一种虚拟学习社区模型构建方法

摘 要：虚拟学习社区作为一种异构的复杂知识网络，模型构建研究有助于帮助我们认识、分析大规模虚拟学习社区的要素、结构与关系。论文从理论模型和结构模型两个角度分析了已有虚拟学习社区模型的构建研究，提出了一种基于主题模型的虚拟学习社区模型构建方法。

关键词：虚拟学习社区；模型构建；主题模型

中图分类号：G434 文献标志码：A 文章编号：1673-8454（2013）15-0087-03

一、引言

《国家中长期教育改革和发展规划纲要（2010-2020年）》提出：信息技术对教育发展具有革命性影响，必须予以高度重视；要加强优质教育资源开发与应用。虚拟学习社区（VLC）是一种基于网络而形成的学习型组织，是由计算机、互联网和人所组成的人――机系统，融合了媒体信息、用户行为和网络关系结构三大要素，是一种复杂的媒体形态。

随着Web技术的发展，虚拟学习社区的应用形式和应用范围不断发展和丰富。在当前环境下，虚拟学习社区呈现出新的特点：大规模虚拟学习社区发展成为一个异构的信息网络，其要素类型、互动过程及网络关系变得日益复杂；同时，虚拟学习社区中蕴含了丰富的知识，是一个覆盖面广，扩展性好，实时性强的知识库，这些知识隐含在社区中文本、学习者之间的互动和学习者与资源之间的交互中。

虚拟学习社区的发展和特点，要求从学习角度和技术角度对虚拟学习社区做深入研究，同时关注教育学、社会学和技术科学的研究方法。对模型构建的研究是虚拟学习社区研究中的重要环节，有助于帮助我们认识、分析大规模虚拟学习社区的要素、结构与关系，更好地设计和优化虚拟学习社区，指导虚拟学习社区的学习实践。

二、虚拟学习社区模型构建研究综述

虚拟学习社区模型用于描述社区的要素、结构与关系，已有的模型构建研究可以划分为理论模型构建和结构模型构建两个层面。

1.理论模型研究

在理论模型的构建研究上，Tu和Corry提出了一个三角形理论模型，认为虚拟学习社区由教学的、技术的和社会互动的三个维度组成，为开展VLC研究提供了指导。[1] Garrison等提出的COI模型提出了在线学习社区的社会存在、认知存在和教学存在三个要素，认为这三种要素将影响到网络学习的效果。[2]马凤娟等构建了Web2.0环境下虚拟学习社区的理论模型，描述了虚拟学习社区的组织结构以及知识的流动与存储。[3]

2.结构模型研究

在结构模型研究上，当前研究主要有社会网络分析法和复杂网络建模法。近年虚拟学习社区社会网络关系的重要性受到广泛认同，主要使用社会网络分析方法定量寻找虚拟学习社区中各角色之间的关系及其在社区中的位置。[4]王陆教授对虚拟学习社区的社会网络结构进行了深入研究，证明了虚拟学习社区具有的社会网络结构特征，提出虚拟学习社区社会网络结构与网络教育效果的因果模型。[5] 陈向东等以东行记为案例，从网络密度、小团体、中心性等角度探讨了Blog虚拟学习社区的社会网络结构。[6]

相对于社会网络分析法，复杂网络建模侧重于对网络动态学的研究，强调社区结构的拓扑性质与演化、对社区的人员和关系演化过程进行很好的建模分析。我们前期研究构建了E-learning标签网络，分析了其所具备的小世界现象和无标度特征的复杂网络性质。[7]

从虚拟学习社区的研究方法角度分析，当前我国对于虚拟学习社区的研究方法相对单一，应注重方法的多样性和先进性，丰富虚拟学习社区研究方法。由于VLC是在技术的基础上建设的社区，因此在关注社会学研究方法的同时，还需要关注技术科学的研究方法。

三、基于主题模型的虚拟学习社区建模方法

社会网络分析和复杂网络建模侧重对社区的关系结构分析，其分析方法在分析大规模网络时对社区要素内在的语义信息和要素间的语义关系反映不足。主题模型是复杂随机系统建模的有力工具，其优点在于可以有效描述要素的语义信息和要素间的语义关系，并且可以利用高效的推断算法进行计算，更适合处理大规模数据。

1.主题模型概述

主题模型是一种生成式模型，借鉴了概率图模型理论和方法，以Latent Dirichlet Allocation（LDA）模型为代表，最初用于文档分析，主要通过引入隐含语义主题，用来捕捉各种要素之间的隐含语义联系。[8] 主题模型的主要思想是：认为一篇文档可以理解成是由若干个隐含主题组合形成的，而这些主题由文本定词汇体现，如图1左所示。如一篇关于“虚拟环境下的泛在学习”的Blog文档，当描述主题“虚拟环境”时，可能使用“virtual”、“reality”、“3D”、“space”等词，而“mobile”、“ubiquitous”、“wireless”、“handheld”等词汇则描述了主题“泛在学习”，如图1右所示。因此可将隐含主题看作是词的一种概率分布，单个文档则表示为这些隐含主题特定比例的随机混合。

主题模型的最初思想是对文本进行建模，它给出了一种建模和推理的范式。对主题模型中的参数赋予相关的含义，可以将其推广到多种应用需求中，并通过对文本和其他要素信息进行联合建模，如作者信息、时间信息等，进行模型构建。

