共查询到20条相似文献，搜索用时 15 毫秒
1.
随着大数据时代的到来和在线学习的蓬勃发展,个性化自适应学习日益成为人们关注的热点。本文从教育数据挖掘的目标和关键技术出发,在个性化自适应学习系统中应用教育数据挖掘技术,研究了学习者模型、领域知识模型和社交网络模型的构建、融合和应用,设计出基于教育数据挖掘的个性化自适应学习系统的架构和流程,探讨了模型的构建和个性化自适应学习引擎机制的建立,提出了基于聚类的个性化自适应学习内容呈现、基于序列挖掘和关联规则的最佳学习路径推荐、基于协同过滤和社交网络的个性化资源推荐方法。 相似文献
2.
e-Learning自适应推荐系统是一种基于当前学习者联机行为,在线自动推荐学习对象而不需要学习者直接反馈的系统。该系统框架是由离线模块和在线模块构成。离线模块预处理数据建立学习者模型,在线模块使用这些模型实时识别学习者目标,运用基于协作过滤的一系列推荐策略预测推荐学习对象。实验证明:由于实现模型构建和模型应用的有效分离,该系统具有较强的伸缩性和较快的实时响应速度,适合为大规模e-Learning系统提供高质量的个性化推荐服务。 相似文献
3.
程南清 《宁波广播电视大学学报》2005,3(4):87-90
网络教育已成为我国教育的重要组成部分，但其发展还面临着若干瓶颈问题，网络教学缺乏个性化就是其中之一。本文针对这一问题，提出了在传统网络教学系统中引入个性化技术、数据挖掘技术，构建基于Web的个性化网络教学系统原型。系统通过实时跟踪学习者在线学习行为，动态掌握其学习进度和学习效果，以此向学习者和教师进行个性化推荐。 相似文献
4.
在线学习作为一种新型的学习方式,能够为学习者提供个性化的学习支持。有效推荐个性化学习路径是学习服务研究中的重点问题。文章结合大数据背景下个性化学习的特征,建立学习者模型,通过数据挖掘技术深入分析学习者的学习行为信息以及知识之间的关系,结合基于内容的推荐和协同过滤的推荐方式,设计个性化学习路径推荐的具体方案,为解决在线学习过程中学习者面临的“信息过载”和“知识迷航”问题提供参考和借鉴。 相似文献
5.
个性化推荐系统的出现为用户提供了一个解决Web商品信息过载问题的强大工具。个性化推荐技术是基于Web使用挖掘、商品相关关系发现、商品分类等多项数据挖掘技术的。分析了这些技术的基本原理和特点并提出了一种计算商品关联关系和用户喜好倾向的算法以及个性化商品推荐的程序实现方法。 相似文献
6.
支持个性化学习的e-Learning系统研究 总被引：3，自引：0，他引：3
本文以个性化学习理论为指导,采用课程知识、教学方法和学习资源相互分离的策略,应用人工智能技术、数据挖掘技术和数据库技术构建了一个基于网络的个性化学习系统,该系统能根据学习者的知识结构、学习目标、学习风格、偏好等特征信息提供适应学习者的教学方法和学习资源,营造个性化的网络学习环境.同时,系统的个性化服务决策规则和模型还可通过数据挖掘修正不断加以完善. 相似文献
7.
高丽彬 《黔南民族师范学院学报》2004,24(3):63-65,73
数据挖掘在WWW上有广泛的应用。在校园网学习系统中嵌入Web挖掘模块，运用数据挖掘技术对服务器上的日志文件等Web数据进行挖掘，可了解用户的访问行为，提供个性化的服务。本文阐明了Web挖掘在校园网学习系统中的应用方法和步骤。 相似文献
8.
随着教学资源的不断增加,在一个教学平台中,增加个性化教学资源推荐是教学平台的一个正在发展的趋势.本文通过分析现在的个性化推荐服务和个性化推荐技术,总结了个性化推荐的技术的优缺点的基础上,以社会标签系统为基础,设计出了一个基于混合模式的个性化学习资源推荐系统.该设计中,将基于内容的推荐,和基于协同过滤的推荐技术融合在一起.部分解决了,他们各自的一些缺陷.使其更适合在实际推荐中的应用. 相似文献
9.
当前,个性化学习推荐系统面临数据隐私保护、"冷启动"和法律约束等问题,而联邦学习作为近年来优秀的数据隐私保护机器学习技术解决方案,可有效解决这些问题。基于此,文章将联邦学习和个性化学习推荐相结合,设计了联邦个性化学习推荐系统。首先,文章分析了联邦个性化学习推荐系统的具体应用场景,包括横向联邦、纵向联邦、联邦强化三种。其次,文章分别针对这三种应用场景设计了相应的应用解决方案。最后,文章探讨了未来联邦个性化学习推荐系统面临的严峻挑战,以期帮助教育利益相关者在保护数据隐私的同时共享数据价值,最终实现更安全、更高质量的个性化学习推荐服务。 相似文献
10.
