期刊文献+

泛在学习环境下感知学习过程情境的推荐系统设计 被引量:26

下载PDF
导出
摘要 学习资源推荐作为解决学习者信息迷航和支持个性化学习的重要途径已受到越来越多学者的关注。随着泛在学习的发展,仅在学习开始时向学习者推荐感兴趣的资源已难以满足学习的需求,学习过程中推荐资源、指导专家、辅导服务等显得更加重要。未来的推荐系统应以支持学习为目的,从单纯的资源推荐向将资源推荐与学习过程结合的方向发展,从以用户兴趣为主推荐向感知学习情境推荐发展。文章从学习过程情境的角度出发,对泛在学习环境下的推荐系统进行重新定位与设计,并介绍了学习元平台中的推荐系统,试图为相关研究者提供新的思路与参考。
作者 陈敏 余胜泉
出处 《电化教育研究》 CSSCI 北大核心 2015年第4期76-82,89,共8页 E-education Research
基金 博士点基金项目"泛在学习环境下的学习资源进化研究"(项目编号:20110003110029)
  • 相关文献

参考文献13

  • 1Breese, J.S., Heckerman, D., & Kadie, C.. Empirical Analysis of Predictive Algorithms for Collaborative Filtering [C]. Proceedings of the Fourteenth Conference on Uncertainty in Artificial Intelligence (UAI'98), July 24-26, 1998, Madison, Wisconsin,43-52.
  • 2陈敏,余胜泉,杨现民,黄昆.泛在学习的内容个性化推荐模型设计——以“学习元”平台为例[J].现代教育技术,2011,21(6):13-18. 被引量:56
  • 3余肖生,孙珊.基于网络用户信息行为的个性化推荐模型[J].重庆理工大学学报(自然科学),2013,27(1):47-50. 被引量:18
  • 4Zhao, J., Huang, J.X., Hu, X., Kurian, J., & Melek, W.. A Bayesian-Based Prediction Model for Personalized Medical Health Care[C]. 2012 IEEE International Conference on Bioinformatics and Biomedicine (BIBM'2012), October 4-7, 2012, Philadelpbia, PA, 1-4.
  • 5王立才,孟祥武,张玉洁.上下文感知推荐系统[J].软件学报,2012,23(1):1-20. 被引量:179
  • 6刘建国,周涛,汪秉宏.个性化推荐系统的研究进展[J].自然科学进展,2009,19(1):1-15. 被引量:433
  • 7孟祥武,胡勋,王立才,张玉洁.移动推荐系统及其应用[J].软件学报,2013,24(1):91-108. 被引量:124
  • 8Wan, L.C., Meng, X.W., & Zhang, Y.J.. A Heuristic Approach to Social Network-Based and Context-Aware Mobile Services Recommendation [J]. Journal of Convergence Information Technology, 2011,6 ( 10) : 339-346.
  • 9Baltrnnas, L., Ludwig, B., Peer, S., & Ricci, F.. Context Relevance Assessment and Exploitation in Mobile Recommender Systems [J]. Personal and Ubiquitous Computing, 2012,16 (5) : 507-526.
  • 10Kramer, T.. The Effect of Measurement Task Transparency on Preference Construction and Evaluations of Personalized Recommendations [J].Journal of Marketing Research, 2007, (2):224-233.

二级参考文献167

  • 1李蕊,李仁发.上下文感知计算及系统框架综述[J].计算机研究与发展,2007,44(2):269-276. 被引量:52
  • 2Resnick P, lakovou N, Sushak M, et al. GroupLens: An open architecture for collaborative filtering of netnews. Proc 1994 Computer Supported Cooperative Work Conf, Chapel Hill, 1994: 175-186
  • 3Hill W, Stead L, Rosenstein M, et al. Recommending and evaluating choices in a virtual community of use. Proc Conf Human Factors in Computing Systems. Denver, 1995:194 -201
  • 4梅田望夫.网络巨变元年-你必须参加的大未来.先觉:先觉出版社,2006
  • 5Adomavicius G, Tuzhilin A. Expert-driven validation of Rule Based User Models in personalization applications. Data Mining and Knowledge Discovery, 2001, 5(1-2):33-58
  • 6Adomavicius G, Tuzhilin A. Toward the next generation of recommender systems: A survey of the state-of-the art and possible extensions. IEEE Trans on Knowledge and Data Engineering, 2005, 17(6): 734-749
  • 7Rich E. User modeling via stereotypes. Cognitive Science, 1979, 3(4) : 329-354
  • 8Goldberg D, Nichols D, Oki BM, et al. Using collaborative filtering to weave an information tapestry. Comm ACM, 1992, 35(12):61-70
  • 9Konstan JA, Miller BN, Maltz D, el al. GroupLens: Applying collaborative filtering to usenet news. Comm ACM, 1997, 40(3) : 77-87
  • 10Shardanand U, Maes P. Social information filtering: Algorithms for automating ‘Word of Mouth'. Proe Conf Human Factors in Computing Systems Denver, 1995: 210-217

共引文献862

同被引文献266

引证文献26

二级引证文献199

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部