论文部分内容阅读
摘要：随着移动互联网技术和平台的迅速发展，移动学习也日益改变着传统的学习模式和内容。然而，数字时代的移动学习也产生了资源过剩、学习资源与学习者匹配不佳等问题，导致移动学习的个性化需求不能得到滿足，从而影响了移动学习平台的效果和应用推广。围绕上述问题，该文基于现有研究和实践经验，提出了PMKS移动学习理论框架，并结合“和教育”云平台的实际案例，为数字时代大规模移动学习平台的构建和应用提出理论创新和实践参考。
关键词：移动学习；PMKS；数字教育；学习平台；和教育
中图分类号：G434 文献标识码：A
移动互联网的快速发展和深度普及为我国社会带来了多层次的变革，各种移动终端及其应用提供了愈发便捷的生活服务、工作服务和学习服务。移动互联网时代凭借网络的泛在性和接入的实时性，加速了信息和知识的生产速率，据《2017年互联网趋势报告》统计显示，截止到2017年，中国互联网用户已经超过7.5亿，其中移动互联网用户比例超过90%，每天通过移动应用产生的信息量已经超过了计算机的信息产量，移动互联网已经成为知识服务的有力支撑。在此背景下，信息量的飞速增长使知识的获取呈现出碎片化的趋势，人们习惯利用零散的时间进行知识点的获取，因此随时随地快速接入的移动学习便成为移动时代知识获取的重要方式；党的十九大报告提出要发展网络教育，教育部加速推进教育信息化2.0，个性化学习成为时代的需求和趋势，但在移动学习过程中由于问题情境性、知识的情境性，很多问题无法通过简单的网络检索完成，在多样化的情境下，学习者或求助者更期望能够通过移动设备获取到与个性化需求相匹配的知识、服务，甚至专家、同伴的指导，这样能够促进问题更加快捷高效地解决。目前很多教育产品服务，仅仅是对信息化技术的简单应用，主要是传输消息与图片，不具备大数据挖掘能力，难以提供个性化的支持服务；面对海量数据、海量业务，需要对其进行有效的存储、分类、整合和应用。
基于以上需求和理念，本文依托中国移动和北京师范大学在移动学习领域的研究实践，提出了移动互联网时代的PMKS个性化学习框架，其中P指的是学习的主体（Person）；M指的是支持移动学习开展的学习工具，如智能手机、平板电脑等（Mobile Phone/Equipment）；K指的是学习主体通过其学习行为期望获得的知识或者服务（Knowledge）；而S指的是学习者所处情境（Seene），通过对不同情境的识别，为学习者提供更加个性化的服务。本文力求通过对这四个要素的梳理和整合，构建数字时代的大规模移动学习平台，实现对移动学习个性化、情境化的支持。
（一）移动学习的概念和特征研究
随着信息技术和移动互联网平台的飞速发展，移动学习也应运而生并日益普及，其概念最早产生于2000年前后，Clark Qninn在其研究中将移动学习定义为“基于移动计算设备开展的数字化学习”。后来Sharpies在2005年用移动性这一特性作为区分移动学习和其他类型学习的根本属性，认为移动学习是表征了一种随时随地均可以发生的学习状态。直到2007年，Traxler在之前强调移动技术和计算技术的基础上融入了学习者的体验、自主性和情境性等特征，认为移动学习是基于移动设备和技术，学习者自主开展的情境化的学习状态和体验，从而使得移动学习开始强调学习属性。国内关于移动学习的研究也起源于2000年初，目前移动学习引用较多的定义是“移动学习是在移动通信技术快速发展背景下，学习者基于自身学习需要在任何时间任何地点利用移动设备和无线通信网络获取学习资源、与他人进行沟通协作，从而实现个人与社会知识建构的过程”。
围绕移动学习定义的讨论显示出，移动学习最重要的特点是移动性，即移动学习是利用移动设备和技术在非正式状态下展开的学习体验。随着时代的变化，由于理论和技术的推动作用，学习和教学经历了从行为主义到认知主义再到建构主义的演化，每个过程中学习的侧重点不断发生变化，为适应这种发展变化，移动学习的特点也在不断发展。余胜泉详细阐述了三代移动学习的发展：第一个阶段是知识传递阶段；第二个阶段的移动学习更加强调学习者在移动设备的辅助下进行交互式活动促进自身的知识建构；新时代的移动学习特点体现在移动性、情境性、社会性、联通性、适应性和智能性。
（二）大规模移动学习的需求分析
数字时代移动技术和智能终端的不断升级，使得知识生产和更新的速度不断加快，从而带动了各行各业的革命性变革。为适应行业变革带来的挑战，不仅是在校学生，希望接受继续教育的学习者也日益重视非正式场景下学业和职业发展的方式，而移动学习也就成为支持资源获取、内容服务的重要方式。正因如此，移动时代催生了海量的学习者，海量的学习者则需要海量的学习资源支持其学习，从而创造了大规模的移动学习需求。
