基于协同过滤的个性化推荐算法研究与实践

本设计是在研究协同过滤算法的基础上设计实现一个网上书店系统.该系统实现基于用户的协同过滤算法和基于项目评分预测的协同过滤算法,并且能够为用户展示个性化推荐的结果.     

利用数字化图书管理平台促进课外阅读活动开展

2012年,成都市统一建立了中小学数字化图书管理平台(网图系统),实现了学校图书数据的共建共享。在这一大背景下,成都师范附属小学也顺利应用图书数字化管理平台,成功完成了44 350本纸质图书的数据信息建库工作。如何利用这一平台开展课外阅读活动被提上图书管理员工作的议事日程。叶圣陶先生曾说:“学生在校的时候为了需要与兴趣,须在课本或选文以外阅读旁的书籍和文章;他日出     

基于位置情境的移动语言学习研究

移动语言学习是以移动终端为媒介的新型教育模式,已成为现代语言学习的重要模式之一,而大部分移动语言学习平台没有考虑应用情境,未把语言学习指向实际应用维度,很少考虑个体差异,鲜有能实现个性化的自主推荐。文章基于位置情境和模糊推荐技术,突破传统语言教学在时间、地点、语言运用及个性化教学等方面的瓶颈,设计了M-O ral辅助英语学习系统。随后,文章从7个维度对该系统的可用性进行了分析,结合用户体验调查结果分析了用户对该系统的满意程度并对该系统进行了改进。实证表明,该系统操作性强,具有很高的实用性。     

教师在学生课外阅读中的作用

随着新课改在全国的推行,语文教学改革也势在必行,对学生语文能力的要求也提出了更高的标准。要想在根本上提升学生的语文能力,还是要从阅读入手,尤其是课外阅读。教师在学生课外阅读活动中的职责是激发兴趣,营造氛围,授予方法,帮助学生顺利阅读,促使学生养成阅读习惯。     

别让学生输在阅读的起跑线上

阅读得需要大的环境,如果没有读书的氛围,就算教师和家长再怎么着急,学生面对书籍还是无动于衷。可见创设氛围非常重要。那么,如何创设读书的氛围呢?首先,教师要有一个很好的感染的作用。学生很崇拜老师,因为老师知识渊博,博览群书。知识面广。我抓住这一心理,每次上课前,或讲完一篇课文,我就延展开,介绍一篇相关的文章或一部相关的著作,做一个简介,推荐给学生们。     

让“好书推荐”活动点燃学生的阅读热情

如何激发学生的阅读兴趣,让学生"挑合适的书,看喜欢的书"是语文老师一直关注的话题。笔者在所任教的班级中,从三年级开始,利用阅读指导课开展"好书推荐"活动,教师分析已有的推荐书目,帮助学生挑选合适的书籍;学生阅读后,再推荐给全班同学。本文从阅读现状、教师推荐、学生推荐、教育成效四个方面,论述"好书推荐"活动如何点燃学生的阅读热情。     

我国数字阅读APP个性化推荐算法透明度实证分析

个性化推荐算法生成的阅读建议便捷了人们的阅读生活,却也带来认知窄化等问题,因此向公众准确披露算法风险、保障算法透明愈发重要。文章以23款主流数字阅读APP为研究样本,从技术标准、用户感知和规范合规三个维度设计透明度检测要点,通过分析相关隐私政策文本及算法功能,评估算法透明度的履行差距。基于此,提出完善算法透明标准体系、推进数字阅读行业自律发展、增设“算法标签”、在算法设计中纳入透明度合规考量等对策。     

基于DeepFM的个性化练习题目推荐系统研究

文章针对学生在学习程序设计类课程时做题针对性不强、难以精准查缺补漏的问题,基于DeepFM模型,根据学生做题的历史行为数据及是否集中点击题目,来预估学生对其他题目的点击率,在对预估点击率排序后向学生推荐高点击率的题目,并通过ROC曲线、AUC值和混淆矩阵等指标评估推荐效果。该推荐系统基于DeepFM模型设计,实现了个性化练习题目推荐,已应用于实验教学。实验教学结果表明,该系统有助于提高实验教学效果,使学生的学习更高效,其中成绩较好的学生的学习效果提升更显著。文章还通过聚类分析、关联规则和分类预测等方法对学生的学习行为数据进行了分析,分析结果进一步验证了练习题推荐系统对实验教学的重要作用。     

在线课程思政资源智能推荐系统设计

为了解决在传统教学中难以实现三全育人理念下的全程育人问题,设计一个在线课程思政资源智能推荐系统,有助于在课余时间进行线上思政育人。系统由下往上分为数据采集层、数据分析层和资源推荐层,将数据采集层中的学生基本属性及行为数据输入至数据分析层中的卷积神经网络（CNN）,预测学生偏好课程,然后从My SQL数据库中提取相应的课程思政资源,形成推荐列表至资源推荐层,实现对学生的智能推荐。基于学校教学平台的数据实验,结果表明,该系统具有较高的F1值和AUC值,对推动高校三全育人建设具有一定的工程价值。     

个性化学习资源推荐中文本情感识别的作用及关键技术

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。