基于用户属性的个性化教学智能辅助研究和设计

J4 ›› 2012, Vol. 34 ›› Issue (9): 166-173.

基于用户属性的个性化教学智能辅助研究和设计

吴飞1,金士尧2,胡浩民1

(1.上海工程技术大学电子电气工程学院，上海 201620;
2.国防科学技术大学计算机学院，湖南长沙 410073)

收稿日期:2011-09-18 修回日期:2011-12-17 出版日期:2012-09-25 发布日期:2012-09-25
基金资助:
上海市教委重点科研项目（06ZZ91）

A Research and Design of an Individualized ComputerAided Distance Learning Based on User Attributes

WU Fei1,JIN Shiyao2,HU Haomin1

(1.School of Electronic and Electrical Engineering,
Shanghai University of Engineering Science,Shanghai 201620;
2.School of Computer Science,National University of Defense Technology,Changsha 410073,China)

Received:2011-09-18 Revised:2011-12-17 Online:2012-09-25 Published:2012-09-25

摘要/Abstract

摘要：

本文针对网络学习中如何个性化使用资源库的问题，从解决用户真实需求获取的瓶颈问题出发，通过分析此类应用环境下资源特性和用户特性，引入资源分布矩阵和偏好矢量概念来表征个性化特性，进而构建用户属性结构特征模型。然后采用用户属性结构和资源特性描述之间的精准检索，以及针对学习资源实施多重相关度排序和定位，设计验证了一个基于JADE平台的个性化资源检索系统。模拟实验证明，随着用户检索次数的增加，用户属性模型不断更新和完善，资料的个性化匹配度良好，能够较好地处理需求获取的瓶颈，达到实施个性化学习的目的。

关键词: 个性化, 用户属性模型, 精准检索, 主动服务

Abstract:

Recommending and distributing individualized learning resources to students has rarely been supported by distance learning systems.This paper fills the gap and presents an individualized resource retrieval system based on JADE platform that provides recommended learning resources to different users.Resource distribution matrix and user’s interest vector were created for user attribute model to match and rank resources in the system.The preliminary experiments with the prototype indicated that there was an increase in the precision of individualized resources retrieved as the model improved with the accumulation of users’ queries.

Key words: individualized character;user attribute model;precise retrieval;positive scheduling

吴飞1,金士尧2,胡浩民1 . 基于用户属性的个性化教学智能辅助研究和设计[J]. J4, 2012, 34(9): 166-173.

WU Fei1,JIN Shiyao2,HU Haomin1. A Research and Design of an Individualized ComputerAided Distance Learning Based on User Attributes[J]. J4, 2012, 34(9): 166-173.

[1]	王天阳, 李晓会, 陈洪洋. 参与式感知设备多维数据的个性化差分隐私保护方案[J]. 计算机工程与科学, 2024, 46(11): 1997-2006.
[2]	吴国栋, 刘旭旭, 毕海娇, 范维成, 涂立静. 基于元学习个性化推荐研究综述[J]. 计算机工程与科学, 2024, 46(02): 338-352.
[3]	宋春晓，黄峰，靳松清，白晓东，仇宏斌，姜杰，李艺. 基于汉字笔画与结构的特征字库构造及优化[J]. 计算机工程与科学, 2019, 41(05): 933-941.
[4]	黄进，周栋. 一种融合社会化标注系统中主题域相似的个性化排序方法[J]. 计算机工程与科学, 2018, 40(05): 880-887.
[5]	刘国梁，钱晓东. 基于加权网络结构的冷门资源推荐算法[J]. 计算机工程与科学, 2018, 40(05): 916-923.
[6]	齐会敏，刘群，戴大祥. 面向兴趣主题的个性化好友推荐[J]. 计算机工程与科学, 2018, 40(02): 348-353.
[7]	贾俊杰，陈菲. 数字图书馆个性化匿名发布方法[J]. 计算机工程与科学, 2017, 39(11): 2109-2114.
[8]	周栋，赵文玉，伍璇，刘建勋. 个性化跨语言信息检索中结果重排序研究[J]. 计算机工程与科学, 2017, 39(10): 1922-1929.
[9]	吴彦文,齐旻，杨锐. 一种基于改进型协同过滤算法的新闻推荐系统[J]. 计算机工程与科学, 2017, 39(06): 1179-1185.
[10]	张锐丽，杨彦明，郑海燕. 学员多样性需求与个性化教学对策研究[J]. 计算机工程与科学, 2016, 38(增刊): 12-16.
[11]	杨书新，王希，彭秋英. 基于影响路径的个性化影响最大化算法[J]. J4, 2016, 38(06): 1128-1134.
[12]	周明建，赵建波，李腾. 基于情境相似的知识个性化推荐系统研究[J]. J4, 2016, 38(03): 569-576.
[13]	姜巍. 军队院校个性化网络教学研究[J]. J4, 2014, 36(A2): 134-138.
[14]	朱彦松,窦桂琴. 综合项目权值分配与时间相关的协同过滤模型[J]. J4, 2014, 36(11): 2234-2238.
[15]	钱雪忠，吴志媛. 基于网页概率潜在语义信息的用户兴趣聚类[J]. J4, 2014, 36(04): 765-771.