2000年以来，随着教育信息化的不断发展，政府、企业为实现数字化教育的普及建设了大量的数字化教育资源。这些资源为支持不同领域学习者的正式学习提供了帮助。与此同时，移动互联网支持的自媒体和众创平台的不断推广，则促进了在线学习资源的爆炸式增长，不同情境下的用户基于不同的需求和目的建设和积累了越来越多的素材，这些素材能够极大地拓展传统资源建设的不足。目前在线环境中已经汇聚了海量的面向不同用户的学习资源，但这些资源由于建设过程中的标准和规范问题，质量参差不齐、可信度也难以确定。
基于上述分析可以看出，海量的在线学习者创造了大规模的移动学习需求，同时也正面临着海量的移动学习资源。移动学习作为一种自主学习方式，以学生为中心，学习的过程更加自由化，没有时间和空间的限制，学习者的学习效果更多地依赖于学习者本身的主动意识、学习动机、时间管理和自控能力，两个海量则为移动学习的开展带来了极大的困难。目前，学习行为的供需两端都很丰富，学习者作为需求侧，有很多个性化的需求，但不能迅速找到适合自己的学习内容；而作为供应侧面对海量的数据，无法准确地提供给学习者，造成了资源的巨大浪费。因此，学习数据的归类管理就很重要，但同时实现难度也很大。海量数据的存储、分类、标签、应用变得很复杂，做架构时需要有专门的数据层、数据仓库、数据处理模块，以及专业系统进行处理，才能进一步针对学习者的个性化需求，给予精准的推荐和服务。因此，为获得较好的学习效果，需要根据学习的过程性信息，提供个性化的学习内容和学习资源等支持。 截至当前，在移动学习中，这种个性化学习支持服务并不理想，不能满足日益扩大的移动学习需求。对移动学习者的相关调查显示：约有一半的学生表示基本没有得到个性化的学习服务，除此之外，学习者对学习过程中获得的个性化学习资源、个性化的学习指导等重要指标的满意度均不足30%，学习者表示希望可以得到更加精准的个性化学习资源和学习支持。
综上所述，如何为学习者提供个性化的学习支持是移动学习时代的重要问题。在此过程中，学习场景是学习者开展个性化学习和需求产生的源头，因此在移动学习资源供给方面首先要精准定位学习者的场景；其次由于学习者的个体差异，对不同学习者个性化特征的提取有利于定位其需要的支持与服务，因此移动学习时代，基于特定的场景为学习者提供个性化的支持和服务极其重要。
关于个性化学习服务框架的设计，已有很多学者进行了探索。2012年，杨丽娜、肖克曦、刘淑霞就以虚拟学习社区为例，基于个性化服务理念与资源管理视角，对泛在学习环境下的个性化学习服务框架进行了探讨，他们主要分析了用户管理、资源管理与服务管理这三个层面。2014年，舒江波等人针对教师的教学，提出面向个性化教学的云资源服务框架，旨在为云环境下的个性化教学提供服务。2016年，周清清、佘航、平萍基于学生的学习风格、学习能力及平台产生的数据，对其进行动态的收集、可视化分析，然后再将对应的资源个性化地推送出学习者。
目前的研究多基于移动学习的特点建立移动学习中的个性化服务框架，一方面，大多數研究处在理论探索阶段，缺乏实践的检验；另一方面，现有研究大多针对Web平台，对移动学习的关注和探讨较少。因此，亟需在移动学习场景下构建针对学习者个性化学习的平台和框架，以更好地满足学习者的个性化学习需求。因此，本研究将结合移动学习的特点在此方向进行更加深入的探讨。
为解决目前移动学习存在的资源推荐不准确、学习者满意度低、资源利用率低下，学习资源浪费等问题，本文认为需要针对移动学习特点，对个性化学习支持服务进行深入系统的研究，建设一个便捷、高效、丰富的移动学习个性化支持服务框架，并充分利用数字时代的海量资源，针对学习者的个性化需求，提供精准的个性化服务，从而提高移动学习的质量和满意度。
在传统教学中，一个学习系统主要由四部分构成：教师、学习者、教学内容和媒体。而在移动学习中，由于移动学习主要是学习者通过智能设备与学习内容进行的交互，因此移动学习中教师的作用并未增强，而学习者则成为移动学习过程的主体和核心。移动学习工具作为学习者与学习内容交互的中介在移动学习过程中起着重要的支持作用。学习内容是学习者作用的对象，在移动学习过程中不仅包括教师和教育机构传递给学习者的知识，还有获取知识的相关服务；最后，移动学习过程中，学习者所在的情境是影响其学习效果的重要因素。由此，本文提出了适应移动学习特点的移动学习服务框架——PMKS框架，如图1所示。该框架包含四个要素：学习主体（Person）、移动工具（Mobile）、知识或者服务（Knowledge）和情境（Scene）。
（一）学习主体（Person）
学习者是移动学习的主体，处于PMKS框架的核心地位。学习者包含两个属性：个体属性和群体属性（即社会属性）。其中，个体属性通过学习者模型和知识图谱等方式实现对于学习者个体特征的描述。学习者模型主要包含了学习者的基本信息、认知特点、学习风格、学习偏好等；而学习者知识图谱主要描述了学习者的知识结构，即已掌握知识、推荐知识和推荐学习路径。学习者的社会属性则描述了学习者内部属性之外影响学习者学习的人际关系，如专家、同伴等。移动学习是有别于传统课堂的学习，其发生的场景无处不在、无时不在，在学习者遇到问题的时候并不能及时地找到自己线下班级的教师进行答疑解惑。因此，移动学习中教师不是唯一的专家，围绕移动学习的知识，有很多专家、很多同伴，他们对知识的理解水平不同、视角不同，这对于学习者的问题解答是很好的辅助。同样对于学习者社会属性的挖掘不可只通过知识进行，还可以学习者个体信息和偏好为中心向周围拓展发现专业相同、水平相似的学习同伴和领域内的专家进行交流和答疑。
