本文關鍵詞：泛在學習環(huán)境下學習資源推薦系統(tǒng)的研究與設計

  更多相關文章： 泛在學習 學習資源 學習元 協(xié)同過濾 個性化推薦

【摘要】：近年來,隨著全民學習、終身學習等觀念的普及,非正式學習得到了越來越多的人的關注。移動通信技術的發(fā)展使得非正式學習的方式經(jīng)歷了由數(shù)字學習到移動學習再到如今的泛在學習的發(fā)展過程,學習方式變得更加靈活、便捷和個性化。泛在學習因其可以使學習者根據(jù)自己的需求隨時隨地利用任何終端學習的特性,適應了現(xiàn)代社會對學習的需求,受到人們的普遍歡迎,并成為未來學習的發(fā)展趨勢。而泛在學習資源是泛在學習得以開展的重要支撐,因此,如何設計與開發(fā)高效、便捷、個性化的泛在學習資源成為了泛在學習研究的一項重要內(nèi)容�；诖�,本研究首先重點研究了泛在學習資源,從學習資源信息模塊、學習資源進化模塊以及學習資源活動模塊對學習資源進行設計,使得學習資源具有泛在性、情境性、聯(lián)通性等特性。 現(xiàn)階段,互聯(lián)網(wǎng)成為了學習者獲取學習資源的重要渠道,然而,隨著網(wǎng)絡資源數(shù)量爆炸性的增長,僅僅通過傳統(tǒng)的搜索引擎方式來獲取信息存在著返回結果多、準確性差等缺點,這使得學習者無法獲得滿意的學習資源,而近年來個性化推薦技術在商務領域的成功應用為解決這一問題提供了一個新的思路。將個性化推薦技術引入教育領域,并與泛在學習資源相結合,可以很好地幫助學習者獲得個性化的泛在學習資源�；诖�,本研究對目前流行的個性化推薦技術做了比較分析,結合泛在學習資源的特點,使用協(xié)同過濾推薦算法為學習者推薦學習資源。 本研究首先通過分析研究泛在學習及其資源的特點,對泛在學習資源模型進行了設計,并通過研究與比較多種個性化推薦技術,確定使用協(xié)同過濾推薦技術對泛在學習資源進行推薦。隨后,本研究對學習者興趣模型進行了設計,并利用協(xié)同過濾算法為其推薦資源。最后,本研究對泛在學習資源推薦系統(tǒng)從需求分析到代碼實現(xiàn)做了具體設計,將以上理論應用于實際中。
【關鍵詞】：泛在學習 學習資源 學習元 協(xié)同過濾 個性化推薦
【學位授予單位】：北京交通大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：G434
【目錄】：

