移动学习环境下学习资源个性化推荐模型研究
发布时间：2021-06-25 13:14
目前,随着移动通讯技术的蓬勃发展及其终端设备的快速普及,移动学习已经成为大众日常资源获取的重要方式,并为个性化学习提供了更为便捷的途径。然而移动学习环境下的学习资源种类繁多、数量庞大,容易出现信息过载、信息迷航等问题,致使学习者难以在短时间内,从繁杂的学习资源中高效地、精确地定位目标资源,耗费了学习者较多的时间和精力。学习资源的个性化推荐能提升用户检索信息的效率,节省学习者的时间和精力,有助于学习者快速精准地找到目标学习资源。此外,为了使系统推荐的学习资源满足每一位学习者的需求,个性化推荐已经成为当前资源开发设计中的核心关注要素,如何体现资源推荐的个性化是当前研究的热点。本文为解决信息过载、提高推荐个性化问题,结合分析移动学习的环境特点、学习资源推荐现状和学习者学习接受的实际感受,对当下较为常见的几种个性化资源推荐算法进行比较,并基于学习者的实际需求,设计了以情境因素、学习者特点因素、学习者兴趣因素、学习者目标因素和反馈更新因素共五个维度的学习资源个性化推送模型,提出混合式推荐方式的个性化资源推荐模型。分别阐述了5个因素模块的设计理由,并采用问卷调查的方式进行数据统计,计算出了该5个因...
【文章来源】：渤海大学辽宁省
【文章页数】：54 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
一、引言
（一）课题研究背景与意义
1.研究背景
2.研究意义
（二）个性化推荐的发展及研究现状
1.国外研究概况
2.国内研究现状
（三）研究内容与组织结构
1.论文框架
2.研究方法
二、移动学习及推荐的相关理论
（一）移动学习介绍
（二）移动学习的优点
1.学习场景的可变换性
2.学习时间的碎片化
3.学习内容的多样化
（三）移动学习下个性化资源推荐的要求
1.学习资源推荐的内容
2.学习资源推荐的情境
3.资源推荐的形式
（四）学习的相关理论
1.奥苏伯尔的认知学习理论
2.建构主义学习理论
3.六度空间理论
三、个性化推荐算法的技术支撑
（一）当下常见的个性化资源推荐算法
1.协同过滤算法推荐
2.基于内容的推荐
3.关联规则的推荐
4.基于社会化标签的个性化推荐
5.几种推荐算法的比较
（二）个性化推荐模型可应用的算法
1.余弦相似度
2.修正的余弦相似性
3.Slope One推荐算法
4.皮尔逊相似度
5.个性化推荐模型应用的算法
四、移动学习中的个性化资源推荐模型设计
（一）个性化资源推荐模型设计
1.学习情境模块
2.学习者特点模块
3.学习者兴趣模块
4.学习目标模块
5.反馈更新模块
6.个性化内容推送的关键代码
（二）推送流程
1.数据收集
2.信息筛选
3.个性化推送
4.反馈更新
5.推送具体过程
（三）个性化推荐模型中的属性权重计算
1.问卷调查
2.个性化推荐模型属性权值
3.属性权值的价值意义
（四）个性化推荐模型的优点
五、展望与总结
（一）总结
（二）仍有待解决的问题
1.用户信息的安全性问题
2.如何推荐真正适合学习者的学习资源
3.基础资源数据库的建立与推广
参考文献
附录 1
附录 2
致谢
攻读硕士学位期间的学术成果
【参考文献】：
期刊论文
[1]“皮格马利翁效应”与外语教学策略探寻[J]. 彭浩. 教育教学论坛. 2016(51)
[2]基于知识关联的学习资源混合协同过滤推荐研究[J]. 李保强,吴笛. 电化教育研究. 2016(06)
[3]情境信息及其在智慧学习资源推荐中的应用研究[J]. 余平,管珏琪,徐显龙,祝智庭. 电化教育研究. 2016(02)
[4]智慧学习空间中学习行为分析及推荐系统研究[J]. 赵铮,李振,周东岱,钟绍春. 现代教育技术. 2016(01)
[5]个性化推荐系统在移动学习中的应用研究[J]. 王小军,王运,郝喆. 中国教育信息化. 2015(23)
[6]社会化电子商务对消费者购买意愿影响的概念模型构建[J]. 张晓雯,陈岩. 现代商业. 2015(27)
[7]基于个性化推荐的移动学习模式探究——以高职学生为例[J]. 查英华,朱其慎. 职教论坛. 2015(23)
[8]一种解决新项目冷启动问题的推荐算法[J]. 于洪,李俊华. 软件学报. 2015(06)
[9]智慧教育环境下学习资源推送服务模型的构建[J]. 李宝,张文兰. 远程教育杂志. 2015(03)
[10]一种改进的slope one推荐算法研究[J]. 柴华,刘建毅. 信息网络安全. 2015(02)
博士论文
[1]基于情境的商品个性化推荐方法研究[D]. 吕苗.大连理工大学 2015
硕士论文
