基于学习者时空特征的移动学习资源推荐模型研究

发布时间：2020-12-28 23:16

　　移动学习情境具有学习时间碎片化、学习环境动态性的特点,导致应用传统的协同过滤资源推荐方法时,存在用户相似度计算效率较低等问题。针对此问题,文章基于移动学习环境下学习者的时间熵和空间熵等时空特征,对学习者进行分群,并提出移动学习环境下用户相似度算法,在此基础上构建了基于学习者时空特征的移动学习资源推荐模型,并在具体课程中进行了模型有效性的验证。验证结果表明,此模型有效地解决了因用户数据量过大而导致的用户相似度计算过慢问题,并使移动学习环境下的学习资源推荐更加精准。 

【文章来源】：现代教育技术. 2020年10期 北大核心CSSCI

【文章页数】：7 页

【部分图文】：

基于学习者时空特征的移动学习资源推荐模型

在未使用学习者时空特征的情况下，本研究通过KNN算法对所有学习者使用欧式距离计算出与目标学习者接近的近邻学习者，通过交叉验证得到不同K取值下的学习者分群准确率，如图3所示。图3显示，当K=4时，达到最大分类准确率（83%）。图3 未使用时空特征的学习者分类准确率

图2 学生时空特征分布图根据时间熵和空间熵，本研究分别对HT-HL群、HT-LL群、LT-LL群、LT-HL群四个群体进行交叉验证，得到最优K取值，由此得到学习者分群准确率，如图4所示。具体来说，在HT-HL群，当K取值为3时，用户分群准确率为0.90；在HT-LL群，当K取值为5时，用户分群准确率为0.89；在LT-LL群，当K取值为3时，用户分群准确率为0.87；在LT-HL群，当K取值为6时，用户分群准确率为0.90。


本文编号：2944551