学习者个性化特征表示及相似度计算

《学习者个性化特征表示及相似度计算》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、学习者个性化特征表示及相似度计算　　【摘要】　　学习者的相似性反映了学习者之间相近的学习经历，将相近者组织成一个具有共同学习兴趣和目标的共同体，可以增强虚拟学习社区中各组成要素的耦合与连接，提高学习者的学习效果和黏度。本文基于领域本体提出一种能够描述学习者个性化特征的VSM模型，并以此为数据结构，设计了一种能有效计算学习者相似性的算法。实验结果表明，利用概念之间继承和包含关系，算出概念相关度，能快速计算出学习者特征向量之间的相似度；得出的结果较好地反映了专家分组经验，为提高虚拟学习社区的个性化和智能化提供了关键技术支持。　　【关键词】领域本体；知识库；个性化特征；学习者相似度　　【中图分类号】

2、TP391【文献标识码】A【文章编号】1009―458x（2014）02―0032―05　　一、引言　　当今，人类社会已发展到知识经济时代，学习交流成为个人的立世之本、生存之道。基于计算机和网络技术的虚拟学习社区是人们进行远程学习的一种重要方式，它使得任何人可以在任何时间和任何地点学习任何需要的知识。在传统教育中，学习活动往往以集体方式进行，学习者不但有经验丰富的教师进行现场辅导，而且容易得到他人的认同，同学之间的交流讨论也能有效促进其学习水平的提高。而在虚拟学习社区中，由于教师、学习者和学习集体处于分离状态，使得学习者较难克服学习中遇到的障碍，常常感到无助和孤独，进而产生挫败感和厌学情绪，降

3、低学习的热度和效率。显然，通过在学习平台上突出对学习者学习过程的引导，推荐最佳学习伙伴，自动将相近者组织成一个具有共同学习兴趣和目标的共同体，可以增强虚拟学习社区中各组成要素的耦合与连接，提高学习者的学习效果和黏度。　　二、国内外研究现状　　目前，国内外对虚拟学习社区的探索大多局限于概念界定、学习策略和学习模式研究等理论层面，对于理论实现层面的关键构建技术研究相对较少。例如HopeN.Tillman提出了虚拟学习社区的定义和特征[1]；赵建华和李克东阐述了基于协作方式的教学设计[2]；黄怀荣探讨了CSCL的理论和方法[3]。虚拟学习社区中的协同就是实现学习者之间的交互，而从本质上讲，交互是由资

4、源构成的，资源是构成交互的资源，离开交互的资源是毫无意义的[4]。以学习者之间交互的资源为载体，将学习行为中发生的资源交互映射到语义层中的本体概念，学习者之间的相似性问题就转换为计算概念之间的相似度问题。关于本体概念之间相似度的度量方法有多种，例如：Tervsky提出了基于概念属性的语义计算方式[5]；Leacock提出了基于结点距离的语义相似度计算方式[6]；LinD提出了基于信息内容的语义相似度计算方式[7]。这些方法对于计算概念相似度具备一定的指导意义，但还需针对具体应用背景，进一步考虑各种因素，提高概念相似度的准确性。　　三、学习者个性化特征表示　　学习者模型是记录学习者情况的一种数据

5、结构，是对学习者信息的抽象描述和表示。它根据学习者学习过程中的学习行为和练习测试结果，分析学习者的知识水平、认知能力、学习动机、学习风格和学习历史变迁等信息的特征[8][9]。由于本研究的重点是学习社区中学习者兴趣和认知能力的相似度，以便为虚拟学习社区中的学习者推荐最佳学习伙伴和提供个性化服务，因此学习者模型主要突出描述的是学习者的认知状态及个性化兴趣偏好信息。学习者模型表示的方法与所学领域知识是紧密相关的，领域知识的构建运用本体来建模，因而学习者个性化特征表示也采用本体方式。　　1.基于本体的知识库构建　　知识库作为学习资源的组织和管理核心，其构建可分为两个部分来进行：知识空间和信息空间[1

6、0][11]。知识空间是语义层，信息空间中学习资源通过映射到知识空间获得语义，知识空间利用本体来建模。起源于哲学的本体是对领域知识的概念化、形式化、明确化描述[12]。概念是对领域中可以标识的事物描述的集合，本体就是用特定领域的概念以及这些概念之间的关系来描述概念之间的语义。概念之间的关系通常是多对多关系，把概念当作结点，关系看成边，组成本体图。在具体应用中，可以结合实际需要，进行适当的约束和简化。在此，将领域知识中的知识点按照一定粒度抽象成概念，其关系主要是派生和包含关系，而学习资源则可隶属于某些概念，组成概念树型的学习资源组织结构，如图1所示，其中Ci表示本体中的概念，LRkj代表与某些概

7、念相关的学习资源。　　图1知识库中的学习资源组织结构图　　2.基于本体的VSM表示学习者个性化特征　　向量空间模型（VSM）在文本分类中具有广泛应用，其基本思路是利用一个关键词组成的向量近似描述文档内容，由于关键词具有随机性，造成向量的空间维度一般较高，且关键词之间被认为是线性无关的。　　在虚拟学习社区中，由于学习者的兴趣和行为大多围绕学习资源展开，因此根据其交互的资源来分析和理解学习者的兴趣和认