论文部分内容阅读
摘要：“互联网+”时代，信息技术与教育教学深度融合，泛在学习、翻转课堂、联通教育等颠覆性教育创新不断涌现。在此背景下，面向未来教育的个人学习空间建设需要面向个人、面向智慧、开放生态、连接一切。该文首先从学习生态圈和学习操控台两个视角对个人学习空间进行了全新解读，进而聚焦于Cloud Card技术支持下的个人学习空间建设，论述了两者结合的理论与技术基础，提出了云平台系统架构下构建个人学习空间的具体方案。云平台利用云计算技术，将资源、数据和服务汇聚到基础服务平台上进行统一规划与管理，并通过核心应用中心，围绕服务于个体的成长发展，从资源、活动、评价三个维度提供个性化、情境性、自适应的学习服务，最终以面向个体和公众的多样化终端加以呈现。研究最后对Cloud Cards念下个人学习空间中学习活动的设计与组织进行初步探索，提出了原子级学习活动和学习样式模板，为个人学习空间的建设提供了新的技术路线和实现方案，但后续仍需要从学习分析与挖掘实现、数据规范制定、学习样式模板设计等方面进行更加深入的研究。
关键词：个人学习空间；CloudCard；人人通；互联网+；学习生态；云架构；学习活动
中图分类号：G434 文献标识码：A
一、引言
个人学习空间（Personal Learning Space）作为个人数字化学习环境的新事物，契合了国家发展、个体需求及教学变革等多方的呼吁。“十二五”期间，我国教育信息化建设将“三通两平台”作为核心目标与标志工程，力争用5年左右时间，使我国教师与学生拥有网络学习空间，努力在网络学习空间建设与应用方面走在世界前列。而随着云计算、移动互联、大数据分析等新兴技术的发展，大量颠覆性教育创新（Disruptive Innovations）不断涌现，如泛在学习、翻转课堂、联通教育（Conneeted Edueation）等，“互联网+”思潮正深深冲击着未来教育的形态，也使得个人学习空间的建设思想发生着巨大的转变。Cloud Card技术作为当前创新技术的集中体现之一，具备UI关联展现、流线型服务组织模式、底层隐形数据传递等特点，能为个人学习空间工具服务的情境化组织、学习过程的追踪以及面向过程的真实性评价提供新的实现理念和技术路线。在先前的研究中，我们已经对此进行了初步探索，而本研究将在此基础上，进一步探究两者结合的技术与理论基础，提出基于Cloud Card的个人学习空间云架构，然后探讨Cloud Card下学习活动的设计与组织。
二、个人学习空间及其未来新愿景
从某种程度而言，个人学习空间是一种面向学习者个体提供在线学习服务的网络环境。随着教育理念由以“教”为中心向以“学”为中心转变，个人学习空间也从网络学习环境中的设计“附庸”被提上了教育者们研究的主议程。在以云计算、移动网络等各种新兴技术的支持以及“互联网+”技术思潮的影响下，有必要对个人学习空间加以重新认识和定位。
（一）个人学习空间的发展演变
20世纪90年代中期，虚拟学习环境（VLE）随网络技术的发展而产生，作为一种自上而下设计的正式学习环境，VLE以课程为导向，主要支持教育机构环境内的教与学，学习者个体的权利与需求并未被重视。随着教学理念由以“教”为中心向以“学”为中心发生转变，学习环境中开始加入个性化元素并被不断增强，直到个人学习环境（PLE）概念的提出。PLE赋予学习者更多的自主权，强调学习者对他们学习活动及工具服务的掌控，也更加重视学的过程，以支持不同情境下的非正式学习。但随着国家政策、技术发展以及教学变革等多重需求的进一步演变，个人学习空间的概念应运而生，表达了面向学习者构建整合PLE与VLE的增强型学习环境的愿景，实现混合式、多元化的学习生态。
祝智庭最先将个人学习空间引入国内并进行了本土化解读。他认为个人学习空间为学习者创设了相对隐私、安全可控的学习环境，通过提供学习支架与模板引导学习者学习，同时赋予学习者自主管理权限，支持其最大程度参与，学习者可以在空间中创建持久、迭代的学习记录和体验。个人学习空间的构建对个性化学习起着核心作用，是实现“网络学习空间人人通”的重要基础嘲。美国新媒体联盟在2015年、2016年的《地平线报告（高等教育版）》中，将正式学习和非正式学习的融合（整合）视为需解决的挑战之一，并将“自带设备”和“自适应学习技术”视为一年内重要发展的教育技术之一。自带设备是个人学习空间贯通正式与非正式学习的硬件基础，自适应学习是个人学习空间服务的终极方向，两者都与个人学习空间的建设息息相关。当前，个人学习空间的建设已成为各国教育信息化政策中重要的组成部分。美国教育部发布的2016年《国家教育技术计划》中明确提出：利用技术提供更为公平和易于获取的学习，连接人、数据、内容、资源、专业知识和学习，允许所有学习者参与正式和非正式环境中的学习体验。英国JISC发布的《21世纪学习空间设计指南》中指出要建设满足“以学生为中心”教学模式的需求。我国《教育信息化十年发展规划（2011-2020年》中明确提出：推进信息技术与教学全面深度融合、鼓励建设智能化教学环境、提高信息化教学水平，而个人学习空间正是网络学习空间中的研究焦点。
（二）面向未来教育的个人学习空间新理解
当前，“互联网+”技术思潮正大力冲击着各个行业领域的发展认识与观念，教育也无法避免。“互联网+教育”在尊重教育本质特性的基础上，用互联网思维及行为模式重塑教育教学模式、内容、工具、方法的过程，构建新的教育生态体系。“互联网+”的六大特征包括跨界融合、创新驱动、重塑结构、尊重人性、开放生态、连接一切。基于“互联网+”的教育内涵，面向未来教育的个人学习空间建设需要面向个人、面向智慧，开放生态、连接一切，具体可从学习生态圈与学习操控台两个视角加以诠释。
1.基于学习生态圈的全局视角 联合国教科文组织“学习无国界计划”负责人詹·威瑟最早提出学习生态的观点，他认为学习环境可以被比作生物圈，学习者与学习环境在互动中共同发展。Norman Jackson提出，学习生态能够跨越时空限制，连接同时存在的或者贯穿整个生命历程的不同空间和环境，这正体现了终身学习（Lire-long Learning）和全方位学习（IJife-wide Learning）的生态视角，是对新世纪社会发展和人的全面发展的必然要求。
随着信息技术与教育教学的深度融合，数字学习、移动学习、泛在学习等新型学习方式日趋常态化，海量的数字学习资源和新型的学习支持工具呈爆炸式增长，面向个人学习的教育教学平台不断涌现，个人拥有多个终端设备，开放共享、虚实结合、学习服务的个性化、碎片化正成为数字时代学习的新常态。因此，如何联通零散的落脚点并进行深层次整合，打通教与学核心要素之间的隔阂，打造新一代的数字化学习生态圈成为学习环境建设的关键。
个人学习空间的构建就是要打造一个学习生态系统，该系统时刻与外界物理环境、虚拟环境、社会环境进行着物质、能量、信息的交换。具体而言，个人学习空间由学习者自主建构与治理，依赖于Web2.0技术（Blog、Wiki、RSS等），学习者从内容消耗者转变为内容创建者，从空间使用者拓展为空间管理者，从碎片化学习转向连通性学习；个人学习空间连接一切教与学的数据，汇集支持个体学习的工具、资源、情境、活动和关系，各要素在赖以生存的学习空间中和谐共处、协调发展。个人学习空间重新解构了传统的学习模式和教育体制，全面支持5A学习模式（Anyone，Anytime，Anywhere，Anydevice，Anyform），即任何人可以在任何时刻、任何地方，使用任何设备，通过任何方式获取所需的任何信息。其中，终端设备和学习方式的普适性是个人学习空间的价值所在。传统的学习平台业务运作彼此独立，缺乏有效的关联机制。学习者在不同的学习平台驻足，建立落脚点（也称个人空间），随之产生的大量非结构化的独立数据难以被挖掘和再分析，而个人学习空间作为贯通正式学习与非正式学习的虚拟环境，运行于一定的学习支撑服务平台上，能够汇聚学习者零散的“落脚点”，实现资源、工具、服务跨平台跨设备的联通共享，并且围绕个体学习的设计要素，进行深层次整合，为学习者不同方式的学习提供个性化自适应服务，真正体现生态化学习。
2.基于学习操控台的设计隐喻
个人学习空间作为个人学习生态，联通各种工具、服务、资源和数据，聚焦于学习者个性化需求，实现内容、社区、应用的有机整合。从个人视角而言，学习者需要通过类似“学习操控台”的机制对分散在不同学习平台上的活动与资源加以管理，从而实现一站式统揽全局，通达各处，定制自己的学习。而为了支持学习者学习活动的有效有序开展，个人学习空间需要展现一定的“智慧性”，确保服务的适时、适量与适需，从而有效规避由于多元化途径、多样化学习所带来的多、乱、杂。
