共查询到20条相似文献，搜索用时 861 毫秒
1.
随着大数据时代的到来和在线学习的蓬勃发展,个性化自适应学习日益成为人们关注的热点。本文从教育数据挖掘的目标和关键技术出发,在个性化自适应学习系统中应用教育数据挖掘技术,研究了学习者模型、领域知识模型和社交网络模型的构建、融合和应用,设计出基于教育数据挖掘的个性化自适应学习系统的架构和流程,探讨了模型的构建和个性化自适应学习引擎机制的建立,提出了基于聚类的个性化自适应学习内容呈现、基于序列挖掘和关联规则的最佳学习路径推荐、基于协同过滤和社交网络的个性化资源推荐方法。 相似文献
2.
e-Learning自适应推荐系统是一种基于当前学习者联机行为,在线自动推荐学习对象而不需要学习者直接反馈的系统。该系统框架是由离线模块和在线模块构成。离线模块预处理数据建立学习者模型,在线模块使用这些模型实时识别学习者目标,运用基于协作过滤的一系列推荐策略预测推荐学习对象。实验证明:由于实现模型构建和模型应用的有效分离,该系统具有较强的伸缩性和较快的实时响应速度,适合为大规模e-Learning系统提供高质量的个性化推荐服务。 相似文献
3.
4.
网络环境下基于Web的个性化学习是现代远程教育与智慧教育领域研究的热点,也是数字化学习E-learning未来发展的趋势。Web个性化学习环境构建主旨是针对学习者特征差异性"分析"与"判断"其个性化需求,并以此精准推荐适当的学习资源,其实现的关键在于用户特征模型构建与分析、结构化领域知识构建以及知识个性化推荐与呈现。其中,用户静态特征与动态行为特征是个性化学习需求的逻辑起点,结构化领域知识模型是个性化推荐的数据源基础,知识个性化推荐与呈现是E-learning的宗旨。 相似文献
5.
程光胜 《深圳职业技术学院学报》2022,(1)
伴随着大数据和人工智能在教育领域的渗透和融合,个性化学习成为当前和未来教育关注的焦点,而自适应学习系统为个性化学习提供了一种实践路径.在分析自适应学习基本模型的基础上,结合自适应超媒体系统通用模型AEHS,引入了学习情境,构建了基于情境感知的自适应学习系统模型.为了提高自适应结果的精准性,根据学习情境中的学习者要素、时间要素、空间要素和设备要素,对学习者进行学习情境分组,以此为基础,通过学习者模型、领域模型和教学模型的协同作用,在自适应引擎的驱动下,生成自适应学习结果.最后,结合动态变化的时间因素,提供了个性化资源推荐的实现思路. 相似文献
6.
现有我国金融发展与经济增长关系的研究大多基于线性框架,而相关实证研究发现,传统Granger因果检验方法可能因忽略变量间的非线性关系而导致结论出现显著偏差。采用新发展的非线性Granger因果检验方法-非参数T。检验方法,对我国金融发展与经济增长关系进行实证分析,结果表明,我国经济增长是金融发展的线性Granger原因,同时存在从金融发展到经济增长的非线性Granger因果关系,即两者互为因果关系。 相似文献
7.
以用户个性需求为导向构建Web环境下智能学习系统是现代远程教育与智慧教育领域研究的热点,也是E-learn?ing的未来发展趋势。推荐技术是智能学习系统的“智慧”所在,其根据学习者差异性特征属性“分析—判断—理解”个性化需求并以此精准推荐合适的学习资源。基于内容和协同过滤的混合式推荐可解决单类型推荐所引起的冷启动、非结构化内容推荐等诸多短板问题,进而有效提高推荐资源的效率与质量。该研究在分析领域相关研究现状的基础上,提出了Web环境下智能学习系统中基于内容和协同过滤的教育资源混合式推荐模型构建方案,着重对其架构设计、对象建模与推荐算法进行详细论述。 相似文献
8.
