E learning_E-learning中动态兴趣识别方法研究
时间：2019-01-14 03:38:52 来源：雅意学习网 本文已影响 人 
【摘要】在网络和海量信息的背景下,网络学习由于具有时空无限、资源共享等特点,正逐渐成为构筑终身教育的最有效手段。网络学习是信息教育的延伸,强调过程的个性化和专业化。其中个性化服务体现了“以人为本”和“因材施教”的理念,因而在信息教育中得到了广泛应用。针对当前信息教育中缺乏对学习兴趣研究的现状,文章提出了信息教育系统中一种动态兴趣识别方法,新方法应用人工智能技术和数据挖掘技术构建了一个基于网络用户兴趣的动态识别方法,在很大程度上弥补了网络教学中个性化缺失的问题。
【关键词】个性化服务;E-learning;兴趣识别
【中图分类号】G40-057 【文献标识码】A 【论文编号】1009―8097(2010)10―0132―03
一 引言
随着知识经济时代的到来,知识在经济增长中的作用日益突出。管理大师彼得德鲁克指出,在知识经济时代,知识将取代土地、劳动力、资本、设备,成为最重要的生产要素[1]。知识的学习、传播和应用成为推动社会进步的主要动力。而其中最重要的知识学习部分目前主要依靠课堂教学为主。这不仅限制了知识学习的对象;而且单一的课堂教学并不能达到因材施教的目的,限制了知识学习的效果以及学生学习的积极性。
以计算机网络技术、通信技术、多媒体技术等为基础的E-learning作为网络信息时代新兴的学习模式,为学习者提供了共享的、资源丰富的、不受时空限制的虚拟网络学习,使得自主学习成为可能。E-learning作为传统教育模式的一种互补,正越来越多成为当代教育体系的有效工具[2]。目前大部分E-learning学习系统只是简单地实现了知识的数字化浏览和学习,但是由于学习者在文化背景、偏好、学习需求等方面差异性,使得这种单一的网络教学模式面临了很大的挑战。戚建林认为,“从知识服务本身内容看,知识服务应有广义和狭义之分。从广义上讲,知识服务是指一切为用户提供所需知识的服务(包括提供普通知识服务和提供专业知识服务等);从狭义上讲,知识服务应是指针对用户专业需求,以问题解决为目标,对相关知识进行搜集、筛选、研究分析并支持应用的一种较深层次的智力服务”[3]。因此,如何设计一个开放、自主、交互的环境,及时调整学习者的学习重点,提高学习者的学习兴趣,成为当代E-learning研究的主要方向。在此根据人工智能中个性化推荐理论,结合E-learning的网络特点,提出了一种基于个性化网络教学系统的用户兴趣识别方法,它可以动态地根据用户兴趣为用户提供相关知识,有效的提高学习效率。
二 理论基础
个性化服务是指针对用户的不同特点提供符合用户需求的服务策略和内容的服务模式,与普通服务模式相比,个性化服务显然具有更高的服务质量。简单地说,就是为用户提供一对一的服务和指导。个性化推荐系统具有主动学习能力,通过概括和分析用户的行为,自动地实现某种程度的个性化反馈[4]。系统的基本原理就是根据各个用户对不同信息的兴趣描述,通过相应的推荐算法为用户提供符合其兴趣的信息;通过采集用户数据,包括内容数据和行为数据,建立用户兴趣模型后,推理机可以根据用户兴趣模型;并且通过相应的推荐算法对新到网页集和用户兴趣模型相似度计算以得出推荐页面集,并最终推荐给用户,同时把用户的浏览数据反馈给用户兴趣模型用于模型的更新和学习,工作原理如图1所示。
三 兴趣识别
随着个性化服务技术的发展,互联网上的个性化服务呈雨后春笋般出现在人们的眼前,目前其发展的核心就是研究如何建立一种能够融合用户个性特征、学习兴趣要素的兴趣识别方法,简单说就是要动态地感知网络学习者的兴趣,及时调整学习内容。目前大部分的E-learning主要存在如下三方面问题:
缺乏对网络学习用户的兴趣识别方法。
缺乏从用户学习的内容中提取兴趣的方法。
缺乏兴趣删减的方法。
缺乏兴趣预测的方法。
根据上述现有技术存在的缺陷或不足,提出了一种面向网络学习用户的兴趣识别方法。包括以下几方面内容:
1 面向网络学习用户的兴趣识别方法
首先得到一定时间段内某个学习者的日志,每条日志数据的格式可用元组表示,该元组主要用来保存用户对某个网络资源(包括概念和知识元)所作的动作,包括浏览,查询,收藏,打印,以及用户在该网络资源上停留的时间和总共访问该资源的次数。
根据用户日志,对用户的动作进行筛选,选出能较好地反映用户兴趣的动作,并得到用户直接访问过的资源集合,然后计算用户在访问的资源上的浏览时间及查询次数,如图2所示。
以这些重要的统计数据为基础,计算用户对资源的兴趣度:若访问对象 为资源,则 的兴趣度 计算公式如下所示:
式中: 表示分析时段内学习者对某一资源的最长访问时间; 表示分析时段内学习者对某一资源的最大访问次数; 和 为衡量浏览动作和查询动作对兴趣度影响程度的权值, ,例如若认为查询动作是学习者主动的行为,更能体现出学习者的兴趣,则可设 大于 。