Ontuitive的首席学习传播专家Bob Mosher较早提出“适时”（Just in Time）与“适量”（Just in Enough）的概念。“适时”属于严格的时间问题，是指在特定目标下，帮助学习者及时、快速获取资源，有效节省时间；“适量”即在当前任务情境下，交付给学习者适当信息容量的准确信息，而不是大量无关的内容。随着大数据、云计算和移动技术的发展，个人学习空间的建设已不仅仅满足于“适时”和“适量”，“适需”（Just in Need）的概念被提出，即对当前学习情境和需求的识别作为保障个体学习成效的又一特征。个人学习空间追踪并记录学习者的学习过程与学习活动，通过学习行为分析，及时识别学习者当下的学习偏好、认知风格、学习情境等，并借助于学习仪表盘可视化分析结果，让教师或学生能以最直观的方式了解现状与问题，做出反馈；而随着学习仪表盘的不断创新与完备，个人学习空间将会以更精妙的数据追踪方式和可视化呈现方式来感知学习情境，分析预测学习者的风格，满足其个性化需求。
“适时”“适量”“适需”下，个人学习空间以学习者为中心，随情境转变而不断动态部署。如果以某一时刻对个人学习空间做一个时间切片，那么此时的学习操控台将服务于特定的需求目标，只呈现相匹配的适当的信息容量，告知学习者当前需要完成的任务，并明示当前所参与学习活动的后续流程，体现出学习支持的“智慧性”。
三、Cloud Card与个人学习空间结合的技术与理论基础
面向未来教育的个人学习空间需要面向个人、面向智慧，开放生态、连接一切，而Cloud Card的技术理念刚好契合了个人学习空间建设这一需要。在先前的研究中，我们已从工具服务的情境化组织、学习过程的追踪、面向过程的真实性评价三个方面，探讨了Cloud Card在教育应用中的可行性和关键设计要素，而本研究将进一步阐述两者结合的技术与理论基础，如图1所示。
（一）Cloud CardR其工作原理
Cloud Card是阿里巴巴集团推出的YunOS 3.0所采用的卡片式桌面。不同于Android和IOS以APP为功能模块的设计，YunOS 3.0将各类APP的功能进行整合重组，通过Cloud Card这个唯一的符号，打通APP之间、网页与APP之间的联通壁垒。
Cloud Card基于智能终端感知的情境数据，能够自动生成符合真实情境的任务云卡，并按照事件发展的流式思维有力协助用户活动的开展，从时间流、事件流、信息流等多个领域的大数据与模型演算引擎为用户建立更好的服务逻辑，实现服务的无缝接人和自由跳转。Cloud Card引入深度链接技术（Deep Linking），在一个平台界面汇集用户众多的任务场景，每一个任务场景匹配一张主卡，然后基于这些特定场景的实时数据和模拟推荐引擎，系统自动推送相关的第三方服务作为关联卡片，以满足用户需求的拓展和外延，实现一站式服务。场景与场景之间无缝连接，服务和工具也紧随关联，形成任务活动的有序开展和有效闭环。Cloud Card完全运行在云端，用户无需下载APP就能随时随地享受大数据智能生活。这些特性使得Cloud Card能很好地支持面向未来教育的个人学习空间的新发展理念。 （二）两者结合的技术基础
1.云支持的泛在学习网络
泛在学习这一概念最早由“泛在计算”衍生而来，它将信息空间与物理空间相融合，帮助人们透明地、随时随地获取数字化服务。而“泛在网络空间”则是指在泛在学习的环境中，将协作者、学习资源、工具服务等主要因素进行联系与整合，以提供给学习者一个可相互操作、普适、无缝的学习体系。泛在学习一共经历了泛在计算、泛在网络、泛在社会、普适学习与泛在学习五个阶段，国内外学者将泛在学习的主要特点总结为：泛在性、易获取性、交互性、学习环境的情景、以现实的问题为核心。
利用分布式数据存储与管理技术，基于云计算的泛在学习网络不仅能存储海量数字化学习资源，还能在云端记录学习者各类学习活动的数据。在此基础上，各种形态的学习资源与活动基于Could Card实现卡片化组织与运作，通过实时的学习情境与需求分析与解读，被有效推送到学习者个体的各类移动终端上，完成学习的5A愿景。因此，云支持的泛在学习网络为搭建基于Cloud Card的个人学习空间提供了必要基础环境保障。
2.大数据分析的辅助决策
大数据时代，海量的学习数据具备Volume（巨量性）、Velocity（高速性）、Variety（多样性）、Value（价值性）、Veracity（真实性）5V特征。大数据分析从海量数据中发现教育角色之间的关系、诊断教学过程中的问题、预测教育发展趋势，为教学决策提供依据。数据驱动的教育决策，要求学习行为等相关信息记录精确，教育过程变得可量化；在此基础上得出可靠的数据依据，既能帮助学习者做出适合自身发展的决策，又能帮助教师了解每位学生的真实情况，为其提供真正个性化的学习资源、学习活动、学习路径、学习工具与服务，实现因材施教。此外，大数据分析技术还能精准分析学习资源的质量，从而优化学习资源的设计与开发。在个人学习空间的建设中，需要大数据分析提供有效的决策支撑，识别学习情境，以优化资源与活动的配置，同时提供智慧性的学习辅助，监控问题危机，以保障科学化教育。
Cloud Card的运作机制天然具备存储学习行为大数据的能力，可根据设定的数据处理与分析模块，研究学习者的学习轨迹数据；然后根据学习者模型和教学设计模板，对学习内容与服务提供自适应的个性化定制与推送，同时利用学习仪表盘等工具为学习者、教师提供可视化的分析数据和报告，协助他们做出有效的活动决策。因此，大数据的辅助决策为基于Cloud Card的个人学习空间中实现有效学习服务提供了重要的决策支持。
3.智能终端的情境感知
随着移动智能终端的普及、物联网传感器的发展以及无线WiFi、GPS等嵌人式设备的大规模部署，基于智能终端的情境感知应用成为可能。情境感知是指在用户需要时利用情境信息向用户提供适合于当前情形（如任务、地点、时间和人物等）的信息或服务，通过感知用户情境自动地获取和发现用户需求，实现信息服务与用户的自适应，并提高信息服务的准确性和可靠性，是协助信息服务系统提高性能和质量的重要支持手段和方法。
智能终端和嵌入式设备所搭载的各种传感器及相关计算设备，通过感知和获取学习者周边普适环境中的情境参数，并自动地进行加工和处理，以了解学习者的学习风格、兴趣爱好等，推测出学习者的当前行为，准确理解学习者的学习需求。学习平台根据情境状态的变化自适应地调整系统的服务行为，为学习者搜索、组织、选择、推荐更具针对性的信息、资源和工具（按需服务），最终实现学习者与环境、学习平台间的自然融合与自适应交互，提高自适应推荐服务的准确性和可靠性。因此，智能终端的情境感知为基于Cloud Card的个人学习空间满足个性化和自适应需求提供了有效途径。
（三）两者结合的理论基础
1.教学传通模型：实现各部分信息的沟通与合作
网络教学传通模型是祝智庭提出的一个解释教与学环境中各要素联通及相互作用的通达模型。该模型指出：在技术中介的学习环境中存在角色空间、媒体工具空间及其角色行为所需要的内容资源空间、工作信息空间，四类空间相互联通影响，并通过一个能动的协调空间进行调节，以建构一种最为契合的情境模式和支持环境，使得学习达到一种最为有效的运作状态。角色空间，即人的要素，包括一切在技术支撑下促进知识生成、增进情感交流、发挥协作能力的参与者，包括自我、学伴、教师、家长等不同角色。内容资源空间，即内容要素，是网络教学活动所需的教育资源（学习对象）实体；网络学习空间中包括各类公开的外部资源，可通过搜索引擎、访问数据库、共享角色空间中其他角色开放的资源等途径获取。媒体工具空间，即工具要素，是各种可用来帮助学习者学习的工具集合。过程信息空间，包括用户在网络空间中一切活动和活动结果的记录。
上述教与学的要素在个人学习空间共同存在，并通过Cloud Card在特定时刻、特定情境中实现最佳整合，围绕优化个体学习并支持其全面发展的目标展开协同工作。总之，网络教学传通模型高度抽象了网络教学系统的运行机制和体系结构，为个人学习空间中的学习服务运作提供了可参考的模型框架。
2.活动理论：层级组织实现教与学活动的分解
作为理解和分析人类活动的一般解释框架，活动理论认为活动是最基本的分析单位，活动具有层次结构。根据列昂节夫的观点，人类的行为活动可分解为三个层次，这三层相互作用并处于动态变化中。完整的行为活动是由动机（Motive）、目标（Goal）、达到目标的条件（Condition），以及与这些成分相关的活动（Activity）、行动（Action）和操作（operation）构成。位于最上层的是受动机、意图趋势的活动，它是由一组受目标驱使的行为序列构成。行动是功能性水平的，通过规划和问题解决行动来完成活动，行动的执行需要借助一连串的操作。操作位于最低层，是常规性的行为，由现有条件的决定，受特定行动和工具的限制，操作是开展行为的具体步骤，所有的操作开始都是行为。活动理论主张活动的组成部分不是一成不变的，而是随环境和情境的变化而发生改变。随着活动的进行和主体意识的参与，活动逐渐分解为行为，进一步分解为操作，学习就是主体将一个个活动转化为行为和操作的过程。 基于Cloud Card的个人学习空间，可以开展多样化的学习活动，满足不同的学习需求。如何从需求目标出发，将学习活动细化到操作实施的卡片层次是基于Cloud Card活动设计的关键。在活动理论指导下的学习活动设计，需要先识别出支持活动的行动和操作，然后将每一步分解为具体的行动或操作，做到有序列性、层次性和可操作性。因此，本研究借用活动的层级结构理论来剖析个人学习空间建设中基于Cloud Card的学习活动的开展过程。
