【技术实现步骤摘要】
在线学习系统中的学生建模与个性化课程推荐方法
本专利技术属于教育数据挖掘领域,具体涉及一种在线学习系统中的学生建模与个性化课程推荐方法。
技术介绍
近年来,以Coursera、Udacity、edX等为代表的大规模在线开放课程(MassiveOnlineOpenCourses,简称MOOCs)大大促进了在线教育的发展,为广大高校和个人学习用户都带来了新的重要契机,大大方便了学习者对新知识的获取。与此同时,不断快速增长的海量学习资源往往会给学习者在面临“信息过载”和“信息迷航”时无所适从。如何准确地为学习者推荐学习资源,是一个亟待解决的重要研究问题。已有的推荐算法大多从单一维度(学生学习行为或兴趣偏好)建模,没有综合考虑学生本身和课程本身的影响因素,对于推荐结果的可解释性和合理性仍然存在不足之处。
技术实现思路
针对现有技术中存在的上述技术问题,本专利技术提出了一种在线学习系统中的学生建模与个性化课程推荐方法,设计合理,克服了现有技术的不足,具有良好的效果。为了实现上述目的,本专利技术采用如下技术方案:一种在线学习系统中的学生建模与个性化课程推荐方法,包括如下步骤:步骤1:学生建模;根据学生的课程学习情况和课程层次结构分析图,使用DINA模型对学生课程掌握程度进行建模,获得学生的课程掌握情况,并结合学习行为、兴趣,通过模糊层次分析法进一步抽象学生认知能力;步骤2:在线课程建模;通过对不同在线平台上课程特征的分析,对课程难易程度进行建模,并量化;步骤3:学生个性化推荐;建立课程隐式评分模型,根据预测评分,并结合待推荐课程难易程度,进行综合排序并选择相应的课程,从而 ...
【技术保护点】
1.在线学习系统中的学生建模与个性化课程推荐方法,其特征在于:包括如下步骤:步骤1:学生建模;根据学生的课程学习情况和课程层次结构分析图,使用DINA模型对学生课程掌握程度进行建模,获得学生的课程掌握情况,并结合学习行为、兴趣,通过模糊层次分析法进一步抽象学生认知能力;步骤2:在线课程建模;通过对不同在线平台上课程特征的分析,对课程难易程度进行建模,并量化;步骤3:学生个性化推荐;建立课程隐式评分模型,根据预测评分,并结合待推荐课程难易程度,进行综合排序并选择相应的课程,从而向每个学生进行个性化在线课程Top‑N推荐。
【技术特征摘要】
1.在线学习系统中的学生建模与个性化课程推荐方法,其特征在于:包括如下步骤:步骤1:学生建模;根据学生的课程学习情况和课程层次结构分析图,使用DINA模型对学生课程掌握程度进行建模,获得学生的课程掌握情况,并结合学习行为、兴趣,通过模糊层次分析法进一步抽象学生认知能力;步骤2:在线课程建模;通过对不同在线平台上课程特征的分析,对课程难易程度进行建模,并量化;步骤3:学生个性化推荐;建立课程隐式评分模型,根据预测评分,并结合待推荐课程难易程度,进行综合排序并选择相应的课程,从而向每个学生进行个性化在线课程Top-N推荐。2.根据权利要求1所述的在线学习系统中的学生建模与个性化课程推荐方法,其特征在于:在步骤1中,在基于DINA模型的课程掌握情况建模过程中,给定学生集合S={S1,S2,...,Su}、试题集合J={J1,J2,...,Jv}和学生试题得分矩阵R=[ruv]U×V,其中,ruv=1表示学生u答对试题Jv,ruv=0表示学生u答错试题Jv;对在试题集合J所考察的所有知识点K={K1,K2,...,Kk},试题与知识点关联情况由Q矩阵定义:Q=[qvk]V×K,其中,qvk=1表示试题Jv考查知识点k,qvk=0表示试题Jv未考查知识点k;通过联合学生的做题情况R矩阵和试题知识点关联Q矩阵对学生进行建模,每个学生Su描述为一个知识点掌握程度向量αu={αu1,αu2,...,αuk},其中每一维对应一个知识点,αuk=1表示学生u掌握知识点k,αuk=0表示学生u未掌握知识点k;引入包括失误率和猜测率在内的试题参数来建模学生在真实状态下的答题情况;该模型的数学表达式是:(1)ηuv=0表示学生Su无法正确回答试题Jv,若ηuv=1则认为学生Su可以正确回答试题Jv,具体公式如下:(2)失误率sv:虽然掌握了试题的所需要的全部技能属性,但是仍然存在没有答对试题Jv的学生,sv即为这种情况下的概率,具体公式定义如下:sv=P(Ruv=0|μuv=1);(3)猜测率gv:虽然没有将试题中所需要的全部技能属性都掌握,但是存在将试题Jv答对的学生,gv即为这种情况下的概率,具体公式定义如下:gv=P(Ruv=1|μuv=0);通过EM算法得到和到的参数估计;学生Su的知识点掌握向量αu通过最大化该学生试题得分后验概率来确定,从而得到学生的二分知识点掌握向量,如下所示:得到学生关于知识点的掌握程度之后,根据课程的知识结构层次分析图将各个知识...
【专利技术属性】
技术研发人员:赵中英,蔚覃,周慧,李超,
申请(专利权)人:山东科技大学,
类型:发明
国别省市:山东,37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。