大数据环境下基于多维关联分析的学习资源精准推荐.pdfVIP

DOI：10．138I1U．cnki．eer．2018．02．008学习环境与资源

大数据环境下基于多维关联分析的

学习资源精准推荐

丁继红，刘华中

(1．浙江工业大学教育科学与技术学院，浙江杭州310023；

2．华中科技大学计算机科学与技术学院，湖北武汉430074)

[摘要】从教育大数据中为学习者提供个性化学习资源是缓解学习迷航、提升在线学习体验的有效途径。为实现精

准的学习资源推荐，关键要整体考虑数据之间的复杂关系，对学习者、资源、情境等进行多维关联分析。本研究引入张量

理论构建“学习者一资源”融合张量，依据多维关联分析原理，采用高阶奇异值分解算法挖掘学习者和资源的关联关系，

实现学习者和资源之间的精准匹配。通过9组不同规模数据的对比实验，发现多维关联分析方法的推荐性能均优于在

推荐领域成熟应用的协同过滤算法，并且随着数据规模增大，其推荐性能愈优。多维关联分析方法有利于大数据环境下

个性化学习资源精准推荐，提升在线教育质量和个性化学习效果。

关【键词】精准推荐；大数据；个性化学习；多维关联分析

【中图分类号】G434文【献标志码】A

[作者简介】丁继红(198O一)，女，湖南衡阳人。讲师，博士，主要从事教育大数据、学习分析、社群学习等相关研究。E—

mail：jhding@zjut．edu．cn。刘华中为通讯作者，E-mail：sharpshark_ding@163．eom。

缺乏有效的挖掘分析方法是大数据在教育领域的应

一、引言

用难点。翻因此，从浩瀚的数据烟海中筛选出有价值的

移动互联网和云计算技术的迅速崛起，催生在线信息，为学习者提供精准、个性化的学习服务成为教

学习平台、翻转课堂、MOOCs等。各类学习平台产生了育研究的现实问题。

包括个人数据、系统数据、交互数据和学习行为记录为实现精准的个性化教育资源推荐，要求在不破

等在内的海量教育大数据。l【新兴技术的崛起、学习内坏数据之间的固有关系的前提下对整体数据进行关

容的多样化和富媒体化，导致了教育大数据的体量呈联分析。面对多元高维的教育大数据，传统方法难以

指数级持续扩充。教育大数据存储结果性数据、过程在可接受的时间内对其进行表征、存储和处理。张量

性数据、整体的教育状况和个体的学习认知轨迹I2]，为作为数据表示和处理的有效工具，能更好地对高维数

破解教育规模化覆盖和学生个性化发展难题提供了据进行表示和分析，可用于各领域大数据分析。[61张量

新思路3[]。然而，当前教育数据彼此分割、互操作不强，分解能实现高维数据的多维关联分析，发现蕴含在大

导致从中抽取、挖掘出有价值的个性化教育资源十分数据中的内在结构和关联关系。17]本研究根据学习者、

困难。而教育资源的持续扩充和再生的速度远超出个资源、情境特征构建“学习者一资源”融合张量，通过

体的信息处理能力，引发了信息过载，形成“资源越来高阶奇异值分解算法挖掘学习者和资源的关联关系，

越多、获取越来越难”的信息悖论。祝智庭教授指出：依据不同情境下学习者的真实需求推荐合适的教育

基金项目：国家自然科学基金项目“基于多维关联分析的教育精准服务模式研究”(项目编号；浙江省教育厅一般课题

“多维关联分析的个性化教育资源推荐及主动服务模式研究”(课题编号：Y201635710)

资源，同时将资源推荐给适配的学习者，形成“人找资效果，但主要针对低维空间，较少考虑从更高维度上

源”和“资源找人”的连通，实现基