3.学习设计：指导教学步骤的把握
Cloud Card的流程式服务序列为个人学习空间的活动追踪与过程性评价提供了良好的实现机制，而关于如何分解学习活动以有效实现特定的学习目标或完成当前任务，学习设计（Learning Design）理念提供了重要思路。
学习设计与教学设计有着非常密切的联系，教学设计是对学习过程和资源创设有效的教学流程与系统，学习设计则是进一步说明活动过程的组织、管理和评价，为实施教学设计更加显性和明确化的操作条件与方法。学习设计说明教学情境中学习任务的考核目标、执行活动的流程、使用资源的条件等，从本质而言，它建立教学每一步的目标、过程及其对应的评估框架，然后将过程中的产出状况与预期的行为和交互结果进行对比评估，从而判定是否达到预期的效果，并以此为依据调整下一步的目标与行动方案。
学习设计为学习者学习过程的分析建立了准确的预测模型，学习者的交互行为也在特定的学习模式和活动方案下加以引导，并不断被评估诊断，以保障过程的合理性和学习的有效性。总的来说，学习设计为个人学习空间中教学步骤的把握提供了有力的理论指导，也是空间中实现对学习者过程性评价与总结性评价的重要依据。
4.精准教学：指导教与学成效的收集与评价
20世纪60年代，Ogden Lindsley提出精准教学（Precise Teaching），该方法来源于斯金纳的行为学习理论，后发展为评估教学方法的有效性框架。精准教学通过测量“流畅度”作为数据决策来追踪学生的学习效果，是系统精准地评估课堂效果与教学策略的方法。早期的精准教学主要通过人工记录、分析、决策的方式监控学习表现，随着教育信息化的发展，信息技术所支持的精准教学模式被提出和实践。祝智庭认为该模式主要包括精准确定目标、开发教材与教学过程、计数与绘制表现及数据决策四个环节，即首先利用递归思想精准确定目标，针对学习者个体生成目标树；然后扩展传统教材，设计具有吸引力的数字课本；进而通过计数器与图表工具描绘学生的学习情况，最后利用精准分析软件控制标准变速图表，判定当前的教学是否能达到预期目标。
在个人学习空间中，学习者的活动数据全部被实时记录在云端，在精准教学的指导下，学习者的行为表现可通过可视化工具被迅速而精准地加以统计与绘制，以此判定出当前学习状态与学习目标之间的差距。精准教学与学习设计相结合后，Cloud Card中数据的记录、收集、分析、诊断与决策有了夯实的指导，而对教与学成效的把握也可精确到学习者对于某一知识或技能学习中具体资源与行动的定位，从而有力支持卓越教学的实现。
四、基于Cloud Card的个人学习空间云架构
个人学习空间云平台以学生为主体，联通本地教育云、第三方教育云、公共数据中心，汇聚教与学相关信息、资源和服务，通过云平台的统一部署和应用深化，最终以面向公共和面向个体的双视角实现业务的交互和贯通，为教师、学生、家长等各类用户提供实名制的一站式互动学习网络空间。在云平台系统架构设计中，重点包括三大基础服务平台、四个核心应用中心，以及多样化的终端呈现，如下页图2所示。
（一）三大基础服务平台
个人学习空间云平台利用云技术，将资源、数据和服务汇聚到平台上，进行统一管理和组织。资源云、数据云、服务云三类基础服务之间既彼此独立又相互关联、协同运作，为学习空间中上层应用实现精准、灵活的个性化学习提供基础性服务保障。
1.资源云
资源云包含支持各类学习活动的内容性资源与工具性资源，可以有媒体资源（简称“媒资”）、教育APP、云卡模板、评价量规等，它整合区域教育系统内外多种资源来源f本地教育云、第三方教育云等），共同构建一个动态发展的资源系统。其中，各类教育APP与媒体资源是学习者的主要学习材料；而云卡模板则是各种形式APP形成云卡的技术支架与样式参考，能有效支持教学人员快速将学习资源转变成对应的云卡；评价量规是评价学习者在空间中发展成长的依据与标准，可用于判定学习者是否完成任务或达到特定学习目标，也可有效支持学习者的自我反思。由于数据云与服务云将会为物理资源及逻辑资源的分配及传递提供有力的精准数据驱动支撑，因此学习者不需要理解资源背后庞大的数据信息，却能直接通过资源云创建或获取媒体资源与工具服务。
2.数据云
不同于一般的学习云侧重记录学习者的考试成绩与分数，个人学习空间中强调学习活动数据的记录。由于存储硬件和分析技术的限制，传统的学习平台往往采用抽样方式分析学习活动数据，因而只能获得粗略的分析结果，难以做到精准的个性化预判。数据云为教育大数据的存储与分析提供了有力的基础保障。数据云中存储有教师、学生等教育管理对象的基础数据、教育教学活动数据，以及各类中间过程所形成的评价数据。这些数据是上层辅助决策中心运作的基本材料，也是对学习者开展能力发展评测的根本依据。考虑个人学习空间的学习生态圈视角，数据云需要支持与第三方系统的数据交换，实现数据的互动互通，真正支持学习者多样化学习的无缝对接。
3.服务云
服务云是个人学习空间中开展各类学习与管理活动的基本服务基础，为各环节调度连接与有序运作提供重要保证。它是个人学习空间云平台的“心脏”，除了提供一般学习云架构中所包含的统一认证、目录服务、系统监控、服务请求响应、资源统一调度等基础服务功能外，还重点加入了数据挖掘服务。数据挖掘服务提供上层辅助决策中心与能力发展测评所需的各类基础性数据处理与分析业务，包括统计分析与可视化、聚类、预测、关系挖掘与文本挖掘等。数据挖掘的部分中间处理结果将存放于数据云中，以加快服务调度的效率，提升服务的品质。此外，为实现个人学习空间中开放生态、连接一切的建构愿景，服务云中中间件的接人和管理以及数据共享交换和管理将是关键所在。 （二）四个核心应用中心
资源和数据在基础服务层的汇聚、管理和展示，只是个人学习空间云平台的浅层次应用，云平台通过开发独立模块对资源和数据进行深化应用，具体包括资源应用中心、学习活动管理、能力发展测评和辅助决策中心，四大中心在下层基础服务平台的支持下，围绕服务于个体的成长发展，从资源、活动、评价三个维度提供学习应用。同时，为了更好地实现服务的个性化、情境性、自适应等特点，平台还提供辅助决策的支持服务。各个模块互相独立并可无缝嵌入云平台，为未来扩展和升级应用模式提供发展的空间。
1.资源应用中心
网络学习空间中信息资源的多源性、可选性、易得性、及时可达性将从本质上改变信息资源的分布形态和人们对它的拥有方式。个人学习空间基于个人云，以“资源应用中心”作为空间资源融通的关键，它不仅支持传统的图文、视音频、外部链接等多种形式的媒体资源，支持跨系统、跨平台、跨机构的数字资源的自动聚合，更重要的是，能利用Cloud Card的深度链接技术，实现资源的关联、重组和转换，并基于移动终端获得的情境信息，为学习者提供个性化的自动推送服务。个人学习空间中学习者从内容消耗者转变为内容创建者，在享受云端服务的同时，也会将自己原创的知识上传到云端供他人共享。资源应用中心模块以数据云和服务云为基础，对资源云的各部分内容加以动态组装甚至应用深化。
2.活动管理中心
基于Cloud Card建构的个人学习空间，以学习活动管理作为空间中学习活动开展的关键。个人学习空间在学习活动的组织与管理中强调学习流概念，其学习活动管理模块汇聚了不同学习情境（正式、非正式）的学习网络，由学习者自下向上进行有效整合，实现自由调度。同时，学习活动管理模块基于活动理论实现了教与学活动的分解，并对得到的原子级学习活动进行联结、重组与再造，基于学习者的任务情境自主编制恰当的活动流程，最终参考学习者模型和过程性数据，实现学习活动的自动推送和过程追踪，保证了学习数据的情境性和联通性。精细化的学习活动序列为学习者提供了贯穿整个学习过程的学习路径。该模块基于活动数据和学生数据，调用资源云的活动样式模板实现学习活动的有效组织与管理，并由服务云提供技术保证。
3.能力评测中心
能力评测中心是个人学习空间进行评价与反思的功能模块，此模块基于Cloud Card创设的具有现实意义的问题情境，采用多样化评估方式，收集相关过程性数据，开展面向过程的真实性评价。同时，允许学习者利用学习成长档案袋，选择性地记录任何对个人重要的活动、产品、评价、成绩等，支持与这些记录相关的其他数据源建立连接，可实现不同情境下学习数据的整合。电子学档支持个体发展和反思学习，可引导学习者在学习每一步都思考为何、若何等问题，这种反思框架促使个人学习空间成为发生学习的空间。最后，能力评测中心支持基于各种科学量表、量规的评测，也允许学习者通过数据挖掘和学习分析，开展能力分析评估。此模块基于资源云、数据云的评价量规、评价数据等内容，实现评价应用。
4.辅助决策中心
