共查询到19条相似文献，搜索用时 875 毫秒
1.
【目的/意义】研究MOOC平台上的信息如何影响学习者的知识获取意愿,可以辅助平台优化信息资源管
理,提升信息服务质量,有助于MOOC平台的可持续发展。【方法/过程】以“中国大学MOOC”为研究对象,基于启
发式—系统式模型构建学习者知识获取意愿影响因素模型,通过python爬虫程序获取数据,采用多元线性回归方
法对研究假设展开实证分析,并对结果进行稳健性检验。【结果/结论】课程特征和教师特征作为启发式线索,评论
特征作为系统式线索均能影响学习者的知识获取意愿。其中,国家精品课程、教师的粉丝数、教师的回帖数正向影
响学习者的知识获取意愿。课程评分、评分差异性和评论文本长度负向影响学习者的知识获取意愿。中性评论占
比对学习者的知识获取意愿没有显著影响。课程评分在评分差异性影响学习者知识获取意愿的过程中起负向调
节作用。【创新/局限】完善了在线教育环境中学习者知识获取意愿研究领域的理论框架,对MOOC平台提高信息
服务水平有重要意义。 相似文献
2.
【目的/意义】针对现有个人信息隐私保护方法未考虑隐式反馈数据,造成隐私保护效果低的问题,研究基于显隐式反馈的个人信息隐私保护方法,通过利用显隐式反馈信息,有效解决网络中包含个人信息的隐私保护问题。【方法/过程】首先根据提取规则提取个人信息,并将其保存至数据库中。然后,建立融合显隐式反馈数据的矩阵分解模型,利用EifSVD算法对隐式反馈矩阵进行分解。将特征向与显式反馈模型结合,实现了矩阵分解的模型求解。最后,利用个人隐私保护方案,完成矩阵分解模型求解结果的加密保护,利用基于差分隐私算法的目标函数扰动策略对个人隐私信息进行保护。【结果/结论】实验结果表明,该方法充分考虑了用户的隐式反馈数据,具有较高的安全性与可靠性,提升了个人信息隐私保护性能,可以保证个人信息隐私数据在服务端传输信息时的安全性,同时不影响网络传输性能以及数据查询效率。【创新/局限】但因本文中的实验案例较单一,因此研究结果仍存在一定局限性,后期将结合不同案例对所提出的个人信息隐私保护方法进行验证,保证方法的准确性。 相似文献
3.
[目的/意义] 在资源质量参差不齐的虚拟学习社区中,通过度量知识贡献者的信誉来间接判断资源质量,有利于解决用户的资源选择难题。[方法/过程] 采用文献分析法确定了虚拟学习社区用户信任知识贡献者的主要影响因素,分析了虚拟学习社区用户的行为结构与信任影响因素之间的关系,并在此基础上通过问卷调查法构建了虚拟学习社区知识贡献者信誉评价指标体系,最后将评价指标体系应用于"计算机技术论坛"中进行社区可信用户识别实验。[结果/结论] 研究发现,知识贡献者的信誉评价可从用户的权威性和专业知识能力两方面进行,且基于信誉评价指标体系的信誉度量方式具有较高的可信用户识别性能。 相似文献
4.
[目的/意义]从在线健康社区用户兴趣的动态迁移性出发，将时间特征融入社交关系和个人偏好，完善在线健康社区个性化推荐算法，进一步提高用户获取健康信息的准确性。[方法/过程]首先，从用户社交关系出发，构建融入时间特征的用户影响关系网络；其次，依据用户个人偏好，构建融入时间特征的用户话题帖匹配矩阵；最后，将两者融合得到用户话题帖兴趣评分矩阵，据此形成每个用户的TOP-N推荐列表。[结果/结论]构建的融合时间特征的个性化推荐算法可提高推荐的准确度，提升在线健康社区个性化推荐算法的性能。 相似文献
5.
[目的/意义]在社会化标注系统自组织运行的基础上，构建个性化信息推荐的多维度融合与优化模型，进而在大数据环境下，为用户提供精准的个性化信息推荐服务，从而进一步丰富个性化信息推荐的理论体系以及拓展个性化信息推荐的研究方法。[方法/过程]首先，对每一种个性化信息推荐方法的优点和不足进行深入分析；然后，将基于图论（社会网络关系）、基于协同过滤以及基于内容（主题）3种个性化信息推荐方法进行多维度深度融合，构建个性化信息推荐多维度融合模型；最后，对社会化标注系统中个性化信息推荐多维度融合模型进行优化，从而解决个性化推荐过程中用户"冷启动"、数据稀疏性和用户偏好漂移等问题。[结果/结论]通过综合考虑现有的基于图论（社会网络关系）、基于协同过滤以及基于内容（主题）的个性化信息推荐方法各自的贡献和不足，实现3种方法之间的多维度深度融合，并结合心理认知、用户情境以及时间、空间等优化因素，最终构建出社会化标注系统中个性化信息推荐多维度融合与优化模型。 相似文献
6.
