基于学习风格的个性化自适应资源推荐算法研究

个性化自适应资源推荐是以学习者为中心、以人工智能和大数据技术为基础,模拟人类思维进行学习资源推荐的过程。论文在分析学习者和资源学习风格的基础上,分别构建学习者模型和资源模型,运用基于学习风格过滤推荐算法、协同过滤推荐算法、关联规则推荐算法,展开个性化自适应资源推荐研究。研究结果表明,以学习风格为基础的混合式自适应推荐的结果,更贴合学习者的个性化学习需求。     

在线学习资源推荐综述

近年来越来越多的学校广泛使用网络在线授课，然而互联网中海量的学习资源令学习者难以抉择。因此，研究在线学习资源推荐并为学习者进行个性化推荐非常重要，这可以帮助学习者快速获取其所需的优质学习资源。针对在线学习资源推荐的研究现状，从以下5个方面进行分析总结。首先，总结了目前国内外在线教育平台在学习资源推荐方面的工作；其次，分析和探讨了以知识点习题、学习路径、学习视频和学习课程为学习资源推荐目标的4种算法；接着，分别从学习者和学习资源的角度出发，以具体的算法为例，详述了常用的基于学习者画像、基于学习者行为和基于学习资源本体的3种学习资源推荐算法；此外，总结了公开的在线学习资源数据集；最后，分析了学习资源推荐系统目前存在的问题和未来的发展方向。     

个性化学习资源精准推荐系统设计研究

随着我国教育信息化进程的不断推进,学习者获取学习资源的方式逐渐从主动检索转变为学习系统自动推荐。智能化的学习内容推荐行为极大地提高了用户获取个性化资源的效率,但是内容推荐在教育领域中的应用仍存在着许多方面的不足。该研究分析了推荐系统在教育领域中的应用现状,介绍了主流的推荐算法及其实现原理,并采用混合推荐模式和不同的推荐策略,设计出个性化学习资源精准推荐系统的系统模型,以期助力学习者的个性化学习。     

基于Web挖掘的个性化教学推荐系统

针对学生网络学习环境设计了一种新颖的个性化教学推荐系统。该系统通过测试学生的学习风格和挖掘Web浏览日志,构造了不同学生学习风格和Web使用习惯的模型。首先利用Item-Based Top-N推荐算法对数据稀疏的学习风格测量数据进行处理,实现对学生学习风格的诊断;然后,采用AprioriAll算法挖掘Web浏览日志中序列频繁集,分析出学生Web使用的常见习惯和兴趣;最后,依据不同的学习风格和Web使用习惯实现学习内容的个性化推荐。模拟实验表明,该推荐系统的设计是可行并有效的,能够很好地符合用户的真实需求。     

个性化网络学习系统设计研究

本文以个性化学习理论为指导,探索出能够适应学习者个性化学习的网络学习系统的基本模块及其功能,并通过综合运用数据库技术、数据挖掘技术以及人工智能技术来完善系统的功能。该系统将网络学习的特点与学习者的认知水平、认知风格和兴趣爱好等个性化因素紧密结合起来,为学习者营造一个个性化的网络学习环境。     

个性化网络学习系统设计研究

本文以个性化学习理论为指导,探索出能够适应学习者个性化学习的网络学习系统的基本模块及其功能,并通过综合运用数据库技术、数据挖掘技术以及人工智能技术来完善系统的功能。该系统将网络学习的特点与学习者的认知水平、认知风格和兴趣爱好等个性化因素紧密结合起来,为学习者营造一个个性化的网络学习环境。     

基于多代理的个性化推荐学习系统

针对现有学习系统存在信息过载、缺乏个性化服务能力、不能提供检索服务的问题,提出基于多代理构建个性化推荐学习系统。该系统利用JADE设计学习者Agent与推荐Agent,采用Lucene设计带有个性化能力的搜索引擎支持推荐,并融合3种推荐方法发挥多Agent间协商与协作的优势。实验结果表明,相比单一推荐方法,该系统具有较好的推荐效果和效率。     

面向个性化学习的慕课资源推荐系统开发

近年来,在线学习得到了大规模普及,互联网上已发布了海量的慕课学习资源.针对广大学习者进行在线慕课学习时面临的"信息迷航"和"信息过载"等问题,以混合推荐算法为基础,通过多角度挖掘用户的个性化信息,设计并实现了一个面向个性化学习的慕课资源推荐系统,以此为广大学习者提供自主学习的辅助支持.该系统能充分挖掘学习者的显式和隐式偏好,为其推荐满意的慕课资源,具有良好的应用价值.     

语法试题个性化推荐系统的研究

为了提高试题个性化推荐系统对语法试题推荐的有效性,定义了韩语语法点矩阵、得分模型、潜在学习特征向量等,建立了学习态势算法,设计了试题智能推荐的整体框架.该系统以学习者的态势计算为基础,对学习者语法学习能力估算,再进行试题推荐.通过两组学习者对比,根据系统的平均使用时间、成绩提高率、答卷正确率和试题推荐精准率等指标进行评估,结果显示,该推荐系统对学习者有显著的助学效果.     

