前言

    網路與資訊科技的蓬勃發展改變了人類週遭的生活習慣，範圍之廣甚至涵蓋了食、衣、住、行、育、樂等消費模式。隨著網際網路的竄起，電子商務逐漸顛覆傳統商務體系，越來越多廠商將營運流程數位化，甚至在自家的網站植入推薦系統提供個人化商品推薦服務使其營運更具競爭力。另一方面，網路的普及亦改變了人類的學習方式。數位學習(e-Learning) 已經是一種全民運動。然而一個數位學習的成功，其中所牽涉到的不僅是系統開發的完整，或是學習內容(Learning Content) 的製作、儲存、管理、傳遞與呈現，最關鍵的應該是在如何把教材、課程依照學習者不同的需求提供個人化之服務。推薦系統在電子商務的成功經驗可以提供個人化數位學習服務一個借鏡。

電子商務的個人化推薦系統

     近年來，電子商務網站利用其擁有大量顧客資料的優勢，運用資料探勘(Data Mining) 的技術對顧客的興趣進行統計分析，以提供更精準的商品推薦服務來增加銷售。最著名電子商務推薦系統的例子應屬亞馬遜網路書店(Amazon.com) 。基於「對同一本書有興趣的讀者們興趣在某種程度上類似」的假設前提下，當顧客選擇一本自己所感興趣的書籍，馬上會在底下看到「Customer Who Bought This Item Also Bought」的商品推薦，此舉也成為亞馬遜網路書店為人所津津樂道的一項服務，各網路書店、電子商城和數位新聞媒體也紛紛跟進做這樣的個人化推薦服務包括台灣的博客來網路書店、unimall統一購物便，以及yam天空新聞等。

     個人化推薦是根據顧客的興趣特徵、購買行為以及瀏覽行為等資料，向顧客推薦他們所感興趣的資訊和商品。隨著電子商務規模的不斷擴大，商品數目和種類快速增長，顧客需要花費大量的時間才能找到自己想買的商品。這種瀏覽大量無關的資訊和產品過程無疑會使被淹沒在資訊洪流中的消費者不斷流失。在這樣的背景之下，個人化推薦系統應運而生。個人化推薦系統是建立在大量資料探勘基礎上的一種智慧型電子商務平台，以協助電子商務網站為其顧客購物提供個人化的商品推薦服務。

    整體來說，一個成功的個人化推薦系統主要需要必備下列三項功能：

◎ 將電子商務網站的瀏覽者轉變成購買者：電子商務網站的顧客在瀏覽過程中通常並沒有購買欲望，個人化推薦系統能夠針對顧客需求，推薦他們感興趣的商品，進而促成購買交易。

◎ 提高電子商務網站的長尾效益：個人化推薦系統在顧客購買過程中提供其他有價值的商品推薦，顧客能夠從系統提供的推薦列表中購買自己確實需要但在購買過程中意想不到的商品，從而有效提升電子商務系統的交叉銷售，並提高長尾效益。

◎ 提高顧客對電子商務網站的忠誠度：與傳統的商務模式相比，電子商務網站提供顧客更多的選擇。同時顧客更換商家極其方便，只需要點擊一兩次滑鼠就可以在不同的電子商務網站間瀏覽消費。個人化推薦系統分析顧客的購買行為，根據顧客需求提供有價值的商品推薦。如果推薦系統的可以精準地推薦，那麼顧客會對該推薦系統產生依賴。因此，個人化推薦系統不僅能夠為顧客提供個人化的推薦服務，並且提高顧客的忠誠度，防止顧客流失。

個人化數位學習的發展

    隨著知識經濟時代的來臨，人們需要不斷的學習來提升自己的競爭力，整個國家也需要知識經濟的成長來提升國家競爭力。從傳統的老師學生面對面的在實體教室教學，到應用網路技術以利用全球資訊的數位學習，我們見證了科技發展所衍生的新興教學模式。數位學習是以電子化的方式，利用各種視訊多媒體與網路技術，使學習者能夠隨時隨地進行學習。數位學習不是以教師為教學活動的中心，而是學習者能夠自行訂定個人的學習進度、學習方式，與網路上的多媒體教材等數位學習資源進行互動，並從而滿足自己的學習需求。

    隨著數位學習逐漸被重視，市場也陸續推出不同的 e-Learning綜合應用平台來協助數位學習如LMS (Learning Management System) 平台。它除了可以對內容(課程)進行管理，還特別注重對學習者的管理(包括分類、授權、測試、學習記錄追蹤等功能)。同時LMS能夠創建、存儲、發佈和管理以學習物件形式存在的個人化學習內容的系統，並且可以設計、管理和發佈線上合作式學習活動。利用直覺化的可視化學習活動設計環境，教師可以創建一系列圍繞教學內容或者基於合作式的教學活動，包括個人作業、小組討論和班級項目等。

    因為數位學習是以學習者為導向，個人化學習已經是一個必然的發展趨勢。我們可以發現許多 e-Learning綜合應用平台如LMS都已經嘗試把個人化的元素融入於系統。但是現行的數位學習系統大都偏重於學習內容製作、儲存、管理、傳遞與呈現，以及學習者資料、上課授權與學習進度追蹤等個人化管理功能。這邊缺乏的是學習者的學習行為效益分析。如果所有的數位學習教材(包括認證、屬性、類別等資料)以及學習者資料(包括基本資料、學習課程以及其課程效益等資訊)可以建構在一個統一的資料庫內，我們就可以比照電子商務推薦系統的模式，利用資料探勘的技術針對這些大量的學習行為資訊進行統計分析。如此一來，e-Learning綜合應用平台上的學習者就如同電子商務網站上的顧客，而數位教材與課程就如同電子商務網站上所要銷售的商品。透過大量的學習者行為分析後，推薦系統則可以把符合個人化需求的教材與課程推薦給學習者。因為個人化推薦是根據與學習者需求類似、興趣相投、擁有共同經驗之群體的喜好和學習效益來推薦符合學習者需求的教材與課程，透過長期行為資料的累積，個人化推薦將會愈來愈精準。

     另一方面，在數位學習的研究領域中，如何增加不同形式的學習資源(如網頁、學習物件或是影片動畫等)之可重複使用性是相當重要的。藉由本體論定義不同學習資源本身的內含語義，以及資源間的連結關係以建構數位內容(教材/課程)知識庫，勢必能制定共享式教材物件機制來保證學習物件能夠在不同的學習平台下重複使用。

結論

     邁向21世紀資訊科技的進步及網路時代的來臨，漸漸地朝向知識經濟發展，使得學習模式從教師主導變成以學習者為中心，學習媒介也由傳統的面對面實體教學轉變為利用網路技術和多媒體工具的數位教學，更改變了傳統學習產業的運作模式。面臨如此前所未有的變動及挑戰，藉由電子商務個人化推薦系統的成功經驗，利用大量學習者的行為分析以提供個人化的教材與課程的媒合服務，同時搭配本體論建構數位內容(教材/課程)知識庫，必能開創個人化數位學習服務的新紀元。