本文關(guān)鍵詞：基于蟻群信息素優(yōu)化算法的微學(xué)習(xí)路徑推薦研究　出處：《太原理工大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 微學(xué)習(xí) 蟻群信息素優(yōu)化 學(xué)習(xí)路徑 學(xué)習(xí)單元 學(xué)習(xí)狀態(tài)

【摘要】：微學(xué)習(xí)是一種新型學(xué)習(xí)方式,是在線學(xué)習(xí)適應(yīng)碎片化時代的一種發(fā)展形式。微學(xué)習(xí)最主要的特點(diǎn)是,其學(xué)習(xí)單元包含的知識內(nèi)容相對精簡,構(gòu)成包括文本、音頻/視頻和圖像等多種形式,使學(xué)習(xí)過程中學(xué)習(xí)者在時間和空間上受到的限制較少。短小精悍的學(xué)習(xí)單元,靈活多變的組織方式,自由開放的學(xué)習(xí)環(huán)境使得微學(xué)習(xí)一經(jīng)提出,便受到了廣泛關(guān)注。與其他在線學(xué)習(xí)方式一樣,由于學(xué)習(xí)資源的激增,使微學(xué)習(xí)也面臨著“信息過載”問題。學(xué)習(xí)者不得不在尋找適合的學(xué)習(xí)單元時花費(fèi)大量的時間,從而影響學(xué)習(xí)效率。以上問題的存在,促使我們尋找一種方法來為學(xué)習(xí)者提供適合的微學(xué)習(xí)單元。本文在充分調(diào)查研究在線學(xué)習(xí)相關(guān)技術(shù)的基礎(chǔ)上,結(jié)合微學(xué)習(xí)的特征,提出了一種蟻群信息素優(yōu)化算法來推薦微學(xué)習(xí)單元,并通過逐步適應(yīng)的方式實(shí)現(xiàn)對微學(xué)習(xí)路徑的推薦。該方法將微學(xué)習(xí)特征與蟻群算法有機(jī)結(jié)合,以有效提高學(xué)習(xí)者在微學(xué)習(xí)中的學(xué)習(xí)效率。在介紹學(xué)習(xí)路徑推薦的相關(guān)概念,和分析微學(xué)習(xí)概念與特性的基礎(chǔ)上,本文對學(xué)習(xí)單元屬性、學(xué)習(xí)者特征和學(xué)習(xí)路徑進(jìn)行分析建模,并對其表示方式進(jìn)行定義,進(jìn)而提出了微學(xué)習(xí)中學(xué)習(xí)路徑推薦模型。本文提出的微學(xué)習(xí)路徑推薦方法的核心是蟻群信息素優(yōu)化算法,結(jié)合微學(xué)習(xí)路徑推薦方法的整體設(shè)計(jì)框架,以及對框架中的各個模塊的功能描述,詳細(xì)介紹了該算法實(shí)時監(jiān)測學(xué)習(xí)者的學(xué)習(xí)情況變化,并使用信息素濃度系數(shù)自適應(yīng)函數(shù)調(diào)節(jié)信息素濃度,及時優(yōu)化調(diào)整微學(xué)習(xí)路徑推薦策略的處理流程。其后,通過MATLAB環(huán)境,得到適用于微學(xué)習(xí)環(huán)境的蟻群算法參數(shù)組合。最后通過實(shí)驗(yàn)驗(yàn)證了該方法可以為微學(xué)習(xí)中學(xué)習(xí)者推薦適合的學(xué)習(xí)路徑,有效提高學(xué)習(xí)效率。在充分分析微學(xué)習(xí)和在線學(xué)習(xí)共同面臨問題的基礎(chǔ)上,本文結(jié)合微學(xué)習(xí)的特點(diǎn),提出一種基于蟻群信息素優(yōu)化算法的微學(xué)習(xí)路徑推薦方法。該方法的主要創(chuàng)新點(diǎn)如下:1.分析微學(xué)習(xí)的特點(diǎn),借助蟻群算法反饋性的優(yōu)勢,將學(xué)習(xí)路徑推薦粒度細(xì)化為更小的學(xué)習(xí)單元,進(jìn)一步提高了推薦的精度。2.分析學(xué)習(xí)過程和學(xué)習(xí)要素,借助蟻群算法中的螞蟻屬性分類,監(jiān)測學(xué)習(xí)過程,根據(jù)學(xué)習(xí)者學(xué)習(xí)狀態(tài)的變化,逐步調(diào)整推薦策略,優(yōu)化學(xué)習(xí)路徑,以適應(yīng)學(xué)習(xí)者的需求變化。3.深入分析學(xué)習(xí)流程,引入信息素濃度系數(shù)自適應(yīng)調(diào)節(jié)函數(shù),對全局和局部信息素濃度進(jìn)行調(diào)節(jié),優(yōu)化推薦結(jié)果。
[Abstract]:Micro-learning is a new learning method, which is a development form of online learning to adapt to fragmentation. The main feature of micro-learning is that its learning unit contains relatively simple knowledge content, including text. Audio / video and image and other forms, so that learners in the learning process in the space and time constraints are less, short learning units, flexible organization. The free and open learning environment makes micro-learning, once proposed, has attracted wide attention. Like other online learning methods, because of the proliferation of learning resources. Micro-learning is also facing the problem of "information overload". Learners have to spend a lot of time looking for suitable learning units, thus affecting learning efficiency. This paper makes us find a way to provide suitable micro-learning units for learners. This paper combines the characteristics of micro-learning on the basis of full investigation and research of online learning related technologies. In this paper, an ant colony pheromone optimization algorithm is proposed to recommend the micro-learning unit, and the micro-learning path is recommended by gradual adaptation, which combines the micro-learning features with the Ant Colony algorithm. In order to effectively improve the learning efficiency of learners in micro-learning. On the basis of introducing the related concepts of learning path recommendation and analyzing the concept and characteristics of micro-learning, this paper deals with the attributes of learning units. Learner characteristics and learning paths are analyzed and modeled, and their representation is defined. Then the learning path recommendation model in micro-learning is proposed. The core of the proposed micro-learning path recommendation method is the ant colony pheromone optimization algorithm combined with the overall design framework of micro-learning path recommendation method. As well as the functional description of each module in the framework, the algorithm is introduced in detail to monitor learners' learning changes in real time, and the pheromone concentration coefficient adaptive function is used to adjust the pheromone concentration. Optimize and adjust the process of micro-learning path recommendation strategy in time. Then, through the MATLAB environment. An ant colony algorithm parameter combination suitable for micro-learning environment is obtained. Finally, the experimental results show that the proposed method can recommend suitable learning paths for micro-learning learners. Effectively improve learning efficiency. On the basis of fully analyzing the common problems of micro-learning and online learning, this paper combines the characteristics of micro-learning. A microlearning path recommendation method based on ant colony pheromone optimization algorithm is proposed. The main innovation of this method is as follows: 1. The characteristics of microlearning are analyzed and the advantage of feedback is obtained. The recommended granularity of learning path is refined into a smaller learning unit, which further improves the accuracy of recommendation. 2. Analyze the learning process and learning elements, and monitor the learning process by means of ant attribute classification in ant colony algorithm. According to the change of learner's learning state, the recommendation strategy is adjusted step by step, and the learning path is optimized to adapt to the change of learner's demand. 3. Deeply analyze the learning process and introduce the adaptive adjustment function of pheromone concentration coefficient. The global and local pheromone concentrations were adjusted to optimize the recommended results.
【學(xué)位授予單位】：太原理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP18

