共查询到20条相似文献,搜索用时 31 毫秒
1.
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
2.
王红磊 《中国教育技术装备》2012,(36):45-48
目前,网络化教育的教学效果并不理想,学习者往往沉溺于众多的学习资源却很难找到适合自己的资源,信息过载、信息迷途而引起的学习焦虑现象已屡见不鲜。通过调研及查阅相关文献,分析传统授课环境与网络化教学环境的差异,指出为学习者推荐合适的"学习伙伴"将会是网络化教育好转的关键因素。在此基础上,构建基于社会性标签技术的相似学习伙伴推荐系统模型并进行系统实现。该模型对网络化学习环境中学习者"独学而无友""学习焦虑"、学习积极性低等问题提供一个有效的解决方案。 相似文献
3.
为了推动Moodle学习平台的深层次功能应用,文章通过不同的个性化推荐技术,试验采用多种相似度度量方法,对平台中学习资源及学习者历史日志记录进行数据分析与研究,揭示出不同个性化推荐技术在远程教育中的应用优缺点,分析发现一种适合于学习者的个性化推荐技术及其采用的相似度度量方法,结果可为学生个性化学习服务、教师导学管理监督提供决策支持. 相似文献
4.
5.
6.
开放式e-Learning解决方案个性化推荐服务——一种面向终身学习的数字化学习服务模式的探索思路 总被引:3,自引:0,他引:3
个性化e-Learning系统一直是数字化学习研究的重要主题,然而在终身学习环境下,个性化e-Learning系统必须要考虑如何提高学习者兼容性、资源充足性、智能挖掘性和推荐整合性,才能最大限度地满足海量的差异化学习者的个性化需求.作为对终身学习的数字化学习服务模式的一种探索思路,本文构建了一个开放式e-Learning个性化推荐服务,通过向学习者推荐完整的e-Learning解决方案,提出多种个性化机制,构建开放性学习社区,并通过Web数据挖掘技术挖掘解决方案,来解决传统个性化e-Learning系统所面临的这几个挑战.本文对该服务的概念体系和技术应用进行了详细阐述,以对终身学习环境下的数字化学习体系建设提供参考. 相似文献
7.
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
8.
互联网的高速发展导致网络学习资源数量迅速增长,案例教学、理论教学等教学资源的个性化推荐受到更多关注。学习者模型是实现个性化推荐的依据。文章以CELTS-11学习者模型规范为基础,针对学习者的个性差异,在学习过程中对基本信息、学习风格、知识状态、认知能力、兴趣偏好等个性化特征展开研究,解决目前资源推荐系统的学习者模型中学习者特征描述不全面、个性化程度不高等问题,构建出了个性化的学习者模型,为学习资源的推送提供了有力的依据,应用效果表明了该方法的有效性。 相似文献
9.
为解决初级汉语水平学习者的词汇学习迷航问题,提高其学习效率和词汇应用能力,文章首先梳理了信息技术促进词汇学习的研究现状,并指出学习资源推荐技术存在的问题。随后,文章设计了汉语水平考试(HSK)三级词汇的学习资源、10种关系及其特性和优先级,构建了本体,提出了推荐流程,并参考Jena框架,构建了基于知识图谱的汉语词汇学习资源推荐系统。最后,文章采用问卷调查和访谈法进行了推荐系统的学习体验评价,结果表明:学习者对推荐系统的满意度较高,认为推荐系统可促进汉语词汇的学习。基于知识图谱的汉语词汇学习资源推荐系统能够提升汉语词汇的学习效率,实现汉语词汇学习规模化和个性化的统一。 相似文献
10.
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
11.
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
12.
大数据环境下,从海量学习资源中为学习者提供个性化的资源推荐服务可提高学习效率。考虑到不同区域的人具有不同的文化背景,人们对事物的喜好具有区域性,以及提供个性化推荐通常面临数据稀疏和冷启动的问题,提出使用因子分解机,综合考虑学习者的知识基础、兴趣、文化和时间因素,借助学习者所处区域的文化背景,选出与其有相同或相似文化背景的学习者,并结合学习者最佳学习时间及学习体系结构,以提高个性化学习资源推荐的质量。实验结果表明,该方法在一定程度上提高了推荐准确率。 相似文献
13.
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
14.
15.
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
16.
《实验室研究与探索》2013,(11)
针对目前网络教学中,学习者缺乏个性化指导、学习效率低下的问题,提出了以知识点为核心进行资源组织的个性化学习推荐模型。该模型可以为学习者提供一个"因材施教"的网络教学环境,为学习者推荐有针对性的学习材料,提高学习者的学习效率。构造了用于表示知识点间关联度的客观和主观知识点关联表,给出了个性化知识点序列提取算法和针对特定知识点的个性化学习材料的推荐算法,能根据学习者模型提供适应学习者的教学方法和学习资源,并且学习者模型定期的利用关联规则挖掘进行完善更新。该模型能有效地提高学习者的学习质量和学习兴趣。 相似文献
17.
18.
19.
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
20.
胡培培 《中国现代教育装备》2022,(13):150-153
近年来,MOOC平台课程数量呈指数级增长,如何根据学习者的特征从海量课程中快速为其推荐个性化的学习资源已成为MOOC平台亟待解决的问题。分析了近年来国外MOOC推荐系统研究热点,介绍了MOOC混合推荐系统的四种算法,实现了以个性化搜索引擎和以语义推荐为主的四层架构设计和功能算法,并通过“电动汽车”案例进行流程解释和测试。测试结果表明,该系统具有较好的使用效果,利用关联开放数据云技术和语义推荐算法能够有效地扩大数字教育资源的搜索范围,为学习者推荐更多需要的课程或学习资源。 相似文献