为了更好地实现服务的个性化、情境性、自适应，云平台还提供了辅助决策中心作为个人学习空间高效运行的后勤保障，为资源、活动和评价服务提供支持，具体包括学习者模型建构、学习情境感知以及推荐引擎。辅助决策中心的服务对象为系统、教师和管理者。对系统而言，在以学习分析、大数据等技术为基础支撑的学习环境中，通过智能化的教学与管理诊断学习者的学习情况并及时做出相应学习策略或方法的调整，帮助实现学习服务自适应和个性化的“智慧性”。对教师与管理者而言，提供数据驱动的教育决策，使其把握个人学习空间的整体运行，统观学习者的学习状况以做出合适的管理决策与教学干预。教师可以通过此模块检查监督学习者的学习情况并不断改变指导策略。管理者可以根据该模块对个人学习空间的相关功能模块做出对应调整。辅助决策中心是对数据云、资源云、服务云的综合应用。
（三）多样化的终端呈现
学习终端技术的发展，促使各类学习终端不断涌现，为个人随时随地接入学习提供载体，突破了学习时空的限制。个人学习空间云平台利用定位导航、无线射频、无线通讯、二维码识别等技术，从不同的视角，为个体用户提供了面向公共呈现的综合信息门户和面向个体呈现的个人学习空间服务人口，允许用户使用任何设备，随时随地地获取适时、适需、适量的支持服务。其中，个人学习空间服务人口又划分为基于Cloud Card的移动端和基于个人门户的浏览器端。
1.综合信息门户
综合信息门户是个人学习空间对外服务的窗口，是对空间的信息资源、应用系统实现数据、用户、权限、应用、流程、内容等方面的整合，能够展现整个学习空间的整体风貌。综合信息门户能够集成学习业务流程涉及的学习管理系统、资源服务平台、社会交互应用等，为各类用户提供一个支持信息访问、传递以及协作化的集成化环境；能调用公共学习空间的内容、工具及服务，以构成多种情境下的学习活动，服务不体现差异性；能针对不同的用户群来源（老师、学生及管理者）和服务组织提供一站式的信息服务，并对参与用户进行统一管理，形成班级空间、学校空间、社区空间等等。
2.移动终端——Cloud Card
作为卡片式桌面，Cloud Card主要搭载于智能手机、平板电脑等移动终端开展教育应用。Cloud Card通过实名认证的手机号建立实名制的网络空间，以此更好地提供适应学习者个性特征的学习支持和服务，提供满足每一个学习者需求的个性化学习体验。基于Cloud Card的个体呈现主要体现情境性和联通性，Cloud Card能够借助移动传感器所采集的实时数据，为学习者呈现符合当前情境需要的资源和工具，并以主卡和副卡的形式提供关联服务和自动推送。相对于后面浏览器呈现的个人门户形式，Cloud Card方式更为聚焦于学习者对当前学习活动与任务的执行。 3.浏览器——个人门户
通过云计算技术实现的个人学习空间搭建了具备高度私密性和个性化的个人门户，有取舍地选择资源、工具、服务和资讯等，并把它们聚合起来方便用户个人使用。不同角色的用户只需通过浏览器接人个人学习空间，就可以在任意时间任意地点在网络环境下以固有账号登陆云端的个人学习空间，获取个性化资源、调用服务、开展互动。个人门户允许个性化订阅资源与服务，以不断更新属于自己的门户容貌。
（四）第三方服务与数据的接人
为支持个体学习的多样性、分布式，个人学习空间云平台需要与其他平台、服务对接（通过RSS、Web Service和API等多种途径），实现学习的无缝衔接。第三方服务通过开放平台与Cloud Card直接对接，同时联通本地教育云、第三方教育云甚至公共数据中心，汇聚教与学相关信息、资源和服务等。其中，公共数据中心可为个人学习空间提供更为通用的、分布式数据与资源的共享。考虑到本地网络的安全与隐私，以及客户端用户隐私与服务的及时性，所有轻量级数据可采取同步方式进行三方对接，而重量级数据则通过镜像方式实现共享。总之，不同接人方式的选择，要全面考量隐私保护、负载均衡及开放灵活等问题。
五、基于Cloud Card的个人学习空间中学习的设计与组织
（一）原子级学习活动与学习样式模板
Cloud Card基于流式思维组织活动，通过精细编排的活动序列实现特定的任务。因此，Cloud Card理念下个人学习空间中学习的设计与组织，首先要基于活动层级理论进行教与学活动的分解，以获得丰富的原子级学习活动，进而基于成熟的学习样式模板进行设计与编排，最终实现以任务情境为导向，以原子级学习活动为节点的深度学习。
原子级学习活动是指完成一个常规功能性的学习行为，注重操作的单纯性和明确化，具有低耦合、高内聚的特点。原子级学习活动在基于Cloud Card的个人学习空间建设层面体现为一个APP支持的云卡。而按活动目标侧重的不同，原子级学习活动可分为四大类别，分别是以资源为中心的理解类活动（如案例研读）、以个人操作为中心的创建类活动（如虚拟实验）、以交互操作为中心的分享类活动（如成果展示）和以评价为中心的评价类活动（如小组互评）。
学习样式模板是指为实现特定任务目标，对原子级学习活动进行选择、组织与编排的样例，其序列体现了教与学活动的流程，以及彼此之间的逻辑关联与条件制约。不同学习样式模板服务于不同类型的学习活动。比如，可以是基于资源学习的样式模板、基于项目学习的样式模板、基于问题学习的样式模板、基于协作学习的样式模板、基于案例学习的样式模板等等。在实践层面，学习样式模板能够指导APP之间数据和信息的输入与输出，以及主卡与关联卡之间的链接关系，是Cloud Card学习流程编制的基础。
（二）基于Cloud Card的学习流程编制与运作
基于Cloud Card的学习流程编制与运作，如图3所示。
1.明确目标导向下多来源APP筛选与组织进行云卡编制
为满足学习者个性化、多元化学习需求，个人学习空间云架构的APP库提供开放接口以广泛吸收各种来源的APP，除阿里云外，还包括第三方提供商甚至是个人编写。学习活动开发者可在明确的目标指导下自主选择APP进行编制，而平台也会根据设定的规则，对海量APP进行筛选与推荐。为降低云卡的编制难度，帮助开发者快速搭建出基于Cloud Card的学习活动，在开发者选定APP后，平台会提供不同学习活动样式模板加以支持。同时，先前开发并投入运作的云卡也会将学习者的学习活动数据反馈进来，进而在一定规则引擎分析下，形成云卡编制的控制数据影响后续学习云卡流的编制。
2.多样化情境感知参与学习流程执行
不同云卡依据一定的教学设计逻辑相互关联，形成学习云卡流。每一个学习云卡流服务于一个特定的学习目标。云卡的排列顺序体现教学活动的序列，即学习的流程。每张云卡对应一个操作任务，例如阅读、答题、评论、计算等。云卡间还会形成主卡和关联卡的关系，以支持学习活动的深入递进与发散拓展。学习流程一般由学习者选择触发，也可借由系统的多样化情境感知来启动。情境感知依赖于学习者在学习过程中被记录下的学习活动数据，这些数据经过分析挖掘形成控制信息参与学习流程的执行。
3.学习活动流数据的实时分析调控云卡的服务提供
云卡在编制时除规定了学习者的学习行为操作外，也明确了需要记录的学习活动数据。由于Cloud Card的独特设计理念，在学习设计与精准教学理论的指导下，这些学习活动数据的实时分析将不再是一个难题。在学习者使用云卡开展学习的同时，其学习活动也被同步追踪并自动记录，平台根据规则引擎匹配学习者当下的学习情况与预先设定的学习流程步骤及其任务目标，快速做出诊断，生成过程性评价与干预，影响下一阶段学习云卡流中云卡的推送以及云卡上资源与服务的呈现。此外，平台还会借助学习者终端设备进行情境感知，智能地跳转连接到当前情境所会触发的下一步学习行为的云卡上。
（三）一个学习活动实例
下面，我们将以基于案例学习的学习活动为例，简单介绍基于Cloud Card的学习活动设计。学习样式模板通常按照教学的流程（步骤）组织原子级学习活动，以对应教师或学生在移动终端的学习操作。不同的原子级学习活动存在多种关系，可多项并列、可前后连接、可自由穿插。基于案例学习的学习样式模板如右表所示。
六、总结与展望
“互联网+”时代下，个人学习空间被赋予了前所未有的认识与愿景，基于学习生态圈、学习操控台两大视角，面向未来教育的个人学习空间将面向个人、面向智慧，开放生态、连接一切。Cloud Card作为当前创新技术的集中体现之一，为个人学习空间新愿景的实现提供了技术路线。作为Cloud Card技术的后续研究，本研究首先探讨了Cloud Card与个人学习空间结合的技术与理论基础，认为在技术层面，云技术支持下的泛在学习网络为空间搭建提供了必要的基础环境保障，大数据的辅助决策为实现有效的学习服务提供了重要的决策支持，智能终端的情境感知为空间满足个性化和自适应需求提供了有效路径；在理论层面，教学传通模型实现个人学习空间教与学各要素的沟通与合作，活动理论实现教与学活动的分解，学习设计理论指导教学步骤的把握，精准教学指导教与学成效的收集与评价。
基于上述基础，个人学习空间云架构模型被提出。云平台利用云计算技术，将资源、数据和服务汇聚到基础服务平台上，进行统一管理和展示，并通过开发独立模块对资源和数据进行深化应用，围绕服务于个体的成长发展，从资源、活动、评价三个维度提供个性化、情境性、自适应的学习服务，最终以面向公共呈现和个体呈现的双人口实现业务的交互和贯通。基于Cloud Card设计与组织个人学习空间中的学习活动，首先要基于活动层级理论进行教与学活动的分解，以获得丰富的原子级学习活动，进而基于成熟的学习样式模板加以组织与编排，最终实现以任务情境为导向，以原子级学习活动为节点的深度学习。