（二）移动工具（Mobile）
在PMKS框架中，移动工具是学习者和学习内容交互的中介。传统学习中学习者主要通过教材书本、教师的板书讲解与学习内容产生交互，而在移动时代，为了满足不同情境下学习者对资源和服务的快速实时获取，各种适应性的移动终端以及网络支持至关重要。移动终端包括电脑、平板、智能手机、PDA、广播电视等，而网络支持包括宽带、WIFI、4G、近场通信等。根据学习者所在的情境，其学习大体分为两类——网络支持下的在线移动学习和离线状态下的移动学习。其中前者依赖不同网络条件为学习者提供内容、格式、大小各异的学习资源，如学习者利用计算机在宽带网络支持下进行学习，从而为其推荐呈现质量较高的适应性资源，相反如果学习者处在网络状况不佳的移动状态，则需要根据其移动设备类型和网络传输速率为其提供能够满足其学习需求并支持其流畅学习体验的低配服务。由于条件的限制，很多地区尤其是贫困地区难以提供随处覆盖的无线通讯网络，在此情况下并不意味着移动学习失去了实施能力，离线技术的发展使得学习者可以通过在移动设备上安装离线资源包以支持非网络环境下的学习，离线资源包中具备学习者完成学习的必备内容和内置推荐逻辑，可以支持学习者在预设的内容中完成学习，离线包会存储学习者在学习过程中的离线数据，一旦网络环境恢复，学习数据即可同步到服务端，实现学习过程的完整化。
（三）知识和服务（Knowledge）
与学习者相对应，Knowledge是移动学习过程中的另一个核心。本文中的Knowledge一方面指代的是传统认知中的智力知识，即学习内容和概念；另一方面在本框架中的知识还包含了学习系统提供的智能服务，包括学习者在线学习过程中的情境感知服务、智能推荐服务、专家发现服务和诊断服务等，虽然这些服务没有以智力知识的形式为学习者提供学习内容，但他们通过对学习者学习数据的分析为学习者提供了适合其所在情境的学习内容、适合其学习层次的资源以及辅助其学习的专家和和同伴，为其移动学习的高效开展提供了帮助。传统的学习中由于智力知识和概念交互性弱，难以支持学习者的动态性和情境性，正是针对这个问题，本框架提供了知识和服务相融合的新的Knowledge定位。
（四）情境（Scene）
传统的线下学习过程主要是在教师的指导下在教室中发生。而在移动学习背景下，学习变得越来越泛在化、情境越来越多样化，因此情境成为影响移动学习效果的一大因素。近年来情境感知、泛在学习也成为教育教学领域的热点研究问题，如黄国祯等开展了一系列情境感知的教育教学实验，探索了在博物馆、植物园、实验室、医学院等不同情境中通过移动设备促进学习效果和学习动机提升的方法。陈敏通过对移动学习的学习者和学习资源情境的研究提出了双情境模型，支持了学习者情境和资源情境的匹配理论。在移动学习的PMKS框架中，根据关注对象的不同可以将情境分为时空情境、物理情景、设备情境、学习情境、教学情境，其中时空情境描述了学习者开展学习的时间空间，例如学习者在车站等车，那么推荐资源应当适应碎片化的時间；物理情境则是学习者所处环境的光照、温度等条件；设备情境主要是移动工具的类型，关系着内容和服务呈现的形式；学习情境指学习者个体的知识状态和情感状态；教学情境指学习者完成学习所采用的教学模式、目标、方法等，是指导学习者有序完成学习任务的依据。
基于移动学习中PMKS框架，本文设计了在其支持下的平台支持服务，从而为移动学习的开展提供实践化指导与平台化支撑，服务的架构图如图2所示。其中核心部分分为四部分：移动学习云服务中心、大数据分析和处理模块、个性化推荐模块、适应性呈现模块和应用情境模块。
（一）云服务中心
移动学习云服务中心是整个PMKS平台的支撑，实现了将基于PMKS框架的学习平台的云端搭建，通过高性能、大容量的分布式存储技术，使得学习者真正可以在任何时间、任何地点、就近快速获取需要的学习资源和服务。与此同时，云服务中心实现了对资源、活动、学习者不同学习行为和交互日志的分层存储，对于资源的存储，系统将平台中所有的资源与知识本体进行关联，并在底层数据库中进行保存，这样便可以为个性化的支持提供底层支持。对于活动以及用户日志的存储，平台通过记录学习者参与活动以及各类操作学习数据，一方面可以积累学习者的过程性信息，另一方面为可以挖掘学习者的状态以及学习风格等特征，为后续进行个性化的推荐提供保障。
（二）大数据模块
移动教育大数据分析和处理模块主要实现基于学习者学习需求和适应性特征的信息分析和处理。该模块利用大数据技术、自然语言处理以及机器学习技术为支撑，提取学习者学习过程中的基本信息、风格偏好、行为日志、知识信息以及社会性信息，根据这些信息建立学习者画像，从而可以针对性地抽取资源、服务为学习者进行推送。