• 致謝5-6
• 摘要6-7
• ABSTRACT7-12
• 1 引言12-18
• 1.1 研究背景及選題意義12-13
• 1.2 國內(nèi)外研究現(xiàn)狀13-17
• 1.2.1 泛在學習研究現(xiàn)狀13-15
• 1.2.2 學習資源研究現(xiàn)狀15-16
• 1.2.3 推薦系統(tǒng)研究現(xiàn)狀16
• 1.2.4 研究現(xiàn)狀小結16-17
• 1.3 論文主要內(nèi)容17
• 1.4 論文內(nèi)容組織結構17-18
• 2 相關理論研究18-28
• 2.1 泛在學習介紹18-22
• 2.1.1 泛在學習的概念18-20
• 2.1.2 泛在學習的理論基礎20-21
• 2.1.3 泛在學習的特點21-22
• 2.2 泛在學習資源新型組織形式——學習元22-24
• 2.2.1 “學習元”的概念及特性22
• 2.2.2 “學習元”的構成要素22-23
• 2.2.3 “學習元”的資源信息模型23-24
• 2.3 個性化推薦24-28
• 2.3.1 個性化推薦系統(tǒng)簡介24-25
• 2.3.2 基于關聯(lián)規(guī)則的推薦25
• 2.3.3 基于聚類的推薦25-26
• 2.3.4 基于內(nèi)容的推薦26
• 2.3.5 基于協(xié)同過濾的推薦26-27
• 2.3.6 推薦技術小結27-28
• 3 泛在學習環(huán)境下學習資源模型設計28-38
• 3.1 泛在學習環(huán)境下學習資源建設現(xiàn)狀分析28-30
• 3.1.1 開放的學習資源平臺與學習資源管理水平低下的矛盾28
• 3.1.2 海量的學習資源與學習者很難獲得需要的學習資源的矛盾28-29
• 3.1.3 豐富的學習內(nèi)容與學習者學習效率低的矛盾29
• 3.1.4 學習資源眾多與資源無法關聯(lián)的矛盾29-30
• 3.2 泛在學習資源模型設計30-38
• 3.2.1 學習資源信息模塊30-33
• 3.2.2 學習資源進化模塊33-35
• 3.2.3 學習活動模塊35-36
• 3.2.4 泛在學習資源模型小結36-38
• 4 泛在學習環(huán)境下學習資源個性化推薦研究38-51
• 4.1 學習資源個性化推薦現(xiàn)狀分析38-39
• 4.2 協(xié)同過濾推薦算法39-44
• 4.2.1 基于用戶的(User-based)協(xié)同過濾推薦算法39-40
• 4.2.2 基于項目的(Item-based)協(xié)同過濾推薦算法40-41
• 4.2.3 UserCF與ItemCF算法比較及問題分析41-42
• 4.2.4 優(yōu)化的協(xié)同過濾推薦算法42-44
• 4.3 學習者興趣建模44-49
• 4.3.1 學習者興趣建模的相關理論及方法44-48
• 4.3.2 學習者興趣模型的建立48-49
• 4.4 向?qū)W習者推薦泛在學習資源49-51
• 4.4.1 相似度計算49-50
• 4.4.2 產(chǎn)生推薦50-51
• 5 泛在學習資源推薦系統(tǒng)的具體設計51-68
• 5.1 需求分析51-53
• 5.1.1 系統(tǒng)功能性需求51-52
• 5.1.2 系統(tǒng)非功能性需求52
• 5.1.3 系統(tǒng)的體系結構52-53
• 5.1.4 系統(tǒng)的使用流程53
• 5.2 數(shù)據(jù)庫的設計53-55
• 5.3 系統(tǒng)的主要功能詳細設計55-64
• 5.3.1 系統(tǒng)界面的設計55-59
• 5.3.2 推薦部分的設計59-64
• 5.4 測試與結果64-68
• 5.4.1 測試數(shù)據(jù)集及測試環(huán)境64-65
• 5.4.2 測試評價指標65-66
• 5.4.3 測試結果分析66-68
• 6 總結與展望68-70
• 參考文獻70-73
• 作者簡歷及攻讀碩士學位期間取得的研究成果73-75
• 學位論文數(shù)據(jù)集75

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 梁瑞儀;李康;;若干學習相關概念的解讀與思考[J];中國遠程教育;2009年01期

2 夏云;李盛聰;;近年我國泛在學習研究文獻的綜述[J];中國遠程教育;2012年05期

3 黎加厚,吳振華,陳雙寅,陳暉;美國教育資源門戶及其對我國教育資源建設的啟迪[J];電化教育研究;2003年08期

4 劉婷;丘豐;;論未來終身教育新模式——泛在學習[J];廣東廣播電視大學學報;2007年03期

5 余勝泉;楊現(xiàn)民;程罡;;泛在學習環(huán)境中的學習資源設計與共享——“學習元”的理念與結構[J];開放教育研究;2009年01期

6 楊現(xiàn)民;余勝泉;王志軍;;學習元與學習對象的多維比較研究——學習資源聚合模型發(fā)展新趨勢[J];開放教育研究;2010年06期

7 邢春曉;高鳳榮;戰(zhàn)思南;周立柱;;適應用戶興趣變化的協(xié)同過濾推薦算法[J];計算機研究與發(fā)展;2007年02期

8 林霜梅;汪更生;陳弈秋;;個性化推薦系統(tǒng)中的用戶建模及特征選擇[J];計算機工程;2007年17期

9 余力,劉魯,李雪峰;用戶多興趣下的個性化推薦算法研究[J];計算機集成制造系統(tǒng);2004年12期

10 黃建海,王超,潘金貴;多Agent系統(tǒng)DOLTRI-Agent中的通信及其安全機制[J];計算機應用與軟件;2001年08期

，

本文編號：829596