基于多源信息融合的在线教育学习者个性化建模方法研究

发布时间：2021-10-16 13:18

　　近年来,随着互联网+教育的融合,各种在线教育平台迅速发展。这些平台凭借其优质而海量的资源,积累了众多用户。在线教育已成为学习者知识获取、技能拓展及学历教育等重要的教育模式和技术途径。如何在海量的教育资源中为学习者提供个性化的内容是一个热点研究问题。学习者个性化模型记录了学习者的个性化特征,能够反映学习者的个性化差异,是自适应学习系统为学习者提供个性化服务的重要决策依据。学习者模型已有了许多研究工作,从教育学领域到计算机领域,都有许多学者从各个方面做出贡献。国内的学习者模型相关研究主要注重理论研究,学习者模型中包含的因素全面,涉及各个方面,但在实践开发中应用困难,可操作性不强。而国外的研究侧重与关注学习者的某一特征并进行实践开发与应用研究。目前大部分学习者模型都存在不系统、特征值不全面且获取方式主观、可计算性差及研究大都停留在理论层面的问题。因此,本课题基于学习者在在线教育平台上的行为数据,提出一种多源信息融合的学习者个性化模型。从学习兴趣及知识背景出发,研究了学习者兴趣模型及知识模型的表示、抽取及应用。其次,研究了学习者基于知识主题、课程、领域信息的多层兴趣模型表示方法。在真实数据上,... 

【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校

【文章页数】：73 页

【学位级别】：硕士

【部分图文】：

学习者画像示例图

哈尔滨工业大学工学硕士学位论文-12-分析，从中提取属性特征集，其中包括一天/一周的访问频率和访问时间、视频观看的时间、课件下载情况、搜索浏览（专业、课程、老师、学校等）信息、点赞或关注（课程、老师、用户等）、讨论区留言、学习课程轨迹、banner图点击等，高级模型指学习者学习能力模型、知识背景模型、兴趣意图模型、及学习风格模型。图2-2学习者个性化模型标签层级2.2.2学习者多源信息融合方案学习者在在线教育平台中产生了大量的活动，积累了海量的行为数据。这些数据有如下一些特点。（1）多系统：典型的在线教育平台有多个子系统构成，如作业考试系统、数字资源系统、互动交流系统、学生档案系统、电子教材系统等。学习者在不同的子系统上产生的活动事件各不相同。（2）多类型：学习者生成的行为数据包含多种类型。典型的数据分类包括结构化数据和非结构化数据等。结构化数据包括学习者的选课记录、考试信息、

哈尔滨工业大学工学硕士学位论文-14-图2-3基于多源信息融合的学习者个性化模型如上图2-3所示，考虑到学习者模型的可计算性和系统性，本文将学习者个性化模型表示多个向量的特征组合。每一组向量表示学习者的一个特征。不同的特征有不同的信息融合方式。在计算学习者兴趣向量时，主要考虑学习者的搜索行为也讨论区交互行为。在计算学习者知识向量时，主要考虑学习者作业、考试、视频观看、课件下载等行为。在计算学习者学习意图向量时，主要考虑学习者浏览日志、点击日志等。学习者多个特征向量，组成学习者个性化模型。2.2.3学习者个性化模型形式化定义基于上述分析，本文提出了基于多源信息融合的学习者个性化模型LM（learnermodel）。如图2-4所示，本文定义学习者模型为一个六元组，LM=<UP，BP，KM，CM，SM，IM>。其中UP指UserProfile，即学习者静态属性，包括学习者的昵称、性别、年龄、地区等。BP指BehaviorProperties，即学习者行为属性，如学习者已选课程、已完成作业、关注的人、粉丝、点赞、获赞等。学习者模型六元组中，UP和BP属于事实属性，只需进行简单的统计即可获得，并且维护比较方便。KM（KnowledgeModel）、CM（CognitiveModel）、SM（StyleModel）、IM（InterestModel）属于高级模型，并且是动态发展的，需要进一步

【参考文献】：
期刊论文
[1]基于用户兴趣领域中可信圈挖掘的推荐模型[J]. 白昀,蔡皖东.  西北工业大学学报. 2019(06)
[2]基于场景感知的学习者建模研究[J]. 武法提,黄石华,殷宝媛.  电化教育研究. 2019(03)
[3]教育数据挖掘中的学习者建模研究[J]. 徐鹏飞,郑勤华,陈耀华,陈丽.  中国远程教育. 2018(06)
[4]基于大数据分析的远程学习者建模与个性化学习应用[J]. 岳俊芳,陈逸.  中国远程教育. 2017(07)
[5]云环境下学习者建模与学习资源推荐方法研究[J]. 刘忠宝,宋文爱,孔祥艳,李宏艳.  电化教育研究. 2017(07)
[6]基于情境感知的用户个性化兴趣建模[J]. 葛桂丽,袁凌云,王兴超.  计算机应用研究. 2017(04)
[7]布卢姆认知目标分类学(修订版)的教学观[J]. 王小明.  全球教育展望. 2016(06)
[8]基于用户兴趣建模的个性化推荐[J]. 石林,徐飞,徐守坤.  计算机应用与软件. 2013(12)

博士论文
[1]基于学习者个性的教育资源推荐服务研究[D]. 李光泉.江西财经大学 2018
[2]自适应学习系统中学习者模型与教学模型研究[D]. 王丽萍.东北师范大学 2017
[3]面向e-Learning的学习者情感建模及应用研究[D]. 黄焕.华中师范大学 2014

硕士论文
[1]基于学习诊断模型的知识点推荐算法研究及应用[D]. 刘勤玲.西安理工大学 2019
[2]改进知识追踪模型对提升学习者知识掌握预测效果的研究[D]. 叶艳伟.浙江工业大学 2019
[3]面向URL的用户建模关键技术研究[D]. 黎斌.哈尔滨工业大学 2016
[4]基于知识点兴趣模型的教育资源个性化推荐系统[D]. 丘少岖.华南理工大学 2016
[5]基于用户兴趣向量的混合推荐算法[D]. 徐文涛.山东大学 2015
[6]用户兴趣建模的研究[D]. 冯子威.哈尔滨工业大学 2010
[7]基于本体的领域知识建模研究[D]. 苏亚萍.吉林大学 2007



本文编号：3439874