近年來,隨著互聯(lián)網(wǎng)+教育的融合,各種在線教育平臺迅速發(fā)展。這些平臺憑借其優(yōu)質(zhì)而海量的資源,積累了眾多用戶。在線教育已成為學(xué)習(xí)者知識獲取、技能拓展及學(xué)歷教育等重要的教育模式和技術(shù)途徑。如何在海量的教育資源中為學(xué)習(xí)者提供個性化的內(nèi)容是一個熱點研究問題。學(xué)習(xí)者個性化模型記錄了學(xué)習(xí)者的個性化特征,能夠反映學(xué)習(xí)者的個性化差異,是自適應(yīng)學(xué)習(xí)系統(tǒng)為學(xué)習(xí)者提供個性化服務(wù)的重要決策依據(jù)。學(xué)習(xí)者模型已有了許多研究工作,從教育學(xué)領(lǐng)域到計算機領(lǐng)域,都有許多學(xué)者從各個方面做出貢獻。國內(nèi)的學(xué)習(xí)者模型相關(guān)研究主要注重理論研究,學(xué)習(xí)者模型中包含的因素全面,涉及各個方面,但在實踐開發(fā)中應(yīng)用困難,可操作性不強。而國外的研究側(cè)重與關(guān)注學(xué)習(xí)者的某一特征并進行實踐開發(fā)與應(yīng)用研究。目前大部分學(xué)習(xí)者模型都存在不系統(tǒng)、特征值不全面且獲取方式主觀、可計算性差及研究大都停留在理論層面的問題。因此,本課題基于學(xué)習(xí)者在在線教育平臺上的行為數(shù)據(jù),提出一種多源信息融合的學(xué)習(xí)者個性化模型。從學(xué)習(xí)興趣及知識背景出發(fā),研究了學(xué)習(xí)者興趣模型及知識模型的表示、抽取及應(yīng)用。其次,研究了學(xué)習(xí)者基于知識主題、課程、領(lǐng)域信息的多層興趣模型表示方法。在真實數(shù)據(jù)上,... 

【文章來源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁數(shù)】：73 頁

【學(xué)位級別】：碩士

【部分圖文】：

學(xué)習(xí)者畫像示例圖

哈爾濱工業(yè)大學(xué)工學(xué)碩士學(xué)位論文-12-分析，從中提取屬性特征集，其中包括一天/一周的訪問頻率和訪問時間、視頻觀看的時間、課件下載情況、搜索瀏覽（專業(yè)、課程、老師、學(xué)校等）信息、點贊或關(guān)注（課程、老師、用戶等）、討論區(qū)留言、學(xué)習(xí)課程軌跡、banner圖點擊等，高級模型指學(xué)習(xí)者學(xué)習(xí)能力模型、知識背景模型、興趣意圖模型、及學(xué)習(xí)風(fēng)格模型。圖2-2學(xué)習(xí)者個性化模型標簽層級2.2.2學(xué)習(xí)者多源信息融合方案學(xué)習(xí)者在在線教育平臺中產(chǎn)生了大量的活動，積累了海量的行為數(shù)據(jù)。這些數(shù)據(jù)有如下一些特點。（1）多系統(tǒng)：典型的在線教育平臺有多個子系統(tǒng)構(gòu)成，如作業(yè)考試系統(tǒng)、數(shù)字資源系統(tǒng)、互動交流系統(tǒng)、學(xué)生檔案系統(tǒng)、電子教材系統(tǒng)等。學(xué)習(xí)者在不同的子系統(tǒng)上產(chǎn)生的活動事件各不相同。（2）多類型：學(xué)習(xí)者生成的行為數(shù)據(jù)包含多種類型。典型的數(shù)據(jù)分類包括結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)等。結(jié)構(gòu)化數(shù)據(jù)包括學(xué)習(xí)者的選課記錄、考試信息、

