□黃興祿楊娟宋曉玲劉璇
【摘要】
為了解決智能學習系統中學習風格判别等功能模塊之間存在着耦合性低、重用性差、不同系統之間不能實現資源共享等問題，基于面向服務體系結構（SOA）設計了一個智能學習系統架構（SOALS）以及學習風格判别組件（SOALS_pre），并通過該組件對外發布了一個學習風格服務（LstyleRMIService）。各種學習系統或者門戶網站通過綁定該服務接口，可以實現學習者在不同學習環境下多模型的學習風格判别服務。
【關鍵詞】學習風格；面向服務架構；學習風格判别組件
【中圖分類号】G40-057【文獻标識碼】A【文章編号】1009—458ｘ（2016）05—0064—07
一、研究背景及相關研究
學習風格（LearningStyle，簡稱“LS”）是學習者特有的認知、情感和心理行為，作為學習者如何理解信息以及學習者在學習環境相互作用下如何反應的相對穩定的指标[1]。根據學習者不同的認知過程分為不同類型的學習風格。很多教育理論學者以及研究者對這一觀點表示認同，一緻認為将學習風格整合到教育中可以更好地促進學習者個性化學習。有大量的相關研究證明并支持這一觀點，例如Bajraktarevic、Hall和Fullick[2]、Graf和Kinshuk[3]等。目前主要是通過人工智能相關技術來實現學習者學習風格自動偵測，例如機器學習[4]、貝葉斯網絡[5][6]、神經網絡[7]以及基于規則的推理[8]等。很多智能學習系統，尤其是自适應教育超媒體系統（AEHS），大多數都具備不同的LS偏向性測試功能，并通過建立LS用戶模型為學習者提供更好的個性化學習服務，如Tangow系統[9]、Protus系統[10]、WHURLE系統[11]、CS383系統[12]等都使用了Felder-Silverman模型；AES-CS系統[13]使用了FI-FD模型；INSPIRE系統[14]使用了Honey-Mumford模型。這些傳統的智能學習系統在一定程度上解決了個性化學習的問題，但是這些系統的功能模塊之間存在着耦合性低、重用性差、不同系統之間很難實現資源共享等問題。
大量研究表明，采用面向服務架構（SOA）技術能很好地解決傳統智能系統存在的問題。Dagger對學習管理系統（LMS）的演變進行了分析，指出了傳統智能學習系統存在着以上問題，肯定了下一代智能學習系統應具有互操作性和擴展性這一未來發展的趨勢，并通過案例證明了SOA架構的優越性[15]。
現在，基于SOA技術設計了很多學習系統架構，試圖通過SOA架構技術解決傳統學習系統存在的問題。其中，Mohammed提出了使用SOA技術構建一個E-learning學習管理系統，雖然該系統沒有實現個性化學習資源推送服務，但可以對外提供服務接口[16]；Cheng設計了一個可擴展的SOAE-learning系統架構，能使網絡學習系統功能更完善、更靈活，但是如何實現這些服務沒有進行詳細設計[17]；SLO管理系統是一個基于SOA的學習資源管理系統架構，該系統架構采用SOA技術是為了實現教學資源共享，但沒有使用學習風格模型對用戶進行建模[18]；孫豔提出了一種面向服務的E-learning系統架構，該系統可以實現教學設計、動态更新學習資源以及通過學習者個性特征分析提供個性化的學習指導。雖然該系統有個性化特征提取，但是并沒有提到如何建立學習者個性化特征[19]。Canales提出了一個基于SOA自适應智能網絡教育系統(WBES)架構，詳細介紹了用認知地圖來構建學習者學習風格用戶模型[20]；Yaghmaie通過SOA架構設計了一個自适應學習系統，根據學習者學習風格自動過濾學習内容，實現個性化學習内容的推介[21]；姜強設計的SOALS系統主要采用了Felder-Silverman模型，并使用學習行為來修正學習風格模型，最終實現個性化資源推送服務[22]。
現有的很多SOA智能系統隻是一個系統架構，雖然有些系統提供了學習風格判别和個性化推送功能，但是這些功能并不對外提供服務接口，導緻不能實現資源共享。同時，現在的系統很多隻采用了單一的LS用戶模型，導緻用戶建模單一化和片面化，學習資源推送準确率低、效率低。此外，大部分SOA學習系統都沒有建立LS用戶模型，因此，這類系統不能提供個性化服務。