態(tài)變化數(shù)據(jù)兩大類。其中，基本固定數(shù)據(jù)主要包括學(xué)習(xí)者的性別、年齡、職業(yè)、職務(wù)等基本特征數(shù)據(jù)信息；動態(tài)變化數(shù)據(jù)主要包括學(xué)習(xí)者在教育系統(tǒng)中的行為日志數(shù)據(jù)、交互動態(tài)數(shù)據(jù)等行為痕跡數(shù)據(jù)，這類數(shù)據(jù)信息會隨著學(xué)習(xí)者學(xué)習(xí)內(nèi)容、興趣愛好等隨時發(fā)生變化。

當體現(xiàn)學(xué)習(xí)者個體特征及網(wǎng)絡(luò)交互系統(tǒng)內(nèi)的行為痕跡的數(shù)據(jù)信息被獲取后，描述學(xué)習(xí)者的基本固定數(shù)據(jù)和動態(tài)變化數(shù)據(jù)就構(gòu)成了用戶畫像數(shù)據(jù)庫的信息來源；當大量的與某一學(xué)習(xí)者相似的基本固定數(shù)據(jù)和動態(tài)變化數(shù)據(jù)被獲取后，關(guān)于某一學(xué)習(xí)者所屬的學(xué)習(xí)者群體數(shù)據(jù)庫信息來源就建立了，同時不同學(xué)習(xí)者群體之間的內(nèi)在關(guān)聯(lián)規(guī)則也能夠建立起來。由于學(xué)習(xí)者個體基本固定數(shù)據(jù)及動態(tài)變化數(shù)據(jù)的更新將影響學(xué)習(xí)者個體所在學(xué)習(xí)者群體數(shù)據(jù)信息的改變，因此，建立學(xué)習(xí)者群體之間科學(xué)、合理的關(guān)聯(lián)規(guī)則是提高教育資源個性化推薦服務(wù)效率的基礎(chǔ)與關(guān)鍵。

3.2 整合、統(tǒng)一學(xué)習(xí)者個體及學(xué)習(xí)者群體數(shù)據(jù)信息

作為構(gòu)建用戶畫像模型的數(shù)據(jù)基礎(chǔ)，高校教學(xué)管理系統(tǒng)收集到的關(guān)于學(xué)習(xí)者的數(shù)據(jù)內(nèi)容具有來源廣泛、數(shù)量龐雜、結(jié)構(gòu)不一的特點。依據(jù)基本固定數(shù)據(jù)、動態(tài)變化數(shù)據(jù)內(nèi)容的差異性，可以借助數(shù)據(jù)分解技術(shù)，將獲取的數(shù)據(jù)信息整合、統(tǒng)一分解成為元數(shù)據(jù)格式，再進行清洗、合并、歸納、整合等數(shù)據(jù)處理步驟[23]，從而獲得能夠用于用戶畫像的有效數(shù)據(jù)信息。在整合學(xué)習(xí)者個體及學(xué)習(xí)者群體數(shù)據(jù)信息的過程中，需要隨時剔除無用數(shù)據(jù)，進一步提高有效數(shù)據(jù)信息的準確性與利用率，從而提高教育資源個性化推薦服務(wù)的精準度。

3.3 針對學(xué)習(xí)者標簽進行處理，構(gòu)建多維學(xué)習(xí)者標簽系統(tǒng)

通過對學(xué)習(xí)者信息的標簽化處理，能夠?qū)W(xué)習(xí)者及學(xué)習(xí)者群體的個性特征形象化、具體化。建立學(xué)習(xí)者及學(xué)習(xí)者群體標簽系統(tǒng)的主要步驟：①獲取、記錄、提取學(xué)習(xí)者及學(xué)習(xí)者群體的數(shù)據(jù)信息，與典型參照詞表系統(tǒng)比對分析，構(gòu)建用于用戶畫像技術(shù)處理過程的標簽詞表系統(tǒng)，標簽詞表的具體內(nèi)容包括學(xué)習(xí)者的性別、年齡、興趣愛好等個人信息特征及在網(wǎng)絡(luò)交互系統(tǒng)內(nèi)產(chǎn)生的行為記錄信息，如使用學(xué)校的教務(wù)系統(tǒng)、圖書館信息檢索系統(tǒng)等產(chǎn)生的訪問信息等；②將獲取的標簽信息進一步梳理、整合、歸納、合并后，形成不同的標簽組，并建立能夠用于用戶畫像處理流程的多維標簽系統(tǒng)，完成用戶畫像的核心步驟，為用戶畫像模型的構(gòu)建提供對比基礎(chǔ)和參照體系[5]。