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 趙呈領(lǐng);陳智慧;黃志芳;;適應(yīng)性學(xué)習(xí)路徑推薦算法及應(yīng)用研究[J];中國電化教育;2015年08期

2 王雪松;梁昔明;;改進(jìn)蟻群算法優(yōu)化支持向量機(jī)的網(wǎng)絡(luò)入侵檢測[J];計(jì)算技術(shù)與自動化;2015年02期

3 鄭紹紅;;微學(xué)習(xí):內(nèi)涵、理念及生態(tài)結(jié)構(gòu)[J];現(xiàn)代教育技術(shù);2015年01期

4 吳金紅;周來;;微學(xué)習(xí)在高校本科教學(xué)中的應(yīng)用[J];計(jì)算機(jī)教育;2014年18期

5 羅天蘭;王忠華;;微課的研究現(xiàn)狀及其發(fā)展趨勢綜述[J];軟件導(dǎo)刊(教育技術(shù));2014年07期

6 李龍;;論“微型學(xué)習(xí)”的設(shè)計(jì)與實(shí)施[J];電化教育研究;2014年02期

7 張振虹;楊慶英;韓智;;微學(xué)習(xí)研究:現(xiàn)狀與未來[J];中國電化教育;2013年11期

8 吳軍;;“微學(xué)習(xí)”在教學(xué)中的探索與實(shí)踐[J];計(jì)算機(jī)時代;2013年07期

9 李擎;張超;陳鵬;尹怡欣;;一種基于粒子群參數(shù)優(yōu)化的改進(jìn)蟻群算法[J];控制與決策;2013年06期

10 黃燁;;“微時代”下的“微課”淺析[J];科技風(fēng);2013年10期

相關(guān)會議論文 前1條

1 任偉建;陳建玲;韓冬;王鳳妤;;蟻群算法綜述[A];2007中國控制與決策學(xué)術(shù)年會論文集[C];2007年

相關(guān)碩士學(xué)位論文 前7條

1 姜坤霖;蟻群算法優(yōu)化及應(yīng)用研究[D];內(nèi)蒙古農(nóng)業(yè)大學(xué);2016年

2 劉可心;中學(xué)生微學(xué)習(xí)現(xiàn)狀研究[D];天津師范大學(xué);2015年

3 李海霞;基于蟻群聚類的電子商務(wù)個性化推薦算法研究[D];山東師范大學(xué);2014年

4 齊利利;基于手持終端的微學(xué)習(xí)活動設(shè)計(jì)研究[D];華中師范大學(xué);2012年

5 蘇玲玲;移動通信環(huán)境下的微學(xué)習(xí)研究[D];華中師范大學(xué);2011年

6 彭建偉;基于Memetic算法的個性化學(xué)習(xí)路徑推薦的研究與實(shí)現(xiàn)[D];湖南大學(xué);2009年

7 楊為民;在線學(xué)習(xí)的現(xiàn)狀與發(fā)展研究[D];西北師范大學(xué);2007年

，

本文編號：1388119