（三）个性化推荐
个性化推荐模块主要实现了三个层面的推荐：资源推荐、人际网络推荐和个性化服务推荐，是Knowledge和Person要素的整合。该模块根据大数据分析和处理模块建立的学习者画像，从云服务中心抽取适合学习者个性化学习的资源为学习者进行打包；与此同时由于学习者学习过程中不仅需要实体资源还需要与专家或者同伴的互动，因此与学习内容相关的人际网络聚类也是个性化推荐的重要方面；最后根据学习者在不同应用情境下的需求，为学习者提供不同的活动、工具、评价相关的服务。
（四）适应性呈现
适应性呈现模块实现了基于不同移动终端的内容展示和呈现，主要通过移动设备和网络环境的配置实现了数据从学习者所在应用情境到平台的交互。
（五）应用情境
应用情境模块实现了对Scene要素的描述和扩展，可细分为教师情境和学习者情境：教师情境主要包含与备课相关的协同备课、专家发现，与听课相关的同伴挖掘、资源推荐，与教学相关的内容推送、评价诊断、个性化指导，以及与职业发展相关的专业能力评估和辅导，而学习者情境则按照不同的教学模式、学习场所进行了细分，包括自主学习情境、协作学习情境、探究式学习情境等。
本研究在PMKS框架的支持下，以“移动学习”教育部一中国移动联合实验室为平台支撑，设计开发了“和教育”云平台。“和教育”云平台以中国移动提供的覆盖全国31个省的无线通讯网络为支撑，移动学习云服务平台业务功能涉及了学前教育、基础教育、职业教育、高等教育等多个阶段，且提供了以手机终端为载体的面向不同用户群体的教学服务、学习服务以及与职业发展相关的支持服务。目前“和教育”云平台已经服务了9000万用户，支持了25万学校的500万教师和4000万学生的教与学，为教师和学习者提供了个性化、灵活的学习形式。从PMKS框架的四个维度来讲，和教育平台通过四年的实践，取得了以下四方面的成果。
（一）学习主体维度（Person）
在学习主体维度，“和教育”云平台通过其支持的备课、听课、在线教研、在线学习、批阅、评价等服务，积累了9000万移动学习用户，通过他们的在线学习行为形成了对不同用户的属性描述，建立了学习共同体、专家支持体系。随着移动学习需求的不断增长，未来基于“和教育”云平台的用户量将不断增长，为移动学习提供更加高质量的服务。
（二）移动工具维度（Mobile）
在移动工具维度，中国移动一方面基于响应式技术实现了平台各类教与学服务对多终端的支持，另一方面通过对各类资源的自动转码技术，实现了个性化学习资源在不同类型终端上的适应性呈现。与此同时基于远程转播技术的双师课堂工具实现了将一线城市的名师授课资源输送给二三线城市和乡村的学生，改善了教学质量，实现了师资的均衡共享。在未来的发展中，虚拟现实、5G网络将为学习者提供更加便捷、高效的学习工具支持。
（三）知识和服务维度（Knowledge）
在知识和服务维度，中国移动“和教育”云平台建立了覆盖基础领域的知识图谱，以此为基础汇聚了海量的学习资源。与此同时，根据学习者对资源的个性化需求，提供了资源有效组织和聚合的方式，从而可以支持学习者更好地参与学习过程。而在教与学的过程中，针对教师和学生在不同学习场景中遇到的诸多需求，如阅读需求、作业批阅需求、听课备课需求、评测需求等，“和教育”云平台也提供了参与阅读、社会化批阅、听课大师、备课大师、智慧学伴、一站高考等应用，覆盖了课前预习、课堂学习、课后复习、考试一整套教与学的流程，无缝地为学习者提供了知识内容的推送、工具服务的推送和评价交互的推送，实现了学习者在真实场景中的高效学习和及时反馈。
（四）情境维度（Scene）
在情境维度，“和教育”云平台通过分析学前教育、基础教育、职业教育、高等教育等多个阶段的移动学习情境需求，建立了多样化的移动学习情境支持服务。如自主学习情境、支持线上线下个性化学习与交流情境、支持情境感知的泛在学习情境、支持基于多种活动的PBL学习情境以及协作学习情境等。在多样化的学习情境支持下，促进了学习的场景化和个性化，提高了学习者的学习效率。
本文基于PMKS框架，借助“和教育”云平台，设计开发了移动教育的各类相关应用。以宽带技术、通讯技术、信息安全技术、云计算处理技术、数据挖掘等为技术手段，为学习者提供了支持个性化和情景性的智能服务。随着移动设备在网络学习中的重要性越来越突出，移动化已然成为在线教育发展的必然选择。在未来的技术发展中，移动学习平台要更加关注最新技术成果的应用转化，如基于AR技术的体感教学系统等，移动学习的服务和体验将进一步“人性化”、个性化，更加关注终端用户的使用习惯和方式，为用户提供更良好的体验。除此之外，与传统学习相比，移动学习一个重要的特点就是更为社交化，例如用户可通过学习软件找到符合自己兴趣的朋友，使学习变得更加具有社交意义。因此，要探索挖掘移动学习在社会人际网络方面的优势，增强应用的趣味性，凭借优质的内容，更好地吸引用户加入到移动学习的行列中，也是极具前瞻性与创新性的研究方向。