3.4 利用數(shù)據(jù)分析算法，構(gòu)建用戶畫像模型

依據(jù)獲取到的學(xué)習(xí)者基本固定數(shù)據(jù)及動態(tài)變化數(shù)據(jù)，借助數(shù)據(jù)分析算法完成用戶畫像模型的構(gòu)建，實現(xiàn)更加精準的教育資源個性化推薦服務(wù)。在用戶畫像模型構(gòu)建過程中，通過建立向量模型對描述學(xué)習(xí)者資源需求的數(shù)據(jù)信息進行科學(xué)、有效的描述和權(quán)重計算，利用節(jié)點表示教育資源，節(jié)點大小代表學(xué)習(xí)者對某一具體教育資源的訪問次數(shù)，各節(jié)點間連線的粗細度代表學(xué)習(xí)者對教育資源需求的強弱關(guān)系。依據(jù)得到的教育資源權(quán)重值的不同，學(xué)習(xí)者對某一具體教育資源的需求也得到了具體量化表示。基于上述分析，按照學(xué)習(xí)者及學(xué)習(xí)者群體的數(shù)據(jù)信息分析流程，基于用戶畫像技術(shù)的教育資源個性化推薦服務(wù)模型可具體分為數(shù)據(jù)基礎(chǔ)層、數(shù)據(jù)處理層及數(shù)據(jù)挖掘?qū)樱ㄒ妶D2）。

圖2 用戶畫像模型構(gòu)建數(shù)據(jù)流程分析示意圖[7]

數(shù)據(jù)基礎(chǔ)層是用戶畫像模型的根本所在，其所需的學(xué)習(xí)者基本固定數(shù)據(jù)和動態(tài)變化數(shù)據(jù)主要來源于學(xué)校教務(wù)系統(tǒng)、圖書館系統(tǒng)、移動服務(wù)平臺及其他信息系統(tǒng)等，包括學(xué)習(xí)者關(guān)于信息檢索、網(wǎng)頁瀏覽、教育資源收藏及下載、教學(xué)評價、關(guān)注及互動等具體操作的數(shù)據(jù)信息。數(shù)據(jù)基礎(chǔ)層整合、貫通各系統(tǒng)服務(wù)平臺的數(shù)據(jù)信息，主要起到數(shù)據(jù)收集、獲取的作用。

數(shù)據(jù)處理層的作用是將學(xué)習(xí)者基本固定數(shù)據(jù)和動態(tài)變化數(shù)據(jù)進行整合、處理，利用數(shù)據(jù)處理技術(shù)對獲取到的學(xué)習(xí)者基本固定數(shù)據(jù)和動態(tài)變化數(shù)據(jù)進行前期處理、數(shù)據(jù)分析等數(shù)據(jù)處理步驟，形成數(shù)據(jù)集群，并對不同類型的數(shù)據(jù)信息依據(jù)權(quán)重排序，獲得用于用戶畫像的有序數(shù)據(jù)集合。

數(shù)據(jù)挖掘?qū)邮怯脩舢嬒窠５暮诵膶?，主要利用通過數(shù)據(jù)處理層獲取的有序數(shù)據(jù)集合，結(jié)合已建立的標簽?zāi)Ｐ蛶欤òń逃Y源搜索特性、個人特征、評價、轉(zhuǎn)發(fā)、瀏覽等），利用聚類、關(guān)聯(lián)分析等數(shù)學(xué)處理方法對學(xué)習(xí)者及學(xué)習(xí)者群體進行聚合分析，建立學(xué)習(xí)者畫像庫及學(xué)習(xí)者群體畫像庫，完成用戶畫像的構(gòu)建。最后，針對建立的學(xué)習(xí)者畫像庫及學(xué)習(xí)者群體畫像庫的具體模型，按照學(xué)習(xí)者及學(xué)習(xí)者群體的潛在資源需求及目前資源需求的不同，依次將教育資源數(shù)據(jù)集合與其進行匹配，并將獲取的與用戶畫像模型相對應(yīng)的教育資源以可視化方式呈現(xiàn)在教育資源交互平臺上（包括資源介紹、資源查找路徑、個性化服務(wù)等內(nèi)容），進一步增強教育資源顯示的直觀性，方便學(xué)習(xí)者及學(xué)習(xí)者群體的查找，提高教育資源的利用率，為學(xué)習(xí)者及學(xué)習(xí)者群體提供科學(xué)、高效的教育資源個性化推薦服務(wù)。

