Web挖掘在公务员个性化在线学习系统中的应用

如何挖掘学习者学习特征是公务员个性化学习系统设计的核心和重点,Web挖掘技术是解决这一问题的有力工具.通过分析和研究Web挖掘的分类和过程,给出了基于Web挖掘的个性化在线学习的系统架构及算法思想.     

基于本体和个性化学习路径的大学生计算机课程在线学习研究

为了提升大学生在网络上学习计算机课程的主动性和学习效率,提出构建基于本体的个性化学习路径推荐模型,具体介绍构建模型的3个步骤,阐述如何经过不断循环和演进,形成满足不同学习者需求的动态、个性化学习路径推荐模型。通过实验结果分析,说明本模型对增加计算机网络学习签到频率,提高学习成绩,减少网络知识点分散化等作用明显。     

基于在线学习行为分析的个性化学习推荐

随着在线课程和线上学习的普及,大量的在线学习行为数据被积累。如何利用数据挖掘技术分析积累的大数据,从而为教学决策和学习优化提供服务,已经成为新的研究重点。文中分析了在线学习的行为特征,挖掘学习者的性格特征与学习效率的关系,实现个性化学习方法推荐。首先,提取在线学习行为特征,并提出了一种基于BP神经网络的学习成绩预测方法,通过分析在线学习行为特征,预测其相应的线下学习成绩;其次,为了进一步分析学习者的在线学习行为与成绩的关系,提出了基于实际熵的在线学习行为规律性分析,通过分析学习者的在线学习行为,定义并计算相应的实际熵值来评估个体的学习行为规律性,从而分析规律性与最终成绩的关系;再次,基于Felder-Silverman性格分类法获得学习者的性格特征,对学习者实现基于K-means的聚类分析获得相似学习者的类别,将学习成绩较优的学习者的在线学习习惯推荐给同一类别的其他学习者,从而提高学习者的在线学习效率;最终,以某在线课程平台的实际数据为实验对象,分别实现在线学习行为特征提取、线下成绩预测、学习规律性分析和个性化学习推荐,从而验证了所提方法的有效性和应用价值。     

在线学习资源的个性化智能推荐研究探析

由于在线学习学习者的认知能力的不确定性、学习兴趣的变化性、用户偏好的多样性等,在线学习资源的个性化智能推荐面临新挑战.文章根据学习者认知能力的模糊综合诊断和学习者多重特征信息融合等,对在线学习资源的个性化智能推荐进行了研究,以期为相关研究者提供参考和启发.     

基于云计算的个性化学习系统的研究

云计算的出现,教育方式的改变和终身教育的要求,传统的教学平台面临了巨大挑战,已经无法满足学习者的学习需求。本文作者依托云计算环境,同时根据学习者的兴趣、访问频度、访问时间而动态的调整页面结构,设计了适应个别化学习需求的云个性化教学平台,满足了现代教育的需求。     

个性化学习资源推荐系统研究

通过分析远程网络学习系统中学习者对学习资源的访问历史,以及与学习者有类似访问兴趣的同组学习者的学习偏好,为学习者提供个性化的资源推荐服务,能够有效提高各种学习资源的利用效率,从而提高教学质量.     

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.     

基于学习风格的个性化推荐系统设计研究

大数据时代下,网络平台上有海量的学习视频,给学习者造成选择困难。为此,如何找到一个适合学习者的学习视频。对此,该研究设计和构建基于学习风格的个性化推荐系统。首先,学习者模块通过学习者自我填写学习风格量表,分析出学习者的学习风格;其次,对需要的学习视频进行分析,判断出该学习视频的教学风格;最后,将学习者学习风格与学习视频的教学风格进行匹配,向学习者进行推荐相匹配的学习视频。个性化推荐系统的设计给予一定的理论依据及实际应用的指导。     

基于混合协同过滤的用户在线学习资源系统个性化推荐方法研究

本文阐述了基于内容的推荐算法、协同过滤推荐算法,分析这两种推荐算法的优缺点,提出一种基于这两种推荐方法的个性化推荐算法,能同时拥有协同过滤推荐算法和给予内容推荐算法的优点,又能一定程度的避免基于内容或协同过滤推荐算法各自的缺点。将本推荐算法应用到用户在线学习资源系统中,更适合在实际推荐系统中应用。     

