基于协同过滤的学习资源个性化推荐应用

分析了基于协同过滤的推荐算法及实现过程,结合远程教育在线平台的学习特点,提出运用该技术在远程教育在线学习平台进行资源推荐的解决方案,并对基于协同过滤推荐算法中存在的数据稀疏及冷启动问题提出了解决方法.     

基于用户学习路径分析的教育资源个性化推荐研究

针对学习者用户差异性需求推荐个性化教育资源是智能学习领域研究的难点,也是构建E-learning个性化学习支持服务的关键。学习者在网络学习过程中,其时序化的学习行为日志蕴含了各种学习路径信息。通过对目标用户学习路径分析可挖掘其所潜在的认知风格、学习偏好、认知水平等各种隐性特征信息,为E-learning教育资源个性化推荐提供重要依据。基于关联规则挖掘对用户行为日志分析,从系统架构、模型构建、路径匹配以及推荐算法四个维度切入,提出了E-learning环境下基于用户学习路径分析的教育资源个性化推荐解决方案。     

基于个性化推荐技术的Web学习系统设计

根据单个学生或学习小组不同的学习需求提供相应的指导内容和教学策略,是基于Web的教学系统构建的根本目的。提出了一种通过收集分析学习者明确的或潜在的学习兴趣和偏好,找出学习者之间的相似性,对学生进行分组,形成虚拟学习社区的方法。     

学习资源个性化推荐系统的学习者模型构建

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。     

联邦个性化学习推荐系统研究

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。     

我国学习资源个性化推荐研究进展

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。     

E-Learning环境下个性化推荐学习研究

E-Learning环境下,网络是在线学习者在线学习,在线交流的重要方法和手段。目前在线学习平台为在线学习者提供被动的学习模式,在线学习者的学习需求具有个性化的不同,学习者希望学习平台能够依据个体的差异提供不同的学习模式,在此背景下,依据学习者的不同背景研究个性化的知识推荐系统具有重要意义。本文探讨了个性化学习的基本模式,并构建了一个个性化学习模型。     

基于核心素养下语文个性化学习共同体的实践研究

本文着眼于核心素养视域下未来学校的发展与变革,立足于我们学校语文个性化学习共同体的构建与实施,旨在探索开发一种以学生为中心、个性化体验与情境化建构的实践活动课程,培养学生的持续学习能力、知识整合和应用能力、创新思维能力、跨学科实践能力。     

基于核心素养下语文个性化学习共同体的实践研究

本文着眼于核心素养视域下未来学校的发展与变革,立足于我们学校语文个性化学习共同体的构建与实施,旨在探索开发一种以学生为中心、 个性化体验与情境化建构的实践活动课程,培养学生的持续学习能力、知识整合和应用能力、创新思维能力、跨学科实践能力.     

基于协同过滤技术的学习资源个性化推荐研究

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。     

基于虚拟学习社区的远程学习生态系统研究

文章利用生态学的观点,将虚拟学习社区看作是一个远程学习生态系统,从虚拟学习社区的学习生态文化入手,探讨了系统的内部作用机制,分析了学习者在系统中扮演的多重角色及角色间的相互转化过程,并从信息、物质和能量三个方面论述了系统功能。另外,由于学习者对虚拟学习社区的滥用和误用导致系统出现生态危机,文章从环境、资源和行为规范三个方面讨论了该系统的生态危机并提出了相应的解决对策,以期为虚拟学习社区的相关研究提供理论依据。     

基于社会化语义网的虚拟学习社区的构建研究

目前,虚拟学习社区虽然在一定程度上满足了人们对非正式学习的需要,但是还存在各种各样的缺陷.社会化语义网对解决虚拟学习社区存在的缺陷具有技术优势.基于此,文章提出了虚拟学习社区构建的基本原理与设计方案,并以“数据结构课程虚拟学习社区”为例,对其中的关键技术做了简要阐述.该研究为虚拟学习社区等网络学习资源的建设与应用提供了新的思路,具有一定的实践意义和参考价值.     

基于领域本体的学习路径推荐策略研究

为了解决学生在线学习过程中的“认知过载”和“学习迷航”等问题,充分发挥网络课程资源的教学辅助作用,以《决策支持系统》课程为例,提出一种基于领域本体和语义相似度的个性化学习路径推荐策略。根据领域知识点及其关系构建本体库,建立知识点间语义关系,并用Protégé进行本体形式化编码;基于本体设计学习路径生成策略和相关知识协同策略;最后,结合《决策支持系统》课程现有网络资源设计并开发原型系统,实现个性化学习引导及资源空间优化。实验表明,该平台能够实现在线学习路径的有效引导,为学生提供个性化学习空间,优化在线学习效果。     

泛在学习资源个性化推荐公众平台设计

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。     

基于Wiki技术的虚拟学习共同体

阐述了学习共同体是区别于传统学校教育中去情境化学习特征的一种学习组织形式．以网络为依托的虚拟学习共同体是其中一种重要形式,其具有学习的共同指向性、跨时空性、分布性、社会性、交互性和平等性等特征。认为Wiki作为一种当前广泛应用于建立网络知识库的社会性软件,在构建虚拟学习共同体时给学习者和助学者提供了巨大的支持。     

对虚拟学习社区的解读

社区理念之于现代远程教育的意义早已引起国内外远程教育界有识之士的热切关注,然而,教育文献中对什么是虚拟学习社区和虚拟学习社区的特征是什么的讨论还非常少,而且在为数不多的讨论中还存在着严重的分歧。通过研究,笔者发现：产生分歧的主要原因是人们对社区概念认识的混乱。因此,本文在解读社区、虚拟社区概念的内涵和特征的基础上,界定了虚拟学习社区的基本内涵,分析了虚拟学习社区的基本特征,最后从社区的视角探究了虚拟学习社区中交互的特征,为后续进一步从社区的视角研究现代远程教育奠定了良好的理论基础。     

基于用户兴趣的文献个性化推荐研究

针对当前文献推荐中个性化程度不高等问题,提出一种对用户行为重新分配权重的度量算法。运用用户行为数据按照时间顺序重新分配权重,突出近期用户兴趣构建用户兴趣模型。通过LDA主题分布、关键词分布等方法构建学术资源模型,实现两模型间匹配,完成推荐。通过实验验证,该算法准确性达到80%,比传统等权重算法提高近20%,召回率与F值分别提升了7%和5%。研究表明,基于时间因素的用户兴趣度量算法相较于传统等权重算法具有更高的准确性,未来可进一步优化用户兴趣度量以实现精准推荐服务。     

虚拟学习社区的有效性反思

本文根据对学生的调查分析,总结得出现时学习平台的使用具有三个“特性”,学习平台的资源现状具有四个“特色”。从而提出笔者的理念：虚拟学习社区发展的新路子——游戏化学习,以及构建虚拟学习社区时重点考虑的十个问题。     

基于微信的虚拟学习社群研究

微信作为一款集通讯、社交和平台功能于一体的移动应用软件,为构建虚拟学习社群提供了技术支持。运用社会网络分析法中的整体网研究,针对一个基于微信的虚拟学习社群进行案例分析,通过群中学习者的行为特点及网络结构,构建其社会网络分析模型,并通过分析模型中网络结构关系、网络密度及小团体数目等因素探究微信好友关系对社群发展的影响,以期为成功构造基于微信的虚拟学习社群提供借鉴与启示。