【技术实现步骤摘要】
多模态在线学习资源网络推荐系统及其推荐方法
本专利技术涉及在线学习
,特别的,涉及一种基于学习者学习能力和资源难度的多模态在线学习资源网络推荐系统及推荐方法。
技术介绍
人们对公平教育的不断探索和线下学习对时间和空间的诸多限制,促进了在线学习领域的蓬勃发展。在线学习可以通过网络将名校名师课程以低廉的价格和快捷的方式分享给数以万计的学习者。同时,快节奏的现代生活使得越来越多的人有了终生学习的需求,但与之冲突的学习时间碎片化,使得占用大片时间的线下学习模式的时空代价超过人们的承受能力。因此,不受时间地点限制、随时随地学习和暂停的线上学习模式,受到越来越多学习者的青睐。众所周知,对于学习者通过学习行为来掌握知识或者技能的过程中,其是由多种因素共同决定学习者的学习结果。其中对于学习结果有较大影响的因素主要包括如下三个方面,分别是:学习者的学习能力、所学知识或者技能的难易度(或“学习资源难度”)及学习资源的表达形式。所谓学习者的学习能力是指学习个体从事学习活动所需具备的心理特征和智力特征,所述心理特征和智力特征是指能够进行学习的生理能力和潜力的总和,包括感知观察能力、记忆能力、阅读能力、解决问题能力等。对学习者个体而言,能够容纳、储存知识、信息的种类和数量、行为活动模式种类、新旧信息更替的能力等外延出学习者的学习能力高低,所述学习者的学习能力在有机体一生中呈动态变化。所谓所学知识或者技能的难易度是指知识或者技能客观的复杂程度,针对具有统一学习能力的学习者来学习特定知识或者特定技能时 ...
【技术保护点】
1.一种多模态在线学习资源网络推荐系统,其特征在于,包括:/n数据采集模组,其采集学习者信息及学习资源信息;/n学习能力评估模组,其根据所述数据采集模组所采集的学习者信息获得学习者的学习能力值;/n学习资源难度计算模组,其根据所述数据采集模组所采集的学习资源信息计算学习资源难度值;及/n学习资源推荐模组,其分别接收来自所述学习能力评估模组的学习能力值以及所述学习资源难度计算模组的学习资源难度值,并根据所述学习能力值及所述学习资源难度值之间的相互匹配值生成学习资源推荐方案,并选择性推荐满足设定匹配值的学习资源至学习者。/n
【技术特征摘要】
1.一种多模态在线学习资源网络推荐系统,其特征在于,包括:
数据采集模组,其采集学习者信息及学习资源信息;
学习能力评估模组,其根据所述数据采集模组所采集的学习者信息获得学习者的学习能力值;
学习资源难度计算模组,其根据所述数据采集模组所采集的学习资源信息计算学习资源难度值;及
学习资源推荐模组,其分别接收来自所述学习能力评估模组的学习能力值以及所述学习资源难度计算模组的学习资源难度值,并根据所述学习能力值及所述学习资源难度值之间的相互匹配值生成学习资源推荐方案,并选择性推荐满足设定匹配值的学习资源至学习者。
2.根据权利要求1所述的多模态在线学习资源网络推荐系统,其特征在于,所述学习资源信息包括多种表达形式,所述学习资源网络推荐系统还包括学习资源表达形式识别模组,所述学习资源表达形式识别模组接收所述学习资源信息,并识别所述学习资源信息的表达形式。
3.根据权利要求2所述的多模态在线学习资源网络推荐系统,其特征在于,所述学习资源推荐模组根据所述学习资源信息的表达形式、所述学习能力值与所述学习资源难度值之间的相互匹配值生成学习资源推荐方案,其中所述学习资源的表达形式包括文字、语音、图片、音频及视频中的任意一种或多种。
4.根据权利要求3所述的多模态在线学习资源网络推荐系统,其特征在于,所述学习资源网络推荐系统还包括学习行为识别模组,所述数据采集模组还进一步采集所述学习者的学习行为信息,所述学习行为识别模组接收所述学习行为信息,并识别所述学习行为,所述学习资源推荐模组根据所述学习者学习行为信息结合所述学习资源表达形式的匹配值,对应推荐学习资源至所述学习者。
5.根据权利要求4所述的多模态在线学习资源网络推荐系统,其特征在于,所述学习资源信息包括多个概念,所述学习资源难度计算模组根据所述多个概念之间的关系及对所述概念的限定通过评估计算学习资源的难度值和/或所述学习资源难度计算模组根据所述学习者的学习行为信息计算所述学习资源的难度值。
6.根据权利要求5所述的多模态在线学习资源网络推荐系统,其特征在于,所述学习资源难度计算模组根据所述学习资源信息的多个概念之间的关系、以及所述学习者的学习行为计算学习资源的至少一难度值,将其分别标准化并连接在一起组成学习资源难度向量。
7.根据权利要求6所述的多模态在线学习资源网络推荐系统,其特征在于,所述标准化公式如下:
其中,x是当前变量,xmin是所有x变量中的最小值,xmax是所有x变量中的最大值,xnew是标准化之后的变量值;
所述连接方法公式如下:
D=D1⊕D2⊕D3⊕D4⊕D5⊕D6
其中,D1-D6是根据不同方法并经过标准化后获得的学习资源难度值,至此,获得所述学习资源的难度值,其中D1是根据学习资源中所述概念之间的关系计算获得的学习资源难度值,D2是根据学习资源的学习人数计算获得的学习资源难度值,D3是根据学习资源中的文字描述计算获得的学习资源难度值,D4是根据学习资源的评分计算获得的学习资源难度值,D5是根据学习者在学习资源中的行为信息计算获得的学习资源难度值,D6是根据学习者在学习资源中做题、考试的得分计算获得的学习资源难度值,符号⊕为向量拼接操作。
8.一种采用如权利要求1所述的多模态在线学习资源网络...
【专利技术属性】
技术研发人员:姜文君,杨喜喜,任德盛,张吉,任演纳,
申请(专利权)人:之江实验室,湖南大学,
类型:发明
国别省市:浙江;33
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。