共查询到10条相似文献,搜索用时 15 毫秒
1.
情境感知是泛在学习的本质特征,为学习者提供情境化、个性化与差异化的资源服务已成为泛在学习领域一个新的研究议题。文章采用个性化推荐视角,研究了泛在学习情境的形式化表征,构建了情境化的学习资源推荐模型,阐述了情境化资源推荐的一般过程,并就情境化资源推荐的关键问题进行了分析。 相似文献
2.
3.
基于情境感知的移动图书馆信息与服务推荐,主要在用户情境、移动情境、资源情境、服务情境四个维度下进行算法模型构建和感知技术设备应用,它是一个“情境-需求-服务”的自适应过程。在研究它泛在的普适化推荐服务和个性化推荐服务过程中,可以发现感知技术设备、算法和推理引擎的不同应用,主要是满足用户信息需求的以下特征,即情境信息的时效性、情境信息的准确性和完整性、情境信息的多种表达形式以及情境信息的互联与共享。 相似文献
4.
张静 《中国教育技术装备》2014,(18):39-40
泛在学习环境中,学习资源自适应推荐模型尝试将情境感知技术和数据挖掘技术引入泛在学习环境下的学习资源推送服务领域,通过感知学习者周围的环境、设备的变化,挖掘学习者的过往情境数据,借助个性化的推送规则库,在海量的学习资源中快速定位到最适合学习者的资源,并推送给学习者,帮助学习者建立真正无缝的泛在学习体验。 相似文献
5.
《实验室研究与探索》2015,(6):146-149
随着Web服务数量的迅速增长,Web服务个性化推荐方法已成为Web服务发现和选择的重要辅助手段。为了提高Web服务推荐的准确率和满意度,本文提出基于用户情境和质量偏好的Web服务推荐方法,该方法根据用户的QoS偏好、用户资料和用户共同调用的服务来计算用户的相似度,并以此相似度为基础考虑推荐时间因素,来实现对相似用户Web服务的准确推荐。实验表明,该推荐算法的有效性和可行性。 相似文献
6.
7.
基于境脉感知的泛在学习环境模型构建 总被引:4,自引:0,他引:4
为满足学习者实现无缝学习的需求,本文在比较移动学习与泛在学习的基础上,认为具有境脉感知功能的泛在学习是满足学习者无处不在的个性化与适应性学习需求的最佳学习方式,并以建构主义学习理论、情境认知理论、活动理论和沉浸理论为指导,构建了泛在学习环境模型,提出了构成泛在学习环境的三要素,即泛在的学习资源、泛在的学习服务和泛在的支撑技术,并对各要素的具体组成部分如学习内容、学习活动、学习伙伴、学习交互、学习支持服务、境脉感知技术等进行了详细的分析.在此基础上,得出泛在学习环境具有无可比拟的优势,能够真正实现在合适的时间、合适的地点以合适的方式呈现给学习者合适的信息,从而保证学习者实现真正无缝的个性化学习. 相似文献
8.
9.
个性化学习路径推荐是智能技术驱动教育服务智能升级的关键力量,是实现大规模个性化教育的重要驱动。然而,目前个性化学习路径推荐的研究与实践仍未成熟,难以满足学习者因人而异、因时而变的个性化需求。个性化学习路径推荐的主流推荐框架包括基于机器学习、基于进化计算和基于知识图谱三种方式,具有不同的模型机理和适用的教育场景,经历了起步探索、预测推理、改进优化和融合创新的技术演进历程。其对教育的价值导向体现在赋能课堂教学、助力因材施教,优化在线学习、驱动服务升级,支持场馆学习、增强智能感知,改善游戏学习、优化交互体验,为破解大规模与个性化相结合的应用难题提供了重要支撑。随着智能技术的迭代升级及深入应用,未来个性化学习路径推荐呈现四大发展趋势,即关注信息要素的深度融合、迈向全方位多尺度的形式化建模,融合多种技术优势、构建以知识为主导的高性能推荐框架,注重可视化呈现和动态感知、推动个性化服务模式的优化升级,重视全景性应用策略研究、促进推荐技术与真实教育情境的紧密耦合。 相似文献