利用兴趣删减算法,对资源进行删减,仅保留兴趣度高的资源;得到当前时段内用户感兴趣的资源集合。若用户存在历史兴趣集合,按照一定的衰减系数对用户以往的兴趣集合进行衰减,更新用户的兴趣集。
最后,根据其他用户的兴趣集合,识别出与某个用户兴趣最为相似的若干个用户,根据这些用户的兴趣集合向该用户进行兴趣预测。
2 兴趣删减算法
兴趣删减是将学习者不感兴趣的学习内容从兴趣发现结果中去除的过程。在兴趣的研究中,用户是否对某一内容感兴趣通常是通过兴趣度阈值进行判断,如果内容对应的兴趣度小于兴趣度阈值,则认为用户对该内容不感兴趣。因此兴趣的删减问题可以转化为如何寻找阈值的问题。这里采用了一种可以从一组数据中自动发现阈值的算法,该算法的优点是考虑了数据分布情况,可用来解决兴趣度阈值的计算问题。
首先,将需要分析的用户兴趣值数据均匀的划分成若干个区间,例如若两个资源的兴趣度差异很小,则应该尽可能的将它们划为一类;区间i包含的数据的个数为区间i的频数,描述数据集在区间内的分布情况。称区间频数小于相邻区间频数的区间为谷区间,称区间频数大于相邻区间频数的区间为峰区间。相邻的两个峰区间之间的区域称为谷。显然数据在谷区间分布稀疏,而在峰区间分布密集,则兴趣阈值可在数据分布最为稀疏的区域中寻找。
其次,为了确定阈值区间,用参数q衡量谷的深和宽。参数q的计算公式为:
参数q值最大的谷区间即为阈值区间。这样可以有效的区分出不同的兴趣值分布区间,以达到较准确的阈值选取。
通过该算法获得阈值后,可以将兴趣度小于阈值的资源作为用户不感兴趣的资源从兴趣中删除。
3 协同预测兴趣算法
首先对学习者间感兴趣的概念情况进行相似度计算,其次将相似度最高的k个兴趣中的资源作为兴趣的预测集,最后对预测集中的每一个资源计算预测度,并按照预测度对预测结果集进行排序。
与普通的推荐方法不同之处在于算法中存在时段的概念,在计算相似度时比较的是学习者在不同时段内的兴趣,而在普通的推荐算法中不含时段的概念,推荐的依据是用户访问所有时间内的评价等信息。
四 结束语
E-learning作为网络信息时代新兴的学习模式逐渐壮大;本文以个性化学习理论为指导,通过使用人工智能技术、数据挖掘技术构建了一个网络学习用户兴趣识别的方法。能根据学习者特征信息(知识据结构、学习目标、学习风格、偏好等)提供适应学习者的学习资源。为营造个性化的网络学习环境提供了重要的支持。同时,方法强调了对用户兴趣的动态删减以及预测方法,突出了动态个性化服务的宗旨。但该方法还缺乏对用户情感的分析,以及用户情感对学习过程的影响,关于个性化协作学环境的创建和环境适应性是下一步继续深入研究主题。
参考文献
[1] 彼得•德鲁克(美)著,朱雁斌译.21世纪的管理挑战[M].北京:机械工业出版社,2006,4.
[2] 王艳芳,支持个性化学习的E-learning系统研究[J].中国电化教育,2008,(3):102-106.
[3」戚建林.论图书情报机构的信息服务与知识服务[J].河南图书馆学刊,2003,(2):37-38.
[4] 余力,刘鲁,罗掌华.我国电子商务推荐策略的比较分析[J].系统工程理论与实践,2004,(8):96-10.
[5] L. Kolås, A. Staupe. The PLExus Prototype: A PLE realized as Topic Maps[A].The Seventh IEEE International Conference on Advanced Learning Technology[C].2007:750-752.
[6] P. A. Jaques, R. M. Vicari. A BDI approach to infer student’s emotions in an intelligent learning environment[J].Computers & Education,2007,(49):360-384.
[7] R.Picard,Affective Computing[M].Cambridge:The MIT Press,1997.
[8] 董静,王万森.E-learning系统中情感识别的研究[J].计算机工程与设计,2008,29(17):4525-4527.
[9] 罗奇,万力勇,吴彦文.情感计算在e•Learning系统中的应用研究[J].开放教育研究,2006,6(3):80-83.
[10] ZHONG Zhao-man, ZHANG Jian-pin .A learning evaluation system based on expert system for E-learning[J].西南民族大学学报•自然科学版,2008,34(1):168-174.
[11] 李斌,李绯.实现E-learning平台中的学生自适应学习[J].现代教育技术,2009,19(6):91-93.
本文为全文原貌 未安装PDF浏览器用户请先下载安装 原版全文