个性化学习路径推荐是智能技术驱动教育服务智能升级的关键力量,是实现大规模个性化教育的重要驱动。然而,目前个性化学习路径推荐的研究与实践仍未成熟,难以满足学习者因人而异、因时而变的个性化需求。个性化学习路径推荐的主流推荐框架包括基于机器学习、基于进化计算和基于知识图谱三种方式,具有不同的模型机理和适用的教育场景,经历了起步探索、预测推理、改进优化和融合创新的技术演进历程。其对教育的价值导向体现在赋能课堂教学、助力因材施教,优化在线学习、驱动服务升级,支持场馆学习、增强智能感知,改善游戏学习、优化交互体验,为破解大规模与个性化相结合的应用难题提供了重要支撑。随着智能技术的迭代升级及深入应用,未来个性化学习路径推荐呈现四大发展趋势,即关注信息要素的深度融合、迈向全方位多尺度的形式化建模,融合多种技术优势、构建以知识为主导的高性能推荐框架,注重可视化呈现和动态感知、推动个性化服务模式的优化升级,重视全景性应用策略研究、促进推荐技术与真实教育情境的紧密耦合。 相似文献
9.
传统推荐系统存在不以用户关注度为导向、推荐信息分散、推荐效率低等弊端,针对该问题,通过深入挖掘用户的关注度特征及浏览行为特征,分析用户的潜在需求,以此为基础,综合基于类别关注度的信息推荐、基于主题词的长期关注度推荐以及基于协同过滤的个性化推荐算法,采用模块化的设计方法,提出一种基于用户关注度的个性化推荐系统。实践应用表明,该系统能够帮助用户从海量信息中快速、准确地找到自己关注的内容,对互联网个性化信息服务具有一定的应用价值。 相似文献
10.
在"互联网+"在线学习环境下,探索符合学习习惯和偏好的个性化推荐路径能够降低学习者学习的盲目性、提升学习者在线学习体验.文章提出了一种基于学习者画像的个性化课程推荐方法,首先,利用爬虫技术获得Bilibili网站30多万名学习者的数据,然后对学习者学习数据进行定量分析,尤其是在个性化特征最明显的情感表达方面,采用了基于注意力机制的双向长短时记忆网络进行情感分析,从而构建了包含学习者基本信息、行为和弹幕文本三个维度的学习者画像特征模型.在此基础上,利用深度神经网络建立了教学资源与学习者画像之间的关系模型,用该模型预测学习者新的学习需求.实验结果表明,当学习者登录后,输入要选择的课程,模型能够根据学习者画像推荐相似学习者学习过的课程,提供个性化课程推荐服务,且推荐评价指标也表明该模型能够提高推荐性能. 相似文献
11.
智慧学习环境下的教学更加关注学习者的个性化诉求,自适应学习系统能够为实现个性化学习提供技术支持。文章针对传统层状自适应学习系统模型未阐明学习系统内部运行机制的不足,基于自适应逆控制理论研制了一种自适应学习系统动力模型。学习者的学习目标选择促使学习系统开始运行,学习者的初始学习目标与其后的学习成效之间的差值是维系学习系统继续运行的内在动力。学习系统在领域模型、学习者模型、认知诊断和自适应模型四者的协同作用下向学习者不断推送适切的学习资源,旨在消除学习目标与当前学习成效之间的差值,从而使系统重新归于稳定。文章从系统动力机制视角,设计了自适应学习系统包含的领域模型、学习者模型、自适应模型和认知诊断模型。研究将为自适应学习系统的设计与实现提供理论借鉴。 相似文献
12.
成人本科学士学位英语非常重要,非英语专业学生只有通过此考试,才有资格获得本科学士学位证书。基于此,文章首先分析了成人本科学士学位英语的教学现状,并介绍了自适应学习的提出背景及其定义。随后,文章根据自适应学习的工作原理,设计了自适应学习系统,并从知识图谱、认知能力测评和推荐引擎三个方面来确保系统业务流程的顺利运行。最后,文章介绍了成人本科学士学位英语自适应学习APP系统在北京邮电大学网络教育学院的应用情况,并通过对比APP系统在2019年的两次北京成人本科学士学位英语考试的应用数据,分析了自适应学习系统的应用成效。文章探索利用人工智能技术解决目前成人英语教育的痛点问题,设计了自适应学习系统,对于人工智能与教育教学的融合有重要的推动作用。 相似文献
13.
本文探究了推荐系统在学习科学中学习资源方面的可行性。主要讨论了推荐系统的组成部分(集体责任,集体智慧,用户控制,导航,个性化)与学习科学理论的良好适应,并分析设计了基于网络学习资源的智能推荐系统的整体框架结构,实现了推荐系统从商业背景到教育背景的转换,提高学习资源利用率,满足学习者的个性化需求。 相似文献
14.
