云环境下学习者建模与学习资源推荐方法研究

目前,个性化推荐研究不断深入,一些重要的研究成果逐渐在实际应用中取得成效,但仍面临兴趣表达不充分、推荐效率不高等问题。鉴于此,文章综合利用兴趣图谱、本体理论、云计算和信息推荐等技术,对学习者建模与个性化推荐方法展开研究。在深入分析用户行为数据的基础上,利用兴趣图谱对学习者进行建模,研究兴趣图谱的生成、演化与反馈方法,建立云环境下的个性化推荐系统。

基于学习者兴趣挖掘的个性化课程推荐方法

在线教育的一个显著特征是兴趣驱动,通过对学习者的学习行为数据的分析与挖掘,建立学习者的个性化学习兴趣模型,并进一步基于学习者学习兴趣为其推荐合适的课程。首先,建立学习者多层兴趣模型,准确刻画学习者对知识主题、课程及知识领域的兴趣度;其次,构建学习者兴趣关系网,并基于兴趣关系网采用协同过滤方法为学习者进行课程推荐;最后,通过实验验证,证实了所提方法的有效性。

基于心智模式的慕课学习资源设计研究

随着现代教育改革的推进和人们学习理念的改变,具有开放式、碎片化、进阶性学习特点的慕课学习在迅猛发展的同时,也带来了慕课学习资源设计的问题。如何设计出满足学习者需要和激发学习者持续学习兴趣的慕课学习资源已成为众多慕课学习资源平台迫切希望解决的问题。基于心智模式,通过对118位学习者进行访谈调研获取他们的心智数据,并邀请其中一些学习者进行脑电实验,用于验证与完善慕课学习资源设计。结果表明,上述方法在帮助改善慕课学习资源的界面设计、慕课学习交流互助等方面较为有效,为今后慕课学习资源的设计研究开辟了新的思路,为慕课教学的发展提供了参考。