论文部分内容阅读
现代远程教育是随着计算机技术,特别是多媒体技术、数据库技术和Internet技术的发展,在传统远程教育的基础上发展起来的一种新的教育模式,它与传统教育相比具有更广阔的发展前景。 在Internet上,一些网站为提高站点的服务质量,利用个性化的技术如用户建模、个性化推荐等提供个性化服务,而以Internet为基础的现代远程教育系统也不断围绕个性化的服务开展各项研究。 一个完善的远程教育个性化系统,应该能够很好地建立学生学习模型,并且建立的学生模型应该能够反映不同学生的特点,同时系统根据学生学习模型能够进行个性化的推荐,从而完成个性化的教学服务。针对个性化特点,通过分析认为学生模型的建立离不开对学生的兴趣习惯、学习能力、学习进度、学习要求等项目的统计和分析,因此要求个性化系统提供兴趣与习惯分析、错误统计与分析、知识水平评价、学习能力评价、笔记本系统等相应的功能,通过这些子系统的运行能够从学生的学习活动中提炼出有用的学生信息,将其纳入学生模型之中,从而建立和完善学生学习模型。 在学生模型的建立上,因学生所学的课程变化大,而学生对每门课的喜好和习惯可能有所不同,因此学生模型应该满足灵活易变的要求,而用户手工建模和示例建模方法都难以满足这些要求,本文采用自动用户建模方法。由于自动用户建模存在着误判情况,因此怎样克服误判成为一个难点。本文引入人工智能中的不确定性推理,采用自然频率法和改进后的可信度方法来判断学生行为的可信度,降低了误判对系统的影响。 基于以上思想,本文根据学生的学习兴趣和行为设计了提供个性化教学资源的推荐模型。重点是利用人工智能技术对不同学生点击各类资源的数量进行统计、判断和分析,找出学生学习行为中存在的规律,建立和改进学生模型,并根据学生模型中的相关数据对呈现给学生的学习资源进行个性化推荐。 在本文模型的基础上,设计并实现了一个实验系统。运行结果表明:自动用户建模方法使学生模型能够保持一定的时效性,本文提出的个性化教学资源推荐模型易实现,具有可行性和时效性。