个性化学习路径推荐综述

近年来，伴随着现代信息技术的迅猛发展，以人工智能为代表的新兴技术在教育领域得到了广泛应用，引发了学习理念和方式的深刻变革.在这种大背景下，在线学习超越了时空的限制，为学习者“随时随地”学习提供了更多的可能性，从而得到了蓬勃发展.然而，在线学习中师生时间、空间分离的特征，导致教师无法及时掌握学生的学习状态，一定程度上制约了在线学习中教学质量的提升.面对多元化的学习需求及海量学习资源，如何迅速完成学习目标、降低学习成本、合理分配学习资源等问题成为限制个人和时代发展的重大问题.然而，传统的“一刀切”的教育模式已经不能满足人们获取知识的需求了，需要一个更高效、更科学的个性化教育模式，以帮助学习者以最小的学习成本最大限度地完成学习目标.基于以上背景，如何自动高效识别学习者特征，高效地组织和分配学习资源，为每一位学习者规划个性化路径，成为面向个体的精准化教育资源匹配机制研究中亟待解决的问题.系统地综述并分析了当前个性化学习路径推荐的研究现状，并从多学科领域的角度分析了对于同一问题的不同研究思路，同时也归纳总结了当前研究中最为主流的核心推荐算法.最后，强调当前研究存在的主要不足之处.     

营造安静试听氛围 Razer Opus寂星鲨降噪耳机

无论是早已闻名的北海巨妖系列还是最近几年频繁更新的战锤狂鲨系列,对于用户来说都再熟悉不过了,这两款出自Razer的耳机产品已经获得过许多赞誉,拥有不少粉丝。特别是针对北海巨妖系列,Razer还定制了多款个性化版本,让其继续扩大影响力。不过,受众颇多的北海巨妖系列仍旧是面向入门级与主流用户的产品,在应对高端人群与差旅用户这部分市场方面,Razer还有所欠缺。于是,Razer于近期全新推出了面向高端用户的Opus寂星鲨降噪耳机,它能给我们带来哪些不一样的感受呢?     

中国:整体品质优于往年

2019年的中国葡萄酒市场简直“太难了”,不管是葡萄酒上市公司的季度报,还是产量和各项进口数据都处于逐月下滑的态势中。2018年国产葡萄酒产量下降7.4%、进口量下降8.26%,整个葡萄酒市场迎来“霜降”,进入2019年依旧延续了2018年的发展态势,量额双降。国产酒与进口酒都进入行业调整阶段。为提高中国葡萄酒品牌的影响力,国产葡萄酒产区也呈现出精准定位、个性化发展模式。一方面减少产量,降低市场压力,另一方面提高葡萄酒的品质,提高竞争力。     

ORAL外语口语APP开发与应用设计构想

随着2018年教育部出台中国英语等级量表(CES)计划在2020年前逐步推进,我国未来将会建立起一个统一的并为国外认可的英语测评体系,对学生英语听说读写能力的测评标准也将提高。受制于有限的语言环境,中国学生的听、说能力相对较弱,且缺乏有效训练。为了改变应试教育下学生固化的语言学习模式和思维模式,使学生学习语言目的更趋向于生活化,提升其语言交际能力,文章在分析对比市面上现行外语口语学习APP的基础上探索设计一种新型的更适用于本国学生的外语口语学习软件,旨在创设真实自然的语言环境,切实提高青少年口语学习水平。     

周彦君:为大师孵化黄金创意空间

“一件产品不能打遍天下。”这是高级工艺美术师、北京工艺美术大师周彦君一直以来坚守的思想。在这个思想上,周彦君多次提出了“产品地域化、个性化”的相关理念,也为行业诸多同行所认同。     

精准辅导答疑在骨干教师教学激励计划中的实践研究

将习近平总书记“精准扶贫” 的重要思想应用于高等学校教学辅导答疑工作中, 明确了高校教师辅导答疑工 作的目的、内容和措施。针对大学生在学习、生活过程中遇到的各种问题以及个性化需求, 将辅导答疑的类型分成 5 种形式, 实施精准辅导答疑, 提高人才培养质量。     

个性化高校新闻分类推荐的应用研究

随着信息化和数字化时代的到来,大数据广泛渗入到各个领域。信息过载使得用户无法快速、准确地获取个人最关注的内容,这严重影响了浏览页面时的用户体验。为了能精准地进行分类推荐,对新闻分类和推荐方法进行细致的研究,进而提出一种能够进行精准分类,准确获取信息的推荐方法。利用爬虫技术获取真实的高校新闻数据;采用基于肘部法则改进的K-means算法进行聚类分析;结合用户注册时选定的兴趣标签,利用基于内容与协同过滤组合的推荐策略,针对不同用户的需求进行个性化推荐;以列表等形式将个性化的推荐结果展示给用户。根据高校的真实数据进行实验,结果表明,该算法能够有效地对高校师生的个性化服务需求进行处理,提高获取新闻时的高效性、准确性和智能性。     

基于数据挖掘的开源电子资源访问行为统计模型

为了解决当前图书馆资源个性化推荐过程中存在推荐的准确率、召回率以及效率较低的问题,采用二维距离模型构建用户社区模型,用于描述访问用户与图书馆开源电子资源之间的关系,并对互联网用户需求和访问行为进行模糊规则推理.依据互联网用户属性和图书馆资源访问需求属性之间的模糊规则,建立图书馆开源电子资源访问行为统计模型,并利用该模型向用户提供个性化推荐服务.仿真结果表明,所建模型的推荐召回率高达98. 4%,推荐准确率为99. 2%,运行时间小于0. 04 s.所建模型能够为互联网用户提供准确、高效地图书馆资源个性化推荐服务.