基于情境感知工具輔助碎片化學習行為的研究

張艾佳，劉正捷

（大連海事大學 信息科學技術(shù)學院，遼寧 大連 116026）

0 引言

近年來，隨著移動設(shè)備的廣泛應用，進行短期的興趣學習和快速了解新事物的碎片化學習方式越來越普及，如利用5 分鐘時間在網(wǎng)易公開課學習神經(jīng)網(wǎng)絡(luò)原理，利用百度來查找任務(wù)模型的定義，利用各個傳媒App 了解社會各方面的信息知識等[1-3]。這些學習方式共同的特點是對各個知識的理解較為淺顯、短期、快速及多變，滿足人們短期的知識需求。為了適應人們對移動端碎片化學習的需求，需要研究用戶在移動環(huán)境下的相關(guān)行為。傳統(tǒng)方法要求研究者和用戶在同一時間、同一空間完成用戶體驗研究。傳統(tǒng)方法中，用戶與真實環(huán)境分離，研究結(jié)果的有效性不高。為了解決傳統(tǒng)方法的缺陷，研究人員提出了情境感知技術(shù)，對不同情境下的用戶行為進行合理客觀的評估[4-7]。

情境感知技術(shù)需要移動設(shè)備的配合，通過獲取移動設(shè)備中相關(guān)傳感器信息來感知用戶當前的情境狀態(tài)。該技術(shù)的本質(zhì)目的是通過感知用戶的當前狀態(tài)，為用戶提供用戶期望的服務(wù)[8]?；谇榫掣兄夹g(shù)開發(fā)的遠程用戶體驗系統(tǒng)CAUX（Context-Aware User Experience，CAUX）是一種碎片化學習工具，能夠獲得精確時間、地點及情境下的用戶數(shù)據(jù)。情境數(shù)據(jù)可以與用戶數(shù)據(jù)耦合，增加了許多非語言線索，可以減輕研究人員的數(shù)據(jù)分析負擔，使數(shù)據(jù)更加真實有效[9]。

1 碎片化學習行為的捕捉

1.1 碎片化學習概述

目前，學術(shù)界關(guān)于“碎片化學習”的概念尚未有明確的界定。大多數(shù)研究只描述了碎片化學習的原因和具體現(xiàn)象，但沒有明確定義。通過閱讀相關(guān)文獻得出結(jié)論：碎片化學習的發(fā)生依賴于移動終端的充分利用；學習者的碎片化學習不受時間和空間的限制；碎片化學習過程需要依靠通信技術(shù)實現(xiàn)知識的傳輸和在線交流；大多數(shù)人關(guān)注的是知識內(nèi)容的碎片化，強調(diào)利用碎片化時間和碎片化知識進行個體學習或組織學習[10]。

用戶在移動瀏覽器上使用學習網(wǎng)站進行學習是一種典型的碎片化學習行為。因此，本文旨在捕獲和研究瀏覽器碎片化學習行為。

1.2 用戶行為捕捉

CAUX 是基于情境感知的用戶體驗研究工具，安裝運行在用戶手機上，通過感知情境信息進行數(shù)據(jù)采集。目前CAUX 獲取的用戶行為數(shù)據(jù)局限于App 外的系統(tǒng)數(shù)據(jù)，App 內(nèi)的操作行為主要依靠彈出問卷這種用戶自報告方式來獲取。這種方式對用戶侵擾性大，可行性較低。因此，考慮繼續(xù)為CAUX增加屏幕錄制功能來捕捉App 內(nèi)的用戶行為。通過屏幕錄制，可以獲得用戶在App 內(nèi)的完整操作，并自動存儲時間戳。

1.3 隱私保護說明

捕捉和分析用戶行為數(shù)據(jù)需要考慮隱私問題。本文采取了一系列步驟來保護數(shù)據(jù)集中相關(guān)用戶的隱私。首先，在實驗開始前，征求用戶對于屏幕錄制的同意。在數(shù)據(jù)采集過程中，屏幕上方會有紅色懸浮窗表示當前處于屏幕錄制狀態(tài)。其次，收集的所有原始數(shù)據(jù)都保存在服務(wù)器，只有研究人員可以下載查看。最后，對所有用戶進行標識符匿名化。數(shù)據(jù)集不包括研究期間涉及的用戶個人信息。