关键词：移动学习；PMKS；数字教育；学习平台；和教育
中图分类号：G434 文献标识码：A
一、引言
移动互联网的快速发展和深度普及为我国社会带来了多层次的变革，各种移动终端及其应用提供了愈发便捷的生活服务、工作服务和学习服务。移动互联网时代凭借网络的泛在性和接入的实时性，加速了信息和知识的生产速率，据《2017年互联网趋势报告》统计显示，截止到2017年，中国互联网用户已经超过7.5亿，其中移动互联网用户比例超过90%，每天通过移动应用产生的信息量已经超过了计算机的信息产量，移动互联网已经成为知识服务的有力支撑。在此背景下，信息量的飞速增长使知识的获取呈现出碎片化的趋势，人们习惯利用零散的时间进行知识点的获取，因此随时随地快速接入的移动学习便成为移动时代知识获取的重要方式；党的十九大报告提出要发展网络教育，教育部加速推进教育信息化2.0，个性化学习成为时代的需求和趋势，但在移动学习过程中由于问题情境性、知识的情境性，很多问题无法通过简单的网络检索完成，在多样化的情境下，学习者或求助者更期望能够通过移动设备获取到与个性化需求相匹配的知识、服务，甚至专家、同伴的指导，这样能够促进问题更加快捷高效地解决。目前很多教育产品服务，仅仅是对信息化技术的简单应用，主要是传输消息与图片，不具备大数据挖掘能力，难以提供个性化的支持服务；面对海量数据、海量业务，需要对其进行有效的存储、分类、整合和应用。
基于以上需求和理念，本文依托中国移动和北京师范大学在移动学习领域的研究实践，提出了移动互联网时代的PMKS个性化学习框架，其中P指的是学习的主体（Person）；M指的是支持移动学习开展的学习工具，如智能手机、平板电脑等（Mobile Phone/Equipment）；K指的是学习主体通过其学习行为期望获得的知识或者服务（Knowledge）；而S指的是学习者所处情境（Seene），通过对不同情境的识别，为学习者提供更加个性化的服务。本文力求通过对这四个要素的梳理和整合，构建数字时代的大规模移动学习平台，实现对移动学习个性化、情境化的支持。
二、研究综述
（一）移动学习的概念和特征研究
随着信息技术和移动互联网平台的飞速发展，移动学习也应运而生并日益普及，其概念最早产生于2000年前后，Clark Qninn在其研究中将移动学习定义为“基于移动计算设备开展的数字化学习”。后来Sharpies在2005年用移动性这一特性作为区分移动学习和其他类型学习的根本属性，认为移动学习是表征了一种随时随地均可以发生的学习状态。直到2007年，Traxler在之前强调移动技术和计算技术的基础上融入了学习者的体验、自主性和情境性等特征，认为移动学习是基于移动设备和技术，学习者自主开展的情境化的学习状态和体验，从而使得移动学习开始强调学习属性。国内关于移动学习的研究也起源于2000年初，目前移动学习引用较多的定义是“移动学习是在移动通信技术快速发展背景下，学习者基于自身学习需要在任何时间任何地点利用移动设备和无线通信网络获取学习资源、与他人进行沟通协作，从而实现个人与社会知识建构的过程”。
围绕移动学习定义的讨论显示出，移动学习最重要的特点是移动性，即移动学习是利用移动设备和技术在非正式状态下展开的学习体验。随着时代的变化，由于理论和技术的推动作用，学习和教学经历了从行为主义到认知主义再到建构主义的演化，每个过程中学习的侧重点不断发生变化，为适应这种发展变化，移动学习的特点也在不断发展。余胜泉详细阐述了三代移动学习的发展：第一个阶段是知识传递阶段；第二个阶段的移动学习更加强调学习者在移动设备的辅助下进行交互式活动促进自身的知识建构；新时代的移动学习特点体现在移动性、情境性、社会性、联通性、适应性和智能性。
（二）大规模移动学习的需求分析
数字时代移动技术和智能终端的不断升级，使得知识生产和更新的速度不断加快，从而带动了各行各业的革命性变革。为适应行业变革带来的挑战，不仅是在校学生，希望接受继续教育的学习者也日益重视非正式场景下学业和职业发展的方式，而移动学习也就成为支持资源获取、内容服务的重要方式。正因如此，移动时代催生了海量的学习者，海量的学习者则需要海量的学习资源支持其学习，从而创造了大规模的移动学习需求。
2000年以来，随着教育信息化的不断发展，政府、企业为实现数字化教育的普及建设了大量的数字化教育资源。这些资源为支持不同领域学习者的正式学习提供了帮助。与此同时，移动互联网支持的自媒体和众创平台的不断推广，则促进了在线学习资源的爆炸式增长，不同情境下的用户基于不同的需求和目的建设和积累了越来越多的素材，这些素材能够极大地拓展传统资源建设的不足。目前在线环境中已经汇聚了海量的面向不同用户的学习资源，但这些资源由于建设过程中的标准和规范问题，质量参差不齐、可信度也难以确定。
