在线教育平台中个性化学习资源推荐系统设计

为了通过充分挖掘和分析用户的学习行为规律及认知特点,借助互联网和人工智能技术提升个性化教育的深度和广度,设计了一个包含用户画像的个性化学习资源推荐系统。该系统由数据层、数据分析层和推荐计算层构成。数据层由用户数据以及包含知识资料、学习资料和标签集的资源库组成;数据分析层融合了以基础信息、学习行为等为代表的静态数据和动态数据,据此为用户生成个性化画像、提供直观形象的学习反馈;推荐计算层则通过相似性分析和聚类算法发现用户的学习行为规律,使用TF-IDF方法挖掘用户的资源偏好,并据此给出个性化的学习建议。该系统已应用于一个以人工智能类课程为主的在线教育平台,为师生提供个性化画像、学习反馈与资料推荐的服务,当前处于第二个学期的试用阶段。     

数据、信息和知识三层图谱架构的推荐服务设计

海量的学习资源会引起用户在学习过程中产生认知过载和资源迷航,对数据、信息和知识等形态的资源的原始表述的自然语言的机器理解、自动处理、自动综合和自动分析等成为了巨大的挑战。从应对自动增量式结合经验知识和减少人工专家交互负担等两方面考虑,从资源建模、资源处理、处理优化和资源管理等角度进行研究,基于对现有知识图谱(knowledge graph)概念的拓展提出了一种三层可自动抽象调整的解决架构。该架构借助从数据图谱上以实体综合频度计算为核心的分析到信息图谱和知识图谱上的自适应的自动抽象的资源优化过程支持经验知识引入和高效自动语义分析。该框架借助对应5W(who/when/where,what and how)问题的分类接口衔接用户的学习需求等资源化描述,为用户提供个性化学习服务推荐。     

Web挖掘在个性化远程教育中的应用

基于Web挖掘，提出了一种新的个性化远程教育模型。它能充分利用用户Web访问记录，同时结合用户与站点的交互数据进行挖掘，以此来发现学习者的浏览（学习）兴趣，从而改进页面的设计，优化站点结构，更好地满足学习者的个性化需求，提升个性化远程教育的质量。     

基于Multi—Agent的个性化远程教育系统研究

以学生为中心的个性化、交互协作式教学是远程教学的本质特征。在分析远程教育的现状基础上，论文提出了基于多代理技术的个性化远程教育系统。该系统集www技术和Agent技术与一体，通过智能教学Agent跟踪学生学习情况，监视学习交互进程，收集并分析学生在教学各环节的信息，从而为学生提供个性化的学习建议指导。与传统的远程教育系统相比，该系统更能充分体现远程教育个性化教学特点，真正做到因材施教和提高教学质量。     

基于主体网格的本体驱动自主学习系统

网上学习系统大多只是教材的一种电子化,没有实现用户的个性化教学。该文提出建立基于本体驱动的智能知识导航图。在学习过程中,用户可定制个性化学习内容,主体网格平台可通过Agent动态搜集个性化信息,在参考已建立的知识点本体后,基于用户行为观察的方式创建个性化学习档案,并利用主体网格智能平台AGrIP的多Agent协作提供个性化的、智能自主学习系统,为用户提供更好的知识服务。     

数据挖掘在个性化学习系统中的运用

介绍了一种个性化学习系统，它是远程教育的一种新模式。它针对不同学生的个体差异，为学生提供不同的学习资料。个性化的基础是记录学生的学习过程及学习结果，并对这些数据进行挖掘，分析出学生的个性化特征。该系统就是通过运用数据挖掘技术来研究学生的个性，制订适合学生个性的学习内容，为学生提供个性化服务。数据挖掘技术在网上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。     

个性化在线学习系统研究

该文针对目前在线学习系统不能为学习者提供个性化学习资源的不足,该文设计了一个利用用户行为数据表征其个性化特征的个性化在线学习系统。该系统能为根据不同学习者的不同需求为学习者提供个性化学习资源。     

大数据驱动的个性化服务智能推荐系统研究

大数据时代背景下,数据信息资源海量化,个性化智能推荐系统是有效解决由于海量数据信息超载的一种高级商务智能平台,它能根据用户的需求实施数据信息的个性化推荐。通过对大数据技术和人工智能概念进行梳理,给出了大数据驱动的个性化服务智能推荐关键技术,提出了系统架构,进一步提炼了大数据和人工智能的价值,使大数据技术和人工智能的价值有了新的体现。希望该研究能为大数据驱动下的智能推荐系统的研究者提供参考和借鉴。     

基于Web挖掘的个性化远程教育系统研究

针对现在网络远程教育存在的系统教育模式单一问题,通过介绍Web挖掘在远程教育系统中的应用,指出了Web挖掘的基本过程和关键技术,提出了一种基于Web挖掘的个性化远程教育服务系统模型,重点论述了应用Web挖掘进行个性化远程教育服务系统的体系结构及其个性化引擎实现.实践证明基于Web挖掘技术在远程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.     

