面向自适应学习的个性化学习路径推荐

被引:18
作者
李建伟 [1 ,2 ]
武佳惠 [1 ]
姬艳丽 [1 ]
机构
[1] 北京邮电大学网络教育学院
[2] 北京邮电大学网络系统与网络文化北京市重点实验室
关键词
自适应学习; 学习路径推荐; 知识图谱; 深度知识跟踪; 强化学习;
D O I
暂无
中图分类号
G434 [计算机化教学];
学科分类号
040110 ;
摘要
根据学习者的学习记录和学习任务进行学习路径推荐,是实现自适应学习的关键技术。文章首先将个性化学习路径推荐模型归为八类,并对每类模型进行详细分析,总结出这些模型普遍存在的问题,认为这些问题严重影响了自适应个性化学习的应用效果。之后,文章提出一种从课程、学习任务两个维度进行学习路径推荐的个性化学习路径推荐模型,其融合了知识图谱、深度知识跟踪和强化学习三种智能技术,能有效解决上述问题。最后,文章通过对学习任务内学习路径推荐模型进行对比实验及其相关数据分析,发现该模型能有效提高学习效果和学习效率,其推荐性能也优于目前主流的推荐模型。文章的研究成果对自适应学习的实现具有重要应用价值,并为教育领域个性化学习路径推荐的理论与技术研究提供了重要参考。
引用
收藏
页码:108 / 117
页数:10
相关论文
共 18 条
[1]  
在线学习路径推荐算法研究.[D].陈壮.华中师范大学.2020, 02
[2]   人工智能支持下自适应学习路径构建 [J].
孔维梁 ;
韩淑云 ;
张昭理 .
现代远程教育研究, 2020, 32 (03) :94-103
[3]   促进教育创新的关键技术与应用实践——2015-2020《地平线报告》的分析与比较 [J].
金慧 ;
王梦钰 ;
王陈欣 .
远程教育杂志, 2020, 38 (03) :25-37
[4]   基于多重智能算法的个性化学习路径推荐模型 [J].
申云凤 .
中国电化教育, 2019, (11) :66-72
[5]   松鼠AI智适应学习系统 [J].
崔炜 ;
薛镇 .
机器人产业, 2019, (04) :84-94
[6]   大数据背景下的精准个性化学习路径挖掘研究——基于AprioriAll的群体行为分析 [J].
姜强 ;
赵蔚 ;
李松 ;
王朋娇 .
电化教育研究, 2018, 39 (02) :45-52
[7]   协同推荐:一种个性化学习路径生成的新视角 [J].
赵学孔 ;
徐晓东 ;
龙世荣 .
中国远程教育, 2017, (05) :24-34
[8]   融合学习者社交网络的协同过滤学习资源推荐 [J].
丁永刚 ;
张馨 ;
桑秋侠 ;
金梦甜 ;
张红波 .
现代教育技术, 2016, (02) :108-114
[9]   基于情境感知的适应性学习路径推荐研究 [J].
黄志芳 ;
赵呈领 ;
黄祥玉 ;
万力勇 ;
陈智慧 .
电化教育研究, 2015, 36 (05) :77-84
[10]  
一种基于深度知识跟踪与强化学习的学习路径优化方法[P]. 李建伟;李领康;于玉杰.中国专利:CN113268611A,2021-08-17