基于数据挖掘的学习推荐系统的研究基于数据挖掘的学习推荐系统的研究
为了让学习者在学习过程中能够快速获得所需的知识和核心内容,首先给出一个采用xml格式的多层次知识库,
并基于学习者的身份特征、学习行为和测试结果,利用改进的协同过滤算法和基于约束的推荐算法,发现学习
者的潜在学习需求,完成知识推送和个性化学习定制。最后,对学习推荐系统进行了实现。所研制的系统满足
了学习者获得所需知识和学习指导的需求,提高了学习者的学习效率。
摘 摘 要要: 为了让学习者在学习过程中能够快速获得所需的知识和核心内容,首先给出一个采用xml格式的多层次知识库,
并基于学习者的身份特征、学习行为和测试结果,利用改进的协同过滤算法和基于约束的推荐算法,发现学习者的潜在
关键词关键词:
0 引言引言
《国家中长期教育改革和发展规划纲要》提出要“以学生为主体,以教师为主导,充分发挥学生的主动性”、“为每个学生提
供适合的教育”、“把提高质量作为教育改革发展的核心任务”。因此,为学生营造一个可以主动思考、个性化、自主学习的环境
尤为重要。
随着计算机技术和网络技术的迅速发展,具有个性化、自主性、主动性和非时空性特征的网络自主学习已经成为人们关注
的热点。一些学校和机构都纷纷建立教育资源共享服务平台,提供大规模的开放课程,让学生可以利用网络化教学平台进行交
互学习,同时也开发一些网站(如http://www.lifegrowing.com/ceha/)对自主学习模式进行探索。
当前网络自主学习存在如下问题[1]:(1)为学习者所提供的网络环境(平台)对于海量的学习资源无法进行有效整合,学
习者很难快速找到和定位自己所需要的学习资源;(2)不能根据学习者的行为特征,挖掘出学习者隐含的学习需求;(3) 缺
乏个性化的知识推送及学习路径的动态生成机制;(4)学习资源的格式各种各样,缺乏语义,机器难于理解和自动处理。
针对上述问题,本文对学习需求的挖掘算法、知识推送算法和知识库的构建方法进行了研究和探讨。
1 学习推荐系统的设计学习推荐系统的设计
学习推荐系统实质是一个借助机器学习算法的系统,该系统根据预先获取的学习者基本信息、偏好、学习行为和测试结
果,发现学习者的显性和隐性学习需求,主动从知识库中搜索出符合学习者需求的知识,动态生成学习路径,促使学习者更好
的完成学习。
1.1 系统总体框架系统总体框架
学习推荐系统的总体框架如图1所示。
系统的主要流程如下:
(1)对于首次使用系统的学习者,系统首先进行问卷调查,并记录其个人信息,然后根据学习者的个人档案和调查结
果,从知识库中提取并推荐专业领域的相关知识,如知识体系、前沿资讯和主要参考文献等,完成初步的知识推送。
(2)学习者可以对推送的知识进行评价,在使用个性化知识推送系统过程中,系统会不断收集学习者的所有学习行为,
这些数据都被记录在个人档案及学习行为库中。
(3)系统根据个人信息和学习行为、测试结果等,发现潜在的学习兴趣点,即学习需求挖掘。
(4)系统根据学习者的反馈结果、学习需求、学习绩效以及各知识点之间的关系,提供知识推送。
(5)学习者根据系统的推送内容进入下一环节或主题的学习。
1.2 构建个人档案及学习行为库构建个人档案及学习行为库
“个人档案及学习行为库” 为学习需求的挖掘提供依据,主要保存了学习者个人信息(如性别、年龄、专业、兴趣爱好