课程教学中基于模糊规则的知识网推荐方法

针对现有推荐方法未能充分考虑学习者的学习目的以及学习者认知水平的动态不确定性问题,提出了一种基于模糊规则的知识网推荐方法.该方法将课程老师的教学经验和已学过该课程学习者的学习路径分别组成知识网,综合考虑做题时间、试题难度和记忆量等因素来确定学习者认知水平,融合匹配度和认知水平来计算知识网之间的相似度,采用模糊C均值聚类...     

首师大虚拟学习社区智能网络教学支撑平台

首师大虚拟学习社区智能网络教学支撑平台(以下简称首师大虚拟学习社区)是一种基于网络的智能教学系统。它为学习资源提供基础支撑环境，面向高等教育和基础教育，提供多种教与学的工具，减轻教师网上开课负担和学生学习的认知负荷，提高教学效率和质量。与其他网络教学支撑平台相比，首师大虚拟学习社区具有较高智能性，这主要体现在：它能够通过网络虚拟人物电子导师告诉学习者应该学什么和怎么学它可以主动提示学习者的学习状态以及推荐适合学习者本人特点     

基于双路聚类的在线学习行为分析研究

为有效地利用日志文件,更有深度地刻画学习者画像,提出了双路聚类建模方法(Two-way Clustering, TWC),分析挖掘了万余人次学习者在某大学网络教育学院的大量学习行为数据,力图更深刻地展现远程教育学习者的风貌. 考虑到教育数据具有隐含性这一特点,该方法以细粒度数据为核心,通过双角度的聚类计算得到了各学习者在不同模型中的类别,最后基于融合后的模型对学习者进行刻画. 4种经典聚类算法与TWC算法的对比实验结果和TWC算法的聚类结果表明:TWC算法能够增强簇的内聚性,更准确地对学习者进行聚类,从而更深刻、更全面地刻画学习者轮廓.     

基于Web的网络课程智能推荐机制

主要整合自适应共振理论神经网络和数据挖掘技术,构建一个基于Web的网络课程智能推荐系统,通过此机制可以向具有相似学习兴趣的学习者动态地、智能地推荐基于Web的网络课程,以此作为学习者在线选择网络课程的依据.     

学习资源网络模型构建及资源推荐策略设计

通过分析基于终身学习机制的个性化推荐系统与基于电子商务的个性化推荐系统的区别,确定基于终身学习机制的个性化推荐系统的关键问题就是如何为学习者获得想要具备的能力推荐满足他们个人需求、个人爱好以及目前已具备的知识结构的最佳学习路径.针对终身学习中正式学习和非正式学习不同的学习情况,构建了学习资源网络模型,在此基础上将基于本体的推荐技术和协同推荐技术相结合,为学习者的不同学习情况运用不同的推荐策略推荐最佳学习路径.最后通过实验对推荐结果进行分析,确定最优方案.     

基于Web的网络课程智能推荐机制

主要整合自适应共振理论神经网络和数据挖掘技术，构建一个基于web的网络课程智能推荐系统．通过此机制可以向具有相似学习兴趣的学习者动态地、智能地推荐基于web的网络课程，以此作为学习者在线选择网络课程的依据。     

学习者画像建构及应用研究

社会经济的发展对教育教学和人才培养提出了个性化和精准化的需求.随着互联网和大数据技术的发展,基于数据驱动的学习者画像为解决上述教育需求提供了思路.当前,我国对学习者画像的研究仍处于起步阶段,表现在缺乏教育理论对学习者用户建模过程的指导,忽视不同数据间动态关联价值等.首先从可行性和具体实施方法的角度,剖析学习者画像的建构流程.然后在社会学习理论和活动理论指导下,提出学习者画像标签体系,确保维度划分的合理性和标签提取的解释力.最后从学习者个体、资源供应方、学习共同体、教育管理者四个视角,对学习者画像的应用场景进行分析.     