7.
[目的/意义]挖掘潜在好友关系并进行精准的好友推荐服务,已成为社交网络领域研究的热点,基于用户属性-关系相似度的好友推荐模型研究旨在增强用户忠诚度以及在线社区活跃度,提升社区的信息服务准确性和效率。[方法/过程]通过融合用户链接关系与属性特征,提出用户属性-关系相似评价体系;采用因子分析法,计算得出各项目权重以及综合得分;据此构建社交网络相似度矩阵,基于派系划分方法,对用户进行划分分区,最终实现好友推荐服务。[结果/结论]实验结果表明,运用派系划分的基于用户属性-关系推荐模型在推荐列表长度受限情况下的整体表现较优,有效提高推荐精准度。 相似文献
8.
9.
[目的/意义]信息隐私关注和信任是影响智能手机用户的个人信息安全行为的重要因素,对智能手机用户的信息隐私关注和信任与其个人信息安全行为意向关系的探讨有助于更好地理解智能手机用户的信息安全行为。[方法/过程]本文引入以往经验变量,构建了智能手机用户信息隐私关注、信任与其信息安全行为意向之间的作用模型,通过调查问卷收集数据,并利用SmartPLS2.0进行验证。[结果/结论]研究发现：智能手机用户的信息隐私关注对其信息安全行为意向具有正向作用;用户对智能手机生产商和服务商的信任在信息隐私关注和信息安全行为意向之间起到中介作用;智能手机用户信息安全方面的以往经验对其信息隐私关注、信任和信息安全行为意向起正向作用。 相似文献
10.
【目的/意义】移动互联网时代,移动电子商务用户的个性化信息需求具有极强的情景依赖性与感知信任
性,针对目前移动商务信息服务个性化和准确性较低,提出融入用户个性化情景与用户间信任关系的推荐模型。
【方法/过程】首先,通过用户当前情景和历史评分数据计算出对每个用户即时信息需求影响最大的K个情景要素,
以此构造用户个性化情景,然后结合不同信任环境下的用户信任度矩阵改进已有的不同信任信息环境下用户情景
兴趣推荐方法,进而进行项目推荐。【结果/结论】通过Movie lens与Book-Crossing数据集对本文提出的算法和其
它两种算法进行比较,实验结果表明：本模型具有较高的推荐准确率,可有效地解决移动商务环境下的个性化推
荐问题。 相似文献
11.
《Information processing & management》2022,59(2):102842
The matrix factorization model based on user-item rating data has been widely studied and applied in recommender systems. However, data sparsity, the cold-start problem, and poor explainability have restricted its performance. Textual reviews usually contain rich information about items’ features and users’ sentiments and preferences, which can solve the problem of insufficient information from only user ratings. However, most recommendation algorithms that take sentiment analysis of review texts into account are either fine- or coarse-grained, but not both, leading to uncertain accuracy and comprehensiveness regarding user preference. This study proposes a deep learning recommendation model (i.e., DeepCGSR) that integrates textual review sentiments and the rating matrix. DeepCGSR uses the review sets of users and items as a corpus to perform cross-grained sentiment analysis by combining fine- and coarse-grained levels to extract sentiment feature vectors for users and items. Deep learning technology is used to map between the extracted feature vector and latent factor through the rating-based matrix factorization model and obtain deep, nonlinear features to predict the user's rating of an item. Iterative experiments on e-commerce datasets from Amazon show that DeepCGSR consistently outperforms the recommendation models LFM, SVD++, DeepCoNN, TOPICMF, and NARRE. Overall, comparing with other recommendation models, the DeepCGSR model demonstrated improved evaluation results by 14.113% over LFM, 13.786% over SVD++, 9.920% over TOPICMF, 5.122% over DeepCoNN, and 2.765% over NARRE. Meanwhile, the DeepCGSR has great potential in fixing the overfitting and cold-start problems. Built upon previous studies and findings, the DeepCGSR is the state of the art, moving the design and development of the recommendation algorithms forward with improved recommendation accuracy. 相似文献
12.
[目的/意义]旨在为高校图书馆提高纸质资源采购质量与利用率提供参考。[方法/过程]基于用户画像的理论对不同用户进行多维度的刻画,利用机器学习中监督学习的方法,通过采用协同过滤的推荐算法对用户偏好特征做精细统计分析的定量化计算,并从用户需求的角度建立用户偏好同步变化的自适应优化在线学习的纸本资源推荐系统。[结果/结论]该研究从实证分析角度为用户实现精准的个性化纸本资源推荐服务,为高校图书馆纸质文献检索库实现智能偏好的检索功能,建立纸质文献检索库合理有效的动态更新机制,提升用户体验。 相似文献
13.
14.
