基于多维信息特征映射模型的在线学习路径优化方法.PDF

第xx卷 第x期 控 制 与 决 策 Vol.xx No.x xxxx年 x 月 Control and Decision xxx. xxxx DOI: 10.13195/j.kzyjc.2017.1579 基于多维信息特征映射模型的在线学习路径优化方法 李浩君 , 张鹏威 , 张 征 , 王万良 (1. 浙江工业大学教育科学与技术学院, 浙江杭州310023; 2. 浙江工业大学计算机科学与技术学院, 浙江杭州310023) 摘 要: 针对目前在线学习路径优化方法存在学习路径与学习者匹配度不高问题, 首先构建在线学习路径的多维 信息特征映射模型（MIFMM ）, 该模型根据学习者与学习资源的多维信息特征建立, 融合了kolb学习风格和学习 资源类型信息; 其次设计了双映射二进制粒子群优化算法（DMBPSO ）, DMBPSO算法根据进化因子ef将学习路 径推荐过程分为收敛和跳出局部最优两种进化状态, 采用与进化状态特征相匹配的映射函数选择策略; 并对惯性 权重进行动态非线性调整, 提高学习路径推荐性能; 再次将MIFMM模型与DMBPSO算法相融合提出基于多维信 息特征映射模型的在线学习路径优化方法（MIFMM-POA ）; 最后将MIFMM-POA方法与其它四种粒子群算法 为核心的学习路径优化方法相比较，从寻优精度、寻优过程与寻优时间三个角度进行分析, 实验表明MIFMM- POA方法是优化学习路径的有效方法. 关键词: 在线学习路径优化; 映射模型; 多维信息特征; 二进制粒子群; 进化状态; kolb学习风格 中图分类号: TP18 文献标志码: A Method of Online Learning Path Optimization Based on Multi-dimensional Information Feature Mapping Model LI Hao-jun , ZHANG Peng-wei , ZHANG Zheng , WANG Wan-liang (1. College of Education Science and Technology, Zhejiang University of Technology, Hangzhou 310023, China; 2. College of Computer Science and Technology, Zhejiang University of Technology, Hangzhou 310023, China) Abstract: So far online learning path optimization method doesn’t have a high degree of matching between learning path and learners. This paper firstly constructs the multi-dimensional information feature mapping model (MIFMM) of online learning path, which is based on the multi-dimensional information characteristics of learners and learning resource