目前，基于Cloud Card的个人学习空间建设过程中，还面临以下问题与挑战：Cloud Card为个体提供了个性化操作的实现途径，为行为的捕捉搭建了有力的机制，但后续数据的学习分析与挖掘还有大量的研究工作需要跟上；建立云平台系统架构底层的数据与服务规范，以确保个人学习空间建设的开放性和灵活性；进一步分解、抽象不同情境中的教学活动，以获得丰富的、低耦合的原子级学习活动，进一步整理与完善不同学习模式的学习样式模板，以满足多样化的学习活动需求。
关键词：个人学习空间；CloudCard；人人通；互联网+；学习生态；云架构；学习活动
中图分类号：G434 文献标识码：A
一、引言
个人学习空间（Personal Learning Space）作为个人数字化学习环境的新事物，契合了国家发展、个体需求及教学变革等多方的呼吁。“十二五”期间，我国教育信息化建设将“三通两平台”作为核心目标与标志工程，力争用5年左右时间，使我国教师与学生拥有网络学习空间，努力在网络学习空间建设与应用方面走在世界前列。而随着云计算、移动互联、大数据分析等新兴技术的发展，大量颠覆性教育创新（Disruptive Innovations）不断涌现，如泛在学习、翻转课堂、联通教育（Conneeted Edueation）等，“互联网+”思潮正深深冲击着未来教育的形态，也使得个人学习空间的建设思想发生着巨大的转变。Cloud Card技术作为当前创新技术的集中体现之一，具备UI关联展现、流线型服务组织模式、底层隐形数据传递等特点，能为个人学习空间工具服务的情境化组织、学习过程的追踪以及面向过程的真实性评价提供新的实现理念和技术路线。在先前的研究中，我们已经对此进行了初步探索，而本研究将在此基础上，进一步探究两者结合的技术与理论基础，提出基于Cloud Card的个人学习空间云架构，然后探讨Cloud Card下学习活动的设计与组织。
二、个人学习空间及其未来新愿景
从某种程度而言，个人学习空间是一种面向学习者个体提供在线学习服务的网络环境。随着教育理念由以“教”为中心向以“学”为中心转变，个人学习空间也从网络学习环境中的设计“附庸”被提上了教育者们研究的主议程。在以云计算、移动网络等各种新兴技术的支持以及“互联网+”技术思潮的影响下，有必要对个人学习空间加以重新认识和定位。
（一）个人学习空间的发展演变
20世纪90年代中期，虚拟学习环境（VLE）随网络技术的发展而产生，作为一种自上而下设计的正式学习环境，VLE以课程为导向，主要支持教育机构环境内的教与学，学习者个体的权利与需求并未被重视。随着教学理念由以“教”为中心向以“学”为中心发生转变，学习环境中开始加入个性化元素并被不断增强，直到个人学习环境（PLE）概念的提出。PLE赋予学习者更多的自主权，强调学习者对他们学习活动及工具服务的掌控，也更加重视学的过程，以支持不同情境下的非正式学习。但随着国家政策、技术发展以及教学变革等多重需求的进一步演变，个人学习空间的概念应运而生，表达了面向学习者构建整合PLE与VLE的增强型学习环境的愿景，实现混合式、多元化的学习生态。
祝智庭最先将个人学习空间引入国内并进行了本土化解读。他认为个人学习空间为学习者创设了相对隐私、安全可控的学习环境，通过提供学习支架与模板引导学习者学习，同时赋予学习者自主管理权限，支持其最大程度参与，学习者可以在空间中创建持久、迭代的学习记录和体验。个人学习空间的构建对个性化学习起着核心作用，是实现“网络学习空间人人通”的重要基础嘲。美国新媒体联盟在2015年、2016年的《地平线报告（高等教育版）》中，将正式学习和非正式学习的融合（整合）视为需解决的挑战之一，并将“自带设备”和“自适应学习技术”视为一年内重要发展的教育技术之一。自带设备是个人学习空间贯通正式与非正式学习的硬件基础，自适应学习是个人学习空间服务的终极方向，两者都与个人学习空间的建设息息相关。当前，个人学习空间的建设已成为各国教育信息化政策中重要的组成部分。美国教育部发布的2016年《国家教育技术计划》中明确提出：利用技术提供更为公平和易于获取的学习，连接人、数据、内容、资源、专业知识和学习，允许所有学习者参与正式和非正式环境中的学习体验。英国JISC发布的《21世纪学习空间设计指南》中指出要建设满足“以学生为中心”教学模式的需求。我国《教育信息化十年发展规划（2011-2020年》中明确提出：推进信息技术与教学全面深度融合、鼓励建设智能化教学环境、提高信息化教学水平，而个人学习空间正是网络学习空间中的研究焦点。
（二）面向未来教育的个人学习空间新理解
当前，“互联网+”技术思潮正大力冲击着各个行业领域的发展认识与观念，教育也无法避免。“互联网+教育”在尊重教育本质特性的基础上，用互联网思维及行为模式重塑教育教学模式、内容、工具、方法的过程，构建新的教育生态体系。“互联网+”的六大特征包括跨界融合、创新驱动、重塑结构、尊重人性、开放生态、连接一切。基于“互联网+”的教育内涵，面向未来教育的个人学习空间建设需要面向个人、面向智慧，开放生态、连接一切，具体可从学习生态圈与学习操控台两个视角加以诠释。
1.基于学习生态圈的全局视角 联合国教科文组织“学习无国界计划”负责人詹·威瑟最早提出学习生态的观点，他认为学习环境可以被比作生物圈，学习者与学习环境在互动中共同发展。Norman Jackson提出，学习生态能够跨越时空限制，连接同时存在的或者贯穿整个生命历程的不同空间和环境，这正体现了终身学习（Lire-long Learning）和全方位学习（IJife-wide Learning）的生态视角，是对新世纪社会发展和人的全面发展的必然要求。
随着信息技术与教育教学的深度融合，数字学习、移动学习、泛在学习等新型学习方式日趋常态化，海量的数字学习资源和新型的学习支持工具呈爆炸式增长，面向个人学习的教育教学平台不断涌现，个人拥有多个终端设备，开放共享、虚实结合、学习服务的个性化、碎片化正成为数字时代学习的新常态。因此，如何联通零散的落脚点并进行深层次整合，打通教与学核心要素之间的隔阂，打造新一代的数字化学习生态圈成为学习环境建设的关键。
个人学习空间的构建就是要打造一个学习生态系统，该系统时刻与外界物理环境、虚拟环境、社会环境进行着物质、能量、信息的交换。具体而言，个人学习空间由学习者自主建构与治理，依赖于Web2.0技术（Blog、Wiki、RSS等），学习者从内容消耗者转变为内容创建者，从空间使用者拓展为空间管理者，从碎片化学习转向连通性学习；个人学习空间连接一切教与学的数据，汇集支持个体学习的工具、资源、情境、活动和关系，各要素在赖以生存的学习空间中和谐共处、协调发展。个人学习空间重新解构了传统的学习模式和教育体制，全面支持5A学习模式（Anyone，Anytime，Anywhere，Anydevice，Anyform），即任何人可以在任何时刻、任何地方，使用任何设备，通过任何方式获取所需的任何信息。其中，终端设备和学习方式的普适性是个人学习空间的价值所在。传统的学习平台业务运作彼此独立，缺乏有效的关联机制。学习者在不同的学习平台驻足，建立落脚点（也称个人空间），随之产生的大量非结构化的独立数据难以被挖掘和再分析，而个人学习空间作为贯通正式学习与非正式学习的虚拟环境，运行于一定的学习支撑服务平台上，能够汇聚学习者零散的“落脚点”，实现资源、工具、服务跨平台跨设备的联通共享，并且围绕个体学习的设计要素，进行深层次整合，为学习者不同方式的学习提供个性化自适应服务，真正体现生态化学习。
2.基于学习操控台的设计隐喻
个人学习空间作为个人学习生态，联通各种工具、服务、资源和数据，聚焦于学习者个性化需求，实现内容、社区、应用的有机整合。从个人视角而言，学习者需要通过类似“学习操控台”的机制对分散在不同学习平台上的活动与资源加以管理，从而实现一站式统揽全局，通达各处，定制自己的学习。而为了支持学习者学习活动的有效有序开展，个人学习空间需要展现一定的“智慧性”，确保服务的适时、适量与适需，从而有效规避由于多元化途径、多样化学习所带来的多、乱、杂。
Ontuitive的首席学习传播专家Bob Mosher较早提出“适时”（Just in Time）与“适量”（Just in Enough）的概念。“适时”属于严格的时间问题，是指在特定目标下，帮助学习者及时、快速获取资源，有效节省时间；“适量”即在当前任务情境下，交付给学习者适当信息容量的准确信息，而不是大量无关的内容。随着大数据、云计算和移动技术的发展，个人学习空间的建设已不仅仅满足于“适时”和“适量”，“适需”（Just in Need）的概念被提出，即对当前学习情境和需求的识别作为保障个体学习成效的又一特征。个人学习空间追踪并记录学习者的学习过程与学习活动，通过学习行为分析，及时识别学习者当下的学习偏好、认知风格、学习情境等，并借助于学习仪表盘可视化分析结果，让教师或学生能以最直观的方式了解现状与问题，做出反馈；而随着学习仪表盘的不断创新与完备，个人学习空间将会以更精妙的数据追踪方式和可视化呈现方式来感知学习情境，分析预测学习者的风格，满足其个性化需求。