基于情境聚类扩展用户画像的旅游景点推荐方法

随着我国旅游业发展和人们对旅游服务需求的不断增多，旅游景点的精准推荐不仅可以节约用户大量的时间，还能够提升用户的消费体验，为此本文提出一种基于情境聚类扩展用户画像的旅游景点推荐方法。基于用户情境数据进行情境聚类，构建出扩展的用户画像模型；根据群体用户画像反映的用户特征，结合情境标签设置个体用户情境特征属性，再融合关联规则和相似度计算为用户推荐个性化的景点。实验结果表明，相较于传统的关联规则Apriori推荐算法或加权Apriori推荐算法，基于情境聚类扩展用户画像的旅游景点推荐方法具有更优的推荐结果。     

基于聚类算法的线上学习行为分析

为了有效利用线上学习平台记录的学生学习行为数据,从多方面刻画学习者画像,充分发挥线上教学的作用。在人工智能技术的驱动下,首先统计学生学习时间和视频内容数据,分析他们的观看习惯和对重点、难点内容的重视程度;然后在k-means++ 聚类算法的基础上,分析课程视频、章节检测、学习次数、作业和签到等特征对学习效果的影响。上述方法可以帮助总结学生的学习态度、偏好和习惯,将相似学习风格的学生聚为一类。老师可以通过线上学习行为的分析调整教学内容,改进教学方法,从而改善线上教学效果。     

基于知识状态的个性化学习资源推荐方法

针对现有的个性化学习资源推荐方法存在不能够从学习者的学习缺陷出发推荐学习资源的不足,提出一种基于知识状态的个性化学习资源推荐方法,它首先根据知识点之间的关联关系构建知识图谱,然后根据学习者知识状态进行推导生成待学习知识点向量,最后设计相似性迭代算法从学习资源库中匹配最适合学习者的学习资源.通过实验证明,该方法具有不错的推荐效果和性能.     

关于成人外语学习的一些思考

成人外语学习者作为一个外语学习的群体与其他外语学习者有很多相似和不同之处。通过对成人外语学习者学习方法和教学方法的研究,可以提供给语言教学一些新思路。本文从语言心理学的角度对成人学习外语;儿童习得母语;儿童学习外语的不同之处进行比较,探索适合成人学习外语的具体方法。     

基于用户关系网络表征学习的服务推荐方法

网络嵌入学习是深度学习的一个热门分支,它将网络节点映射到一个拓展的低维向量空间。针对用户共用标签网络和社交网络,利用表征学习方法得到用户标签标注关系和社交关系的向量表征,并提出一种新的服务推荐方法。该方法利用用户的向量表征得到相似用户集,由最终得到的用户特征信息返回Top-k个相似用户,并根据相似用户的偏好情况向目标用户推荐合适的服务。为验证方法的可行性,在公开数据集Delicious和Last.FM上进行了实验,结果表明:相比4种基准方法,文中方法准确率可提升13%,召回率提升18.6%,F-measure值可提升13.1%;在学习用户表征向量时,用户之间共用标签关系与社交关系同样重要;推荐过程中,为目标用户返回的相似用户值在[25,30]区间更为适宜。     

网络教学与师生互动关系的探索

无论是传统的课堂教学,还是网络远程教学,教学过程的控制是一个非常重要的环节,它甚至决定着课堂教学能否正常进行的重要方面。网络远程教学与传统教学在学习环境、师生间的关系、教学活动等都有很大的不同,网络远程教育对教师与学生有了更高要求。网络远程教学特性如何?学习者的学习特性有什么特点?如何促进学习者有效的学习?本文从现代远程教学系统本身特征出发,探讨了网络远程教育中的教学主体——教师,学习主体——学生,及其在网络教学活动中通过非连续通信建立起来的交互主体性关系,并在此基础之上探讨了如何促进学习者在网络上进行有意义的学习,提出了学习控制的基本方法。     

以建构主义教学模式优化网络条件下的汉语教学

建构主义学习理论认为,学习者知识的获取不是通过教师传授得到的,而是学习者在一定的情境即社会文化背景下,借助其他人（包括教师和学习伙伴）的帮助,利用必要的学习资料,通过意义建构的方式而获得。也就是说,学习者是信息加工的主体,是意义的主动建构者。建构主义强调以学习者为中心,把“情境”、“协作”、“会话”、“意义建构”作为学习环境中的四大要素。强调学习环境中的情境必须有利于学习者建构意义的情境创设,使学习者真正进入教学的真实情境。     

