基于WC-C-R学习资源推荐的研究

基于资源的学习已成为远程教育的一种重要的学习方式，网络课件和资源库是远程教育环境下两种重要的学习资源。为提高基于资源的学习效率，在“网络课件-概念图-学习资源库”三层模型研究的基础上，提出基于知识的资源推荐，并通过多Agent系统实现了在WC-C-R模型上进行资源推荐。实验证明，通过资源推荐，有助于提高学生的学习效率。     

基于Ontology的用户模型研究

针对现有本体用户模型的难点与不足，提出了一种改进的基于领域本体的用户模型（OBUM），利用文本挖掘技术构建领域本体，通过本体学习来完成用户模型的学习和更新。     

基于蚂蚁算法的网格资源发现模型

提出了基于蚂蚁算法的网格资源发现模型（AA_GRRM），目的是利用蚂蚁算法作为资源发现的策略来实现网格资源的次优解。引入蚂蚁算法到网格资源发现领域，改进了传统的蚂蚁算法的信息素初始化和更新，提高了网格资源发现的准确率和效率，并设计了基于蚂蚁算法的网格资源发现总体结构，最后通过Matlab进行验证。     

计算机支持的协作学习的伙伴模型

伙伴模型的建立是计算机支持的协作学习（CSCL）中寻找学习伙伴的关键。伙伴模型对学生分组的关键因素进行了较全面的建模。对伙伴模型进行了形式化的描述,并重点对动态协作信息的表示，如伙伴学习进度、知识水平、认知能力和协作能力进行了研究。