共查询到20条相似文献,搜索用时 46 毫秒
1.
以用户个性需求为导向构建Web环境下智能学习系统是现代远程教育与智慧教育领域研究的热点,也是E-learn?ing的未来发展趋势。推荐技术是智能学习系统的“智慧”所在,其根据学习者差异性特征属性“分析—判断—理解”个性化需求并以此精准推荐合适的学习资源。基于内容和协同过滤的混合式推荐可解决单类型推荐所引起的冷启动、非结构化内容推荐等诸多短板问题,进而有效提高推荐资源的效率与质量。该研究在分析领域相关研究现状的基础上,提出了Web环境下智能学习系统中基于内容和协同过滤的教育资源混合式推荐模型构建方案,着重对其架构设计、对象建模与推荐算法进行详细论述。 相似文献
2.
3.
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
4.
邵念兵 《河南广播电视大学学报》2014,(4):1-5
目前我国社区数字化学习的平台建设和服务发展迅速,这一方面有助于拓展市民学习空间,为其提供更加开放、便捷、共享的学习机会。另一方面由于重硬件轻软件、重宣传轻互动、重自建轻共享等错误观念,导致数字化学习难以满足广大学员实际的学习需求,学习效果和影响均不如预期。为此,本文提出社区数字化学习的服务方式要体现以人为本,力求大众化、个性化,具体表现为个性化的资源搜索、个性化的资源推荐、个性化的资源导航、个性化的资源共享等内容,并对其中比较基本的个性化资源搜索问题进行了进一步分析。根据现有搜索技术的原理和特点,提出了内容过滤与协作过滤相结合的个性化搜索服务的设计思路和关键技术。 相似文献
5.
网络学习资源数量激增导致的信息过载,是当今互联网学习者面临的一个问题。而个性化的学习资源推荐技术通过自主过滤海量资源,筛选出学习者需要的学习资源,减少学习者寻找资源的代价,是解决该问题的一个有效方法。文章通过用户、对象和推荐策略三个方面,对国内教育资源推荐技术的研究现状进行综述,并重点分析各推荐技术的特点、优势及不足,同时指出现今学习资源推荐技术研究的热点及可能的发展方向。 相似文献
6.
7.
随着移动终端的普及和无线网络的飞速发展,移动学习成为一个研究热点。针对传统学习资源利用率低、用户针对性不强、个性化学习不够突出等问题,提出了改进大学英语移动学习的方案。该方案充分利用4G网络环境下的学习资源,实现随时随地高效率、个性化的学习。将云技术应用到4G移动学习中,利用本体论,设计用户的兴趣模型,满足大学生英语学习的个性化需求。结合本体理论,研究本体类层次结构和语义推理的理论方法,设计专家本体用户兴趣模型。 相似文献
8.
9.
随着信息技术和学习理论的发展,教育研究的焦点逐渐从"以教为中心"向"以学为中心"转变,对学习的研究也逐渐从对学习者本身的研究转向对学习环境的研究。社交网络模拟了人类社会生活与社会关系,其理念契合了社会建构主义、关联主义、分布式认知等学习理论,更加符合网络时代学习的社会性、关联性、分布性、碎片化、个性化等特征。本研究在分析现有网络学习环境的基础上,提出以社交网络模型为资源聚合与推荐框架设计新型学习环境的思路,对个人学习空间、学习资源聚合模式和个性化推荐引擎构建等学习环境设计要素进行了分析。社交网络可以实现"网络学习空间人人通",学习环境内外资源的个性化聚合,并记录学习过程。通过对大量学习行为数据的分析,可以辅助教学决策,优化学习过程,推荐符合学习者个性的学习资源,实现个性化学习。最后,本研究基于开源社会性软件Sakai OAE构建了个性化学习环境并进行了实际应用,结果表明该学习环境在用户易用性和技术接受度等方面取得了较好效果。 相似文献
10.
11.
刘朋 《中国科教创新导刊》2012,(31):103-103
随着信息时代的兴起与发展,高校校园泛在学习也广泛的应用开来,同时,人们对其内容个性化推荐模型的设计也越来越重视.本文作者基于多年关于高校校园泛在学习的内容个性化推荐的实践经验,以“学习元”平台为例,对高校校园泛在学习的内容个性化推荐研究现状、对个性化推荐的支持以及个性化推荐模型设计等内容进行浅谈,以期在个性化推荐的实际应用中具有借鉴作用,更好的促进高校校园泛在学习的发展. 相似文献
12.
