基于非干预式感知的个性化学业求助资源推荐研究进展
发布时间：2021-09-29 03:38
现代信息技术提供的强大移动终端、数据存储和计算平台,极大地促进了信息技术和教育学科的深度融合,有利地推动了"教育信息化2.0行动计划"的实施,也为研究学业求助提供了坚实的技术保障.借助多种新型的感知机理和实现技术,建立日常教学实践活动中非干预式的学业求助行为感知和分类,使实现自适应个性化的学业求助资源推荐成为可能.本文针对非干预式感知的个性化学业求助资源推荐研究状况,展开具体分析,并针对未来可能研究进行了展望:学业求助非干预式感知、学业求助多源异构数据分析、以及学业求助资源个性化推荐方法.以上研究内容充分利用和发挥了现代信息技术的优势,探索其在学业求助应用场景下切实可行的途径和方法.有利于实现对学习者学业求助需求的精准定位并提供自适应个性化的资源推荐,贯彻了我国教育信息化2.0建设中的精准教育理念,具有理论和实际的双重意义.
【文章来源】：华东师范大学学报(自然科学版). 2018,(05)北大核心CSCD
【文章页数】：13 页
【部分图文】：
基于内容的推荐算法Fig:1Contenk一basedxeeommendatSonalgoTiGtrrn
２４??华东师范大学学报（自然科学版）??２．０，１８－年．??（４）分层的混合（Ｍ姊ａ－Ｌｅｖｅｌ）：与分区的混合推荐类似，分层的混合推荐也是．同时采用几种??不同的推荐机制，不博之处是它将一个推荐机制产生的推荐结果作为另一个推荐机制的输入，通??过多层混合，综含了每个推荐机制的优劣，最终提髙了推荐的精准度，??混合推荐系统的优点在：千：推荐的质量要比单独使用一种于丙容的推荐算法或者协同??过滤推：荐算法）推荐算法高；没有冷启动何题；可以推荐有竿见特性的物品彳可以实现推荐裙果??的多样性．缺点在尹，通过大量的ｉ作才能得到正确的平衡．??随着瓦联网中越来越多的数据能够被感知获取，包括图像、、文本、标签在内的多源异构数??据蕴含曹眷當的用户行为信息及个性化需求信息，融合多頮异构辅助信息的混合推荐方法能够??缓解传统推荐系统中的数据稀疏和冷启动问题，但由于辅助信息住往具有多模态、数据异构、??太规模、数据稀疏和发布不均匀等复杂特怔，融合多源异构数据的混合推荐方法研究依然面临??＿严竣的挑战??随着深度学习这一被浪潮的兴起，图像处理．语音识别以及＆然语言处理等领域乘蕾锞度??争习的东风都取得了长足的进展．深度學习因其多隐层的非线性架构模讓而具有强大的拟会能??力，在：大数据时代，通过海董的训练数据来提升模型拟合真实分布的能力ｓ大大提高了分类任务??和预测任务的精度．将深度学习技术飾在推荐系统上，是近年推赛算法领域的一个破究热点．??基子深度学习的推荐系统一般将用户数据和项目数据作为模型的输入，最终学３到用＇户和??项目高缀的抽象表示，在这个基础上进行推荐．一个基本的框架如图３所该框架包含了三??分别是输入层、模型层以及输出爲输
２６??华东师范大学学报（自然科学版）??２．０，１８－年．??的多维度分析、学业求助资源的个性化推荐、以及原型平台的示范．应用奠定数据资源和分析基??础．??⑵学业求助多源异构数据分析??本部分研究预期是在前一步多源异构学业求助数据、特征片段抽取的基础上、重袁研究以??上多模态数据的关联分析、融合技术，特别是研究面向財间序列数裾的多维度分析方法，在有效??提升概率的支持度和置信度后／产生．应用于学业求助领域多＾模态数据的有效关联和融合规则．这??一方向的研究重点集中在：提出支持多頮异构学业求助数据的关联方法，提出学业求助多模态??数据的融合方法，从而实现学业求助者爾像模型构建肘ｆｅ整性、有效性和精准性．??（ａ）学业求助资源个性化推荐??本部分研究预期是结合行为主体的客观数据积累，包括学业进度＇求助偏好、求助行为等，??建立求助资源／对象的评分体策重点研究学业求助的识别、领测方法，以及针对个性化需求而??进行的学业求助资源精准推荐方法，这一方向的研究重点在子Ｉ提出基于协同过滤的分层混合??推荐方法，实现对行为主钵孛业求助需求的自动识别和预测，并自适应推荐个性化的学业求助??资源，??（４）平台康型：及典型应用验证??非干预式感知的个性化学业求助资源推荐，具有鲜明的教育学应用验证特性．在前三都分??５开究取得创新成果的基础上只有通过原型系统实现与教育学领域的应用验证，才能有效评估學??业求助资頮推荐的效果，并为教育信息技术改革提供示范性的应Ｉｆ案例，图４展示了一个简单的??非干预式感知的个性化学业求助资源推荐康型系统．这一方向的研究：重点强调：开发出个性化??学业求助资源推荐系统平台，在教学实践活动中应用和验呢可以广
