远程教育平台中个性化信息服务综述

《远程教育平台中个性化信息服务综述》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、远程教育平台中个性化信息服务综述　　【摘要】提出并分析了个性化信息服务在远程教育平台中的具体问题；重点介绍了个性化服务在远程教育平台中几大应用领域，并以数据挖掘技术为核心阐述了实现个性化信息服务的相关技术和方法；接着对目前国内外典型平台的特色进行了简要分析；最后总结了个性化服务系统有待完善的问题。　　【关键词】班主远程教育个性化信息服务数据挖掘　　1个性化信息服务概述　　所谓个性化信息服务就是针对不同用户提供不同的服务策略和服务内容的服务模式。个性化信息服务基于“用户需要什么，我们就提供什么”的理念。其特征为：以用户满

2、意为中心、双向沟通的零距离及面向用户深层心理需求。　　远程教育平台中个性化信息服务通常体现在：　　（1）个性化信息检索：通过记录跟踪学习者的检索内容，了解学习者的兴趣、偏好、学习特点和习惯，主动为学习者推送相关信息和对查询结果进行分类。　　（2）个性化信息推荐：在分析了解学习者的个人兴趣和习惯的基础上，通过信息检索、信息过滤、数据挖掘等技术，对可提供的资源及服务进行分类组织，将学习者可能感兴趣的学习资源进行智能推荐。5　　（3）个性化信息咨询：学习者利用交互式咨询台，即通过教育平台的聊天软件、网络会议等方式，与教育专家

3、、名师等进行实时的交流[2]。　　（4）个性化信息反馈与辅导：针对学生的认知水平与特点，提供个别指导、提出下一步的学习建议，帮助制定学习计划和方案等。　　2远程教育中个性化信息服务的应用领域　　远程教育平台中个性化信息服务涉及用户建模、个性化信息检索、信息推送、个性化推荐、机器学习机制、智能Agent技术应用、网站自适应技术应用、数据挖掘技术应用等。　　2.1数据挖掘技术的应用　　数据挖掘技术是实现远程教育平台个性化信息服务的核心技术之一。判断数据挖掘所得信息是否有价值，就应该看所得信息是否具先前未知、有效和可实用这三

4、个特征。数据挖掘就是深层次的数据分析方法，流程如下图1所示：　　常用的数据挖掘算法有决策树算法、遗传算法、粗糙集、神经网络、Apriori算法等。从广义上讲，关联分析是数据挖掘的本质。关联知识挖掘，在远程教育平台中得到了广泛应用。　　2.2其他相关应用领域　　（1）用户模型的创建　　用户模型的创建是提供个性化服务的基础和核心，用户建模是指从有关用户兴趣和行为的信息（如浏览行为、浏览内容、背景知识等）中归纳出可计算的用户模型的过程。　　（2）资源文件的描述5　　资源描述文件可以用基于内容和基于分类的方法来表示。基于内容的

5、方法是利用资源本身的信息来表示资源；基于分类的方法是通过将文档进行归类来表示资源。　　（3）个性化信息检索及推送　　个性化信息检索技术，是指能够根据用户的兴趣和个性化行为特点进行检索，为用户提供个性化检索结果的技术。　　个性化信息检索涉及许多检索算法和建模技术，如基于词汇相关度模型、语义网、智能Agent和概念网的个性化信息检索模型等。个性化信息检索实现流程如图2所示：　　信息推送就是在分析了解用户兴趣偏好和信息需求的前提下，通过一定的技术标准或协议，有目的地将用户感兴趣的信息发送给用户。　　（4）协作过滤推荐技术　　

6、协作过滤推荐技术是目前应用最为成功的个性化推荐技术，其核心思想是先找到与其有相似兴趣的其他用户，然后将相似用户感兴趣的内容推荐给此用户。　　（5）智能Agent技术应用　　智能Agent不需要或很少需要用户的干预和指导而智能完成用户委托任务，根据用户要求自动过滤、收集用户感兴趣的信息，并且能根据用户指定的时间将其传递到用户指定的“地点”，成为用户与资源之间的中介而很少需要用户的干预。　　3具有个性化信息服务的远程教育平台　　国外比价典型的代表有：加拿大的SimonFraser大学开发的Virtual―U、美国Penns

7、ylvania5州立大学开发的WISH和挪威fronter公司开发的ClassFronter（课堂先锋）等。　　国内的网络教育平台研究还处于起步阶段，但已有越来越多的高校和研究单位意识到网络教育平台的重要性，例如沪江英语网校、Vclass平台等。　　4小结　　远程教育平台中的个性化信息服务系统是一个依托信息资源系统，利用相关技术建立起来的标准化知识服务系统平台，可以为用户提供多种类型的信息服务。　　【参考文献】　　[1]汪锋.基于远程教育个性化服务的研究[D].昆明.昆明理工大学，2004.　　[2]李咏梅.浅谈个性化

8、信息服务系统的构建[J].信息服务，2011，41（1）：102-106.　　[3]孙丹.基于用户信息行为的个性化知识服务研究[D].武昌：华中师范大学，2012.　　[4]毛国君，段丽娟，王实.数据挖掘原理与算法（第二版）[M].北京：清华大学出版社，2007.　　[5]陈安.数据挖掘技术与应用[M].北京：科学出版社，2006