哈爾濱工業(yè)大學(xué)工學(xué)碩士學(xué)位論文-14-圖2-3基于多源信息融合的學(xué)習(xí)者個性化模型如上圖2-3所示，考慮到學(xué)習(xí)者模型的可計算性和系統(tǒng)性，本文將學(xué)習(xí)者個性化模型表示多個向量的特征組合。每一組向量表示學(xué)習(xí)者的一個特征。不同的特征有不同的信息融合方式。在計算學(xué)習(xí)者興趣向量時，主要考慮學(xué)習(xí)者的搜索行為也討論區(qū)交互行為。在計算學(xué)習(xí)者知識向量時，主要考慮學(xué)習(xí)者作業(yè)、考試、視頻觀看、課件下載等行為。在計算學(xué)習(xí)者學(xué)習(xí)意圖向量時，主要考慮學(xué)習(xí)者瀏覽日志、點擊日志等。學(xué)習(xí)者多個特征向量，組成學(xué)習(xí)者個性化模型。2.2.3學(xué)習(xí)者個性化模型形式化定義基于上述分析，本文提出了基于多源信息融合的學(xué)習(xí)者個性化模型LM（learnermodel）。如圖2-4所示，本文定義學(xué)習(xí)者模型為一個六元組，LM=<UP，BP，KM，CM，SM，IM>。其中UP指UserProfile，即學(xué)習(xí)者靜態(tài)屬性，包括學(xué)習(xí)者的昵稱、性別、年齡、地區(qū)等。BP指BehaviorProperties，即學(xué)習(xí)者行為屬性，如學(xué)習(xí)者已選課程、已完成作業(yè)、關(guān)注的人、粉絲、點贊、獲贊等。學(xué)習(xí)者模型六元組中，UP和BP屬于事實屬性，只需進行簡單的統(tǒng)計即可獲得，并且維護比較方便。KM（KnowledgeModel）、CM（CognitiveModel）、SM（StyleModel）、IM（InterestModel）屬于高級模型，并且是動態(tài)發(fā)展的，需要進一步

【參考文獻】：
期刊論文
[1]基于用戶興趣領(lǐng)域中可信圈挖掘的推薦模型[J]. 白昀,蔡皖東.  西北工業(yè)大學(xué)學(xué)報. 2019(06)
[2]基于場景感知的學(xué)習(xí)者建模研究[J]. 武法提,黃石華,殷寶媛.  電化教育研究. 2019(03)
[3]教育數(shù)據(jù)挖掘中的學(xué)習(xí)者建模研究[J]. 徐鵬飛,鄭勤華,陳耀華,陳麗.  中國遠程教育. 2018(06)
[4]基于大數(shù)據(jù)分析的遠程學(xué)習(xí)者建模與個性化學(xué)習(xí)應(yīng)用[J]. 岳俊芳,陳逸.  中國遠程教育. 2017(07)
[5]云環(huán)境下學(xué)習(xí)者建模與學(xué)習(xí)資源推薦方法研究[J]. 劉忠寶,宋文愛,孔祥艷,李宏艷.  電化教育研究. 2017(07)
[6]基于情境感知的用戶個性化興趣建模[J]. 葛桂麗,袁凌云,王興超.  計算機應(yīng)用研究. 2017(04)
[7]布盧姆認知目標分類學(xué)(修訂版)的教學(xué)觀[J]. 王小明.  全球教育展望. 2016(06)
[8]基于用戶興趣建模的個性化推薦[J]. 石林,徐飛,徐守坤.  計算機應(yīng)用與軟件. 2013(12)

博士論文
[1]基于學(xué)習(xí)者個性的教育資源推薦服務(wù)研究[D]. 李光泉.江西財經(jīng)大學(xué) 2018
[2]自適應(yīng)學(xué)習(xí)系統(tǒng)中學(xué)習(xí)者模型與教學(xué)模型研究[D]. 王麗萍.東北師范大學(xué) 2017
[3]面向e-Learning的學(xué)習(xí)者情感建模及應(yīng)用研究[D]. 黃煥.華中師范大學(xué) 2014

碩士論文
[1]基于學(xué)習(xí)診斷模型的知識點推薦算法研究及應(yīng)用[D]. 劉勤玲.西安理工大學(xué) 2019
[2]改進知識追蹤模型對提升學(xué)習(xí)者知識掌握預(yù)測效果的研究[D]. 葉艷偉.浙江工業(yè)大學(xué) 2019
[3]面向URL的用戶建模關(guān)鍵技術(shù)研究[D]. 黎斌.哈爾濱工業(yè)大學(xué) 2016
[4]基于知識點興趣模型的教育資源個性化推薦系統(tǒng)[D]. 丘少嶇.華南理工大學(xué) 2016
[5]基于用戶興趣向量的混合推薦算法[D]. 徐文濤.山東大學(xué) 2015
[6]用戶興趣建模的研究[D]. 馮子威.哈爾濱工業(yè)大學(xué) 2010
[7]基于本體的領(lǐng)域知識建模研究[D]. 蘇亞萍.吉林大學(xué) 2007



本文編號：3439874