主题模型的建模思想为社会网络建模提供了重要思路，基于语义主题，可以实现不同网络对象的语义关联。如科研网络社区建模将科研人员、科研论文、科研会议等要素进行联合建模，社会化标签网络建模将标签――用户――资源、用户兴趣等要素进行建模，博客、微博社区建模对话题、位置等的建模。

虚拟学习社区作为一种异构的复杂知识网络，其要素类型、互动过程及网络关系具有自身的特点，分析其要素与要素关联，使用主题模型进行建模研究，将是一种有效的方法。

2.模型构建

由于虚拟学习社区的复杂性，模型构建需要能够准确表达虚拟学习社区复杂系统中的要素与关系。这一方面要求对虚拟学习社区中各种关键要素和关系做出准确的理论分析，另一方面要求将这种关系以数学描述的方式体现在模型中，包括模型要素间的网络结构、参数的设置等。

我们首先从虚拟学习社区的发展和演进角度，对不同阶段虚拟学习社区的类型进行了梳理。虚拟学习社区的应用形式随着Web技术的发展而演进，从传统的万维网、到社会化万维网（Web2.0）和语义网，每次技术革新都改变着人类的信息环境，构建着新型的虚拟社会空间。虚拟学习社区的主要类型包括了Web1.0（传统互联网）环境下以学习管理系统和论坛为主要形式的VLC、Web2.0（社会化万维网）环境下以博客、标签、微博等为主要形式的VLC、Web3.0（社会化语义网）环境下以语义本体描述的VLC。

基于对不同类型虚拟学习社区及特征的分析，抽取核心要素，归纳模型构建的关键要素与关系。包括虚拟学习社区人的要素（学习者和教师）、内容要素（学习资源）、网络要素（各种要素之间显性和隐性的关系）、时序要素（时间信息）、组织要素（所属院校或课程），并分析虚拟学习社区要素之间的基本依赖关系。

模型构建的核心是引入虚拟学习社区的隐含知识主题，以知识主题为桥梁来表达虚拟学习社区中基于网络化依赖关系。通过主题分布来表达和挖掘各种要素之间的隐含语义联系，将学习者、学习资源、网络关系、组织信息等社区核心要素进行联合建模。模型的概念描述如图2所示。

使用概率图方法对模型进行形式化描述，图3是所构建虚拟学习社区模型的概率图。

3.模型的实证分析

模型的实证分析包括模型的实现、数据资源库的建设和模型的实证分析。其中，数据资源库的建设策略为：选择国内外典型的虚拟学习社区（论坛型、博客型、微博型），使用网络爬虫、相关的应用程序接口（API）和Web服务等信息抓取技术进行数据集的获取。实证分析的模型验证从两个层面进行：一方面从技术分析角度评价模型的性能与建模效果，另一方面使用问卷调查方式，对模型分析结果进行人工评测。通过模型的实证分析，对模型进行修正与完善。

4.模型应用

在虚拟学习社区数据量规模化、数据源多样化和要素关系复杂化的环境下，知识发现研究越来越得到研究者的关注。VLC知识发现研究的目标是通过规模化的自动分析方法获取显式和隐含的领域知识，为学习者提供知识应用服务。知识发现应用研究有助于帮助学习者更加有效地获取学习内容，理解学习者的行为模式，挖掘学习资源，构建语义本体，进行学习资源个性化推荐等。

基于主题模型的虚拟学习社区建模方法能够有效分析与揭示大规模虚拟学习社区的要素与关系结构，可以得到主题――学习者分布，社区――主题分布等。基于模型分析结果，可以从多角度对虚拟学习社区进行分析，挖掘知识，探索虚拟学习社区知识发现的新方法，进行知识发现应用的具体研究。

四、未来研究

下一步研究将进行模型的程序实现与实证分析，并基于模型进行知识发现应用的具体研究，首先进行学习资源的个性化推荐研究与知识研究。学习资源的个性化推荐的目标是为不同背景和不同偏好学习者的资源需求提供个性化服务，在推荐方法上可以使用基于模型分析的知识主题分布确定学习者对于学习资源的偏好值。知识演进研究的目标是探寻社区知识在时间维度上的动态性和发展性，我们拟采用后验分析方法，基于模型所得到的主题，计算每个时间段中社区知识主题发生的概率，分析主题在不同时间段的特点。?

参考文献：

[1]C. Tu & M. Corry E-learning communities[J]. Quarterly Review of Distance Education， 2002（2）：207-218.

[2]D. R. Garrison. Online Community of Inquiry Review： Social， Cognitive， and Teaching Presence Issues[J].Journal of Asynchronous Learning Networks， 2007（11）： 61-72.

[3]马凤娟.Web2.0环境下虚拟学习社区模型的构建[D].山东师范大学硕士学位论文，2008.

[4]高长俊，胡世清.我国虚拟学习社区研究现状及趋势分析[J].远程教育杂志， 2011（4）：65-70.

[5]王陆.虚拟学习社区的社会网络结构研究[D].西北师范大学，2009.

[6]陈向东，方群，唐辉云.Blog 虚拟学习社区的社会网络研究――以“东行记”为例[J].电化教育研究， 2008（1）：40-44.

[6]王萍.基于自由分类法的e-Learning共现标签网络分析[J].中国电化教育，2008（11）：99-104.

[7]D. M. Blei， A. Y. Ng， M. I. Jordan. Latent Dirichlet Allocation[J]. Journal of Machine Learning Research， 2003，（3）：993-1022.