4 基于用戶畫像的教育資源個性化推薦服務(wù)應(yīng)用模式

通過對學(xué)習(xí)者數(shù)據(jù)信息的深度挖掘，學(xué)習(xí)者及學(xué)習(xí)者群體標簽化處理過程、建立用戶畫像模型、匹配學(xué)習(xí)者及學(xué)習(xí)者群體與教育資源數(shù)據(jù)集合等步驟，能夠完成基于用戶畫像的教育資源個性化推薦服務(wù)的整個流程（見圖3），因此，本文將分別從優(yōu)化教育資源的個性化推送、開展學(xué)習(xí)者群體服務(wù)、提供個性化學(xué)習(xí)路徑導(dǎo)航服務(wù)等具體層面，提出并設(shè)計基于用戶畫像的教育資源個性化推薦服務(wù)的應(yīng)用模式與實現(xiàn)路徑。

圖3 基于用戶畫像技術(shù)的教育資源個性化推薦服務(wù)流程[7]

4.1 深入分析學(xué)習(xí)者資源需求，優(yōu)化教育資源的個性化推送

在實現(xiàn)教育資源個性化推薦服務(wù)的整個過程中，針對學(xué)習(xí)者使用網(wǎng)絡(luò)交互系統(tǒng)內(nèi)產(chǎn)生的具體行為記錄信息進行數(shù)據(jù)收集，通過用戶畫像模型預(yù)測學(xué)習(xí)者可能需要的教育資源，結(jié)合關(guān)聯(lián)規(guī)則算法不斷更新、調(diào)整和完善用戶畫像模型數(shù)據(jù)庫，深入分析學(xué)習(xí)者對于教育資源的需求，有針對性地進行深度挖掘與數(shù)據(jù)分析，進一步提高教育資源個性化推送的精準度，操作步驟包括使用學(xué)習(xí)者標簽標記學(xué)習(xí)者特定、具體的個體屬性，提取學(xué)習(xí)者的個體特征信息并完成針對學(xué)習(xí)者的標簽處理；通過對數(shù)據(jù)信息進行分析、提煉、歸類等處理，將數(shù)據(jù)信息整合、統(tǒng)一分解成為元數(shù)據(jù)格式；對學(xué)習(xí)者及學(xué)習(xí)者群體感興趣的教育資源進行深度挖掘，獲得教育資源數(shù)據(jù)集合；匹配學(xué)習(xí)者及學(xué)習(xí)者群體與教育資源數(shù)據(jù)集合，建立學(xué)習(xí)者標簽系統(tǒng)與教育資源的關(guān)聯(lián)規(guī)則，當學(xué)習(xí)者選定某知識點后，系統(tǒng)主動為學(xué)習(xí)者推薦符合其學(xué)習(xí)風(fēng)格與興趣偏好的教育資源，實現(xiàn)教育資源的精準推送，從而進一步優(yōu)化教育資源個性化推送服務(wù)的流程。

4.2 針對學(xué)習(xí)者群體，開展個性化推薦服務(wù)

在教育資源個性化推薦服務(wù)服務(wù)過程中，由于學(xué)習(xí)者及學(xué)習(xí)者群體對于教育資源的需求可能是動態(tài)變化的，教育資源監(jiān)控系統(tǒng)需要同步更新并及時引用動態(tài)變化的數(shù)據(jù)信息，完成對學(xué)習(xí)者群體關(guān)于教育資源需求的精準描述與分析。因此，教育資源個性化推薦服務(wù)應(yīng)用模式的創(chuàng)新可以從總結(jié)、提煉相似學(xué)習(xí)者群體的屬性特征及對教育資源的偏好角度入手，雖然學(xué)習(xí)者個體的教育資源信息需求可能是動態(tài)變化的，但是學(xué)習(xí)者群體的屬性特征及對教育資源的需求偏好變化幅度相對而言較小，有利于教育資源系統(tǒng)依據(jù)相似學(xué)習(xí)者群體的屬性特征及對教育資源的偏好信息，針對學(xué)習(xí)者群體開展教育資源個性化推薦服務(wù)。

