基于大数据的在线职业教育个性化课程内容推送算法

摘要

本发明公开了一种可以提供精细化、精品化的课程资源的同时，还可以根据学习者的特征信息，自动识别学习需求，动态适应性呈现个性化学习活动序列，实施内容精准推送，从而提升学员的学习效率和节省学习时间的基于大数据的在线职业教育个性化课程内容推送算法。它包括如下步骤：以接受职业教育的学员进行个性化学习为基础，由学情模型、专业模型、自适应引擎和呈现模型四个部分构建了职业教育个性化教学服务系统框架；根据学情模型和专业模型进行自适应推荐适合学习者的学习内容、学习活动序列和知识树形结构学习导航并在页面中呈现；同时能实现对学习者的学习行为历史记录进行修改，并维护学情模型，提高学情模型的精准度。

说明书

技术领域

本发明涉及在线教育技术领域，特别是指一种基于大数据的在线职业教育个性化课程内容推送算法。

背景技术

纵观当今世界综合国力竞争，说到底是人才竞争，人才越来越成为推动经济社会发展的战略性资源，教育的基础性先导性全局性地位和作用更加凸显，而个性化教学服务是高等教育理论研究和实践中最重要内容。同时开展个性化教学是回归育人的根本要求，高等教育的内外部规律决定了高等教育就是培养自然人与社会人的有机统一体，是促进个体个性化、个体社会化的过程。高等教育内外部规律决定了高等教育供给其实就是促进个体个性化与社会化的有机融合，而要促进个体个性化与社会化有机融合的过程是一个复杂的过程需要不断的将影响其要素进行深化教学改革。另外开展个性化教学是职业教育的发展方向。但是与地方高等教育存在较大的差异，不能直接借用，需要精准建设。主要存在以下方面差异：(1)同一专业层次水平差异较大。由于职业教育中针对同一个专业的不同对象存在层次较多、能力素质水平差异较大等特点，地方教育开展网络教学中对象整体水平差异化不是特别明显。(2) 应用条件差异较多。由于需要考虑保密、安全等方面要素影响，网络环境与地方差异较大，职业教育内容表现形式与地方高等教育建设也就不同，个性化服务方法也需要改变。

综上所述，目前缺少一种可以提供精细化、精品化的课程资源的同时，还可以根据学习者的特征信息，自动识别学习需求，动态适应性呈现个性化学习活动序列，实施内容精准推送，从而提升学员的学习效率和节省学习时间的基于大数据的在线职业教育个性化课程内容推送算法。

发明内容

本发明要解决的技术问题是，提供一种可以提供精细化、精品化的课程资源的同时，还可以根据学习者的特征信息，自动识别学习需求，动态适应性呈现个性化学习活动序列，实施内容精准推送，从而提升学员的学习效率和节省学习时间的基于大数据的在线职业教育个性化课程内容推送算法。

为解决上述技术问题，本发明提供的技术方案为：一种基于大数据的在线职业教育个性化课程内容推送算法，它包括如下步骤：

第一步，以接受职业教育的学员进行个性化学习为基础，由学情模型、专业模型、自适应引擎和呈现模型四个部分构建了职业教育个性化教学服务系统框架；

第二步，根据学情模型和专业模型进行自适应推荐适合学习者的学习内容、学习活动序列和知识树形结构学习导航并在页面中呈现；同时根据学习者的学习过程，执行适应性规则，实现对学习者的学习行为历史记录进行修改，并维护学情模型，提高学情模型的精准度；

第三步，设计不同学习风格包含的用户行为指标，确定了每个用户行为指标对应的阈值范围，能够通过单个行为指标的阈值范围初步确定用户的学习风格；

第四步，根据用户学习风格分类确定学习路径与内容对象。

作为优选，第三步中包括如下具体子步骤：

第1)步，建立一个四元组Θ

式中，变量Active、Contemplative、Sentient、Intuitive、Visual、Verbal、Sequential和Comprehensive 分别表示8种学习风格的隶属度，即活跃型、沉思型、感悟型、直觉型、视觉型、言语型、序列型和综合型8种学习风格的隶属程度；

第2)步为计算不同学习用户的学习风格四元组Θ

一是数据预处理。记录用户学习过程的行为指标，用x

式中，变量

第3)步，建立数据分析模型。采用KNN算法对行为指标进行分析，得出各8种学习风格的隶属度。计算第l个用户到不同学习风格的指标中心x*s的欧式距离Dl，即：

其中，α

得出的概率Pl即为各学习风格的隶属度，α

第4)步，大数据参数拟合，设置相关参数，α

式中，

作为优选，第四步中包括如下子步骤：

第1步：首先依据Felder-Silverman学习风格模型，将用户的学习风格分成信息的加工、感知、输入和理解四个维度，然后从不同维度分解成不同的学习类型，具体类型包括活跃型、沉思型、感悟型、直觉型、视觉型、言语型、序列型、综合型；

第2步，为每一种学习类型，确认对应的推荐学习路径和内容对象，具体对应关系为：活跃型：参与讨论(必选)→阅读学习材料(推荐)→个案研究(推荐)→做练习(必选)→完成测试 (必选)；沉思型：阅读学习材料(必选)→个案研究(必选)→参与讨论(推荐)→做练习(必选)→完成测试(必选)；感悟型：多推荐事实和数据学习资源；直觉型：多推荐理论学习资源；视觉型：多推荐图片、图表、流程图、视频等媒体类型的内容；言语型：多推荐文字信息内容；序列型：多推荐线性学习内容；综合型：多推荐非线性学习内容，同时通过系统将各个要点联系起来形成知识树。

