ng-itutor系统中基于学习者模型特征分析的个性化服务研究

《ng-itutor系统中基于学习者模型特征分析的个性化服务研究》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、NG～Itutor系统中基于学习者模型特征分析的个性化服务研究中文摘要专业名称：计算机应用技术申请者姓名：刘记导师姓名：许骏教授摘要e—Learning的学习者在文化背景、个性特点、知识经验和能力、学习需求等方面存在巨大的差异性。个性化e-learning系统可以真正实现因材施教，每一位学习者都可以根据自己的学习特点和知识状态，自由选择合适的学习资源，按照适合自己的方式和进度进行学习。建立合适的学习者模型是提供个性化服务的基础和核心。学习者模型是一种表征学习者认知状态的数据结构，是对学习者详细信息的描述。常见的学习者模型都是以学习偏好和风格为主构建的，对于能力的高低，所处

2、阶段反映不够清晰。本文引入了关于学生能力综合考评，并且在考核测试时排除了学生凭猜测和运气等成分答对题目造成能力考评不准确的因素，结合对学习者历史学习记录的挖掘，可以给出科学评价。在个性化资源推荐方面，存在着协同过滤、基于内容推荐、关联规则推荐等方法。本文在基于内容的资源个性化推荐中提出了树形匹配的算法SMMl，参考共同的RITS模板，可以支持不完全满足条件的检索，提高了匹配的灵活性，可以智能调节需求，提高了资源推荐的全面性，并根据用户反馈动态调整推荐顺序，提高推荐的准确率。此外，模板(template)和描述文件(profile)的分离可以支持对资源的语义扩展描述及基于语

3、义的匹配，文中的匹配也是基于这种内容与格式分离的技术进行算法研究的。为个性化资源推荐提供了一种新的思路和解决方法。最后，分析了算法的效率，通过实验分析用户的评价和体验，证明了本文提出的以树形匹配算法为核心的资源推荐在扩展性和准确性方面的效果。关键词：个性化：学习者模型：树形匹配；资源推荐N6一Itutor系统中甚于二学习者模型特征分析的个件化服务研究英文摘要Major：TechnologyofName：ComputerApplicationLiuJiSupervisor：XuJunAbstractThereisahugedifferenceamonge—Learningl

4、earnersintheculturalbackground，personality，knowledge，experienceandability，learningneedsandSOon．Personalizede-learningsystemcanbetrulyindividualized，andeachlearnercanlearnaccordingtotheircharacteristicsandstateofknowledgeandchoosetheappropriatelearningresourcesfreelyaccordingtotheirmannera

5、ndpacesuitedtotheirlearning．Theestablishmentofappropriatelearnermodelisthebasisandcoretoprovidepersonalizedservices．Learnermodelisadatastructurewhichrepresentsthecharacterizationofiearnercognitivestatusanddescribesdetailedlearnerinformation．LearnermodelsarebuiItmainlybasedoncommonlearning

6、stylepreferences，SOthelearners’objectiveabilityhasnotbeenreflectedclearlyenough．Thethesishasintroducedacomprehensiveassessmentofstudentabi1ity，andtheassessmentruledouttheinaccurateevaluationfactors，suchasguessworkandluck．CombinedwiththedataminingofIearner’Slearningrecords，itprovidesanobje

7、ctiveassessmentof1earners．Collaborativefiltering，content—basedrecommendationandassociationrules-basedrecommendationarethemainmethodsinpersonalizedrecommendationoflearningresources．Inthisthesis，content—basedrecommendationoflearningresourcesisproposedintreematchingalg