發(fā)布時(shí)間：2020-12-28 23:16

　　移動(dòng)學(xué)習(xí)情境具有學(xué)習(xí)時(shí)間碎片化、學(xué)習(xí)環(huán)境動(dòng)態(tài)性的特點(diǎn),導(dǎo)致應(yīng)用傳統(tǒng)的協(xié)同過(guò)濾資源推薦方法時(shí),存在用戶相似度計(jì)算效率較低等問(wèn)題。針對(duì)此問(wèn)題,文章基于移動(dòng)學(xué)習(xí)環(huán)境下學(xué)習(xí)者的時(shí)間熵和空間熵等時(shí)空特征,對(duì)學(xué)習(xí)者進(jìn)行分群,并提出移動(dòng)學(xué)習(xí)環(huán)境下用戶相似度算法,在此基礎(chǔ)上構(gòu)建了基于學(xué)習(xí)者時(shí)空特征的移動(dòng)學(xué)習(xí)資源推薦模型,并在具體課程中進(jìn)行了模型有效性的驗(yàn)證。驗(yàn)證結(jié)果表明,此模型有效地解決了因用戶數(shù)據(jù)量過(guò)大而導(dǎo)致的用戶相似度計(jì)算過(guò)慢問(wèn)題,并使移動(dòng)學(xué)習(xí)環(huán)境下的學(xué)習(xí)資源推薦更加精準(zhǔn)。 

【文章來(lái)源】：現(xiàn)代教育技術(shù). 2020年10期 北大核心CSSCI

【文章頁(yè)數(shù)】：7 頁(yè)

【部分圖文】：

基于學(xué)習(xí)者時(shí)空特征的移動(dòng)學(xué)習(xí)資源推薦模型

在未使用學(xué)習(xí)者時(shí)空特征的情況下，本研究通過(guò)KNN算法對(duì)所有學(xué)習(xí)者使用歐式距離計(jì)算出與目標(biāo)學(xué)習(xí)者接近的近鄰學(xué)習(xí)者，通過(guò)交叉驗(yàn)證得到不同K取值下的學(xué)習(xí)者分群準(zhǔn)確率，如圖3所示。圖3顯示，當(dāng)K=4時(shí)，達(dá)到最大分類準(zhǔn)確率（83%）。圖3 未使用時(shí)空特征的學(xué)習(xí)者分類準(zhǔn)確率

圖2 學(xué)生時(shí)空特征分布圖根據(jù)時(shí)間熵和空間熵，本研究分別對(duì)HT-HL群、HT-LL群、LT-LL群、LT-HL群四個(gè)群體進(jìn)行交叉驗(yàn)證，得到最優(yōu)K取值，由此得到學(xué)習(xí)者分群準(zhǔn)確率，如圖4所示。具體來(lái)說(shuō)，在HT-HL群，當(dāng)K取值為3時(shí)，用戶分群準(zhǔn)確率為0.90；在HT-LL群，當(dāng)K取值為5時(shí)，用戶分群準(zhǔn)確率為0.89；在LT-LL群，當(dāng)K取值為3時(shí)，用戶分群準(zhǔn)確率為0.87；在LT-HL群，當(dāng)K取值為6時(shí)，用戶分群準(zhǔn)確率為0.90。


本文編號(hào)：2944551