我国学习资源个性化推荐研究进展

被引：4
作者：
潘澄
陈宏
机构：
[1] 浙江工业大学教育科学与技术学院
来源：
现代教育科学 | 2015年 / 04期
关键词：
学习资源; 推荐; 个性化; 研究进展;
D O I：
10.13980/j.cnki.xdjykx.gjyj.2015.04.010
中图分类号：
G434 [计算机化教学];
学科分类号：
040110 ;
摘要：
网络学习资源数量激增导致的信息过载,是当今互联网学习者面临的一个问题。而个性化的学习资源推荐技术通过自主过滤海量资源,筛选出学习者需要的学习资源,减少学习者寻找资源的代价,是解决该问题的一个有效方法。文章通过用户、对象和推荐策略三个方面,对国内教育资源推荐技术的研究现状进行综述,并重点分析各推荐技术的特点、优势及不足,同时指出现今学习资源推荐技术研究的热点及可能的发展方向。
引用
收藏
页码：31 / 34+37 +37
页数：5
相关论文
共 38 条
[1]   面向基础教育阶段的教学资源推荐系统 [J].
张海东 ;
倪晚成 ;
赵美静 ;
杨一平 .
计算机应用, 2014, 34 (11) :3353-3356+3364
[2]   K-均值算法支持的优质网络学习资源筛选方法研究 [J].
叶海智 ;
程清杰 ;
黄宏涛 .
中国远程教育, 2014, (10) :62-66+96
[3]   数字教材中个性化学习资源的推送策略与技术实现 [J].
孙众 ;
骆力明 ;
綦欣 .
电化教育研究, 2014, 35 (09) :64-70
[4]   数字学习资源的个性化推荐效果提升研究——以学习元平台资源推荐设计为例 [J].
杨丽娜 .
现代教育技术, 2014, (06) :84-91
[5]   基于标签的教育资源管理与推荐模型构建——来自社会化标注网站的启示 [J].
白雪 ;
赵蔚 ;
姜强 ;
张赛男 .
现代教育技术, 2014, (05) :96-102
[6]   基于粒子群优化算法的学习资源推荐方法 [J].
杨超 .
计算机应用, 2014, 34 (05) :1350-1353
[7]   基于语义推理的学习资源推荐 [J].
徐守坤 ;
孙德超 ;
石林 ;
李宁 .
计算机工程与设计, 2014, 35 (04) :1496-1501
[8]   基于学习元平台的教育内容策展工具设计与实现 [J].
唐瑶 ;
余胜泉 ;
杨现民 .
中国电化教育, 2014, (04) :87-93+115
[9]   基于行为和评分相似性的关联规则群推荐算法 [J].
张佳乐 ;
梁吉业 ;
庞继芳 ;
王宝丽 .
计算机科学, 2014, 41 (03) :36-40
[10]   一种利用协同过滤预测和模糊相似性改进的基于内容的推荐方法 [J].
姜书浩 ;
薛福亮 .
现代图书情报技术, 2014, (02) :41-47
1234