教育信息资源个性化推送服务中的学习者模型分析研究

摘要

web3.0时代的到来，个性化、智能化迅速成为一种趋势与标志，个性化学习备受关注。教育信息资源个性化推送服务作为一种个性化学习支持服务，能够实现“资源”与“学习者”的双向匹配。学习者模型的建立是教育信息资源个性化推送服务中的关键环节，学习者模型描述的准确性直接关系着教育信息资源个性化推送服务的效果。因此，研究教育信息资源个性化推送服务中的学习者模型，分析哪些学习者特征真正影响学生对资源的选择以及确定学习者特征的指标权重，对推荐算法和个性化学习服务的研究具有重要的理论与实践价值。
　　文章首先通过文献研究法对学习者模型相关研究进行回溯，结合专家访谈法提炼出网络环境下影响学习者教育信息资源选择偏好的特征指标，同时采用解释结构模型的方法，构建学习者特征模型，并依据层次关系将学习者特征归为五类:学习进度、策略投入、动力特征、学习风格、能力基础，以此作为学习者模型的构建的关键要素;
　　其次，从显性信息和隐性信息，静态信息和动态信息和一般信息和专门信息相结合的三个角度归纳出网络环境下学习者特征信息获取时应遵循的三项原则，并详细探讨利用学习者前测和数据挖掘两种途径获取学习者特征不同类型的具体方法。文章引入层次分析法建立基于学习者特征的资源选择指标体系，通过专家调查法对不同学习者特征相对于学生信息资源选择偏好的重要程度做量化研究，计算得出不同类型学习者特征的指标权重。
　　最后，以本科生《教育技术文献选读》课程为例，分别从学习者特征与资源属性这两个侧面研究学习者特征与资源特征的关联关系，建立学习者特征与资源属性的映射关系表。根据三位学习者的不同个性特征，利用专家调查法对四种不同类型的备选资源相对于各类学习者特征的优势程度，分别求出满足不同需求的备选资源权重，从而为三位学习者提供不同的资源选择方案。
　　论文采用解释结构模型方法获取学习者特征信息，构建出学习特征结构模型，即学习者特征模型=（学习进度、策略投入、动力特征、学习风格、能力基础）;采用层次分析法定量计算学习者各种特征的权重，较为精准地判断学习者对教育信息资源选择的偏好，以此确定资源推荐的序列，提高推送准确率与提升推送服务质量。论文在研究方法和研究内容方面具有一定的创新性，然而，教育信息资源个性化推送是一个复杂问题，受层次分析法自身的研究局限，研究得出的学习者特征的指标权重主观性较强。下一步研究需要对网络环境下的学习者特征以及对学习者特征与资源属性映射关系作更深入地探索，需要更加准确地获取的学习者特征信息。

目录

声明

摘要

1 绪论

1．1 研究背景与意义

1．2 研究现状与问题

1．2．1 学习者特征／分类模型研究现状

1．2．2 个性化信息推送服务研究现状

1．2．3 ISM与AHP在教育领域的应用研究

1．3 相关概念及理论基础

1．3．1 相关概念

1．3．2 理论基础

1．4 研究内容与研究方法

1．4．1 研究内容

1．4．2 研究方法

2 基于解释结构模型的学习者特征模型设定

2．1 影响教育信息资源选取的学习者特征指标的筛选

2．1．1 学习者特征模型的文献回溯

2．1．2 学习者特征指标的提炼筛选

2．2 影响教育信息资源选取的学习者特征模型的构建

2．2．1 学习者特征之间的关系判断

2．2．2 邻接矩阵与可达矩阵的建立

2．2．3 学习者特征ISM模型的设定

2．3 学习者特征解释结构模型的分析与建议

2．3．1 学习者特征层级结构关系分析

2．3．2 学习者特征ISM模型应用建议

3 学习者特征的获取及整合

3．1 学习者特征信息的获取

3．1．1 学习者特征信息的获取原则

3．1．2 学习者特征信息的获取途径

3．2 学习者特征与资源特征的关联分析

4 基于学习者特征的资源选择偏好指标体系构建

4．1 建立教育信息资源选择偏好指标体系

4．1．1 研究方法的选择

4．1．2 指标体系的构建

4．2 构造学习者特征指标判断矩阵及赋值

4．2．1 判断矩阵的确定

4．2．2 层次单排序及一致性检验

4．2．3 研究结果分析

4．3 形成基于学习者特征的资源选择方案

4．3．1 构造方案层判断矩阵及赋值

4．3．2 求解资源选择最佳决策方案

5 结论与启示

5．1 研究结论

5．2 研究展望

参考文献

附录

攻读学位期间发表的学术论文

致谢