“适时”“适量”“适需”下，个人学习空间以学习者为中心，随情境转变而不断动态部署。如果以某一时刻对个人学习空间做一个时间切片，那么此时的学习操控台将服务于特定的需求目标，只呈现相匹配的适当的信息容量，告知学习者当前需要完成的任务，并明示当前所参与学习活动的后续流程，体现出学习支持的“智慧性”。
三、Cloud Card与个人学习空间结合的技术与理论基础
面向未来教育的个人学习空间需要面向个人、面向智慧，开放生态、连接一切，而Cloud Card的技术理念刚好契合了个人学习空间建设这一需要。在先前的研究中，我们已从工具服务的情境化组织、学习过程的追踪、面向过程的真实性评价三个方面，探讨了Cloud Card在教育应用中的可行性和关键设计要素，而本研究将进一步阐述两者结合的技术与理论基础，如图1所示。
（一）Cloud CardR其工作原理
Cloud Card是阿里巴巴集团推出的YunOS 3.0所采用的卡片式桌面。不同于Android和IOS以APP为功能模块的设计，YunOS 3.0将各类APP的功能进行整合重组，通过Cloud Card这个唯一的符号，打通APP之间、网页与APP之间的联通壁垒。
Cloud Card基于智能终端感知的情境数据，能够自动生成符合真实情境的任务云卡，并按照事件发展的流式思维有力协助用户活动的开展，从时间流、事件流、信息流等多个领域的大数据与模型演算引擎为用户建立更好的服务逻辑，实现服务的无缝接人和自由跳转。Cloud Card引入深度链接技术（Deep Linking），在一个平台界面汇集用户众多的任务场景，每一个任务场景匹配一张主卡，然后基于这些特定场景的实时数据和模拟推荐引擎，系统自动推送相关的第三方服务作为关联卡片，以满足用户需求的拓展和外延，实现一站式服务。场景与场景之间无缝连接，服务和工具也紧随关联，形成任务活动的有序开展和有效闭环。Cloud Card完全运行在云端，用户无需下载APP就能随时随地享受大数据智能生活。这些特性使得Cloud Card能很好地支持面向未来教育的个人学习空间的新发展理念。 （二）两者结合的技术基础
1.云支持的泛在学习网络
泛在学习这一概念最早由“泛在计算”衍生而来，它将信息空间与物理空间相融合，帮助人们透明地、随时随地获取数字化服务。而“泛在网络空间”则是指在泛在学习的环境中，将协作者、学习资源、工具服务等主要因素进行联系与整合，以提供给学习者一个可相互操作、普适、无缝的学习体系。泛在学习一共经历了泛在计算、泛在网络、泛在社会、普适学习与泛在学习五个阶段，国内外学者将泛在学习的主要特点总结为：泛在性、易获取性、交互性、学习环境的情景、以现实的问题为核心。
利用分布式数据存储与管理技术，基于云计算的泛在学习网络不仅能存储海量数字化学习资源，还能在云端记录学习者各类学习活动的数据。在此基础上，各种形态的学习资源与活动基于Could Card实现卡片化组织与运作，通过实时的学习情境与需求分析与解读，被有效推送到学习者个体的各类移动终端上，完成学习的5A愿景。因此，云支持的泛在学习网络为搭建基于Cloud Card的个人学习空间提供了必要基础环境保障。
2.大数据分析的辅助决策
大数据时代，海量的学习数据具备Volume（巨量性）、Velocity（高速性）、Variety（多样性）、Value（价值性）、Veracity（真实性）5V特征。大数据分析从海量数据中发现教育角色之间的关系、诊断教学过程中的问题、预测教育发展趋势，为教学决策提供依据。数据驱动的教育决策，要求学习行为等相关信息记录精确，教育过程变得可量化；在此基础上得出可靠的数据依据，既能帮助学习者做出适合自身发展的决策，又能帮助教师了解每位学生的真实情况，为其提供真正个性化的学习资源、学习活动、学习路径、学习工具与服务，实现因材施教。此外，大数据分析技术还能精准分析学习资源的质量，从而优化学习资源的设计与开发。在个人学习空间的建设中，需要大数据分析提供有效的决策支撑，识别学习情境，以优化资源与活动的配置，同时提供智慧性的学习辅助，监控问题危机，以保障科学化教育。
Cloud Card的运作机制天然具备存储学习行为大数据的能力，可根据设定的数据处理与分析模块，研究学习者的学习轨迹数据；然后根据学习者模型和教学设计模板，对学习内容与服务提供自适应的个性化定制与推送，同时利用学习仪表盘等工具为学习者、教师提供可视化的分析数据和报告，协助他们做出有效的活动决策。因此，大数据的辅助决策为基于Cloud Card的个人学习空间中实现有效学习服务提供了重要的决策支持。
3.智能终端的情境感知
随着移动智能终端的普及、物联网传感器的发展以及无线WiFi、GPS等嵌人式设备的大规模部署，基于智能终端的情境感知应用成为可能。情境感知是指在用户需要时利用情境信息向用户提供适合于当前情形（如任务、地点、时间和人物等）的信息或服务，通过感知用户情境自动地获取和发现用户需求，实现信息服务与用户的自适应，并提高信息服务的准确性和可靠性，是协助信息服务系统提高性能和质量的重要支持手段和方法。
智能终端和嵌入式设备所搭载的各种传感器及相关计算设备，通过感知和获取学习者周边普适环境中的情境参数，并自动地进行加工和处理，以了解学习者的学习风格、兴趣爱好等，推测出学习者的当前行为，准确理解学习者的学习需求。学习平台根据情境状态的变化自适应地调整系统的服务行为，为学习者搜索、组织、选择、推荐更具针对性的信息、资源和工具（按需服务），最终实现学习者与环境、学习平台间的自然融合与自适应交互，提高自适应推荐服务的准确性和可靠性。因此，智能终端的情境感知为基于Cloud Card的个人学习空间满足个性化和自适应需求提供了有效途径。
（三）两者结合的理论基础
1.教学传通模型：实现各部分信息的沟通与合作
网络教学传通模型是祝智庭提出的一个解释教与学环境中各要素联通及相互作用的通达模型。该模型指出：在技术中介的学习环境中存在角色空间、媒体工具空间及其角色行为所需要的内容资源空间、工作信息空间，四类空间相互联通影响，并通过一个能动的协调空间进行调节，以建构一种最为契合的情境模式和支持环境，使得学习达到一种最为有效的运作状态。角色空间，即人的要素，包括一切在技术支撑下促进知识生成、增进情感交流、发挥协作能力的参与者，包括自我、学伴、教师、家长等不同角色。内容资源空间，即内容要素，是网络教学活动所需的教育资源（学习对象）实体；网络学习空间中包括各类公开的外部资源，可通过搜索引擎、访问数据库、共享角色空间中其他角色开放的资源等途径获取。媒体工具空间，即工具要素，是各种可用来帮助学习者学习的工具集合。过程信息空间，包括用户在网络空间中一切活动和活动结果的记录。
上述教与学的要素在个人学习空间共同存在，并通过Cloud Card在特定时刻、特定情境中实现最佳整合，围绕优化个体学习并支持其全面发展的目标展开协同工作。总之，网络教学传通模型高度抽象了网络教学系统的运行机制和体系结构，为个人学习空间中的学习服务运作提供了可参考的模型框架。
2.活动理论：层级组织实现教与学活动的分解
作为理解和分析人类活动的一般解释框架，活动理论认为活动是最基本的分析单位，活动具有层次结构。根据列昂节夫的观点，人类的行为活动可分解为三个层次，这三层相互作用并处于动态变化中。完整的行为活动是由动机（Motive）、目标（Goal）、达到目标的条件（Condition），以及与这些成分相关的活动（Activity）、行动（Action）和操作（operation）构成。位于最上层的是受动机、意图趋势的活动，它是由一组受目标驱使的行为序列构成。行动是功能性水平的，通过规划和问题解决行动来完成活动，行动的执行需要借助一连串的操作。操作位于最低层，是常规性的行为，由现有条件的决定，受特定行动和工具的限制，操作是开展行为的具体步骤，所有的操作开始都是行为。活动理论主张活动的组成部分不是一成不变的，而是随环境和情境的变化而发生改变。随着活动的进行和主体意识的参与，活动逐渐分解为行为，进一步分解为操作，学习就是主体将一个个活动转化为行为和操作的过程。 基于Cloud Card的个人学习空间，可以开展多样化的学习活动，满足不同的学习需求。如何从需求目标出发，将学习活动细化到操作实施的卡片层次是基于Cloud Card活动设计的关键。在活动理论指导下的学习活动设计，需要先识别出支持活动的行动和操作，然后将每一步分解为具体的行动或操作，做到有序列性、层次性和可操作性。因此，本研究借用活动的层级结构理论来剖析个人学习空间建设中基于Cloud Card的学习活动的开展过程。
3.学习设计：指导教学步骤的把握
Cloud Card的流程式服务序列为个人学习空间的活动追踪与过程性评价提供了良好的实现机制，而关于如何分解学习活动以有效实现特定的学习目标或完成当前任务，学习设计（Learning Design）理念提供了重要思路。
