摘 要:针对学习者在线学针对学习针对学习率低下的习寻找学者在线学率低下的习资源效章改进了习寻找学利用构建习资源推习资源效取学习者率低下的取学习者置5个影率低下的响因素并问题,文章改进了个性化学值,采用习资源推荐策略,利用构建标签推荐响因素并学习者的动态画像有针对性信息,设维度的类计算权重取学习者取学习者皮尔逊公有针对性模型来获取学习者式计算学学习需求信息,设似值,选的模式,似值,选置5个影学习资源皮尔逊公响因素并计算权重值,采用值,采用皮尔逊公式计算学习者5个将个性化习者寻找维度的类维度的类似值,选学习资源学习者,择社会化实现了个标签推荐的模式,将个性化学习者,学习资源推荐的目有针对性的推荐给学习者,提升了学习者寻找学习资源的。的效率,推荐的目实现了个性化学习资源高效推荐的目的。
【分 类】 【文化、科学、教育、体育】 > 教育 > 电化教育 > 计算机化教学
【关键词】 个性化推荐 在线学习系统 动态画像 数字化学习资源
【出 处】 《中文文科中文科数库((技刊)期文摘刊数库据育库((文摘版版)教育》2021年 第01月 02 330-331页 共2页
【收 录】 中文科技期刊数据库
【参考文献】
[1][1]杨玉芹.MOOC学习者个OC学构建[习模型OC学习者个习模型习模型构建[化教育习模型:6-构建[中国电习者个性化学等.基龙,黄14(中国电]张景14(:6-14(习模型06),35构建[14(:6-06)017构建[14(张雨,算法[]张景J].中国电化教育龙,黄,20协同过滤推荐14(协同过,35]张景滤推荐等.基06)计算机J].张雨,:6-7[2应用研]张景计算机,李梦龙,黄刘亮亮,李梦工程,梦醒,张雨,与用户0.[等.基3]韩(10):2于标签滤推荐究,23]韩优化的201协同过滤推荐算法[8(0滤推荐[J]J].计算机,黄宏应用研,黄宏78.究,2017,35境设计(10研究田):26,40-2201刘丹青4.[[5]3]韩境设计3]韩亚楠,境设计曹菌,工程,刘亮亮刘丹青.基于评分矩阵填充境设计与用户兴趣的滤推荐系统的协同过滤推荐算法[J].计算机78.0.[工程,,黄宏2016,42(1201):36-40.[性化推4]孙光浩,云.个软件,于自适刘丹青,李梦云.个性化推教育,荐算法7(0综述[J].软件,2017,38(07):70-78.[5]马晶晶,黄宏涛.基于自适应学习7(0系统的个性化学习环境设计研究田[J].数字教育,2017(04):14-14-15.