摘要
从学习者角度出发,立足于学习者个体的静态数据和学习中产生的动态学习行为数据,采用动态数据为主、静态数据为辅的获取方式确立学习者特征模型。参照Hadoop中的数据处理技术,从数据收集层、数据存储层、数据分析层和呈现层构建学习者个性化学习资源推送框架。最后,结合个性化资源推送框架,对个性化资源推送服务的实现途径进行分析,提出基于资源最邻近、基于相似用户矩阵库、基于特征匹配、基于学习者反馈和基于内容等混合推荐方法实现个性化学习资源的推送,以期对个性化学习资源推送的研究提供指导。
A learner characteristics model was established in this study based chiefly on dynamic data from the ongoing learning behaviors and secondarily on learners' personalized static data.A design framework of personalized resources recommendation system was constructed with reference to Hadoop data processing technology covering data collection,data storage,data analysis and data presentation.An integrated recommendation approach was suggested with reference to proximity of resources,matrix library of similar users,feature matching,learner feedback and contents.
出处
《中国远程教育》
CSSCI
北大核心
2017年第9期62-69,共8页
Chinese Journal of Distance Education
基金
2017年安康学院青年基金项目"教育大数据下学习者个性化资源推送的构建研究"(项目编号:2017AYQN03)
陕西高校在线开放课程教学改革研究项目"基于移动端的高校混合式教学设计与实践研究"(项目编号:16MY12)的成果之一
关键词
教育大数据
个性化学习
学习者特征
HADOOP
个性化资源推送
educational big data
personalized learning
learner characteristics
Hadoop
personalized resources recommendation
作者简介
李宝，硕士，助教，安康学院电子与信息工程学院（725000）；
张东红，博士，教授，安康学院电子与信息工程学院院长、信息技术中心主任（725000）。