1.4 數(shù)據(jù)采集流程

數(shù)據(jù)采集流程如圖1 所示。

圖1 用戶行為數(shù)據(jù)采集流程圖

CAUX 捕捉App 內(nèi)用戶行為數(shù)據(jù)的過程可以分為4 個步驟。

（1）研究人員設(shè)置指令。研究人員根據(jù)案例研究目標確定自己感興趣的情境，制定指令文件并上傳到服務(wù)器。每個研究項目可以對應一個或多個指令組，對應不同情況下的獲取意圖。以QQ 瀏覽器為例，一個指令組可將QQ 瀏覽器在前臺運行設(shè)定為指令觸發(fā)條件，將采集客觀數(shù)據(jù)和開啟錄屏設(shè)定為數(shù)據(jù)采集操作。數(shù)據(jù)采集過程的算法如Algolrithm1 描述。

Algolrithm1 數(shù)據(jù)采集算法

輸入：工具監(jiān)聽事件

輸出：執(zhí)行指令設(shè)定的操作（采集數(shù)據(jù)錄屏）

1.監(jiān)聽系統(tǒng)廣播和用戶使用情況；//監(jiān)聽事件

2.若ActivityLifecycleCallbacks 監(jiān)聽App狀態(tài)發(fā)生變化；

3.for i=0 to list.length（）；//篩選所有含當前情境指令

4.if（App.close ? list（i）.trigger）；

5.if（App.back ? list（i）.trigger）；

6.執(zhí)行l(wèi)ist（i）.operation 中的所有執(zhí)行動作；

7.else 重復步驟3；

8.重復步驟2，繼續(xù)監(jiān)聽；

（2）客戶端解析指令文件。用戶安裝運行CAUX，客戶端自動從服務(wù)器下載指令。指令解析模塊負責循環(huán)解析指令，并逐條存儲在一個表結(jié)構(gòu)中。

（3）客戶端監(jiān)聽情境信息。循環(huán)監(jiān)聽情境信息，判斷當下情境是否滿足指令的觸發(fā)條件。若滿足觸發(fā)條件，則跳轉(zhuǎn)到數(shù)據(jù)采集模塊進行相應的數(shù)據(jù)采集動作，采集客觀數(shù)據(jù)并開啟錄屏功能；若不滿足觸發(fā)條件則繼續(xù)循環(huán)監(jiān)聽。

（4）采集到的數(shù)據(jù)暫存在本地文件夾中，通過通信模塊上傳到服務(wù)器。

本文的研究目標是碎片化學習過程中的用戶體驗問題，主要基于瀏覽器的使用行為。根據(jù)研究目標及數(shù)據(jù)采集策略，制定具體采集指令，主要包括碎片化學習行為中瀏覽器使用的數(shù)據(jù)捕獲，其余數(shù)據(jù)如時間、地理位置及運動狀態(tài)等，作為場景還原和用戶協(xié)同回顧的輔助信息。主要的數(shù)據(jù)采集指令如表1所示。

表1 基于CAUX 的案例數(shù)據(jù)采集指令

指令的編碼如下所示：

2 數(shù)據(jù)分析和用戶體驗

2.1 行為數(shù)據(jù)分析過程

用戶開啟CAUX 后，CAUX 會將用戶數(shù)據(jù)上傳至服務(wù)器。研究人員需要登錄服務(wù)器將用戶數(shù)據(jù)下載到本地。完成數(shù)據(jù)下載后，系統(tǒng)會對用戶數(shù)據(jù)進行分析。用戶體驗的數(shù)據(jù)分析過程包括用戶數(shù)據(jù)的篩選和整理、按照數(shù)據(jù)分析方法分析用戶數(shù)據(jù)、與用戶進行協(xié)同回顧式訪談以及用戶體驗問題匯總4個步驟。

（1）從數(shù)據(jù)庫下載CAUX數(shù)據(jù)。使用Algolrithm2 的數(shù)據(jù)篩選算法對數(shù)據(jù)進行自動化處理，篩選出碎片化學習行為相關(guān)的數(shù)據(jù)。

Algolrithm2 數(shù)據(jù)篩選算法

輸入：原始數(shù)據(jù)采集文本monitor.txt

輸出：數(shù)據(jù)集D

1.導入并讀取原始數(shù)據(jù)采集文本monitor.txt;

2.for i=0 to monitor.Rowlength（）;

3.if 第i 行的第一列==UserLearning;

4.SignData.add（i）%執(zhí)行記錄具有的標記此行;

5.for j=0 to SignData.length（）;

6.if SignData[j]＜10;

7.for p=0 to SignData[j]+10;

8.if p.[3]==“App 前臺”orp.[3]==“App 后臺”

or p.[1]==“UserLearning”;

9.FilterData.add（p）;//記錄篩選出來的行號;

10.else

11.for p=SignData[j]-10 to SignData[j]+10;

12.if p.[3]==“App 前臺”or p.[3]==“App 后臺”or p.[1]==“UserLearning”;

