推荐系统在新闻领域的研究综述

随着互联网的发展,人们获取信息的方式发生了巨大变化,但也伴随着信息量过载的问题。推荐系统帮助用户在海量信息中获取自身所需的数据,而新闻领域的独特性成为推荐系统发展的一个重要方向。本文重点介绍了传统的推荐算法包括基于内容的推荐、基于协同推荐和混合推荐的主要内容和在新闻领域中的研究现状,然后对比不同推荐算法在新闻领域应用的优缺点,并简要介绍基于人工智能的推荐系统。

国外整合STEM的教育机器人课程案例研究——以卡耐基梅隆大学机器人学院ROBOTC课程为例

文章立足STEM整合的视角,选取美国卡耐基梅隆大学机器人学院系列课程作为研究对象,采用内容分析法对其课程体系、课程设计理念、课程结构及教学设计等主题进行研究,深入分析该系列课程在PBL学习、工程教育、课程整合等方面的特点,以期为国内机器人教育教学研究与实践提供具有较为完整图景的参考范例。