基于上述分析可以看出，海量的在线学习者创造了大规模的移动学习需求，同时也正面临着海量的移动学习资源。移动学习作为一种自主学习方式，以学生为中心，学习的过程更加自由化，没有时间和空间的限制，学习者的学习效果更多地依赖于学习者本身的主动意识、学习动机、时间管理和自控能力，两个海量则为移动学习的开展带来了极大的困难。目前，学习行为的供需两端都很丰富，学习者作为需求侧，有很多个性化的需求，但不能迅速找到适合自己的学习内容；而作为供应侧面对海量的数据，无法准确地提供给学习者，造成了资源的巨大浪费。因此，学习数据的归类管理就很重要，但同时实现难度也很大。海量数据的存储、分类、标签、应用变得很复杂，做架构时需要有专门的数据层、数据仓库、数据处理模块，以及专业系统进行处理，才能进一步针对学习者的个性化需求，给予精准的推荐和服务。因此，为获得较好的学习效果，需要根据学习的过程性信息，提供个性化的学习内容和学习资源等支持。 截至当前，在移动学习中，这种个性化学习支持服务并不理想，不能满足日益扩大的移动学习需求。对移动学习者的相关调查显示：约有一半的学生表示基本没有得到个性化的学习服务，除此之外，学习者对学习过程中获得的个性化学习资源、个性化的学习指导等重要指标的满意度均不足30%，学习者表示希望可以得到更加精准的个性化学习资源和学习支持。
综上所述，如何为学习者提供个性化的学习支持是移动学习时代的重要问题。在此过程中，学习场景是学习者开展个性化学习和需求产生的源头，因此在移动学习资源供给方面首先要精准定位学习者的场景；其次由于学习者的个体差异，对不同学习者个性化特征的提取有利于定位其需要的支持与服务，因此移动学习时代，基于特定的场景为学习者提供个性化的支持和服务极其重要。
关于个性化学习服务框架的设计，已有很多学者进行了探索。2012年，杨丽娜、肖克曦、刘淑霞就以虚拟学习社区为例，基于个性化服务理念与资源管理视角，对泛在学习环境下的个性化学习服务框架进行了探讨，他们主要分析了用户管理、资源管理与服务管理这三个层面。2014年，舒江波等人针对教师的教学，提出面向个性化教学的云资源服务框架，旨在为云环境下的个性化教学提供服务。2016年，周清清、佘航、平萍基于学生的学习风格、学习能力及平台产生的数据，对其进行动态的收集、可视化分析，然后再将对应的资源个性化地推送出学习者。
目前的研究多基于移动学习的特点建立移动学习中的个性化服务框架，一方面，大多數研究处在理论探索阶段，缺乏实践的检验；另一方面，现有研究大多针对Web平台，对移动学习的关注和探讨较少。因此，亟需在移动学习场景下构建针对学习者个性化学习的平台和框架，以更好地满足学习者的个性化学习需求。因此，本研究将结合移动学习的特点在此方向进行更加深入的探讨。
三、PMKS框架的介绍
为解决目前移动学习存在的资源推荐不准确、学习者满意度低、资源利用率低下，学习资源浪费等问题，本文认为需要针对移动学习特点，对个性化学习支持服务进行深入系统的研究，建设一个便捷、高效、丰富的移动学习个性化支持服务框架，并充分利用数字时代的海量资源，针对学习者的个性化需求，提供精准的个性化服务，从而提高移动学习的质量和满意度。
在传统教学中，一个学习系统主要由四部分构成：教师、学习者、教学内容和媒体。而在移动学习中，由于移动学习主要是学习者通过智能设备与学习内容进行的交互，因此移动学习中教师的作用并未增强，而学习者则成为移动学习过程的主体和核心。移动学习工具作为学习者与学习内容交互的中介在移动学习过程中起着重要的支持作用。学习内容是学习者作用的对象，在移动学习过程中不仅包括教师和教育机构传递给学习者的知识，还有获取知识的相关服务；最后，移动学习过程中，学习者所在的情境是影响其学习效果的重要因素。由此，本文提出了适应移动学习特点的移动学习服务框架——PMKS框架，如图1所示。该框架包含四个要素：学习主体（Person）、移动工具（Mobile）、知识或者服务（Knowledge）和情境（Scene）。
（一）学习主体（Person）
学习者是移动学习的主体，处于PMKS框架的核心地位。学习者包含两个属性：个体属性和群体属性（即社会属性）。其中，个体属性通过学习者模型和知识图谱等方式实现对于学习者个体特征的描述。学习者模型主要包含了学习者的基本信息、认知特点、学习风格、学习偏好等；而学习者知识图谱主要描述了学习者的知识结构，即已掌握知识、推荐知识和推荐学习路径。学习者的社会属性则描述了学习者内部属性之外影响学习者学习的人际关系，如专家、同伴等。移动学习是有别于传统课堂的学习，其发生的场景无处不在、无时不在，在学习者遇到问题的时候并不能及时地找到自己线下班级的教师进行答疑解惑。因此，移动学习中教师不是唯一的专家，围绕移动学习的知识，有很多专家、很多同伴，他们对知识的理解水平不同、视角不同，这对于学习者的问题解答是很好的辅助。同样对于学习者社会属性的挖掘不可只通过知识进行，还可以学习者个体信息和偏好为中心向周围拓展发现专业相同、水平相似的学习同伴和领域内的专家进行交流和答疑。