智能网络学习系统中个性化学习研究

网络学习提倡以学生为主体,智能网络学习系统则以学生的个性化学习为特征．领域知识的组织和智能导航是智能网络学习系统中实现个性化学习的基本问题。探讨智能网络学习系统中的领域知识组织和管理,研究一种个性化学习路径的动态生成算法和个性化学习的页面合成算法,为智能网络学习系统的设计和开发提供基础。     

个性化移动学习系统框架研究

根据学习者个体差异进行个性化学习是当前信息时代移动学习发展的总趋势.个性化移动学习具有学习时间碎片化、学习行为个别化和学习过程个性化的特征,要求系统应当具备三大核心功能:个性化的定制、推荐与呈现.在应用层、业务层和数据层三层框架下,能够实现个性化移动学习系统的基本功能需求.     

基于Web的个性化学习系统研究

现代远程教育最重要的特点之一就是能够为学生提供个性化的教育。个性化的现代远程教育将整个教学活动作为一个有机的整体,各教学环节之间有密切的联系。该文以国家现代远程教育支撑软件———管理系统课题为背景,使用数据挖掘技术发现每个学生的个性、学习行为、学习反馈信息和教师感兴趣的有关教学的信息,及时调整教学策略,制定适合学生个性的教学内容和教学活动。     

SpringBoot在线学习系统的开发

在线学习系统是以教学实践工作需要为背景,以提高教师教学效率,改革学生学习模式,推动科学化、信息化和规范化管理为目的而开发的软件系统。为了实现对学生学习管理工作的信息化和规范化,本文在分析高校在线学习系统的发展现状和趋势的基础上,针对目前学习和管理的主要内容和存在的主要问题,设计开发了基于SpringBoot的在线学习系统,为实现学校学习及管理工作的信息化和规范化提供一个方案。该系统具有以下特点：（1）使用SpringCloud微服务架构,nginx作为服务器,使本系统成为一个稳定性高、可用性高、技术兼容性强以及可扩展性高的系统。（2）使用ElasticSearch作为搜索引擎,帮助系统以极高的速度去处理大规模的数据。（3）使用RabbitMQ作为消息中间件,在视频处理、课程发布等功能中起到了流量削峰、微服务之间解耦的作用,进而提高系统整体的使用体验。     

为个性化学习重建教育系统

引子教师雪莱的角色转变雪莱·赖特是加拿大萨斯喀彻温省的一名高中英语教师。一年前她在自己的教学中开始了翻转课堂的实践。在这个过程中,雪莱的课堂逐渐从以教师为中心转变到了以学生为中心。学生开始了自己有目的的学习,而雪莱的角色也从课堂的演讲者变成了学习的促进者和合作者,她帮助学生学会学习,发展各种技能,促使他们反思。随着时间的推移,这种新的方式产生了巨大的作用。有一天,雪莱发现翻转课堂消失了。学生不再需要她录制或推荐教学视频。     

基于Web数据挖掘的个性化学习系统研究

结合Web数据挖掘在E-learning平台中的应用,分析了Web数据挖掘的基本过程与关键技术,提出了一种基于Web挖掘的个性化学习平台模型,并阐述了Web挖掘在平台中的应用及其个性化搜索引擎的实现.     

个性化的远程学习模型

随着互联网应用的发展,人们越来越多地把学习过程放到网络上来,而不再局限于传统的教室学习,因此基于Ｗｅｂ的远程学习得到了迅速推广。但是由于受教育对象之间存在着鲜明的个性特征差异,而目前存在的远程教育系统模式单一,学生只能被动地接受完全相同的学习内容,而不能主动地根据自己的需要选择、调度、控制自己的学习过程,这样,再丰富的教育资源也未能得到充分利用。为了从根本上解决这一矛盾,提高教育信息资源的利用度,使学生在学习过程中变被动为主动,实现因材施教,文章结合个性化服务的思想,提出个性化学习的概念,并系统地叙述了个性化的远程学习模型ＰＤＬＭ的原理和构成,给出了实现ＰＤＬＭ系统的具体思路和解决方案。个性化的远程学习将成为远程教育应用的新模式。     

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。     

基于智能学习的在线学习系统探索

本系统充分融合大数据与人工智能技术来整合在线学习资源,结合在线教学活动中的教学内容创造学习环境.以老师为中心,建立稳定有序的心理场域.实现大数据分布式在线教学、第一人称虚拟现实教室同步在线教学和人工智能引导在线实验教学.以此支持学习者随时随地利用PC端或移动端进行在线课程学习.