共查询到10条相似文献，搜索用时 515 毫秒
1.
2.
3.
大规模在线学习中,学习者面对数量众多、种类繁杂的学习资源容易产生"信息迷航""信息过载"等问题。因此,为学习者提供个性化的学习推荐服务是大规模在线学习的重要任务。但目前的推荐系统大多只考虑了学习者与学习资源特征,对其内在社会联系考虑不足,推荐效果有较大的提升空间。许多研究表明,引入社会化因素,对于提升推荐系统效果有显著的帮助。社会化推荐系统需要根据应用情境,深入地理解用户、推荐对象以及影响他们之间相似关系和社会关系的要素。大规模在线学习中的社会化推荐系统要素模型包括学习者特征、推荐对象特征、社会关系和应用情境四个方面。相较于传统的推荐方法,在这一要素模型基础上设计的基于兴趣主题的社会化推荐方法更好地结合了大规模在线教育场景,以及学习者和资源服务要素,并进一步研究了用户间的内在社会关联,挖掘了用户、学习资源间的隐性联系。实验结果也说明,该推荐方法在教育场景中可以实现更好的推荐效果。 相似文献
4.
随着互联网与移动终端的普及,网络上的电影娱乐信息数量海量增加,用户对电影个性化服务的需求日益旺盛。设计电影个性化推荐系统,该系统基于B/S模式,采用JavaEE体系架构。个性化电影推荐服务能够挖掘用户信息、电影项目信息间隐藏的关联性,从而发现用户的潜在兴趣,将用户可能感兴趣的影视片推荐给用户。 相似文献
5.
Alykko是为教师准备的一种智能移动学习辅导工具,它具有对学习过程进行半自动化或自动化的引导、促使学习过程个性化等功能。结合AEFIRIP这一适合于在真实情境中（教室或讲堂之外）用于辅导学生学习的新型移动教学模式的论述,介绍了应用该模式建立的智能移动辅导工具——Alyklo,并简要分析了它的教育功能,以期对将来移动教学工具的开发提供借鉴与指导作用。 相似文献
6.
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
7.
随着移动互联网等新技术的快速发展,移动学习成为网络学习空间的主要学习方式之一,然而移动学习效果的提升面临着复杂移动情境下空间化学习的自适应挑战。文章以云计算支持下的网络学习空间(即学习云空间)为背景,分析了移动学习的自适应因素,提出了一个基于情境感知的移动学习自适应模型,并探讨了移动学习的自适应实现机制及其应用策略。研究依托iStudy的移动学习自适应系统进行应用实践和实证分析,结果表明:该系统更有利于提高场独立型与场依存型两种风格学生的自我效能感,以及场依存型学生的学习成绩;不同知识类型学习中均使用该系统,其学习成绩没有差异;两种风格学生均认为该系统更加便捷适用,场依存型学生认为该系统更有利于促进学习。研究为促进移动学习的自适应和个性化理论与实践探索提供了有力支撑。 相似文献
8.
移动学习研究的重点是学习资源建设与内容推荐。介绍了移动学习特点及移动学习资源、学习主体等要素,在此基础上,以高校为研究对象,采用调研方式获取大学生用户需求信息,完善相应的移动学习平台;阐述了用户行为感知、协同过滤算法等相关技术,研究了如何对移动学习资源内容进行个性化推荐。对过滤后的学习资源进行个性化推荐,有利于调动学习积极性,发挥移动学习优势,与课堂教学形成互补,对推进移动学习实践有一定的参考价值。 相似文献
9.
学习资源推荐作为解决学习者信息迷航和支持个性化学习的重要途径已受到越来越多学者的关注。随着泛在学习的发展,仅在学习开始时向学习者推荐感兴趣的资源已难以满足学习的需求,学习过程中推荐资源、指导专家、辅导服务等显得更加重要。未来的推荐系统应以支持学习为目的,从单纯的资源推荐向将资源推荐与学习过程结合的方向发展,从以用户兴趣为主推荐向感知学习情境推荐发展。文章从学习过程情境的角度出发,对泛在学习环境下的推荐系统进行重新定位与设计,并介绍了学习元平台中的推荐系统,试图为相关研究者提供新的思路与参考。 相似文献