（二）移动工具（Mobile）
在PMKS框架中，移动工具是学习者和学习内容交互的中介。传统学习中学习者主要通过教材书本、教师的板书讲解与学习内容产生交互，而在移动时代，为了满足不同情境下学习者对资源和服务的快速实时获取，各种适应性的移动终端以及网络支持至关重要。移动终端包括电脑、平板、智能手机、PDA、广播电视等，而网络支持包括宽带、WIFI、4G、近场通信等。根据学习者所在的情境，其学习大体分为两类——网络支持下的在线移动学习和离线状态下的移动学习。其中前者依赖不同网络条件为学习者提供内容、格式、大小各异的学习资源，如学习者利用计算机在宽带网络支持下进行学习，从而为其推荐呈现质量较高的适应性资源，相反如果学习者处在网络状况不佳的移动状态，则需要根据其移动设备类型和网络传输速率为其提供能够满足其学习需求并支持其流畅学习体验的低配服务。由于条件的限制，很多地区尤其是贫困地区难以提供随处覆盖的无线通讯网络，在此情况下并不意味着移动学习失去了实施能力，离线技术的发展使得学习者可以通过在移动设备上安装离线资源包以支持非网络环境下的学习，离线资源包中具备学习者完成学习的必备内容和内置推荐逻辑，可以支持学习者在预设的内容中完成学习，离线包会存储学习者在学习过程中的离线数据，一旦网络环境恢复，学习数据即可同步到服务端，实现学习过程的完整化。
（三）知识和服务（Knowledge）
与学习者相对应，Knowledge是移动学习过程中的另一个核心。本文中的Knowledge一方面指代的是传统认知中的智力知识，即学习内容和概念；另一方面在本框架中的知识还包含了学习系统提供的智能服务，包括学习者在线学习过程中的情境感知服务、智能推荐服务、专家发现服务和诊断服务等，虽然这些服务没有以智力知识的形式为学习者提供学习内容，但他们通过对学习者学习数据的分析为学习者提供了适合其所在情境的学习内容、适合其学习层次的资源以及辅助其学习的专家和和同伴，为其移动学习的高效开展提供了帮助。传统的学习中由于智力知识和概念交互性弱，难以支持学习者的动态性和情境性，正是针对这个问题，本框架提供了知识和服务相融合的新的Knowledge定位。
（四）情境（Scene）
传统的线下学习过程主要是在教师的指导下在教室中发生。而在移动学习背景下，学习变得越来越泛在化、情境越来越多样化，因此情境成为影响移动学习效果的一大因素。近年来情境感知、泛在学习也成为教育教学领域的热点研究问题，如黄国祯等开展了一系列情境感知的教育教学实验，探索了在博物馆、植物园、实验室、医学院等不同情境中通过移动设备促进学习效果和学习动机提升的方法。陈敏通过对移动学习的学习者和学习资源情境的研究提出了双情境模型，支持了学习者情境和资源情境的匹配理论。在移动学习的PMKS框架中，根据关注对象的不同可以将情境分为时空情境、物理情景、设备情境、学习情境、教学情境，其中时空情境描述了学习者开展学习的时间空间，例如学习者在车站等车，那么推荐资源应当适应碎片化的時间；物理情境则是学习者所处环境的光照、温度等条件；设备情境主要是移动工具的类型，关系着内容和服务呈现的形式；学习情境指学习者个体的知识状态和情感状态；教学情境指学习者完成学习所采用的教学模式、目标、方法等，是指导学习者有序完成学习任务的依据。
四、基于PMKS框架的和教育平台支持服务
基于移动学习中PMKS框架，本文设计了在其支持下的平台支持服务，从而为移动学习的开展提供实践化指导与平台化支撑，服务的架构图如图2所示。其中核心部分分为四部分：移动学习云服务中心、大数据分析和处理模块、个性化推荐模块、适应性呈现模块和应用情境模块。
（一）云服务中心
移动学习云服务中心是整个PMKS平台的支撑，实现了将基于PMKS框架的学习平台的云端搭建，通过高性能、大容量的分布式存储技术，使得学习者真正可以在任何时间、任何地点、就近快速获取需要的学习资源和服务。与此同时，云服务中心实现了对资源、活动、学习者不同学习行为和交互日志的分层存储，对于资源的存储，系统将平台中所有的资源与知识本体进行关联，并在底层数据库中进行保存，这样便可以为个性化的支持提供底层支持。对于活动以及用户日志的存储，平台通过记录学习者参与活动以及各类操作学习数据，一方面可以积累学习者的过程性信息，另一方面为可以挖掘学习者的状态以及学习风格等特征，为后续进行个性化的推荐提供保障。
（二）大数据模块
移动教育大数据分析和处理模块主要实现基于学习者学习需求和适应性特征的信息分析和处理。该模块利用大数据技术、自然语言处理以及机器学习技术为支撑，提取学习者学习过程中的基本信息、风格偏好、行为日志、知识信息以及社会性信息，根据这些信息建立学习者画像，从而可以针对性地抽取资源、服务为学习者进行推送。
（三）个性化推荐
