概率相关图推理技术在双向适应机制中的应用研究

针对适应性学习系统应用中“双向适应”的需求,提出了具有双向反馈式机制的个性化学习系统模型.通过构建数字化学习资源数据库作为系统的核心基础,概率相关图技术可作为知识表示的有效方法支撑资源库构建,提供智能推理技术提升系统智能推荐的有效性.设计和开发了双向适应性个性化学习系统,进行了实证研究,并提出了下一步工作方向.     

基于Agent和推荐技术的网络教学模型研究

通过分析目前网络教学系统的不足,提出一种基于Agent和推荐技术相结合的网络教学模型.该模型通过Agent动态收集用户兴趣爱好,分析学生的学习行为,生成用户的兴趣模型,然后使用协同过滤技术将相关的资源推荐给其他用户.模型充分发挥了教师在教学中的作用,教师和学生之间可以互相推荐学习资源,提高了用户之间信息资源的共享和交互能力,提高了系统的个性化服务水平.     

学生得分预测:一种基于知识图谱的卷积自编码器

在线个性化学习系统能够根据学生的学习历史,为学生提供个性化的学习资源,辅助学生高效学习.要提供精准的个性化诊断报告和个性化资源推荐,首先要对学生进行学业能力评估,其中一个基础性任务为得分预测.对于得分预测任务,现有的研究和方法存在如下不足:①不能充分利用大数据提升预测精度,②无法解决实际应用场景中常见的冷启动问题,③预测结果不可解释.为此提出并实现了一种基于知识图谱的自编码模型(knowledge-aware auto-encoder model,KAEM)用于学生得分预测.首先介绍了含有教育专家先验知识的一种知识图谱,称之为锚题图谱;然后KAEM采用深度学习自编码技术,将教研对锚题图谱的先验理解作为自编码器的正则化项加入模型中,有效地解决冷启动问题.此外,此类模型的预测结果还可以解释化,为实际个性化学习推荐等应用场景提供教研依据.KAEM已经在国内某在线教育系统上运行,取得了良好的效果;在大规模数据上也实验验证了KAEM的有效性.     

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.     

一个网络教学多Agent系统数据模型的研究

应用Agent技术，构建了一个网络教学多Agent系统（Web-Based Education Multi-Agent System,WBEMAS)模型。模型中学习资源库采用了IEEE LTSC LOM标准，并用XML实现，使得寻找和使用资源的过程更有效；并在模糊理论基础上建立学生模型，使之更加个性化和智能化。     

基于深度哈希算法的学生画像个性化推荐系统的设计与实现

为了提升学生画像个性化推荐的效果,研究设计了一种基于深度哈希算法的学生画像个性化推荐系统。通过使用深度哈希算法结合经过处理的学生信息,进行了学生信息特征标签的提取,并构建了学生画像标签维度模型,从而提升了学生画像的生动性。根据学生画像标注的学生特征,在学校课程资源特征数据集中进行搜索匹配,并根据排序后的检索结果生成推荐结果。实验结果表明,该系统能够有效地采集和预处理学生信息,并成功构建学生画像,完成学生画像的个性化推荐。     

学习资源精准推荐模型及应用研究

根据属性特征推荐资源,由于存在冷启动和稀疏性问题,限制了在线学习资源推荐的性能.基于知识表示和协同过滤,将学习者的学习水平和学习风格等特征融入推荐过程,进行协同过滤个性化推荐,提出了一种学习资源精准推荐模型,构建了学习者和学习资源知识表示模型;通过实验表明知识表示-协同过滤相结合的推荐算法在个性化推荐和推荐准确度方面优于传统的CF算法.     

个性化高等数学慕课学习平台设计与实现

通过设计集学习、交流、检测、反馈和管理为一体的"个性化高等数学慕课学习平台",尝试将慕课这一新兴教学方式引入到高等数学教学,并进行教学改革与探索。根据学生个性化的需求推荐相应的教学资源,满足学生不同的学习需求。教师根据学生的反馈信息,合理地组织教学资源,丰富学习资源库,使学生通过不同的方式获取知识,完善自身的知识结构。     

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.     

个性化协同过滤推荐算法在教师网络研修资源中的应用

现今中小学教育信息化发展迅速,对教师应用信息化教学的能力要求越来越高。为加强中小学学校的信息化建设,提升教师能力,各类网络研修平台应运而生。网络研修的模式在教师学习中广泛应用,成为新时代教师培养良好学习习惯的有效途径。与此同时,社会中各类的教育资源平台与数据库越来越多,教师在研修资源平台上能够搜索到的学习资源越来越多,各平台资源库中资源种类与数量日益增加,从而导致教师查找精确化的资源较为困难,教师研修资源利用率不高。因此通过对个性化协同过滤算法研究,结合学科特点、学科分类、学习模式,对资源进行个性化、精确化推荐,并进行推荐去重,缩短查找资源的时间,使教师可以灵活搜寻和利用资源,增强教师研修的积极性与主动性,提高中小学教师的研修效率。     

