融合学习者社交网络的协同过滤学习资源推荐

传统的协同过滤推荐算法存在冷启动和数据稀疏的问题,使得新学习者因历史学习行为记录稀疏或缺失而无法获得较准确的个性化学习资源推荐。鉴于此,文章提出将学习者社交网络信息与传统协同过滤相融合的方法,计算新学习者与好友之间的信任度,借助新学习者好友对学习资源的评分数据,来预测新学习者对学习资源的评分值,以填补新学习者在学习者—学习资源评分矩阵中的缺失,实现对新学习者的个性化学习资源推荐。实证研究结果表明,该方法在一定程度上能够解决传统协同过滤方法的冷启动和数据稀疏问题,提高个性化学习资源推荐的准确率。

国内教育技术学核心网站测定实证研究——基于网络信息计量学指标

为了从数量众多的教育技术网站中挖掘出核心网站,文章以国内7大类共307个教育技术学网站为研究样本,依据"页面总数"、"总入链数"、"网络影响因子"等网络信息计量学指标,利用布拉德福定律和网络影响因子法对国内教育技术核心网站进行测定,并对不同方法测定所得结果进行分析、讨论,研究结果表明这种评价方法是科学、有效和可靠的。