采用上述结构后，本发明具有如下有益效果：该方法除了完成学习目标，激发学习兴趣，保证教育质量外，还可以提供精细化、精品化的课程资源，并根据学习者的特征信息(如学习偏好、知识水平等)，提供个性化的教学服务能自动识别学习需求，动态适应性呈现个性化学习活动序列(含学习对象)，改变以往“大水漫灌”的做法，实施“精准滴灌”，从而更快、更好地完成知识建构，提高在线学习的个性化服务水平，提升学员的学习效率和节省学习时间。

附图说明

图1是本发明中职业教育个性化教学服务系统框架。

图2是本发明中自适应引擎工作过程。

图3是个性化教学服务系统B/S结构。

具体实施方式

下面结合附图对本发明做进一步的详细说明。

结合附图1到附图3，一种基于大数据的在线职业教育个性化课程内容推送算法，它包括如下步骤：

第一步，以接受职业教育的学员进行个性化学习为基础，由学情模型、专业模型、自适应引擎和呈现模型四个部分构建了职业教育个性化教学服务系统框架；

第二步，根据学情模型和专业模型进行自适应推荐适合学习者的学习内容、学习活动序列和知识树形结构学习导航并在页面中呈现；同时根据学习者的学习过程，执行适应性规则，实现对学习者的学习行为历史记录进行修改，并维护学情模型，提高学情模型的精准度；

第三步，设计不同学习风格包含的用户行为指标，确定了每个用户行为指标对应的阈值范围，能够通过单个行为指标的阈值范围初步确定用户的学习风格；

第四步，根据用户学习风格分类确定学习路径与内容对象。

第三步中包括如下具体子步骤：

第1)步，建立一个四元组Θ

式中，变量Active、Contemplative、Sentient、Intuitive、Visual、Verbal、Sequential和Comprehensive 分别表示8种学习风格的隶属度，即活跃型、沉思型、感悟型、直觉型、视觉型、言语型、序列型和综合型8种学习风格的隶属程度；

第2)步为计算不同学习用户的学习风格四元组Θ

一是数据预处理。记录用户学习过程的行为指标，用x

式中，变量

第3)步，建立数据分析模型。采用KNN算法对行为指标进行分析，得出各8种学习风格的隶属度。计算第l个用户到不同学习风格的指标中心x*s的欧式距离Dl，即：

其中，α

得出的概率Pl即为各学习风格的隶属度，α

第4)步，大数据参数拟合，设置相关参数，α

式中，

第四步中包括如下子步骤：

第1步：首先依据Felder-Silverman学习风格模型，将用户的学习风格分成信息的加工、感知、输入和理解四个维度，然后从不同维度分解成不同的学习类型，具体类型包括活跃型、沉思型、感悟型、直觉型、视觉型、言语型、序列型、综合型；

第2步，为每一种学习类型，确认对应的推荐学习路径和内容对象，具体对应关系为：活跃型：参与讨论(必选)→阅读学习材料(推荐)→个案研究(推荐)→做练习(必选)→完成测试 (必选)；沉思型：阅读学习材料(必选)→个案研究(必选)→参与讨论(推荐)→做练习(必选)→完成测试(必选)；感悟型：多推荐事实和数据学习资源；直觉型：多推荐理论学习资源；视觉型：多推荐图片、图表、流程图、视频等媒体类型的内容；言语型：多推荐文字信息内容；序列型：多推荐线性学习内容；综合型：多推荐非线性学习内容，同时通过系统将各个要点联系起来形成知识树。

为了实现对每个用户实现个性化教学服务，从学习风格和认知水平两个方面通过大数据分析的方法进行精准把握。通过大数据精准分析用户的学习风格

①根据用户学习风格分类确定学习路径与内容对象

首先依据Felder-Silverman学习风格模型，将用户的学习风格分成信息的加工、感知、输入和理解四个维度，然后从不同维度分解成不同的学习类型，最后设计了学习路径和学习内容对象。

②构建四种学习风格类型的用户行为指标

设计了不同学习风格包含的用户行为指标，确定了每个用户行为指标对应的阈值范围，能够通过单个行为指标的阈值范围初步确定用户的学习风格。

个性化教学服务系统采用B/S体系架构，学习者通过浏览器访问服务器。服务器中有两个JAVA对象，分别是Servlet对象和JAVA应用程序对象。Servlet对象调用JAVA应用程序来处理学习者的JavaScript请求，然后把处理结果发送给学习者的浏览器页面。JAVA应用程序对象首先初始化，然后通过使用JDBC的API和SQL会话层接口，JAVA应用程序组件读取数据库相关数据，并更新系统模型数据，接着产生一个自适应的HTML页面。同时在一个会话结束时，调用数据库访问对象把初始化和更新的数据保存到数据库中。根据前期调研需求，初步完成了系统的开发。

以上对本发明及其实施方式进行了描述，该描述没有限制性，附图中所示的也只是本发明的实施方式之一，实际的结构并不局限于此。总而言之如果本领域的普通技术人员受其启示，在不脱离本发明创造宗旨的情况下，不经创造性的设计出与该技术方案相似的结构方式及实施例，均应属于本发明的保护范围。