学习设计与教学设计有着非常密切的联系，教学设计是对学习过程和资源创设有效的教学流程与系统，学习设计则是进一步说明活动过程的组织、管理和评价，为实施教学设计更加显性和明确化的操作条件与方法。学习设计说明教学情境中学习任务的考核目标、执行活动的流程、使用资源的条件等，从本质而言，它建立教学每一步的目标、过程及其对应的评估框架，然后将过程中的产出状况与预期的行为和交互结果进行对比评估，从而判定是否达到预期的效果，并以此为依据调整下一步的目标与行动方案。
学习设计为学习者学习过程的分析建立了准确的预测模型，学习者的交互行为也在特定的学习模式和活动方案下加以引导，并不断被评估诊断，以保障过程的合理性和学习的有效性。总的来说，学习设计为个人学习空间中教学步骤的把握提供了有力的理论指导，也是空间中实现对学习者过程性评价与总结性评价的重要依据。
4.精准教学：指导教与学成效的收集与评价
20世纪60年代，Ogden Lindsley提出精准教学（Precise Teaching），该方法来源于斯金纳的行为学习理论，后发展为评估教学方法的有效性框架。精准教学通过测量“流畅度”作为数据决策来追踪学生的学习效果，是系统精准地评估课堂效果与教学策略的方法。早期的精准教学主要通过人工记录、分析、决策的方式监控学习表现，随着教育信息化的发展，信息技术所支持的精准教学模式被提出和实践。祝智庭认为该模式主要包括精准确定目标、开发教材与教学过程、计数与绘制表现及数据决策四个环节，即首先利用递归思想精准确定目标，针对学习者个体生成目标树；然后扩展传统教材，设计具有吸引力的数字课本；进而通过计数器与图表工具描绘学生的学习情况，最后利用精准分析软件控制标准变速图表，判定当前的教学是否能达到预期目标。
在个人学习空间中，学习者的活动数据全部被实时记录在云端，在精准教学的指导下，学习者的行为表现可通过可视化工具被迅速而精准地加以统计与绘制，以此判定出当前学习状态与学习目标之间的差距。精准教学与学习设计相结合后，Cloud Card中数据的记录、收集、分析、诊断与决策有了夯实的指导，而对教与学成效的把握也可精确到学习者对于某一知识或技能学习中具体资源与行动的定位，从而有力支持卓越教学的实现。
四、基于Cloud Card的个人学习空间云架构
个人学习空间云平台以学生为主体，联通本地教育云、第三方教育云、公共数据中心，汇聚教与学相关信息、资源和服务，通过云平台的统一部署和应用深化，最终以面向公共和面向个体的双视角实现业务的交互和贯通，为教师、学生、家长等各类用户提供实名制的一站式互动学习网络空间。在云平台系统架构设计中，重点包括三大基础服务平台、四个核心应用中心，以及多样化的终端呈现，如下页图2所示。
（一）三大基础服务平台
个人学习空间云平台利用云技术，将资源、数据和服务汇聚到平台上，进行统一管理和组织。资源云、数据云、服务云三类基础服务之间既彼此独立又相互关联、协同运作，为学习空间中上层应用实现精准、灵活的个性化学习提供基础性服务保障。
1.资源云
资源云包含支持各类学习活动的内容性资源与工具性资源，可以有媒体资源（简称“媒资”）、教育APP、云卡模板、评价量规等，它整合区域教育系统内外多种资源来源f本地教育云、第三方教育云等），共同构建一个动态发展的资源系统。其中，各类教育APP与媒体资源是学习者的主要学习材料；而云卡模板则是各种形式APP形成云卡的技术支架与样式参考，能有效支持教学人员快速将学习资源转变成对应的云卡；评价量规是评价学习者在空间中发展成长的依据与标准，可用于判定学习者是否完成任务或达到特定学习目标，也可有效支持学习者的自我反思。由于数据云与服务云将会为物理资源及逻辑资源的分配及传递提供有力的精准数据驱动支撑，因此学习者不需要理解资源背后庞大的数据信息，却能直接通过资源云创建或获取媒体资源与工具服务。
2.数据云
不同于一般的学习云侧重记录学习者的考试成绩与分数，个人学习空间中强调学习活动数据的记录。由于存储硬件和分析技术的限制，传统的学习平台往往采用抽样方式分析学习活动数据，因而只能获得粗略的分析结果，难以做到精准的个性化预判。数据云为教育大数据的存储与分析提供了有力的基础保障。数据云中存储有教师、学生等教育管理对象的基础数据、教育教学活动数据，以及各类中间过程所形成的评价数据。这些数据是上层辅助决策中心运作的基本材料，也是对学习者开展能力发展评测的根本依据。考虑个人学习空间的学习生态圈视角，数据云需要支持与第三方系统的数据交换，实现数据的互动互通，真正支持学习者多样化学习的无缝对接。
3.服务云
服务云是个人学习空间中开展各类学习与管理活动的基本服务基础，为各环节调度连接与有序运作提供重要保证。它是个人学习空间云平台的“心脏”，除了提供一般学习云架构中所包含的统一认证、目录服务、系统监控、服务请求响应、资源统一调度等基础服务功能外，还重点加入了数据挖掘服务。数据挖掘服务提供上层辅助决策中心与能力发展测评所需的各类基础性数据处理与分析业务，包括统计分析与可视化、聚类、预测、关系挖掘与文本挖掘等。数据挖掘的部分中间处理结果将存放于数据云中，以加快服务调度的效率，提升服务的品质。此外，为实现个人学习空间中开放生态、连接一切的建构愿景，服务云中中间件的接人和管理以及数据共享交换和管理将是关键所在。 （二）四个核心应用中心
资源和数据在基础服务层的汇聚、管理和展示，只是个人学习空间云平台的浅层次应用，云平台通过开发独立模块对资源和数据进行深化应用，具体包括资源应用中心、学习活动管理、能力发展测评和辅助决策中心，四大中心在下层基础服务平台的支持下，围绕服务于个体的成长发展，从资源、活动、评价三个维度提供学习应用。同时，为了更好地实现服务的个性化、情境性、自适应等特点，平台还提供辅助决策的支持服务。各个模块互相独立并可无缝嵌入云平台，为未来扩展和升级应用模式提供发展的空间。
1.资源应用中心
网络学习空间中信息资源的多源性、可选性、易得性、及时可达性将从本质上改变信息资源的分布形态和人们对它的拥有方式。个人学习空间基于个人云，以“资源应用中心”作为空间资源融通的关键，它不仅支持传统的图文、视音频、外部链接等多种形式的媒体资源，支持跨系统、跨平台、跨机构的数字资源的自动聚合，更重要的是，能利用Cloud Card的深度链接技术，实现资源的关联、重组和转换，并基于移动终端获得的情境信息，为学习者提供个性化的自动推送服务。个人学习空间中学习者从内容消耗者转变为内容创建者，在享受云端服务的同时，也会将自己原创的知识上传到云端供他人共享。资源应用中心模块以数据云和服务云为基础，对资源云的各部分内容加以动态组装甚至应用深化。
2.活动管理中心
基于Cloud Card建构的个人学习空间，以学习活动管理作为空间中学习活动开展的关键。个人学习空间在学习活动的组织与管理中强调学习流概念，其学习活动管理模块汇聚了不同学习情境（正式、非正式）的学习网络，由学习者自下向上进行有效整合，实现自由调度。同时，学习活动管理模块基于活动理论实现了教与学活动的分解，并对得到的原子级学习活动进行联结、重组与再造，基于学习者的任务情境自主编制恰当的活动流程，最终参考学习者模型和过程性数据，实现学习活动的自动推送和过程追踪，保证了学习数据的情境性和联通性。精细化的学习活动序列为学习者提供了贯穿整个学习过程的学习路径。该模块基于活动数据和学生数据，调用资源云的活动样式模板实现学习活动的有效组织与管理，并由服务云提供技术保证。
3.能力评测中心
能力评测中心是个人学习空间进行评价与反思的功能模块，此模块基于Cloud Card创设的具有现实意义的问题情境，采用多样化评估方式，收集相关过程性数据，开展面向过程的真实性评价。同时，允许学习者利用学习成长档案袋，选择性地记录任何对个人重要的活动、产品、评价、成绩等，支持与这些记录相关的其他数据源建立连接，可实现不同情境下学习数据的整合。电子学档支持个体发展和反思学习，可引导学习者在学习每一步都思考为何、若何等问题，这种反思框架促使个人学习空间成为发生学习的空间。最后，能力评测中心支持基于各种科学量表、量规的评测，也允许学习者通过数据挖掘和学习分析，开展能力分析评估。此模块基于资源云、数据云的评价量规、评价数据等内容，实现评价应用。
4.辅助决策中心
为了更好地实现服务的个性化、情境性、自适应，云平台还提供了辅助决策中心作为个人学习空间高效运行的后勤保障，为资源、活动和评价服务提供支持，具体包括学习者模型建构、学习情境感知以及推荐引擎。辅助决策中心的服务对象为系统、教师和管理者。对系统而言，在以学习分析、大数据等技术为基础支撑的学习环境中，通过智能化的教学与管理诊断学习者的学习情况并及时做出相应学习策略或方法的调整，帮助实现学习服务自适应和个性化的“智慧性”。对教师与管理者而言，提供数据驱动的教育决策，使其把握个人学习空间的整体运行，统观学习者的学习状况以做出合适的管理决策与教学干预。教师可以通过此模块检查监督学习者的学习情况并不断改变指导策略。管理者可以根据该模块对个人学习空间的相关功能模块做出对应调整。辅助决策中心是对数据云、资源云、服务云的综合应用。
（三）多样化的终端呈现