微服务架构的在线课程学习系统的研究与设计

随着互联网技术和数字化教育的发展,在线课程学习与线下课堂逐步融合互补。针对线下课堂时间和空间的限制,以及无法定制个性化学习的缺陷,设计一套SpringCloud微服务架构在线课程学习系统。系统包含账号登录、视频观看、课程学习、评论收藏、个性化分析、学习路线推荐等功能。该在线课程学习系统实现了资源共享,其灵活性、便捷性突破了时空的制约,同时其个性化分析可以对学员的学习情况和兴趣进行分析并针对性的进行推荐。     

基于行为序列分析的学习资源推荐算法研究

利用数据挖掘技术分析网络学习行为数据可以挖掘出其隐含的行为规律特征,为学习者提供个性化的学习资源服务。针对现有的数据挖掘算法在对网络学习行为数据进行分析时普遍存在模型适用性不高的问题,提出了一种基于行为序列分析的学习资源推荐算法。首先,提出行为序列及其相关概念的定义,并提出行为序列相似度计算方法;然后提出基于行为序列相似度的协同过滤推荐算法,计算学习者相似度并为待推荐学习者生成学习资源推荐列表;接着给出基于学习风格的推荐方法,将学习者学习风格特征融入推荐过程;最后,给出基于行为序列分析的学习资源推荐算法的模型。提出的算法没有对行为序列的模式进行限制,具有较高的适用性,对深入研究网络学习行为序列数据为学习者提供个性化学习服务具有一定的借鉴作用。     

基于学生学习风格画像的资源推荐系统设计与优化

文章提出一种基于学生学习风格画像的资源推荐系统的设计与优化方法,通过量表和聚类得到学生的学习风格画像,使用协同过滤推荐算法为学生自动推荐合适的教学资源。该方法可以有效地捕获学生的学习风格,为其提供个性化的学习资源推荐服务。     

基于本体的e-Learning环境个性化服务处理方法*

为了向e-Learning环境中的学习者提供符合其个性化需求的学习服务,结合本体论具有概念和关系定义明确的特性,提出了e-Learning环境中学习者的个性化情形本体模型和相应的学习者个性化服务处理方法,该方法综合考虑了学习者的认知状态和学习偏好,进行个性化的答疑和进一步学习的内容推荐。采用该方法实现的原型系统实验表明,可使学习者的学习更有针对性,可更及时有效地消解疑惑,从而提高了学习者的学习效果和效率。     

基于情境感知的学习资源个性化推荐机制研究

面对海量的学习资源,如何为学习者推荐与情境相匹配的学习资源是亟需解决的问题。文章在详细描述学习资源个性化推荐情境要素的基础上,构建了包含情境感知层、资源管理层、学习诊断层、个性推荐层及学习者界面的学习资源个性化推荐系统,并阐述了系统的推荐流程及实现。在情境感知理论的基础上,构建以情境感知技术为核心的学习资源个性化推荐系统,能提高学习资源与学习者之间的动态适应性,更好地服务于学习者的个性化学习需求。     

多Agent的个性化学习路径推荐系统设计

该文章介绍了一个多agent的个性化学习路径推荐系统,该系统通过前测来掌握学习者的知识水平,再采用遗传算法来生成最佳学习路径,推荐给学习者。该系统考虑了学习者的水平和推荐课件难度水平的匹配,以及课件之间的相关性以保证学习概念的连续性。对比传统的自由浏览学习模式,这个系统有效地提高了学习者的学习效率。     

基于相似学习风格的资源分类和推荐服务

通过研究学习者的学习风格和影响学习风格的因素,根据学习风格的种类对资源进行基于学习对象的分类,把丰富繁杂的学习资源个性化地组合起来;然后综合用户的访问事务,进行基于代理模式和聚类算法的推荐服务;最后根据用户的反馈和评价对现有系统进行完善和改进。     

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。     

基于学习风格的自适应式虚拟交互方法的研究

新工科教育的改革推进了自适应学习的发展,以往的自适应方式对学习者的主观能动性的重视不足,且大部分已有研究无法提供个性化程度较高的交互体验.针对这些问题,该研究基于学习风格模型提出了一种自适应式虚拟现实交互的新方法.该方法设计了适用于虚拟交互环境的学习风格判断方式,通过分析学习者的主客观数据来判断其学习风格,由此对交互环...     

个性化的自主学习模型研究

自主学习系统是现代远程教育系统的重要内容。本文通过分析自主学习的特点,构造个性化的自主学习模型,并对学习材料的组织、推荐模型进行研究。目的是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。     

个性化小学英语学习系统的设计与实现

针对目前资源学习系统缺乏个性化导致小学英语学习者的资源选择迷航问题,构建以个性化资源组织为核心的学习系统。通过纪录用户信息和个性化学习行为,建立小学英语学习者信息模型;以知识点标注的方式描述英语学习资源,建立学习资源库;运用学习偏好算法和学习水平算法计算学习者偏好,采用新型智能推荐技术,向用户推荐个性化的学习资源。通过原型系统运行实例,其结果验证了个性化学习和智能推荐的有效性。