近年来MOOCs在高等教育领域快速发展并掀起一轮学习变革热潮,然而其学习者持续参与度不高,课程完成率低等问题也日益凸显。对学习者MOOCs平台的参与行为及影响因素进行分析有助于优化MOOCs平台建设和实践。文章基于MOA（动机-机会-能力）理论对MOOCs平台学习者参与行为进行分析,围绕动机、机会、能力3个方面提出了相关研究假设,并设计相应的调查问卷进行数据收集,利用结构方程模型分析方法对假设进行验证,分析了MOOCs学习者参与行为的影响因素。研究表明求知动机、兴趣动机、自我提升动机是激发学习者参与MOOCs学习的主要动机,且求知动机对学习者参与MOOCs学习的影响效应最大;感知有用性、感知易用性及学习者的个体能力也是影响MOOCs学习者参与行为的重要因素。围绕实证分析的结果,文章从加强课程资源建设、提供个性化课程服务、完善MOOCs认证机制、加强学习社区建设、优化平台设计、提高个人能力等方面提出了建议。 相似文献
15.
16.
[目的/意义]作为健康信息的一种,在线医评信息对用户医疗决策十分重要。研究用户查寻在线医评信息的过程,挖掘存在的障碍,有助于优化医评网站设计、促进医生在线服务和满足用户健康信息查寻需求。[方法/过程]采用检索实验、内容分析、发声思考和问卷调查等方法,从查寻表现、查寻阶段和查寻障碍3个方面分析在线医评信息这一特定情景下用户的查寻行为及存在问题。[结果/结论]结果显示教育水平和健康信息检索技能与在线医评信息查寻表现正向相关。在线医评信息查寻过程模型包括医生初筛、医评信息检索、浏览、对比、验证和利用6个阶段。健康信息检索技能和甄别能力弱、医评网站评论数量少、医院官网和医评网站可用性差以及医评网站与线下医疗服务融合程度低是影响用户查寻在线医评信息的主要障碍。 相似文献
17.
Abuse of information entrusted to organizations can result in a variety of privacy violations and trust concerns for consumers. In the event of violations, a social media brand or organization renders an apology – a form of social account – to alleviate users’ concerns and maintain user membership and engagement with the platform. To explore the link between apology offered by a social media brand or organization and the users’ trust dynamics in the brand’s services, we study how organizational integrity can contribute to reducing individuals’ privacy concerns whiles increasing or repairing their trust. Drawing on organizational behavioral integrity literature, our proposed research model suggests that the persuasiveness of an apology following a data breach affects users’ trust or spillover trust through their perceptions of the degree of alignment between the words in the apology and the actions of the violating entity. Based on a survey of Facebook users, our findings show that persuasiveness of an apology has a significant impact on users’ perceptions of the alignment between the social media brand’s (i.e. Facebook) words and subsequent actions. These perceptions impact social media brand trust (i.e. users’ trust in Facebook and allied services such as Instagram). We also find that, post data breach incidence, while integrity of the social media organization partially mediates the relationship between persuasive apology and users’ trust, it fully mediates the relationship between the persuasive apology and the privacy concerns expressed by the users. However, users’ privacy concerns do not contribute much to the repair of trust needed to maintain their membership. 相似文献
18.
[目的/意义] 在线医评信息对构建互联网医疗信任十分重要,但目前医评网站中医生人均评论十分有限。因此,探索用户生成在线医评信息的影响因素有利于促进互联网医疗的发展。[方法/过程] 对34位健康信息用户进行半结构化访谈,基于扎根理论对资料进行开放性编码、主轴编码和选择性编码。[结果/结论] 通过分析得到45个初始概念、15个范畴及对应的用户认知、用户个体特征、医疗环境和医生特征4个主范畴,在此基础上构建了用户生成在线医评信息的影响因素模型,并从医疗政策、医疗服务提供者、网络医疗平台和网络用户4个方面提出相应的激励对策。研究结果对在线医评信息生成的影响因素提供了理论支持,对促进在线医评信息的生成提供了对策和思路。 相似文献
19.
2013年,MOOC(Massive Open Online Course)在中国引起了极大关注。在线课程项目Coursera的数据显示,2013年注册的中国MOOC用户达到13万,位居世界第九~([1])。近年来,国内一流大学、一流名师相继开设MOOC,但普通院校教师没有MOOC平台的控制权,只能用学者身份登录,不能为本校学生量身定制适合他们的MOOC。MOOC在普通院校层面存在短板,为了弥补不足,SPOC(Small Private Online Course)课程应运而生。采用SPOC同步或异步的方式,普通院校可以定制符合本校学生的MOOC,同时结合教育信息化的成果——翻转课堂,极大地提高了教学效率。该文围绕"SPOC+翻转课堂"教学模式,以"C语言程序设计"为例,分析了存在的问题,探讨了"SPOC+翻转课堂"教学模式的方案设计与实施过程,总结了教学经验与改革反思。 相似文献