1994 年 Schilit 和 Theimer 首次提出了 “情境感知”（ Context-aware ）这个词^[1][2]，他们认为情境包括地点、周围的人和对象，以及这些对象的变化。主要是对学习者的认知水平、学习风格、学习内容和学习环境进行感知，并作出相应的反馈。情境感知需要传感技术的支撑，从而获得更准确的反馈结果。而“泛在学习”是指表面上学习无形, 它们交织在日常生活中, 无所不在, 人们很难察觉出它们的存在。^[3]其主要强调学习者可以不受时空的约束，在任何时候、任何地点以及任何环境都能进行无时无刻的学习，情景感知在整个泛在学习环境中起着重要作用，可以感知学习者学习环境的相关重要信息，从而在内容或者其他方面帮助学习者更好的理解、进行有效的泛在学习。智慧学习资源是在满足学习者需求的基础上，具有方便学生获取资源、使用资源、共享资源以及资源交互等一系列符合现代学习者学习特征的具有不断生成和流动的学习资源。目前，随着泛在学习的出现，智慧学习资源的功能特征也在不断更新和升级。智慧学习资源的再生性以及动态性为泛在学习提供基础、其智慧性以及智能性可促进泛在学习的进程、联通性和共享性加速泛在学习环境的构成。

（一）智慧学习资源支持情境感知的泛在学习模型

图1  智慧学习资源支持情境感知的泛在学习模型图

智慧学习资源支持情境感知的泛在学习就是在用户与资源之间建立通道，联系起用户、资源和服务，智能化的向用户推送与情境相关的各类资源。

1.信息链接

首先，学习者通过使用pc机，手机，iPad等多种终端接入互联网，向服务器发送请求； 服务器将终端请求发送至控制转发器， 控制转发器根据相关配置文件将请求发送到不同的业务逻辑中进行运算，最后返回运算结果并根据获取的终端信息，联入适于用终端进行学习的智慧学习资源。

2.资源推送

学习者学习发生在智慧化的学习生态系统中。通过情境感知技术，在进入智慧学习资源时,系统首先运用感知技术提取学习者的特征，分析学习者的学习风格、认知水平、当前学习目标及任务等。情境感知特征根据不同的感知软硬件模块加以分析，其中最基本的包括各种丰富的物理传感器信息。通过综合分析这些特征，生成学习者情境化的信息需求并进行语义化表示，尽可能真实地还原学习者的行为模式，并对信息资源的适用情境进行语义化标注，判断和预测学习者的行为目标^[4]。接着根据感知获取到的学习者情境，并应用关联算法在一定的匹配规则的基础上将学习者情境，资源情境和服务情境结合起来，实现精准的信息推荐。在匹配规则模块应用数据挖掘技术，分析情境要素与学习者行为之间关联信息，揭示不同学习者、不同情境特征与学习资源之间最直接的关系，探索学习者在泛在学习中的行为规律。最后通过检索系统将适合学习者的学习资源推送给学习者。

（二）泛在学习环境下基于情境感知的智慧学习资源推送模型构建

图2  泛在学习环境下基于情境感知的智慧学习资源推送模型

泛在学习是任何人在任何时间、任何地点、基于任何计算设备、获取任何所需学习资源、享受无处不在学习服务的学习过程^[5]。智慧教育背景下，学习资源虽海量增长，但资源使用率不升反降成为智慧学习资源建设进程中的现实挑战。基于此，文章采用逻辑功能分层的设计思想构建了如图2所示的智慧学习资源推送模型。该模型以泛在学习环境为依托，共包含三层：智慧学习资源层、情境感知管理层、推送服务层。

1.智慧学习资源层包含“三库”。“三库”是指开放课程库、学习资源库和管理信息库，是资源推送模型的基础。智慧学习资源库是教师智慧教学和学习者智慧学习所需资源的基本来源，该库主要由教学案例、多媒体课件、试题和试卷、电子图书、媒体素材、资源目录索引、教育网站、研究专题、认知工具、文献资料等资源组成。开放课程库是坚持开放共享的理念，建立合理、可行、有效的课程资源建设与分享模式，是通过网络向社会大众提供可公开访问的，并支持超大规模学生交互式参与的在线课程。管理信息库是管理信息的大规模、标准化的采集，是实现教育业务智慧管理的重要前提。

2.情境感知管理层是利用情境感知技术对学习者情境、资源情境和服务情境的分析与处理，进而服务于资源推送层，是智慧学习资源层与推送服务层的桥梁。其中，学习者情境管理模块是对学习者基本信息、学习风格、学习成果等的收集，分析与管理。服务情境管理是收集各类用户所需的服务信息并进行相关处理，过滤掉冗余的情境信息，为资源情境管理服务。资源情境管理模块是该层的核心功能模块，其主要任务是依据学习者情境管理和服务情境管理所收集的信息计算并生成智慧学习资源推送的策略及路径。

3.推送服务层是根据各类用户在不同终端上发出的请求与动态情境信息选择最适合的资源推送服务，包括智慧学习资源的情境化推荐、学习资源的个性化定制，以及社会网络资源的推荐服务等。该层是实现泛在环境下基于情境感知的智慧学习资源推荐的关键层，直接服务对象是各类学习者。

你对上述创建的两个模型有何看法？

用于智慧学习资源中来支持情境感知的泛在学习存在一定的技术难题，技术的融合还存在困难。因此，资源的推送方面也存在一定的难度，目前处于探索阶段的推荐系统还未完全达到设计的理想状态，下一步还需进一步完善已有的学习内容、知识专家、学习路径方面的推荐，从而尽快实现学习活动、学习服务、学习策略方面的推荐^[6]。同时，还需加快对语义本体技术、情感感知技术的深入研究，从而最终建构理想的感知学习过程情境的推荐系统^[7]。

尽管面临诸多问题和挑战，这些难题都会随着人们思想观念的改变以及技术的更新逐步突破。智慧学习资源支持情境感知的泛在学习会在未来的学习活动中占据主要地位。

你认为现实挑战还有哪些？如何解决？

[1] Schilit B,  Adams N, Want R. Context-Aware Computing Applications[A]. Proceedings of the Workshop on Mobile Computing Systems & Applications[C]. Los Alamitos, CA :IEEE, 1994, 16(2): 85~90.

[2] Schilit B N, Theimer M M. Disseminating Active Map Information to Mobile Hosts[J]. IEEE Network, 1994, 8(5):22-32.

[3]余胜泉,杨现民,程罡. 泛在学习环境中的学习资源设计与共享——“学习元”的理念与结构[J]. 开放教育研究,2009,(01):47-53.

[4] 吴笛,李保强. 基于情境感知的学习资源关联分析与推荐模型研究[J]. 中国远程教育, 2017, (2): 59-65, 80.

[5]Zhiwen Yu, Yuichi Nakamura, et al.Content Provisioning for Ubiquitous Learning[J]. IEEE Journals & Magazines, 2008, 7(4): 62~70.

[6][7]陈敏，余胜泉. 泛在学习环境下感知学习过程情境的推荐系统设计[J]. 中国电化教育, 2015, (4): 76-89.