基于学习行为特征的学习资源个性化推荐研究

发布时间：2023-04-12 01:34

　　随着互联网技术在教育领域的不断融合和深入发展,在线学习平台给大众带来了新的学习体验和学习方式。在线学习有着资源丰富、获取便捷等诸多优点,但是由于互联网自身存在的一些问题诸如“知识迷航”、“数据泛滥”等日渐凸显,如何根据用户特点进行资源推荐,从而有效提高个性化学习体验,一直是广大研究者深入研究的课题。一方面学习者所面对的网页和资源都是相同的,这需要学习者自主选择课程和访问路径,另一方面学习者提出的问题得不到及时回复的现象,这样的学习平台缺少主动向学习者推送个性化的学习支持服务,无法满足学习者的个性和情感需求。因此,研究在线学习平台中学习资源的个性化推荐是非常必要,同时也非常具有实践借鉴意义。针对上述问题,本文借鉴商业领域中商品推荐的解决思路,结合学习者数据设计了一种基于用户协同过滤推荐思想的同伴推荐方法,将个性化推荐思想融入到在线学习平台的学习资源个性化推荐中,本文的主要研究内容如下:首先,通过文献研究法总结了学习资源推荐现状、同伴互助学习研究现状以及常见的慕课平台的学习同伴交流现状。研究表明在线学习平台越来越重视个性化体验和情感体验,但学习同伴推荐的文献数量远不及课程推荐研究数量。其次...

【文章页数】：76 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景
        1.1.1 慕课热潮
        1.1.2 弊端显现
        1.1.3 教育大数据的爆发
    1.2 国内外研究现状
        1.2.1 学习资源推荐研究现状
        1.2.2 同伴互助学习研宄现状
        1.2.3 国内外典型慕课平台个性化推荐现状
        1.2.4 研究现状总结
    1.3 研究内容和组织结构
    1.4 研究意义
    1.5 研究方法
第二章 个性化学习相关理论
    2.1 协作学习理论
    2.2 社会建构理论
    2.3 人本主义学习理论
    2.4 行为科学理论
    2.5 本章小结
第三章 学习资源相关概念及推荐技术
    3.1 学习资源相关概念
        3.1.1 学习者信息
        3.1.2 学习资源
    3.2 推荐相关技术
        3.2.1 个性化推荐方法
        3.2.2 聚类分析
        3.2.3 相似度分析
        3.2.4 基于信息熵的权重分配法
    3.3 本章小结
第四章 学习者数据分析
    4.1 数据集基本情况
    4.2 学习者人口特征数据分析
    4.3 学习者学习行为数据分析
    4.4 本章小结
第五章 学习者聚类分析
    5.1 确定行为变量
    5.2 确定分类变量
    5.3 学习者聚类分析
        5.3.1 二阶聚类原理
        5.3.2 基于二阶聚类算法的学习者聚类分析
    5.4 本章小结
第六章 基于聚类分析的同伴推荐
    6.1 基于用户的协同过滤推荐算法实现
    6.2 基于信息熵的学习者行为权重分配
    6.3 相似度计算
    6.4 结果及分析
    6.5 本章小结
第七章 总结与展望
    7.1 主要内容总结
    7.2 研究展望
参考文献
附录1 攻读硕士学位期间撰写的论文
附录2 攻读硕士学位期间参加的科研项目
致谢



本文编号：3790155