[发明专利]一种基于学习风格的自适应推荐方法及系统

说明书

本发明属于教育技术领域，公开了一种基于学习风格的自适应推荐方法及系统，系统包括：数据的准备和预处理模块，学习风格诊断模块，聚类分析和学习资源推荐模块；方法包括：对学习者学习数据的准备和预处理，在得到用户群体的在线学习平台浏览日志数据之后，对网页内容进行标记；对学习者进行学习风格诊断，对学习资源进行标记后，基于学习者行为日志记录诊断其学习风格；聚类分析和学习资源推荐，基于学习风格对学习者进行聚类，将相似学习风格的学习者分到同一群组中。本发明对于不同的学习者群组，挖掘该类别学习风格学习者的行为模式和学习资源偏好，实现学习资源推荐。

技术领域

本发明属于教育技术领域，尤其涉及一种基于学习风格的自适应推荐方法及系统。

背景技术

目前，业内常用的现有技术是这样的：

自适应学习(或智慧学习)是在线学习的一个前沿分枝，自适应学习通过与学习者交互，改变学习进程中学习资源的内容或表现形式，实现对不同学习者的个性化指导，以达到提高学习者效率的目标。与单纯的在线学习系统相比，自适应学习系统完全以学习者为中心，基于不同学习者的知识背景、认知水平、对信息展示的偏好等特征，帮助学习者在海量信息中筛选出适合自己的学习资源，并记录、挖掘和深入分析学习者的历史学习数据，在评估后进行个性化干预、指导，使学习过程更加有效。

自适应学习系统的一个主要应用模块是针对用户的学习资源推荐，即根据用户的学习历史、学习行为模式，结合数据挖掘、机器学习等技术为用户提供适合用户学习策略和学习风格的课程及其他学习材料的推荐。尽管在此方面的研究已持续数年，自适应学习系统的技术还尚未成熟，至今仍每有出现在世界范围内广为使用的系统。虽然一部分在线学习平台也拥有一定的推荐功能，但大多数只停留在学习资源的设计与实践层面，即“以学习资源为中心”，却缺乏对学习者特征的分析，不能针对学生的自身特征提供个性化指导，以至于无法达到预期的效果。因此，以学习者为中心的自适应系统无疑是未来教学模式的方向。设计开发一个能够根据学习者偏好进行动态调整资源推荐的自适应学习系统显得尤为必要。

综上所述，现有技术存在的问题是：

现有的自适应学习系统所使用的推荐算法大多基于传统的协同过滤等算法，这些算法虽然在推荐领域已经能够保证很好的性能，但基于在线学习这一特殊领域的一些特性，单独使用传统的推荐算法还是存在瓶颈的。

例如常见的“邻域推荐算法(Neighborhood based recommender)”中的协同过滤，通过比较用户的浏览和评分记录得到用户和产品之间的相似性，根据“推荐跟某用户具有相同喜好的用户喜欢的产品”这一理念来进行推荐。这个算法具有很不错的性能，但是对于在线学习来说，一来用户的浏览行为可能并不和网上商城的购买活动相同，二来对于所有用户做相似度分析所消耗的计算量和资源都很大。如果在推荐算法中能够利用学习风格对用户进行预分类，不仅更适合在线学习平台的用户活动的内在逻辑，而且进行相似度计算的计算量也会大大减小。

利用用户的学习风格来提升推荐的准确性和适应性虽也有一些研究涉及，但这些应用都是基于传统的学习风格模型(如Dunn夫妇的学习风格模型，Kolb学习风格模型等)，这些模型都是基于课堂学习建立的，很难再适用于在线学习的极度多元化和具有灵活性的特点。

发明内容

针对现有技术存在的问题，本发明提供了一种基于学习风格的自适应推荐方法及系统，

本发明是这样实现的，一种基于学习风格的自适应推荐方法，所述的基于学习风格的自适应推荐方法包括：

对学习者学习数据的准备和预处理，在得到用户群体的在线学习平台浏览日志数据之后，对网页内容进行标记；

对学习者进行学习风格诊断，对学习资源进行标记后，基于学习者行为日志记录诊断学习风格；