基于扩展的Granott相互作用模式的移动协同学习模型研究

传统的移动协同学习模型的研究和架构都是从技术的角度提出,而忽略了协同过程中学习者相互作用的社会性对其的影响程度。首先在经典Granott模型的基础上研究了一种扩展的Granott相互作用模式,然后提出了一种基于扩展的Granott相互作用模式的移动协同学习模型,并对其中的Granott驱动逻辑对象进行了形式化算法描述,最后通过原型系统对模型进行了验证和实现。模型支持移动学习者基于扩展的Granott相互作用模式获取协同过程中同伴的协同行为,从而有效地完成协同学习工作。

一种基于Granott模型驱动的移动协同学习系统研究

针对目前移动协同学习缺乏研究学习者相互作用的社会性问题,提出一种基于Granott模型驱动的移动协同学习系统。首先对Granott模型进行研究和分析,并对该模型给出形式化描述算法,然后详细介绍原型系统的实现架构和信息处理模式,最后在原型系统中进行了实现。实验表明,该原型系统能够支持Granott模型驱动,从而帮助学习者有效地完成移动协同学习任务。

移动环境下基于情境感知的个性化信息推荐

随着移动互联网的发展,越来越多的用户信息获取过程通过移动终端完成。但当前个性化推荐系统对用户情境的感知能力不足,缺乏为用户提供符合当前情境的个性化信息推荐服务。为此,本文提出了基于贝叶斯方法的情境化用户资源类别偏好学习以及融合该类别偏好的协同过滤个性化信息推荐。运用贝叶斯方法学习用户在不同情境下对各资源类别的偏好,然后将该类别偏好与传统协同过滤推荐算法相结合,生成符合用户当前情境的个性化信息推荐。实验表明本文提出的改进算法可以提高推荐的准确率。