基于E-learning 的资源推送服务与关键策略研究

全文: PDF(0 KB)
输出: BibTeX | EndNote (RIS)

摘要各高校正在广泛使用各类E-learning 教学平台，平台中的学习资源日益增长。个性化的推荐服务遵循“以人为本”的思想，缓解了“信息过载”、“海量资源”与学习者个性化学习需求之间的矛盾。本文对基于E-learning 的资源推送的基本方式和关键策略进行了阐述，提出了基于E-learning的资源推送系统构建方案，以提高学习者的学习效率。

	服务
	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	（）
	作者相关文章
	陶漪

关键词 ：网络学习平台, 资源推送, 个性化推荐, 学习者特征, 协同过滤

Abstract：Colleges and universities are widely using various types of E-learning platform. The learning resources in the platform are growing. Personalized recommendation service follows the idea of "people first", which alleviates the contradiction between "information overload", "massive resources" and learners' needs. This paper describes the resource push service and key strategy based on E-learning, and proposes the construction of resource push system based on E-learning to improve the learning efficiency of learners.

Key words： E-learning resource push personalized recommendation learner characteristics collaborative filtering

年卷期日期: 2017-11-10

TP391.3

基金资助:基于E-learning 的数据挖掘技术研究，项目编号：14Z016；基于E-learning 的个性化学习资源推送服务研究，项目编号：2015-R-41638；2015 年度江苏省现代教育技术研究重点课题，课题名称：基于数据挖掘的个性化移动化学习平台研究；课题编号：2015-R-41534。

作者简介: 陶漪（1984-），女，江苏南通人，硕士研究生，实验师，研究方向为教育技术学、计算机应用。

引用本文:

陶漪. 基于E-learning 的资源推送服务与关键策略研究[J]. 电脑与电信, .
TAO Yi. Research on Resource Push Service and Key Strategy Based on E-learning. Computer & Telecommunication, 2017, 1(11): 12-13.

链接本文:

https://www.computertelecom.com.cn/CN/ 或 https://www.computertelecom.com.cn/CN/Y2017/V1/I11/12

[1]	李改郭泽浩. TrustOCCR：基于信任的社会化单类协同排序推荐算法[J]. 电脑与电信, 2024, 1(6): 7-10.
[2]	欧卫红杨永琴. 大数据平台下基于Mahout的图书推荐系统研究[J]. 电脑与电信, 2021, 1(9): 28-31.
[3]	宋曼. 一种基于BP神经网络的电影协同过滤算法[J]. 电脑与电信, 2021, 1(6): 13-18.
[4]	高立强缪凯. 改进型协同过滤的网络课程推荐算法[J]. 电脑与电信, 2021, 1(6): 53-56.
[5]	杨要科. 基于改进项目相关性度量的协同过滤推荐算法[J]. 电脑与电信, 2018, 1(12): 23-.
[6]	王玉林, 王永鉴, 柴争义. 基于免疫算法的个性化推荐系统[J]. 电脑与电信, 2016, 1(10): 1-3.
[7]	陈泽波. 基于分类的协同过滤图书推荐系统应用研究[J]. 电脑与电信, 2015, 1(9): 60-62.
[8]	谌颃. 基于Hadoop 的标签推荐系统设计[J]. 电脑与电信, 2015, 1(7): 59-61.
[9]	路晓亚宋秋丽. 基于用户兴趣变化的协同过滤技术的研究[J]. , 2012, 1(3): 0-0.