协同推荐:一种个性化学习路径生成的新视角

以用户需求为中心的个性化学习环境构建是e-Learning未来的发展趋势,也是当前远程教育及智慧教育领域研究的热点。针对个性化e-Learning学习环境的"适应性"问题,从用户认知水平维度切入,利用邻近区用户群(邻居用户)相似性规则提出了一种Web环境下个性化学习路径生成的协同推荐机制,并通过架构设计、系统建模、路径提取及算法设计四个方面重点剖析了自适应学习系统(Adaptive Learning System,ALS)协同推荐机制的技术解决方案,通过系列实验设计、实施以及数据分析对其有效性进行了验证。结果表明,本研究成果在一定程度上能够向目标用户推荐较理想的学习路径,有效改善推荐资源的精准度,进而提高用户学习质量和学习效果。