高校科研资源的个性化融合推荐

为满足高校师生对科研资源复杂的个性化服务需求,设计了高校科研资源个性化服务系统,简称个性化科研服务系统(PSRSS,personalized scientific research service system)。全面分析了高校科研用户的个性化科研资源服务需求,设计了基于数据层、融合多种推荐策略的推荐计算层、应用呈现层的多引擎融合推荐系统架构,基于不同推荐场景,比较了不同的推荐算法并对选择的算法进行了针对性优化,探讨了用户模型和科研资源模型的设计,实现了基于资源热度、项目内容相似度、相似用户协同过滤的Top-N推荐。系统提升了高校师生获取科研资源的体验,为高校科研资源个性化服务系统建设提供了新思路。     

数据驱动下的个性化自适应学习研究综述

智能教育环境下的教学更加关注学习者的个性化诉求，而自适应学习能够为实现个性化教育提供技术和方法支持.文章从数据驱动的视角出发，通过开展国内外个性化自适应学习研究的综述分析，对其系统框架和相关组件进行阐述和解读.其中，重点从领域知识模型、学习者特征模型和教学模型三方面对其实现机制进行探析，提出当前研究存在的问题和不足，并在此基础上介绍了近年来可促进解释性提升的相关组件技术研究，奠定进一步深入个性化自适应学习研究的基础.     

基于语义网的教学资源内容包装信息模型研究

教学资源的开放共享需要形成有效的共享机制和成熟的模型技术框架。现有的学习技术标准为教学资源的共享提供了元数据标准,但在异构数据语义共享方面存在缺陷。分析了基于语义网的教学资源共享系统模型,改进了教学资源SCORM内容包装信息模型,针对学习资源的个性化推荐需求设计并实现了教学资源推荐功能,详细描述了语义网Web程序开发的一般过程和通用模块的实现。基于语义包装的资源检索方法在课程教学素材、参考资料的关联推荐完整度上比传统的资源检索方法有了较大的提高。     

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.     

基于个性化Web信息推荐模型的研究

针对目前的推荐系统存在个性化程度不高,提出了一种采用语义Web的个性化Web信息服务模型,并对模型实现的关键问题进行分析研究.实现了个性化需求库和个性化资源库的语义构建,个性化程度更高、更智能.实验证明,该模型是有效的.     

利用内容推荐和协同过滤算法实现个性化评估

针对教学评估中存在着仅用试卷分析表无法实现个性化学习和评估的情况,将人工智能中的推荐系统技术应用到期末教学评估中.将推荐系统中的基于内容推荐算法和协同过滤算法分别应用到学生薄弱知识点的个性化学习和期末评估分析中,根据学生的知识掌握情况推荐相应资源进行个性化辅导.通过实验案例验证,该方法可以得出学生对知识点的掌握程度,并根据题目之间的相似性进行推荐.     

一种基于Agent技术的开放教育教学管理系统研究

提出了一种基于Agent技术的开放教育教学管理系统模型.在远程开放教育教学环境下,利用远程教学平台资源,以Agent技术为基础,将教学资源、学生、教师及管理人员进行有机整合,实现学生个性化学习和智能化沟通学习.对系统模型的部分功能进行了详细论述,构建了个性化、智能化的现代远程教育学习环境.     

基于资源库建设的版式设计课程设计

资源库建设是实现教育信息化和学习型社会的重要手段.它依托网络技术、教学资源和大数据,构建"互联网+教育"新生态,让教育迈进"个性化"时代."职业教育数字化学习中心"(亦称"智慧职教"网站)是由高等教育出版社建设和运营的职业教育数字教学资源共享平台和在线教学服务平台.版式设计课程作为国家职业教育广告艺术设计专业教学资源库的子项目,依托智慧职教平台,通过"一体化设计、结构化课程、颗粒化资源"的建设思路,开发与设计符合学习者需求的课程资源,是资源库建设的有益尝试,有助于推动"互联网+教育"建设.     

计算机应用技术专业教学资源库建设与研究

创建计算机应用技术专业教学资源库有利于优质教学资源的充分利用,能提高计算机应用技术专业教学质量,为学生自主学习创建一个良好的学习环境。以“为学生创造良好、方便的学习环境”“为教师创造良好的备课与资源分享环境”为主要目标,从教学资源库和教学系统支持平台方面建设计算机应用技术专业教学资源库。实践表明：计算机应用技术专业教学资源库的建设提高了教学资源的利用率,促进教学资源更好地为教学服务。     

基于WEB使用挖掘的个性化推荐系统的研究

通过网络学习的web日志的使用挖掘,获取学习兴趣,建立兴趣模型.采用相似性度量方法对具有相似兴趣的学生用户进行聚类,实现了学习内容的个性化推荐系统.实验结果表明,基于用户兴趣模型的个性化推荐系统具有较高的准确率、新颖率和非预期率.