个性化推荐模块主要实现了三个层面的推荐：资源推荐、人际网络推荐和个性化服务推荐，是Knowledge和Person要素的整合。该模块根据大数据分析和处理模块建立的学习者画像，从云服务中心抽取适合学习者个性化学习的资源为学习者进行打包；与此同时由于学习者学习过程中不仅需要实体资源还需要与专家或者同伴的互动，因此与学习内容相关的人际网络聚类也是个性化推荐的重要方面；最后根据学习者在不同应用情境下的需求，为学习者提供不同的活动、工具、评价相关的服务。
（四）适应性呈现
适应性呈现模块实现了基于不同移动终端的内容展示和呈现，主要通过移动设备和网络环境的配置实现了数据从学习者所在应用情境到平台的交互。
（五）应用情境
应用情境模块实现了对Scene要素的描述和扩展，可细分为教师情境和学习者情境：教师情境主要包含与备课相关的协同备课、专家发现，与听课相关的同伴挖掘、资源推荐，与教学相关的内容推送、评价诊断、个性化指导，以及与职业发展相关的专业能力评估和辅导，而学习者情境则按照不同的教学模式、学习场所进行了细分，包括自主学习情境、协作学习情境、探究式学习情境等。
五、“和教育”云平台：基于PMKS框架的移动教育应用与实践
本研究在PMKS框架的支持下，以“移动学习”教育部一中国移动联合实验室为平台支撑，设计开发了“和教育”云平台。“和教育”云平台以中国移动提供的覆盖全国31个省的无线通讯网络为支撑，移动学习云服务平台业务功能涉及了学前教育、基础教育、职业教育、高等教育等多个阶段，且提供了以手机终端为载体的面向不同用户群体的教学服务、学习服务以及与职业发展相关的支持服务。目前“和教育”云平台已经服务了9000万用户，支持了25万学校的500万教师和4000万学生的教与学，为教师和学习者提供了个性化、灵活的学习形式。从PMKS框架的四个维度来讲，和教育平台通过四年的实践，取得了以下四方面的成果。
（一）学习主体维度（Person）
在学习主体维度，“和教育”云平台通过其支持的备课、听课、在线教研、在线学习、批阅、评价等服务，积累了9000万移动学习用户，通过他们的在线学习行为形成了对不同用户的属性描述，建立了学习共同体、专家支持体系。随着移动学习需求的不断增长，未来基于“和教育”云平台的用户量将不断增长，为移动学习提供更加高质量的服务。
（二）移动工具维度（Mobile）
在移动工具维度，中国移动一方面基于响应式技术实现了平台各类教与学服务对多终端的支持，另一方面通过对各类资源的自动转码技术，实现了个性化学习资源在不同类型终端上的适应性呈现。与此同时基于远程转播技术的双师课堂工具实现了将一线城市的名师授课资源输送给二三线城市和乡村的学生，改善了教学质量，实现了师资的均衡共享。在未来的发展中，虚拟现实、5G网络将为学习者提供更加便捷、高效的学习工具支持。
（三）知识和服务维度（Knowledge）
在知识和服务维度，中国移动“和教育”云平台建立了覆盖基础领域的知识图谱，以此为基础汇聚了海量的学习资源。与此同时，根据学习者对资源的个性化需求，提供了资源有效组织和聚合的方式，从而可以支持学习者更好地参与学习过程。而在教与学的过程中，针对教师和学生在不同学习场景中遇到的诸多需求，如阅读需求、作业批阅需求、听课备课需求、评测需求等，“和教育”云平台也提供了参与阅读、社会化批阅、听课大师、备课大师、智慧学伴、一站高考等应用，覆盖了课前预习、课堂学习、课后复习、考试一整套教与学的流程，无缝地为学习者提供了知识内容的推送、工具服务的推送和评价交互的推送，实现了学习者在真实场景中的高效学习和及时反馈。
（四）情境维度（Scene）
在情境维度，“和教育”云平台通过分析学前教育、基础教育、职业教育、高等教育等多个阶段的移动学习情境需求，建立了多样化的移动学习情境支持服务。如自主学习情境、支持线上线下个性化学习与交流情境、支持情境感知的泛在学习情境、支持基于多种活动的PBL学习情境以及协作学习情境等。在多样化的学习情境支持下，促进了学习的场景化和个性化，提高了学习者的学习效率。
六、未来研究展望
本文基于PMKS框架，借助“和教育”云平台，设计开发了移动教育的各类相关应用。以宽带技术、通讯技术、信息安全技术、云计算处理技术、数据挖掘等为技术手段，为学习者提供了支持个性化和情景性的智能服务。随着移动设备在网络学习中的重要性越来越突出，移动化已然成为在线教育发展的必然选择。在未来的技术发展中，移动学习平台要更加关注最新技术成果的应用转化，如基于AR技术的体感教学系统等，移动学习的服务和体验将进一步“人性化”、个性化，更加关注终端用户的使用习惯和方式，为用户提供更良好的体验。除此之外，与传统学习相比，移动学习一个重要的特点就是更为社交化，例如用户可通过学习软件找到符合自己兴趣的朋友，使学习变得更加具有社交意义。因此，要探索挖掘移动学习在社会人际网络方面的优势，增强应用的趣味性，凭借优质的内容，更好地吸引用户加入到移动学习的行列中，也是极具前瞻性与创新性的研究方向。