随着教学资源的不断增加,在一个教学平台中,增加个性化教学资源推荐是教学平台的一个正在发展的趋势.本文通过分析现在的个性化推荐服务和个性化推荐技术,总结了个性化推荐的技术的优缺点的基础上,以社会标签系统为基础,设计出了一个基于混合模式的个性化学习资源推荐系统.该设计中,将基于内容的推荐,和基于协同过滤的推荐技术融合在一起.部分解决了,他们各自的一些缺陷.使其更适合在实际推荐中的应用. 相似文献
15.
当前,个性化学习推荐系统面临数据隐私保护、"冷启动"和法律约束等问题,而联邦学习作为近年来优秀的数据隐私保护机器学习技术解决方案,可有效解决这些问题。基于此,文章将联邦学习和个性化学习推荐相结合,设计了联邦个性化学习推荐系统。首先,文章分析了联邦个性化学习推荐系统的具体应用场景,包括横向联邦、纵向联邦、联邦强化三种。其次,文章分别针对这三种应用场景设计了相应的应用解决方案。最后,文章探讨了未来联邦个性化学习推荐系统面临的严峻挑战,以期帮助教育利益相关者在保护数据隐私的同时共享数据价值,最终实现更安全、更高质量的个性化学习推荐服务。 相似文献
16.
互联网的高速发展导致网络学习资源数量迅速增长,案例教学、理论教学等教学资源的个性化推荐受到更多关注。学习者模型是实现个性化推荐的依据。文章以CELTS-11学习者模型规范为基础,针对学习者的个性差异,在学习过程中对基本信息、学习风格、知识状态、认知能力、兴趣偏好等个性化特征展开研究,解决目前资源推荐系统的学习者模型中学习者特征描述不全面、个性化程度不高等问题,构建出了个性化的学习者模型,为学习资源的推送提供了有力的依据,应用效果表明了该方法的有效性。 相似文献
17.
如何利用移动设备的位置识别功能开发创新性的移动应用系统,是众多研究者和商业应用开发者关注的焦点。基于位置识别的移动学习系统5R自适应框架为实现自适应移动学习环境提供了一套解决方案和标准化结构。5R自适应框架能够根据学习者、位置、时间、移动设备等因素自动生成学习者所需要的学习内容,增强学习者与学习情境之间的交互。5R自适应框架的实施需要描述基于位置的学习内容并使之标签化,建立自适应约束条件和学习内容之间的关系。在基于位置识别的地理课实地考察移动学习过程中,5R自适应框架能够很好地支持这一应用,而且在实现过程中体现出高度的灵活性。 相似文献
18.
讨论为访问用户提供高质量个性化推荐服务的个性化推荐系统的设计和实现.通过分析现有的基于Web体系结构的个性化推荐系统的特点,从用户访问W eb页面的特点出发,确定了以网页结构相关性为基础进行个性化推荐技术研究的目标.推荐系统由离线挖掘子系统和在线推荐子系统两部分组成.仿真实验表明,基于网页结构相关性的推荐系统具有较高的推荐准确性和更快的响应速度. 相似文献
19.
20.
在E-learning学习领域,在线学习系统中大量的学习资源往往会让学习者难以及时获取适合自身的个性化学习资源。当前在线学习行为方面的研究主要关注根据学习者的学习行为和知识水平提供适切的学习资源,但学习者学习行为的差异性、学习资源的多样性和学习导航链接的复杂性成为自适应学习环境系统构建的限制因素。因此,有必要利用学习分析技术来分析学习者的相关数据,进而深入了解学习者的学习行为,并组织和维持在线学习系统中储存的学习资源。文章基于自组织映射(Self-Organizing Maps,SOM)聚类法提出了一种自适应学习环境框架,该框架有利于分析学习者相关数据并构建学习内容模型,为学习者提供适合自身需要的学习内容,最终取得高质量的学习成绩。随着E-learning中学习数据的日益增长,为了保证E-learning中学习者的学习质量,非常有必要对这些大量的学习数据进行分析,这也成为当前教育研究中的热点问题,文章有助于在E-learning环境中对学习者进行及时有效的大数据分析。 相似文献