很多學(xué)習(xí)者在面對海量資源時(shí),難以快速篩選出對自己有用的內(nèi)容。鑒于此,該研究探索了英語教學(xué)與信息技術(shù)的融合,提出在混合學(xué)習(xí)情景下,利用協(xié)同推薦技術(shù)將學(xué)習(xí)者與優(yōu)質(zhì)視聽資源匹配,為學(xué)習(xí)者動(dòng)態(tài)定制個(gè)性化學(xué)習(xí)內(nèi)容。在大樣本數(shù)據(jù)MovieLen 100k上進(jìn)行定量分析,發(fā)現(xiàn)用戶普遍只對少量資源熟悉,需要推薦機(jī)制幫助擴(kuò)大認(rèn)知領(lǐng)域,且該方法可以提升推薦效果;在學(xué)生社團(tuán)中進(jìn)行教學(xué)實(shí)踐,發(fā)現(xiàn)不同背景的學(xué)生對視聽資源的偏好存在差異,且該方法對視聽學(xué)習(xí)產(chǎn)生了積極影響。該研究旨在為英語教育資源服務(wù)的信息化和智能化提供一定參考。 

【文章來源】：外語電化教學(xué). 2020,(03)北大核心CSSCI

【文章頁數(shù)】：8 頁

【部分圖文】：

用戶評分?jǐn)?shù)量分布情況

將收到的反饋與系統(tǒng)的預(yù)測進(jìn)行比較,如圖5所示。黑色數(shù)據(jù)表示該條推薦的預(yù)測評分為4分或者5分,共計(jì)48條。學(xué)生學(xué)習(xí)后的反饋標(biāo)記為灰色數(shù)據(jù)。當(dāng)學(xué)生打分也為4分或5分時(shí),認(rèn)為學(xué)生認(rèn)可系統(tǒng)推薦的資源。學(xué)生打分為3分及以下時(shí),認(rèn)為該資源并沒有引起學(xué)生的共鳴。在48條推薦數(shù)據(jù)中,有33條數(shù)據(jù)得到用戶的積極反饋,滿意度達(dá)到了68.75%。綜合上述定量分析和教學(xué)實(shí)踐,可以認(rèn)為本文使用的協(xié)同推薦教育方案能夠針對混合學(xué)習(xí)情景下的英語視聽說學(xué)習(xí)進(jìn)行有效推薦,能滿足學(xué)生個(gè)性化學(xué)習(xí)的需要。

圖1 個(gè)性化協(xié)同推薦框架


本文編號：3231931