□黄兴禄杨娟宋晓玲刘璇
【摘要】
为了解决智能学习系统中学习风格判别等功能模块之间存在着耦合性低、重用性差、不同系统之间不能实现资源共享等问题，基于面向服务体系结构（SOA）设计了一个智能学习系统架构（SOALS）以及学习风格判别组件（SOALS_pre），并通过该组件对外发布了一个学习风格服务（LstyleRMIService）。各种学习系统或者门户网站通过绑定该服务接口，可以实现学习者在不同学习环境下多模型的学习风格判别服务。
【关键词】学习风格；面向服务架构；学习风格判别组件
【中图分类号】G40-057【文献标识码】A【文章编号】1009—458ｘ（2016）05—0064—07
一、研究背景及相关研究
学习风格（LearningStyle，简称“LS”）是学习者特有的认知、情感和心理行为，作为学习者如何理解信息以及学习者在学习环境相互作用下如何反应的相对稳定的指标[1]。根据学习者不同的认知过程分为不同类型的学习风格。很多教育理论学者以及研究者对这一观点表示认同，一致认为将学习风格整合到教育中可以更好地促进学习者个性化学习。有大量的相关研究证明并支持这一观点，例如Bajraktarevic、Hall和Fullick[2]、Graf和Kinshuk[3]等。目前主要是通过人工智能相关技术来实现学习者学习风格自动侦测，例如机器学习[4]、贝叶斯网络[5][6]、神经网络[7]以及基于规则的推理[8]等。很多智能学习系统，尤其是自适应教育超媒体系统（AEHS），大多数都具备不同的LS偏向性测试功能，并通过建立LS用户模型为学习者提供更好的个性化学习服务，如Tangow系统[9]、Protus系统[10]、WHURLE系统[11]、CS383系统[12]等都使用了Felder-Silverman模型；AES-CS系统[13]使用了FI-FD模型；INSPIRE系统[14]使用了Honey-Mumford模型。这些传统的智能学习系统在一定程度上解决了个性化学习的问题，但是这些系统的功能模块之间存在着耦合性低、重用性差、不同系统之间很难实现资源共享等问题。
大量研究表明，采用面向服务架构（SOA）技术能很好地解决传统智能系统存在的问题。Dagger对学习管理系统（LMS）的演变进行了分析，指出了传统智能学习系统存在着以上问题，肯定了下一代智能学习系统应具有互操作性和扩展性这一未来发展的趋势，并通过案例证明了SOA架构的优越性[15]。
现在，基于SOA技术设计了很多学习系统架构，试图通过SOA架构技术解决传统学习系统存在的问题。其中，Mohammed提出了使用SOA技术构建一个E-learning学习管理系统，虽然该系统没有实现个性化学习资源推送服务，但可以对外提供服务接口[16]；Cheng设计了一个可扩展的SOAE-learning系统架构，能使网络学习系统功能更完善、更灵活，但是如何实现这些服务没有进行详细设计[17]；SLO管理系统是一个基于SOA的学习资源管理系统架构，该系统架构采用SOA技术是为了实现教学资源共享，但没有使用学习风格模型对用户进行建模[18]；孙艳提出了一种面向服务的E-learning系统架构，该系统可以实现教学设计、动态更新学习资源以及通过学习者个性特征分析提供个性化的学习指导。虽然该系统有个性化特征提取，但是并没有提到如何建立学习者个性化特征[19]。Canales提出了一个基于SOA自适应智能网络教育系统(WBES)架构，详细介绍了用认知地图来构建学习者学习风格用户模型[20]；Yaghmaie通过SOA架构设计了一个自适应学习系统，根据学习者学习风格自动过滤学习内容，实现个性化学习内容的推介[21]；姜强设计的SOALS系统主要采用了Felder-Silverman模型，并使用学习行为来修正学习风格模型，最终实现个性化资源推送服务[22]。
现有的很多SOA智能系统只是一个系统架构，虽然有些系统提供了学习风格判别和个性化推送功能，但是这些功能并不对外提供服务接口，导致不能实现资源共享。同时，现在的系统很多只采用了单一的LS用户模型，导致用户建模单一化和片面化，学习资源推送准确率低、效率低。此外，大部分SOA学习系统都没有建立LS用户模型，因此，这类系统不能提供个性化服务。