数据驱动的学习资源精准推荐系统设计与实现

发布时间：2021-02-20 10:18

　　教育大数据时代背景下,个性化自适应学习成为数字化学习的新常态。学习者获取学习资源的方式从“学习者主动搜索”转变为“学习系统自动为学习者提供个性化学习资源服务”,是个性化自适应学习的内在要求。教育大数据的发展与应用,为实现个性化、精准化的学习支持服务提供了科学依据。学习资源推荐作为个性化自适应学习系统的重要应用方向,最初用于解决海量学习资源引起的“信息过载”和“信息迷航”等问题。但是,传统的学习资源推荐系统分析的数据量小,学习资源推荐算法设计不到位,成为了阻碍学习资源推荐效果提升的主要原因。针对上述问题,本文借助教育大数据来更科学、全面地对每位学习者产生的数据进行挖掘、存储、分析及应用。同时,通过采用多种推荐算法并行推荐的混合推荐方法,在避免以往推荐算法配置不到位的基础上,充分发挥教育大数据的技术优势,提高个性化学习资源推荐服务的有效性和精准性。笔者基于相关的学习理论,从系统架构设计、系统模型设计、推荐算法设计等方面设计数据驱动的学习资源精准推荐系统模型。并以《C语言程序设计》课程为例,从用户数据库、课程资源数据库、学习行为数据库三个方面构建推荐系统的系统数据库。最后,在推荐系统数据库的... 

【文章来源】：浙江师范大学浙江省

【文章页数】：78 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
1 绪论
    1.1 研究背景
    1.2 国内外研究综述
        1.2.1 学习资源推荐研究现状
        1.2.2 数据驱动下的自适应学习
        1.2.3 现有研究存在的不足
    1.3 研究目的与意义
        1.3.1 研究目的
        1.3.2 研究意义
    1.4 研究方法与思路
        1.4.1 研究方法
        1.4.2 研究思路
    1.5 研究内容与组织结构
        1.5.1 研究内容
        1.5.2 组织结构
2 相关理论与技术
    2.1 学习理论基础
        2.1.1 行为主义试误理论
        2.1.2 个性化学习理论
        2.1.3 联通主义学习理论
    2.2 个性化推荐技术
        2.2.1 基于内容过滤的推荐算法
        2.2.2 基于协同过滤的推荐算法
        2.2.3 基于关联规则的推荐算法
        2.2.4 三种推荐算法的比较
    2.3 混合式推荐
    2.4 推荐系统开发平台
        2.4.1 微信小程序
        2.4.2 相关开发技术
    2.5 章节小结
3 学习资源推荐系统设计
    3.1 学习资源推荐系统需求分析
    3.2 资源推荐系统逻辑架构设计
        3.2.1 数据存储
        3.2.2 计算引擎
        3.2.3 业务平台
        3.2.4 外部系统
    3.3 学习资源推荐系统模型设计
    3.4 学习资源推荐系统功能设计
        3.4.1 课程资源模块
        3.4.2 资源推荐模块
        3.4.3 个人中心模块
    3.5 混合式资源推荐算法设计
        3.5.1 基于内容过滤的学习资源推荐算法设计
        3.5.2 基于协同过滤的学习资源推荐算法设计
        3.5.3 基于关联规则的学习资源推荐算法设计
        3.5.4 混合式学习资源推荐算法设计
    3.6 课程学习资源设计
    3.7 数据驱动资源推荐流程设计
        3.7.1 明确数据类型
        3.7.2 数据采集路径
        3.7.3 数据存储技术
        3.7.4 数据分析技术
        3.7.5 混合推荐策略
        3.7.6 推荐结果处理
    3.8 本章小结
4 学习资源推荐系统的实现
    4.1 推荐系统基本信息
    4.2 推荐系统数据库构建
        4.2.1 用户数据库的构建
        4.2.2 课程资源数据库的构建
        4.2.3 学习行为数据库的构建
    4.3 推荐系统核心功能的实现
        4.3.1 课程学习资源模块的实现
        4.3.2 个性化学习资源推荐模块的实现
        4.3.3 用户个人中心模块的实现
    4.4 本章小结
5 总结与展望
    5.1 研究总结
    5.2 研究展望
参考文献
附录Ⅰ学习资源推荐系统核心代码
攻读学位期间取得的研究成果
致谢


【参考文献】：
期刊论文
[1]教育大数据驱动下的关键科学问题和应用实践研究[J]. 冷静,路晓旭,肖兆萍.  开放学习研究. 2019(03)
[2]信息推送教育应用探析[J]. 张挥,邹宇松.  中国教育信息化. 2019(10)
[3]数据驱动教学:大数据时代教学范式的新走向[J]. 杨现民,骆娇娇,刘雅馨,陈世超.  电化教育研究. 2017(12)
[4]大数据背景下自适应学习个性特征模型研究——基于元分析视角[J]. 菅保霞,姜强,赵蔚,李勇帆.  远程教育杂志. 2017(04)
[5]基于大数据挖掘和分析的学习资源推送机制研究[J]. 郝建军.  信息与电脑(理论版). 2017(10)
[6]微信小程序在高校思政课的应用[J]. 叶展航,苏伟根.  教育信息技术. 2017(05)
[7]当图书馆遇上微信小程序[J]. 王天泥.  图书与情报. 2016(06)
[8]“学习分析技术”在我国的新发展[J]. 何克抗.  电化教育研究. 2016(07)
[9]个性化自适应学习研究——大数据时代数字化学习的新常态[J]. 姜强,赵蔚,李松,王朋娇.  中国电化教育. 2016(02)
[10]发展教育大数据:内涵、价值和挑战[J]. 杨现民,唐斯斯,李冀红.  现代远程教育研究. 2016(01)

博士论文
[1]个性化教育资源主动服务模式研究[D]. 丁继红.华中师范大学 2016

硕士论文
[1]基于知识关联的学习资源推荐策略研究及系统实现[D]. 王立彬.华中师范大学 2018
[2]移动环境下的个性化学习资源推荐策略研究[D]. 王晓康.云南师范大学 2016
[3]中学实施个性化教育问题研究[D]. 柳丽平.山西大学 2013
[4]电子商务的个性化协同过滤推荐算法研究[D]. 沈键.上海交通大学 2013
[5]协同过滤推荐系统中的关键算法研究[D]. 刘强.浙江大学 2013
[6]主动推送式学习支持系统的设计与实现[D]. 王婷.华中师范大学 2012
[7]基于用户兴趣的个性化推荐系统的研究与设计[D]. 杨麟儿.北京交通大学 2008



本文编号：3042626