论文部分内容阅读
教育部2018年4月印发了《教育信息化2.0行动计划》,意味着网络教育已上升到国家战略地位。但问题是,“高辍学率、低完成率”的现象严重影响了网络教育的发展,这其中的主要问题在于学习者知识储备与课程不匹配。而造成该问题的根本原因在于:(1)课程之间存在进阶关系;(2)学习者课程选择的盲目性,影响其选课健康状态;(3)平台缺少前导课程学习引导服务。文献回顾发现,现有研究从课程推荐入手,解决了课程信息“过载”的问题,但还存在学习者知识储备与课程不匹配的问题尚未彻底解决。而该问题的解决对课程进阶性、学习者选课盲目性具有重要意义。为此,本论文以学习者知识储备与课程不匹配为切入点,以学习者及其所选进阶课程为对象,以学习进阶理论为基础,以“中国大学MOOC”平台为数据载体,以提供前导课程智能推荐服务为目的,综合研究基于课程进阶关系的规则库构建、学习者选课健康状态感知、前导课程智能推荐三个方面内容,具体的创新工作如下所述:(1)构建了一个基于课程进阶关系的规则库。利用学习进阶理论,研究了平台课程之间进阶关系,在此基础上,利用网络爬虫技术及文本分析方法,对平台课程之间进阶关系进行了抽取及规范化表达,进而构建了基于课程进阶关系的规则库。该规则库的构建,明晰了平台1744门课程所需的前导课程及其前导课程之间的关系。(2)构建了一种基于规则库的学习者选课健康状态感知模型。依托“中国大学MOOC”平台,利用网络爬虫技术获取相关数据集并对其进行统计分析,得到了学习者行为特征。在此基础上,针对学习者已选的前导课程,利用Logistic函数提出了学习者课程掌握度预测方法,同时针对未选的前导课程,利用协同过滤算法思想提出了学习者课程选择预测方法,进而,利用分段函数对两种预测方法进行融合,构建了基于规则库的学习者选课健康状态感知模型,实现了学习者知识储备情况的预测。(3)提出了一种学习者前导课程智能推荐方法。基于学习者选课健康状态感知模型,提出了学习者前导课程智能推荐方法。该方法利用规则库对学习者选课健康状态进行感知,进而根据感知结果及推荐规则为学习者推荐所需的前导课程。实验结果表明:本论文提出的推荐方法在推荐数量1?n?5时,平均准确率为9.16%,充分说明该方法具有较好的感知能力及前导课程推荐能力。为此,本论文的研究意义在于:一方面,通过课程进阶性的研究,丰富了学习进阶理论。另一方面,通过对学习者选课盲目性的研究,为解决学习者知识储备与课程不匹配的问题提供技术支撑。