Web挖掘在个性化远程教育中的应用

基于Web挖掘,提出了一种新的个性化远程教育模型。它能充分利用用户Web访问记录,同时结合用户与站点的交互数据进行挖掘,以此来发现学习者的浏览(学习)兴趣,从而改进页面的设计,优化站点结构,更好地满足学习者的个性化需求,提升个性化远程教育的质量。     

基于机器学习的核电文档个性化推荐系统研究

本文对采用个性化推荐的方式来辅助用户开展文件检索进行研究,根据用户历史搜索记录以及用户网站行为日志进行分析来推荐用户想要的搜索结果,变被动搜索为主动推荐。文章从推荐系统的建设思路、总体架构设计、数据采集来源分析、数据处理策略、推荐引擎的模型设计、机器学习计算框架选择几个部分来开展研究。重点阐述了基于文件的协同过滤算法叠加基于图的推荐模型的算法核心。通过计算文件之间的相似度,并根据文件的相似度以及用户的历史行为生成推荐列表,再根据岗位、知识点等实体关联所建立的关系图来对推荐结果进行过滤、排序。通过开展基于机器学习的文档个性化推荐研究,为基于大数据及人工智能技术的文档及信息资源开发利用做了有益的探索。     

基于学习情境分析的E_Learning系统用户视图设计

设计符合学习者认知特性的E_Learning系统用户视图,有助于提高学习者的学习效率、促进组织的知识转移.给出了基于学习情境分析的E_Learning系统用户视图的设计框架,在设计过程中,通过学习情境更新方法获取学习者的认知特性,通过用户视图生成方法保证设计出的E_Learning系统用户视图符合学习者的认知特性.最后的实例说明了所给设计的具体实用和实际效用.     

Interactive knowledge based construction and maintenance

This article presents a framework and case study of knowledge revision and maintenance. Doing so it relies on a real-world application of medical decision making, namely, acute abdominal pain in children (AAPC), and makes use of an integrated learning and knowledge revision system called MOBAL. The presented framework integrates expert knowledge with empirical knowledge. MOBAL serves as a vehicle of interaction between the expert user and the medical records, which brings empirical knowledge into the process. An iterative-cyclic framework is used to formalize knowledge revision and maintenance. Results are demonstrated using AAPC. The article focuses on expert user-revision system interaction while it offers a complete case study account of using MOBAL in a real-world setting.     

Balanced Cooperative Modeling

Machine learning techniques are often used for supporting a knowledge engineer in constructing a model of part of the world. Different learning algorithms contribute to different tasks within the modeling process. Integrating several learning algorithms into one system allows it to support several modeling tasks within the same framework. In this article, we focus on the distribution of work between several learning algorithms on the one hand and the user on the other hand. The approach followed by the MOBAL system is that ofbalanced cooperation, i.e., each modeling task can be done by the user or by a learning tool of the system. The MOBAL system is described in detail. We discuss the principle of multi-functionality of one representation for the balanced use by learning algorithms and users.     

基于XML远程教学资源管理系统的研究与应用*

为解决学习内容的合理组织所提出的知识体系结构的构建,以及知识体系结构与元数据的关系,研究了媒体素材库的学习对象元数据。根据学习内容的组织,结合有关标准规范,介绍了一个具体的远程教育资源管理系统的功能模块和结构,并讨论了用于系统开发的XML及其他相关技术。     

Ubiquitous computing: connecting Pervasive computing through Semantic Web

Ubiquitous computing refers to building a global computing environment where seamless and invisible access to computing resources is provided to the user. Pervasive computing deals with acquiring context knowledge from the environment and providing dynamic, proactive and context-aware services to the user. A Ubiquitous computing environment is created by sharing knowledge and information between Pervasive computing environments. In this paper we propose a framework that uses the potential of the Semantic Web to weave Pervasive computing environments into a Ubiquitous computing environment. We discuss how the collaboration of these Pervasive environments can create an effective Ubiquitous computing environment referred herein as the Integrated Global Pervasive Computing Framework (IGPF). We test the effectiveness of the Ubiquitous environment through a small scenario from a prototype system that we have implemented over this framework to handle medical emergency scenario.     

基于集成化建模的个性化和自动化的学习资源选择平台(英文)

In order to automatically select learning resources in an Internet environment according to the background knowledge and the learning objectives of the learners,a platform based on integrated modeling is developed.The platform constitutes three levels and four views.The three levels are database level,knowledge analysis level and modeling level.The four views are user modeling,learning resource modeling,knowledge points modeling and learning process modeling.The process model is used to connect the learners and the learning resources.The workflow optimization method is used to optimize the learning resource selection according to the objectives and background knowledge level of the learner,at the same time,a learning plan is given.Finally,a web-based prototype system is developed by java.     

基于本体的教学知识库研究与应用

知识库是智能教学系统的基础。由于教学知识库的描述标准不统一,知识表示方法也不同,所以导致教学知识难以共享和互操作。将本体引入教学领域知识库建模过程,建立概念共享模型,提供概念语义空间,不仅可以解决智能教学系统中的知识共享和互操作问题,而且易于实现基于本体的语义检索系统,从而大大提高系统的查全率和查准率。