本文编号：3413124
【文章来源】：华东师范大学学报(自然科学版). 2018,(05)北大核心CSCD
【文章页数】：13 页
【部分图文】：
基于内容的推荐算法Fig:1Contenk一basedxeeommendatSonalgoTiGtrrn
２４??华东师范大学学报（自然科学版）??２．０，１８－年．??（４）分层的混合（Ｍ姊ａ－Ｌｅｖｅｌ）：与分区的混合推荐类似，分层的混合推荐也是．同时采用几种??不同的推荐机制，不博之处是它将一个推荐机制产生的推荐结果作为另一个推荐机制的输入，通??过多层混合，综含了每个推荐机制的优劣，最终提髙了推荐的精准度，??混合推荐系统的优点在：千：推荐的质量要比单独使用一种于丙容的推荐算法或者协同??过滤推：荐算法）推荐算法高；没有冷启动何题；可以推荐有竿见特性的物品彳可以实现推荐裙果??的多样性．缺点在尹，通过大量的ｉ作才能得到正确的平衡．??随着瓦联网中越来越多的数据能够被感知获取，包括图像、、文本、标签在内的多源异构数??据蕴含曹眷當的用户行为信息及个性化需求信息，融合多頮异构辅助信息的混合推荐方法能够??缓解传统推荐系统中的数据稀疏和冷启动问题，但由于辅助信息住往具有多模态、数据异构、??太规模、数据稀疏和发布不均匀等复杂特怔，融合多源异构数据的混合推荐方法研究依然面临??＿严竣的挑战??随着深度学习这一被浪潮的兴起，图像处理．语音识别以及＆然语言处理等领域乘蕾锞度??争习的东风都取得了长足的进展．深度學习因其多隐层的非线性架构模讓而具有强大的拟会能??力，在：大数据时代，通过海董的训练数据来提升模型拟合真实分布的能力ｓ大大提高了分类任务??和预测任务的精度．将深度学习技术飾在推荐系统上，是近年推赛算法领域的一个破究热点．??基子深度学习的推荐系统一般将用户数据和项目数据作为模型的输入，最终学３到用＇户和??项目高缀的抽象表示，在这个基础上进行推荐．一个基本的框架如图３所该框架包含了三??分别是输入层、模型层以及输出爲输
２６??华东师范大学学报（自然科学版）??２．０，１８－年．??的多维度分析、学业求助资源的个性化推荐、以及原型平台的示范．应用奠定数据资源和分析基??础．??⑵学业求助多源异构数据分析??本部分研究预期是在前一步多源异构学业求助数据、特征片段抽取的基础上、重袁研究以??上多模态数据的关联分析、融合技术，特别是研究面向財间序列数裾的多维度分析方法，在有效??提升概率的支持度和置信度后／产生．应用于学业求助领域多＾模态数据的有效关联和融合规则．这??一方向的研究重点集中在：提出支持多頮异构学业求助数据的关联方法，提出学业求助多模态??数据的融合方法，从而实现学业求助者爾像模型构建肘ｆｅ整性、有效性和精准性．??（ａ）学业求助资源个性化推荐??本部分研究预期是结合行为主体的客观数据积累，包括学业进度＇求助偏好、求助行为等，??建立求助资源／对象的评分体策重点研究学业求助的识别、领测方法，以及针对个性化需求而??进行的学业求助资源精准推荐方法，这一方向的研究重点在子Ｉ提出基于协同过滤的分层混合??推荐方法，实现对行为主钵孛业求助需求的自动识别和预测，并自适应推荐个性化的学业求助??资源，??（４）平台康型：及典型应用验证??非干预式感知的个性化学业求助资源推荐，具有鲜明的教育学应用验证特性．在前三都分??５开究取得创新成果的基础上只有通过原型系统实现与教育学领域的应用验证，才能有效评估學??业求助资頮推荐的效果，并为教育信息技术改革提供示范性的应Ｉｆ案例，图４展示了一个简单的??非干预式感知的个性化学业求助资源推荐康型系统．这一方向的研究：重点强调：开发出个性化??学业求助资源推荐系统平台，在教学实践活动中应用和验呢可以广
本文编号：3413124
本文链接：https://www.wllwen.com/jiaoyulunwen/jiaoyujiaoxuefangfalunwen/3413124.html