基于二进制微分进化算法的学习资源推荐方法

为解决当前方法学习资源推荐精度低、时效性不高、无法适应学习者动态调整学习目标的问题,提出了一种二进制的微分进化算法并以此为基础进行学习资源推荐的方法.该法对学习者与学习资源进行数学建模,依据推荐资源需要最佳匹配学习者需求的约束条件,将学习资源推荐转化成了最优化求解问题;根据课程知识点的逻辑组织结构图与学习资源的十字链表存储结构图,快速判定目标函数的关键参数值;采用所提出的一种二进制微分进化算法用于二进制数据表征的学习资源个体变量的变异、交叉、选择操作进行迭代运算直至满足条件找到学习资源最佳的选取组合.实验结果表明:所提出的学习资源推荐方法收敛速度优于以微粒群为基础的学习资源推荐方法,可方便学习者对学习目标范围动态灵活选取,所推荐的学习资源可完全满足不同学习者对学习资源难易度差异化的需求.     

一种基于迁移学习的学习资源推荐方法

移动互联网技术的飞速发展和智能终端设备的广泛普及为支持泛在学习(U-Learning)提供了可能.泛在学习是一种随时随地都能发生的在线学习.当前,互联网涌现了一大批可供学习的平台和资源,类似平台包括网易云课堂、Coursera、知乎网、简书网等.手动检索和个性化推荐是在线学习系统提供给用户获取学习资源的常用方式.个性化推荐因其能主动建模学习者偏好,为学习者提供个性化的学习资源推荐服务而受到了广泛关注并成为在线学习领域的研究热点.本文在传统协同过滤个性化推荐系统的基础上提出一种基于迁移学习的学习资源的推荐方法,该方法从已有的数据中学习知识,然后迁移到目标任务中,解决了目标任务中数据过少从而导致学习特征的能力不足的问题.     

基于学习风格理论的网络教学模型构建

就网络教学的本质和技术特质而言,网络教学的目的是为学习者提供一种不受时空限制的个性化教学,但网络教育忽略了学习者的个体差异,从而影响了网络教育的质量．通过分析学习风格理论与网络教育的特殊性及学习者的个性特征的关系,提出并构建了运用学习风格理论的网络教育个性化模型,以对网络教学实践有一定的启示,真正实现网络教育的个性化．     

基于多模态融合技术的用户画像方法

针对当前用户画像工作中各模态信息不能被充分利用的问题, 提出一种跨模态学习思想, 设计一种基于多模态融合的用户画像模型。首先利用 Stacking集成方法, 融合多种跨模态学习联合表示网络, 对相应的模型组合进行学习, 然后引入注意力机制, 使得模型能够学习不同模态的表示对预测结果的贡献差异性。改进后的模型具有精心设计的网络结构和目标函数, 能够生成一个由特征级融合和决策级融合组成的联合特征表示, 从而可以合并不同模态的相关特征。在真实数据集上的实验结果表明, 所提模型优于当前最好的基线方法。     

网络环境下的学习心理浅析

网络为学习者提供了一种全新的学习环境。较之传统的学习环境,网络学习者学习心理发生了很大的变化。掌握网络环境中学习者的学习心理特征,是开展网络学习、开发各种网络学习资源的一个前提。本文从学习心理过程、个性学习心理特征以及二者的连接桥梁———学习风格三个方面对网络学习者的学习心理做了探讨。     

网络环境下的学习心理浅析

网络为学习者提供了一种全新的学习环境。较之传统的学习环境，网络学习者学习心理发生了很大的变化。掌握网络环境中学习者的学习心理特征，是开展网络学习、开发各种网络学习资源的一个前提。本文从学习心理过程、个性学习心理特征以及二者的连接桥梁——学习风格三个方面对网络学习者的学习心理做了探讨。