智慧校园的技术基础是什么？

我从黄荣怀老师等人2012年8月发表在《开放教育研究》上的文章《智慧校园:数字校园发展的必然趋势》中摘录编辑了关于支撑智慧校园的若干关键技术的部分内容，供大家参考。

文章提到的技术其实并非具体的技术，而是从功能实现的角度来考虑要实现智慧校园的服务，采用的技术应该具有的功能，中间充满了想象力。但要实现这些功能以及将这些功能与教学融合，需要行业内的企业、研究院所、学者、教师、教育主管部门等通力合作，从不同领域借鉴技术能力，改造业务流程等等。想象它应该具有什么功能比较容易，但要实现，则要付出更多。

文章关于这些技术的描述，也有助于帮助我们理解智慧校园这个概念的含义。

===支撑智慧校园的若干关键技术===

技术发展是智慧校园建设的基础，在多种技术的支持下才能真正实现个性化服务的理念。

1．学习情景识别与环境感知技术

学习情景识别是个性化学习资源推送、学习伙伴联接以及学习活动建议的前提，是智慧校园建设中的关键技术。学习情景识别的目标是根据可获取的情景信息识别学习情景类型，诊断学习者问题和预测学习者需求，以使得学习者能够获得个性化的学习资源，找到能够相互协作的学习伙伴、接受有效的学习活动建议。学习情景识别涉及学习者特征分析、传感器技术和自动推理等方面的综合应用，是一个跨领域的研究方向。

环境感知技术是“智慧校园”的基础技术，有助于实现对校园各种物理设备的实时动态监控与控制。RFID、二维码、视频监控等感知技术与设备在学校中有很多应用之处。目前，其已经在校园安保、节能、科研教学等方面得以应用。例如，将RFID技术整合到校园一卡通、图书、仪器设备、电梯、灯具等物品上，可以实现楼宇出口人员管理、教室与会议的智能考勤、图书自助借还与自动盘点、贵重设备防盗及定位、实验室开放控制，以及照明、空调与通风系统控制等节能控制，但尚未形成系统化体系与应用。

2．校园移动互联技术

无处不在的宽带无线网络使得高清晰度的网络教学资源传输成为可能，也让异地的视频连接不再受带宽资源的限制，让学习者有“身临其境”的感觉。

3G技术和各种无线接入的普及，让无线网络的覆盖不再仅仅限于教室和图书馆，学习者通过网络进行学习，将不再受任何地域限制。为广大师生提供无处不在、稳定、安全、易于管理的无线网络环境，是构建智慧校园的基本条件。校园无线网络一般情况都具有规模大的特点(地域范围大、用户多、数据通信量大)，网络覆盖的要求也很高(应能实现室内、室外、礼堂、宿舍、图书馆、公共场所等之间的无缝漫游)，负载均衡尤为重要。此外，互联网、移动网和广电网的三网合一也为实现学校无线网络全覆盖提供了更加广阔的空间。

伴随着移动技术的飞速发展，视频通讯技术也随之给人们带来了更多便利。基于高清视频通信技术，开展校内实时同步视频通讯，已成为当下数字校园发展的热点。

3．社会网络技术

社会网络是由某些特定群体(人、企业和组织)间的社会关系构成的相对稳定的关系网。基于Web的社会网络分析技术对智慧校园的建设具有重要意义。当前的互联网发展强调从以数据为中心的传统Web转变为以用户为中心的Web2．0，其关键特征是基于社会性软件(即时通讯、博客、微博、社会问答、社会标签、在线社会网络等)为用户提供多样化服务。因而影响服务质量的关键在于对用户兴趣、关系及群体的分析。

社会网络分析可以看作是网络知识发现或网络挖掘的一个分支，涉及数据挖掘、机器学习、信息抽取与检索等不同领域。社会网络分析应用广泛，对其的学习与研究也越来越重要，而在线社会网络集成了社会网络与信息技术的特点，是人类社会的虚拟化表示及延伸，具有自组织性。通过对社会网络特征的分析，确定社会网络中的用户群体或个人的中心性程度，对关键小团体特征进行分析，以及确定用户位置、角色等情况，有助于掌握师生在虚拟网络中的活动状况，为其更好地提供服务，实施必要的管理措施。

4．学习分析技术

学习分析技术源自早期的课堂教学效果分析。目前在线交互文本分析和早期的课堂教学效果分析有一种走向融合的趋势，学习分析技术便是这种融合的一个产物。

学习分析是对学习者以及学习情境的数据进行测量、收集、分析和报告，以便更好地理解和优化学习以及学习发生的情景，从而提高学习效率和效果。

学习分析技术可作为教师教学决策、优化教学的有效支持工具，也可为学生的自我导向学习、学习危机预警和自我评估提供有效数据支持，还可为教育研究者的个性化学习设计和增进研究效益提供数据参考。

针对学习者个人信息、学习者情景信息等内容进行建模，通过对交互文本、视音频和系统日志等能够反映学习过程信息的数据，利用参与度分析法、社会网络分析法和内容分析法等自动化的交互文本分析技术，来获取学习者学习的参与度、学习者的社会网络、学习者关注的学习内容、学生和教师的课堂行为信息、学习情况和学习资源的利用情况等内容，是学习分析技术实现学习分析的核心。

文本挖掘技术可从学习资源库和学习者信息中挖掘学习者关注的各种信息，如文本的主题、文本作者对某一事物的观点倾向、作者在某一主题的专业程度等。这些信息一方面可以帮助学习者根据这些信息检索学习资源，另一方面可以帮助学习者了解学习资源库在某一侧面的总体概况和趋势。

5．数字资源的组织和共享技术

学习资源的组织及共享一直以来都是数字校园的建设重点之一。按照班杜拉的社会学习理论，观察他人的行为和结果是习得知识、技能的重要来源，真实的榜样能对观察者起到示范作用。学习者在学习过程中产生的生成性资源，可以作为其他学习者的学习观察对象，这也是一种重要的学习资源。

为了便于检索和共享，传统的学习资源常常使用静态的词汇表来描述元数据，但这种描述方法无法满足泛在学习环境下灵活多变、极具个性化的学习需求。因此，吸收借鉴语义网络和本体技术的相关研究成果，提供更为灵活和智能化的元数据描述方式成为一种趋势。借助语义Web和本体技术来组织学习资源，能够灵活、精确地表达资源的属性，便于学习者对资源的检索、归类，可以极大地提高检索的查全率和准确度，更容易被自动化的数据挖掘工具发现和集成，有助于实现泛在学习环境下分布式资源灵活的共享、联结和重用，同时具备良好的扩展性，并且能作为智能的资源检索和推送的基础，大大增强学习系统的适应性和针对用户的个性化服务能力。

（本文作者曾令斌，欢迎关注微信公众号：DigitalEdu与作者交流！）