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.

参考文献

［1］吴飞，吴兵，申志斌.新一代网络教学平台特征和技术难点的分析与探讨［J］. 开放教育研究，2009(1)：1020.
［2］金士尧，钱迎进，章文嵩，等. 主动与被动混合调度网络集群系统［J］.计算机工程与科学,2009,31(1):1719.
［3］Budzik J,Hammond K.Watson:Anticipating and Contextualizing Information Needs［C］∥Proc of the 62nd Annual Meeting of the American Society of Information Science,1999:2740.
［4］Chen L, Sycara K. Webmate: A Personal Agent for Browsing and Searching［C］∥Proc of the 2nd International Conference on Autonomous Agents, 1998:132139.
［5］宋斌，余凯.基于agent的个性化搜索模型［J］.南京理工大学学报，2002，26(3)：295298.
［6］李蕾，周国民.基于Ajax与向量空间模型的个性化搜索引擎［J］.计算机工程与应用，2007，43(19):8991.
［7］余慧佳,刘奕群,张敏,等.基于大规模日志分析的搜索引擎用户行为分析［J］.中文信息学报，2007,21（1）:109114.
［8］刘奕群, 岑荣伟, 张敏, 等. 基于用户行为分析的搜索引擎自动性能评价［J］.软件学报,2008,19(11):30233032.
［9］Zaiane O R. Building a Recommender Agent for ELearning Systems［C］∥Proc of the International Conference on Computers in Education, 2002:5559.
［10］Drachsler H, Hummel H G K, Koper R. Personal Recommender Systems for Learners in Lifelong Learning Networks:the Requirements,Techniques and Model［J］.International Journal of Learning Technology, 2008(3):404423.
［11］Nadolski R J, Berg B,Berlanga A J B, et al. Simulating LightWeight Personalised Recommender Systems in Learning Networks:A Case for PedagogyOriented and RatingBased Hybrid Recommendation Strategies［J］. Artificial Societies and Social Simulation, 2009,12(1):4.
［12］郭艳红，邓贵仕. 协同过滤系统项目冷启动的混合推荐算法［J］.计算机工程,2008,34(23):1113.
［13］Salton G,Wong A,Yang C S.A Vector Space Model for Automatic Indexing［J］.Communications of the ACM,1975,18(11):613620.
［14］Wu B,Wu F,Ye C M.Personalized Recommendation System Based on Multi_Agent and Rough Set［C］∥Proc of the 2nd International Conference on Education Technology,2010:303307.

[1]	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.
[2]	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.
[3]	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.
[4]	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.
[5]	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.
[6]	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.
[7]	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.
[8]	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.
[9]	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.
[10]	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.
[11]	姜巍. 军队院校个性化网络教学研究[J]. J4, 2014, 36(A2): 134-138.
[12]	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.
[13]	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.
[14]	张秀伟1,2,何克清1,王健1,刘建晓3. Web服务个性化推荐研究综述[J]. J4, 2013, 35(9): 132-140.
[15]	夏建勋1,2,4，吴非2,3,4，谢长生2,3,4. 应用数据填充缓解稀疏问题实现个性化推荐[J]. J4, 2013, 35(5): 15-19.