13.FilterData.add（p）;//記錄篩選出來的行號;

1 4.N e w_lists=sorted（set（sxData），key=FilterData.index）;//剔除重復數(shù)據(jù)并排序

15.for k=0 to New_lists.length（）

16.Alldata.add（monitor.（New_lists[k]））;// 篩選標記數(shù)據(jù)與上下文中與軟件切換相關(guān)的數(shù)據(jù)

17.end;

（2）分析處理后的數(shù)據(jù)集，利用錄屏的方式研究軟件內(nèi)行為，探索用戶可能遇到的用戶體驗問題。

（3）針對仍存在疑惑的數(shù)據(jù)，與用戶進行協(xié)同式訪談。在協(xié)同式訪談過程中，要求用戶說明使用軟件時發(fā)生的事情以及他們對此的感受。

（4）問題總結(jié)。研究人員需要將第二階段發(fā)現(xiàn)的用戶體驗問題和第三階段發(fā)現(xiàn)的用戶體驗問題進行匯總，得出碎片化學習的用戶體驗問題列表。

2.2 實例分析

研究人員利用CAUX 工具采集了13 名用戶的數(shù)據(jù)，歷時60 天，共采集到36 193 條有效的情境數(shù)據(jù)，不同網(wǎng)絡(luò)環(huán)境下的錄屏數(shù)據(jù)共652 段。利用以上數(shù)據(jù)，按照數(shù)據(jù)分析流程發(fā)現(xiàn)CAUX 問題。案例數(shù)據(jù)分析用戶體驗問題結(jié)果如表2 所示。

表2 碎片化學習用戶體驗問題實例

3 用戶體驗優(yōu)化方案

碎片化學習存在難以集中記錄的現(xiàn)象。例如，用戶在微信中看到知識點，保存的同時想查詢更多信息，于是在瀏覽器查詢信息。微信和瀏覽器都記錄各自App 內(nèi)看到的部分信息，知識信息零散地分布，用戶后期再回顧時不能很好地系統(tǒng)化學習。針對上述問題，結(jié)合學習者的實際學習需要，本文提出基于移動環(huán)境下的碎片化學習集中記錄任務(wù)模型，具體模型如圖2 所示。

圖2 碎片化學習集中記錄任務(wù)模型

針對學習者在學習中存在的筆記記錄無固定存放地、收集到的網(wǎng)絡(luò)學習資料存放較為松散導致后期無法有效地進行集中歸納以及溫習等問題，將相關(guān)問題引申到無目的學習范疇，建立了集中記錄模型。模型將學習者的學習類型分為有目的學習和無目的學習兩種。

對于有目的學習，將重點放在對有用知識點的獲取上。如果獲得有用知識點，集中記錄系統(tǒng)將對新獲得的知識點進行識別，分辨原有記錄系統(tǒng)是否有相關(guān)知識片段存在。如果原有系統(tǒng)已存在相關(guān)知識片段，那么系統(tǒng)將對原有的知識片段進行定位，由用戶來確認知識片段的相似性或者可用性后，系統(tǒng)對知識片段進行集中記錄和保存。當獲取的知識片段為全新內(nèi)容時，系統(tǒng)將其自動歸類，由用戶選擇存放位置后，進行統(tǒng)一存放。

對于無目的學習，用戶可以對相關(guān)內(nèi)容進行選擇性學習。如果用戶決定選擇相關(guān)內(nèi)容的學習，相關(guān)知識點的記錄按照有目的學習流程進行相關(guān)操作。上述流程優(yōu)化可以有效改善碎片化學習系統(tǒng)中的集中記錄問題，使得學習者可以有效地完成知識體系的整合，改進碎片化學習零散的缺點。

4 結(jié)語

本文應用遠程用戶體驗研究工具CAUX 對互聯(lián)網(wǎng)模式下的用戶碎片化學習體驗進行探索性的研究。將CAUX 采集的數(shù)據(jù)進行分析，確定數(shù)據(jù)分析方案，結(jié)合人工方法分析不同情境下用戶碎片化學習的行為與意圖，最終發(fā)現(xiàn)不同情境下的用戶體驗問題。應用CAUX 工具對采集的數(shù)據(jù)進行前處理，之后確定數(shù)據(jù)清洗流程、數(shù)據(jù)初步篩選規(guī)則、補充分析以及問題總結(jié)等方法，最后對篩選后的數(shù)據(jù)進行舉例分析，得出互聯(lián)網(wǎng)背景下用戶碎片化學習存在的諸多問題。選取了具有代表性的碎片化學習行為，有針對性地提出了用戶體驗優(yōu)化方案，具有很好的參考價值。