适应性学习路径推荐算法及应用研究.PDFVIP

Learning Resource and Technology   中国电化教育  总第 期 2015.8 343 学习资源与技术 文章编号:1006—9860(2015)08—0085—07 适应性学习路径推荐算法及应用研究* 赵呈领，陈智慧，黄志芳 (华中师范大学  教育信息技术学院，湖北  武汉  430079) 摘要：在适应性学习路径推荐中，推荐算法起着至关重要的作用。本研究从算法性质的角度归类，将学习路 径推荐系统中的推荐算法归为三大类：智能优化算法、数据挖掘算法以及基于知识的推荐算法。结合已开发的学 习路径推荐系统，本文从算法性能、学习路径推荐中考虑的因素及算法应用三方面进行比较与分析，总结出上述 推荐算法在学习路径推荐中的应用策略和应用中的优势及不足，最后探讨了学习路径推荐的实践应用价值，以期 为适应性学习路径推荐领域的研究提供有价值的参考与借鉴。 关键词：适应性学习；学习路径；推荐算法 中图分类号：G434 文献标识码：A 一、问题提出 下，根据学习目标和学习内容对所需完成的学习 活动的排序。适应性学习推荐系统是为具有不同 随着网络技术和数据挖掘技术的发展，智能教学 认知水平、认知风格的学习者提供个性化的学习 系统中个性化学习路径的寻径已成为重要课题，选择 路径[4]，是建立在信息检索和信息过滤技术基础上 合适的学习对象并推荐给学习者是在线学习系统面临 的个性化信息服务系统。学习路径推荐算法是实现 的一个挑战。目前，在线学习面临的问题是：信息过 个性化学习路径推荐的关键。有关学习路径推荐的 载导致学习者找不到适合自己的学习资源，推荐的学 习资源不能满足学习者的个性需求。推荐系统是信息 研究中，Brusilovsky[5]利用关联规则推荐学习对象， 开发的超媒体系统存在推荐不全面、不连续的问 过滤的重要手段，是解决信息过载问题的非常有潜力 题。利用决策模型评估每种学习资源对目标学习者 的方法。因此，适应性学习路径推荐被认为是解决在 的适合度，可以解决推荐不连续的问题[6]。利用蚁 线学习中上述问题的有效手段。有关学习路径的研究 群算法开发的基于学习风格的蚁群系统SACS[7]和基 较多，然而对各种学习路径推荐算法进行比较分析的 于属性的扩展蚁群系统AACS[8]，考虑了学习风格与 研究并不多。本文对学习路径推荐算法作了归纳和总 学习内容特征的匹配，却忽略了学习者能力与知识 结，比较各种算法的优势及适用的范围，同时结合已 结构的适应性。Chen提出考虑学习者的能力能够促 开发的学习路径推荐系统，归纳出算法在学习路径推 进个性化学习的效果，并开发了基于项目反应理论 荐中考虑的因素和应用策略，并探讨了学习路径推荐 的个性化W