4.3 基于用戶畫像模型，提供個性化學(xué)習(xí)路徑導(dǎo)航服務(wù)

個性化學(xué)習(xí)路徑導(dǎo)航服務(wù)主要是根據(jù)學(xué)習(xí)者不同的學(xué)習(xí)習(xí)慣、學(xué)習(xí)需求和其他學(xué)習(xí)特征信息，為學(xué)習(xí)者提供個性化學(xué)習(xí)方案的服務(wù)路徑。具體而言，在教育資源個性化推薦服務(wù)中，依據(jù)用戶畫像建模過程中獲取的動態(tài)更新信息，分析、識別出學(xué)習(xí)者不斷變化的興趣點，結(jié)合其學(xué)習(xí)需求，科學(xué)預(yù)測學(xué)習(xí)者下一步的學(xué)習(xí)規(guī)劃與可能需要的教育資源，從而為其提供個性化的學(xué)習(xí)路徑導(dǎo)航服務(wù)。個性化學(xué)習(xí)路徑導(dǎo)航服務(wù)具體的實現(xiàn)流程主要有：通過對學(xué)習(xí)者數(shù)據(jù)信息的深度挖掘，對學(xué)習(xí)者教育資源需求數(shù)據(jù)信息進行分析處理；對教育資源進行分類、歸納、整理、提取操作，完成教育資源特征標識的處理過程；對學(xué)習(xí)者畫像模型與教育資源信息進行關(guān)聯(lián)操作，同時生成學(xué)習(xí)者群體關(guān)于教育資源需求的相似集合；借助語義關(guān)聯(lián)技術(shù)分析教育資源之間的內(nèi)在聯(lián)系，獲得學(xué)習(xí)者現(xiàn)有的知識儲備和新的學(xué)習(xí)需求之間的關(guān)聯(lián)關(guān)系，從而為不同學(xué)習(xí)者提供個性化學(xué)習(xí)路徑導(dǎo)航服務(wù)。在個性化學(xué)習(xí)路徑導(dǎo)航服務(wù)過程中，由于教育背景、學(xué)習(xí)興趣和學(xué)習(xí)能力的不同，需要教育工作者充分了解學(xué)習(xí)者不同的學(xué)習(xí)特征并針對用戶畫像模型建立過程中的動態(tài)變化數(shù)據(jù)及時進行修正與處理，確保推薦的學(xué)習(xí)路徑與學(xué)習(xí)者需要的教育資源的一致性。

5 結(jié)論

在“互聯(lián)網(wǎng)+”環(huán)境下，用戶畫像技術(shù)可以精準描述學(xué)習(xí)者及學(xué)習(xí)者群體的個性信息特征，通過深入挖掘?qū)W習(xí)者及學(xué)習(xí)者群體的教育資源需求，與教育資源數(shù)據(jù)信息進行匹配，從而完成教育資源個性化推薦服務(wù)的整個流程。但目前就用戶畫像技術(shù)在教育資源個性化推薦服務(wù)領(lǐng)域的發(fā)展現(xiàn)狀而言，仍面臨諸多難題與挑戰(zhàn)，如如何有效提高教育資源數(shù)據(jù)的利用率，如何科學(xué)、全面地描述學(xué)習(xí)者群體的相似性與差異性等具體問題。因此，在后續(xù)的研究中，仍需深入研究學(xué)習(xí)者及學(xué)習(xí)者群體數(shù)據(jù)信息有效轉(zhuǎn)化問題，科學(xué)預(yù)測學(xué)習(xí)者群體對教育資源需求的發(fā)展趨勢，為教育資源個性化推薦服務(wù)的精準實現(xiàn)和滿足學(xué)習(xí)者多粒度個性化學(xué)習(xí)需求提供理論支撐與技術(shù)保障。