学习终端技术的发展，促使各类学习终端不断涌现，为个人随时随地接入学习提供载体，突破了学习时空的限制。个人学习空间云平台利用定位导航、无线射频、无线通讯、二维码识别等技术，从不同的视角，为个体用户提供了面向公共呈现的综合信息门户和面向个体呈现的个人学习空间服务人口，允许用户使用任何设备，随时随地地获取适时、适需、适量的支持服务。其中，个人学习空间服务人口又划分为基于Cloud Card的移动端和基于个人门户的浏览器端。
1.综合信息门户
综合信息门户是个人学习空间对外服务的窗口，是对空间的信息资源、应用系统实现数据、用户、权限、应用、流程、内容等方面的整合，能够展现整个学习空间的整体风貌。综合信息门户能够集成学习业务流程涉及的学习管理系统、资源服务平台、社会交互应用等，为各类用户提供一个支持信息访问、传递以及协作化的集成化环境；能调用公共学习空间的内容、工具及服务，以构成多种情境下的学习活动，服务不体现差异性；能针对不同的用户群来源（老师、学生及管理者）和服务组织提供一站式的信息服务，并对参与用户进行统一管理，形成班级空间、学校空间、社区空间等等。
2.移动终端——Cloud Card
作为卡片式桌面，Cloud Card主要搭载于智能手机、平板电脑等移动终端开展教育应用。Cloud Card通过实名认证的手机号建立实名制的网络空间，以此更好地提供适应学习者个性特征的学习支持和服务，提供满足每一个学习者需求的个性化学习体验。基于Cloud Card的个体呈现主要体现情境性和联通性，Cloud Card能够借助移动传感器所采集的实时数据，为学习者呈现符合当前情境需要的资源和工具，并以主卡和副卡的形式提供关联服务和自动推送。相对于后面浏览器呈现的个人门户形式，Cloud Card方式更为聚焦于学习者对当前学习活动与任务的执行。 3.浏览器——个人门户
通过云计算技术实现的个人学习空间搭建了具备高度私密性和个性化的个人门户，有取舍地选择资源、工具、服务和资讯等，并把它们聚合起来方便用户个人使用。不同角色的用户只需通过浏览器接人个人学习空间，就可以在任意时间任意地点在网络环境下以固有账号登陆云端的个人学习空间，获取个性化资源、调用服务、开展互动。个人门户允许个性化订阅资源与服务，以不断更新属于自己的门户容貌。
（四）第三方服务与数据的接人
为支持个体学习的多样性、分布式，个人学习空间云平台需要与其他平台、服务对接（通过RSS、Web Service和API等多种途径），实现学习的无缝衔接。第三方服务通过开放平台与Cloud Card直接对接，同时联通本地教育云、第三方教育云甚至公共数据中心，汇聚教与学相关信息、资源和服务等。其中，公共数据中心可为个人学习空间提供更为通用的、分布式数据与资源的共享。考虑到本地网络的安全与隐私，以及客户端用户隐私与服务的及时性，所有轻量级数据可采取同步方式进行三方对接，而重量级数据则通过镜像方式实现共享。总之，不同接人方式的选择，要全面考量隐私保护、负载均衡及开放灵活等问题。
五、基于Cloud Card的个人学习空间中学习的设计与组织
（一）原子级学习活动与学习样式模板
Cloud Card基于流式思维组织活动，通过精细编排的活动序列实现特定的任务。因此，Cloud Card理念下个人学习空间中学习的设计与组织，首先要基于活动层级理论进行教与学活动的分解，以获得丰富的原子级学习活动，进而基于成熟的学习样式模板进行设计与编排，最终实现以任务情境为导向，以原子级学习活动为节点的深度学习。
原子级学习活动是指完成一个常规功能性的学习行为，注重操作的单纯性和明确化，具有低耦合、高内聚的特点。原子级学习活动在基于Cloud Card的个人学习空间建设层面体现为一个APP支持的云卡。而按活动目标侧重的不同，原子级学习活动可分为四大类别，分别是以资源为中心的理解类活动（如案例研读）、以个人操作为中心的创建类活动（如虚拟实验）、以交互操作为中心的分享类活动（如成果展示）和以评价为中心的评价类活动（如小组互评）。
学习样式模板是指为实现特定任务目标，对原子级学习活动进行选择、组织与编排的样例，其序列体现了教与学活动的流程，以及彼此之间的逻辑关联与条件制约。不同学习样式模板服务于不同类型的学习活动。比如，可以是基于资源学习的样式模板、基于项目学习的样式模板、基于问题学习的样式模板、基于协作学习的样式模板、基于案例学习的样式模板等等。在实践层面，学习样式模板能够指导APP之间数据和信息的输入与输出，以及主卡与关联卡之间的链接关系，是Cloud Card学习流程编制的基础。
（二）基于Cloud Card的学习流程编制与运作
基于Cloud Card的学习流程编制与运作，如图3所示。
1.明确目标导向下多来源APP筛选与组织进行云卡编制
为满足学习者个性化、多元化学习需求，个人学习空间云架构的APP库提供开放接口以广泛吸收各种来源的APP，除阿里云外，还包括第三方提供商甚至是个人编写。学习活动开发者可在明确的目标指导下自主选择APP进行编制，而平台也会根据设定的规则，对海量APP进行筛选与推荐。为降低云卡的编制难度，帮助开发者快速搭建出基于Cloud Card的学习活动，在开发者选定APP后，平台会提供不同学习活动样式模板加以支持。同时，先前开发并投入运作的云卡也会将学习者的学习活动数据反馈进来，进而在一定规则引擎分析下，形成云卡编制的控制数据影响后续学习云卡流的编制。
2.多样化情境感知参与学习流程执行
不同云卡依据一定的教学设计逻辑相互关联，形成学习云卡流。每一个学习云卡流服务于一个特定的学习目标。云卡的排列顺序体现教学活动的序列，即学习的流程。每张云卡对应一个操作任务，例如阅读、答题、评论、计算等。云卡间还会形成主卡和关联卡的关系，以支持学习活动的深入递进与发散拓展。学习流程一般由学习者选择触发，也可借由系统的多样化情境感知来启动。情境感知依赖于学习者在学习过程中被记录下的学习活动数据，这些数据经过分析挖掘形成控制信息参与学习流程的执行。
3.学习活动流数据的实时分析调控云卡的服务提供
云卡在编制时除规定了学习者的学习行为操作外，也明确了需要记录的学习活动数据。由于Cloud Card的独特设计理念，在学习设计与精准教学理论的指导下，这些学习活动数据的实时分析将不再是一个难题。在学习者使用云卡开展学习的同时，其学习活动也被同步追踪并自动记录，平台根据规则引擎匹配学习者当下的学习情况与预先设定的学习流程步骤及其任务目标，快速做出诊断，生成过程性评价与干预，影响下一阶段学习云卡流中云卡的推送以及云卡上资源与服务的呈现。此外，平台还会借助学习者终端设备进行情境感知，智能地跳转连接到当前情境所会触发的下一步学习行为的云卡上。
（三）一个学习活动实例
下面，我们将以基于案例学习的学习活动为例，简单介绍基于Cloud Card的学习活动设计。学习样式模板通常按照教学的流程（步骤）组织原子级学习活动，以对应教师或学生在移动终端的学习操作。不同的原子级学习活动存在多种关系，可多项并列、可前后连接、可自由穿插。基于案例学习的学习样式模板如右表所示。
六、总结与展望
“互联网+”时代下，个人学习空间被赋予了前所未有的认识与愿景，基于学习生态圈、学习操控台两大视角，面向未来教育的个人学习空间将面向个人、面向智慧，开放生态、连接一切。Cloud Card作为当前创新技术的集中体现之一，为个人学习空间新愿景的实现提供了技术路线。作为Cloud Card技术的后续研究，本研究首先探讨了Cloud Card与个人学习空间结合的技术与理论基础，认为在技术层面，云技术支持下的泛在学习网络为空间搭建提供了必要的基础环境保障，大数据的辅助决策为实现有效的学习服务提供了重要的决策支持，智能终端的情境感知为空间满足个性化和自适应需求提供了有效路径；在理论层面，教学传通模型实现个人学习空间教与学各要素的沟通与合作，活动理论实现教与学活动的分解，学习设计理论指导教学步骤的把握，精准教学指导教与学成效的收集与评价。
基于上述基础，个人学习空间云架构模型被提出。云平台利用云计算技术，将资源、数据和服务汇聚到基础服务平台上，进行统一管理和展示，并通过开发独立模块对资源和数据进行深化应用，围绕服务于个体的成长发展，从资源、活动、评价三个维度提供个性化、情境性、自适应的学习服务，最终以面向公共呈现和个体呈现的双人口实现业务的交互和贯通。基于Cloud Card设计与组织个人学习空间中的学习活动，首先要基于活动层级理论进行教与学活动的分解，以获得丰富的原子级学习活动，进而基于成熟的学习样式模板加以组织与编排，最终实现以任务情境为导向，以原子级学习活动为节点的深度学习。
目前，基于Cloud Card的个人学习空间建设过程中，还面临以下问题与挑战：Cloud Card为个体提供了个性化操作的实现途径，为行为的捕捉搭建了有力的机制，但后续数据的学习分析与挖掘还有大量的研究工作需要跟上；建立云平台系统架构底层的数据与服务规范，以确保个人学习空间建设的开放性和灵活性；进一步分解、抽象不同情境中的教学活动，以获得丰富的、低耦合的原子级学习活动，进一步整理与完善不同学习模式的学习样式模板，以满足多样化的学习活动需求。