基于Internet的现代远程教育为学习者提供了极大的方便。而目前的远程学习系统缺乏智能化、个性化服务,为改善这一不足,本文提出了一个基于数据挖掘技术的个性化学习系统模型,并详细描述了应用决策树及BP神经网络算法对系统进行设计的方法。基于本模型实现的个性化学习系统真正体现了因才施教的教育理念。 相似文献
11.
本文探究了推荐系统在学习科学中学习资源方面的可行性。主要讨论了推荐系统的组成部分(集体责任,集体智慧,用户控制,导航,个性化)与学习科学理论的良好适应,并分析设计了基于网络学习资源的智能推荐系统的整体框架结构,实现了推荐系统从商业背景到教育背景的转换,提高学习资源利用率,满足学习者的个性化需求。 相似文献
12.
e-learning的调查发现,e-learning支持系统中学习资源推荐主要有Top-N和关键词检索两种方式,都无法向学习者个性化地推荐学习资源。受电子商务研究领域中相关研究成果启发,我们尝试将协同过滤推荐技术引入学习资源的个性化推荐研究中。通过综述学习资源个性化推荐中三种常用的推荐技术,介绍了协同过滤推荐技术的工作原理、实现方法及存在问题。在此基础上,提出了一个优化的基于协同过滤技术的学习资源个性化推荐系统的理论模型,重点讨论了模型的结构、隐式评分机制和算法的实现,并讨论了个性化学习资源推荐模型中的三个关键技术。以启发e-learning研究人员从不同的层面和角度探索协同过滤技术在e-learning中的应用,提高学习资源个性化推荐的精度和效率。 相似文献
13.
文章分析了远程个性化学习支持的现状及存在的问题，从科学组织课程知识、个性化推荐资源、全方位支持学习交互、系统开发及扩展简易、安全运行保障等方面考虑，提出了系统构建的方案，分析了主要构成模块的设计和具体实施，并介绍了开发使用的关键技术。 相似文献
14.
数据挖掘是一种前沿技术,e-Learning的迅猛发展迫切需要满足个性化学习的需求.首先介绍数据挖掘技术,然后应用数据挖掘技术中聚类和关联规则两种方法,可以实现对学生练习结果进行科学的、客观的分析.数据挖掘技术在e-Learning学习系统中的应用提高了学习系统的个性化服务水平,为系统的决策分析提供了智能的辅助手段. 相似文献
15.
为尊重学习者个体差异性,实现基于微信公众平台的泛在学习资源个性化推荐和个性化学习,增强学习者与学习资源的相关性,帮助学习者提高学习效率,论述了泛在学习的内涵,阐述了泛在学习公众平台相关研究现状。基于行为主义学习理论和因材施教理论设计了包含学习者层面、教师层面、系统层面和管理员层面的泛在学习资源个性化推荐微信公众平台相关功能模块,可为相关研究提供参考。 相似文献
16.
17.
根据大数据技术的模块构成和电子书包所包含的系统和功能,对电子书包中教育大数据的模块内容进行分析。之后,在评价内容上从课程内容学习、参与互动交流、考试与作品和课外资源学习四个方面进行了细分和聚类．构建了基于电子书包的个性化学习评价模型。在评价结果上,依据柯氏四级评估模式和布鲁姆教学目标分类理论设计了基于教育大数据的个性化评价层次塔,该层次塔包括学习成效、概念转变、学习迁移和学习力四个层级。最后,结合教育大数据、教育云服务、个性化评价模型和评价层次塔,设计了个性化学习评价系统模型,包括信息采集模块、数据分析与处理模块、个性化评价模块和可视化反馈模块,并通过云管理层实现对教育云服务平台、云存储池和云集群计算平台的调控和管理,以期为后面开展个性化评价系统的设计与开发提供有益的指导。 相似文献
18.
以网络教育为核心的远程教育正在飞速发展,而混合学习可以有效地提高其教学质量。为了解决远程教育学习者在混合学习中学习进度、兴趣等方面存在差异的问题,我们在混合学习中引入数据挖掘知识,研究并设计了一个结合Web日志的个性化推荐混合学习模式。该模式可以根据学习者的实际情况为其推荐个性化学习方案,包括学习目标、学习内容、习题测试等,为系统全面地进行远程教育的教学设计与实践、提高教学质量提供帮助。 相似文献
19.
20.
针对学习资源使用者的特点和当前网络学习模型的不足,提出运用贝叶斯网络建立一种个性化学习者模型。基于用户决策方案指导资源库的建设,提出了一种新的学习资源推荐算法,使学习资源的呈现符合学习者认知发展水平和个性特征,改善资源库的组织结构,实现智能化、个性化的学习资源库推荐系统。实践证明,对于本系统所推荐的学习资源,学习者非常满意。 相似文献