基于学习者画像的网络学习资源个性化推荐技术研究

利用个性化推荐技术解决学习者在海量学习资源中的"信息迷航"问题,是教育信息化领域的一项重要课题。本文对学习者画像的特点及构建方式进行了分析,并基于学习者画像库研究了网络学习资源的个性化推荐技术。     

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。     

基于教育大数据的个性化自适应学习服务研究——以安徽广播电视大学为例

以安徽广播电视大学为例,基于教育大数据对终身学习者的个性化服务模式进行了系统研究,通过追踪学习过程、分析学习结果、建模终身学习者用户模型、设计个性化推荐算法,设计并提出了一个基于数据挖掘的个性化自适应学习推荐系统,利用聚类分组算法为学习者设计个性化学习服务,为实现自适应的学习方式提供了现实可能。     

基于感知价值和隐私关注的用户移动个性化推荐采纳

移动商务的发展带来了移动网络信息量的激增,为解决信息超载问题,提升用户体验,帮助消费者更加快捷高效地找到合意的商品或服务信息,许多电商网站开发了移动个性化推荐系统。所谓移动个性化推荐,就是以移动终端为载体,根据用户自身或相似用户过去的偏好和行为向其推荐可能感兴趣的商品或服务信息,是购物消费模式向服务消费模式转变的重要手段。鉴于移动个性化推荐主要依赖于用户信息挖掘,会引起用户对个人隐私信息泄露的关注,因此在推荐模型算法改进和移动营销实践中一定要考虑用户对移动个性化推荐的感知和行为意向。基于探索性因子分析、验证性因子分析、结构方程模型及回归分析,实证分析感知价值和隐私关注对用户移动个性化推荐采纳意愿的影响和作用机制发现,用户感知功能价值和体验价值对其移动个性化推荐采纳意愿的影响最为显著,其次是隐私关注,最后是安全价值,感知社会价值的影响不显著;隐私关注对用户感知功能价值和安全价值与移动个性化推荐采纳意愿之间的关系存在负向调节作用。因此,为更好地提高用户移动个性化推荐采纳意愿,唤起用户消费心理并转化成消费行为,一定要在进一步完善移动个性化推荐功能属性,通过加强基于情境的个性化推荐提升用户体验,提高推荐精准性和新颖性的同时,加强用户隐私保护,营造安全的移动营销环境。     

基于深度学习的个性化推荐模型应用

随着信息技术的进步,推荐系统被广泛应用于购物以及新闻等网站门户中,通过分析用户的行为,得出用户兴趣偏向,进而对用户推荐相关信息,以吸引用户的注意。同时深度学习理论与技术的完善,更多复杂的模型被提出,在计算机视觉、语言理解等方面有着广泛的应用。将深度学习技术应用于推荐系统,能够更加充分的融合用户社会属性等方面信息,生成个性化的推荐,使得推荐质量得到较大提升。     

大数据技术下个性化在线教育互动式教学探索

随着在线教育在教育领域中的异军突起,提出了在线教育互动式教学个性化推荐系统构建模式,拟采用大数据的分析技术,通过对学生学习行为数据的收集和分析,综合分析学习者的学习情况,并进行智能推荐。     

构建基于概念地图的个性化网络学习环境模型

本文针对目前网络学习用户的网络迷失、认知负荷超载以及浏览路径失控等问题，提出了基于概念地图理论的个性化网络学习环境模型。对建立具有适应性的网络学习环境模型以提高网络学习质量的基本思路和方法进行探讨，以期为更深入研究和有效解决网络学习质量问题提供参考和借鉴。     

数学个性化学习评价浅谈

个性化学习评价通过诸多手段达到对行为特质和不同个性的学习者的学习活动,均有比较满意的价值判断和行为激励。本文在反思的基础上,讨论了个性化学习评价的内容、个性化学习评价的工具以及工具的使用等。     

数学个性化学习评价浅谈

个性化学习评价通过诸多手段达到对行为特质和不同个性的学习者的学习活动,均有比较满意的价值判断和行为激励。本文在反思的基础上,讨论了个性化学习评价的内容、个性化学习评价的工具以及工具的使用等。     

基于个性化视角的小学数学混合学习行动方案研究

现阶段教学工作的开展往往面向学习者团队,而鉴于学习者团队中各学习者存在较大的差异性,故现代教学工作的成效常会受到一定限制。由此基于学生个性化发展的视阈,进而展开了对小学数学混合学习的行动研究,而后还基于个性化视角对小学数学混合学习模式的设计与实施等工作进行了深入探究。