[1]个性化推荐的关联规则算法研究[D]. 杨宇.东南大学 2016
[2]基于用户情境的论坛个性化推荐模型研究[D]. 应中运.西南大学 2014
[3]国家精品课程交互设计现状与优化[D]. 李艳宁.华中师范大学 2013
[4]基于协同过滤的个性化新闻推荐系统的研究与实现[D]. 曹一鸣.北京邮电大学 2013
[5]基于社会化标签的个性化推荐系统研究[D]. 张玉.合肥工业大学 2011
[6]基于用户情境的协同推荐算法研究与应用[D]. 周涛.重庆大学 2010
本文编号：3249271
【文章来源】：渤海大学辽宁省
【文章页数】：54 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
一、引言
（一）课题研究背景与意义
1.研究背景
2.研究意义
（二）个性化推荐的发展及研究现状
1.国外研究概况
2.国内研究现状
（三）研究内容与组织结构
1.论文框架
2.研究方法
二、移动学习及推荐的相关理论
（一）移动学习介绍
（二）移动学习的优点
1.学习场景的可变换性
2.学习时间的碎片化
3.学习内容的多样化
（三）移动学习下个性化资源推荐的要求
1.学习资源推荐的内容
2.学习资源推荐的情境
3.资源推荐的形式
（四）学习的相关理论
1.奥苏伯尔的认知学习理论
2.建构主义学习理论
3.六度空间理论
三、个性化推荐算法的技术支撑
（一）当下常见的个性化资源推荐算法
1.协同过滤算法推荐
2.基于内容的推荐
3.关联规则的推荐
4.基于社会化标签的个性化推荐
5.几种推荐算法的比较
（二）个性化推荐模型可应用的算法
1.余弦相似度
2.修正的余弦相似性
3.Slope One推荐算法
4.皮尔逊相似度
5.个性化推荐模型应用的算法
四、移动学习中的个性化资源推荐模型设计
（一）个性化资源推荐模型设计
1.学习情境模块
2.学习者特点模块
3.学习者兴趣模块
4.学习目标模块
5.反馈更新模块
6.个性化内容推送的关键代码
（二）推送流程
1.数据收集
2.信息筛选
3.个性化推送
4.反馈更新
5.推送具体过程
（三）个性化推荐模型中的属性权重计算
1.问卷调查
2.个性化推荐模型属性权值
3.属性权值的价值意义
（四）个性化推荐模型的优点
五、展望与总结
（一）总结
（二）仍有待解决的问题
1.用户信息的安全性问题
2.如何推荐真正适合学习者的学习资源
3.基础资源数据库的建立与推广
参考文献
附录 1
附录 2
致谢
攻读硕士学位期间的学术成果
【参考文献】：
期刊论文
[1]“皮格马利翁效应”与外语教学策略探寻[J]. 彭浩. 教育教学论坛. 2016(51)
[2]基于知识关联的学习资源混合协同过滤推荐研究[J]. 李保强,吴笛. 电化教育研究. 2016(06)
[3]情境信息及其在智慧学习资源推荐中的应用研究[J]. 余平,管珏琪,徐显龙,祝智庭. 电化教育研究. 2016(02)
[4]智慧学习空间中学习行为分析及推荐系统研究[J]. 赵铮,李振,周东岱,钟绍春. 现代教育技术. 2016(01)
[5]个性化推荐系统在移动学习中的应用研究[J]. 王小军,王运,郝喆. 中国教育信息化. 2015(23)
[6]社会化电子商务对消费者购买意愿影响的概念模型构建[J]. 张晓雯,陈岩. 现代商业. 2015(27)
[7]基于个性化推荐的移动学习模式探究——以高职学生为例[J]. 查英华,朱其慎. 职教论坛. 2015(23)
[8]一种解决新项目冷启动问题的推荐算法[J]. 于洪,李俊华. 软件学报. 2015(06)
[9]智慧教育环境下学习资源推送服务模型的构建[J]. 李宝,张文兰. 远程教育杂志. 2015(03)
[10]一种改进的slope one推荐算法研究[J]. 柴华,刘建毅. 信息网络安全. 2015(02)
博士论文
[1]基于情境的商品个性化推荐方法研究[D]. 吕苗.大连理工大学 2015
硕士论文
[1]个性化推荐的关联规则算法研究[D]. 杨宇.东南大学 2016
[2]基于用户情境的论坛个性化推荐模型研究[D]. 应中运.西南大学 2014
[3]国家精品课程交互设计现状与优化[D]. 李艳宁.华中师范大学 2013
[4]基于协同过滤的个性化新闻推荐系统的研究与实现[D]. 曹一鸣.北京邮电大学 2013
[5]基于社会化标签的个性化推荐系统研究[D]. 张玉.合肥工业大学 2011
[6]基于用户情境的协同推荐算法研究与应用[D]. 周涛.重庆大学 2010
本文编号：3249271
本文链接：https://www.wllwen.com/jiaoyulunwen/jiaoyutizhilunwen/3249271.html