基于用户模型的个性化本体学习资源推荐研究 总被引:4,自引:1,他引:3
如何基于学习者的个性化学习特征,使学习者在大量学习资源和学习活动中快速定位自己最适合的内容已成为当前热点问题.本文研究的SAELS(Semantic Adaptiv-Learning System)实现以本体技术为核心,以用户模型为依据的个性化本体学习资源推荐.文中首先以课程为例构建本体,然后介绍了如何构建一个成功的用户模型,接着提出了个性化本体学习资源推荐模型,最后重点探讨了如何根据Felder-Silverman学习风格量表和学习过程行为模式,推断学习风格,和基于概念累积计分法推断认知水平两个层面加以整合实现个性化本体学习资源推荐. 相似文献
13.
自适应学习系统述评及其优化机制研究 总被引:1,自引:0,他引:1
一些网络学习系统如Blackboard、Moodle、SaKai等提供给学习者都是千篇一律的学习资源,不能根据用户特性动态适应地呈现个性化学习内容。因此,构建自适应学习系统是解决学生需求的个性化与教学资源的静态化的有效方案。本文对国内外一些常见的自适应学习系统进行了研究分析,总结出其特点和不足,设计与实现一个面向服务的自适应学习系统,分别在系统参考模型设计、用户模型和领域模型构建、个性化学习资源推送策略、多元化学习资源建设以及系统依据学习风格模型适应性呈现学习活动序列和学习资源等方面做了大量的优化研究。 相似文献
14.
随着近年来移动技术和网络环境的不断优化,新型的移动终端将成为未来微型学习的有效支撑。然而,如何将移动终端应用于实际的微型学习,仍存在诸多问题有待解决。为了探索移动终端上的有效学习模式,本研究依托微信公众平台,创建了“数据结构”课程学习公众号,面向598名关注用户,采用内容分析与问卷调查相结合的方法,分别从学习者的基本特征、学习内容、学习行为、学习效果四个方面进行统计与分析。研究结果表明,微信公众平台在吸引学习者、传播微内容、推进个性化学习与实时效果评估等方面有积极的促进作用,同时也发现微信用户的地域分布、网络环境、知识结构和学习需求存在显著差异,学习资源转换率偏低,学习者之间交流不畅,学习行为可控性较弱等。为此本研究建议:以专业知识的社会化普及为目标,注重以“微信用户”为核心的教学设计;加强推送频率与媒介形式并重的资源建设;创建微信技术多元支持下的学习情境;以及融入情感与认知因素的学习支持服务以使微信用户获得更佳的学习效果,提升移动微型学习的社会效益。 相似文献
15.
微型移动学习资源的分类研究:终身学习的实用角度 总被引:4,自引:2,他引:2
对微型移动学习资源进行分类研究,是为了从终身学习的实用性目标、对学习的移动性要求、微型移动学习的特点、学习者的需求等方面,探究什么样的资源符合成人的随时随地学习需求,以指导其建设与应用.本文首先通过调查与分析,并根据成人学习的特点、微型学习的特点、移动终端的特点提出了分类的基本框架;接着从反映实时性用户需求角度综合了开放性分类维度.最后形成的微型移动学习资源分类,分别从学习用途、知识内容、学习活动等维度加以考虑,并为用户的实时需求预留了开放维度. 相似文献
16.
17.
基于数据智能分析的学习资源推送是精准支持个性化学习的教学服务方式之一。随着人工智能技术和学习分析技术的发展,通过对行为数据、测评数据和日志数据等的分析进行资源推送虽已有较成功应用,但未能实现学习者个人情感状态为引导的资源推送。为此,该研究针对个性化学习资源推荐中情感价值、情感控制理论和实践的缺失,以实现个性化学习多维度情感识别为目标,采用BERT模型和TextCNN构建个性化学习资源推荐文本情感识别模型,并提出了基于学习者作业、论坛内容等的文本情感识别模型实现过程。学习资源推荐文本情感识别模型和实现过程可为真实应用提供方法支持和技术路线指引。 相似文献
18.
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
19.
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
20.
在线学习资源建设已经成为了当今数字化学习研究的热点问题.本文以学习过程中学习者学习行为和在线学习资源的特点为基础,结合协同过滤算法,设计了基于协同过滤技术的在线学习资源个性化推荐系统模型.实践证明,该模型可以更好地为学习者创造数字化学习环境,提高学习者的自主学习效率. 相似文献