學(xué)習(xí)內(nèi)容管理系統(tǒng)及其個性化推薦技術(shù)研究與實現(xiàn).pdf

1、當(dāng)今社會是一個高速發(fā)展的信息時代，網(wǎng)絡(luò)在人們的生活中應(yīng)用越來越廣泛，互聯(lián)網(wǎng)信息技術(shù)已經(jīng)成為當(dāng)今社會的主流技術(shù)。網(wǎng)絡(luò)教學(xué)作為傳統(tǒng)教學(xué)的延伸和補充，已經(jīng)成為高校教學(xué)的重要組成部分。
　　本文基于國內(nèi)外研究機構(gòu)對于網(wǎng)絡(luò)教學(xué)系統(tǒng)的研究現(xiàn)狀，針對目前網(wǎng)絡(luò)教學(xué)存在的問題，結(jié)合學(xué)校CBL(Computer Based Learning)網(wǎng)絡(luò)教學(xué)平臺現(xiàn)有的課程設(shè)計、消息協(xié)作、資源共享等功能，運用SharePoint內(nèi)容管理技術(shù)設(shè)計并實現(xiàn)了INE(

2、IndividualNetwork Education)學(xué)習(xí)內(nèi)容管理系統(tǒng)。此系統(tǒng)現(xiàn)已具備用戶管理、多媒體課件制作、作業(yè)制作、發(fā)布學(xué)習(xí)內(nèi)容、分配作業(yè)、訪問教學(xué)內(nèi)容等功能。學(xué)習(xí)內(nèi)容制作者不僅可以利用INE系統(tǒng)開發(fā)設(shè)計結(jié)合文本、圖片、視頻、音頻等素材的多媒體教學(xué)課件，而且可以將制作好的學(xué)習(xí)內(nèi)容在CBL平臺中發(fā)布，以供學(xué)習(xí)者在線訪問。另外，INE的作業(yè)制作功能在保留傳統(tǒng)作業(yè)多種題型特點的同時，也方便制作者在作業(yè)中加入大量的多媒體素材，讓作業(yè)內(nèi)容

3、更豐富，并且可以靈活地為每個學(xué)習(xí)者定制不同的學(xué)習(xí)任務(wù)。由于CBL平臺支持符合SCORM(Sharable Content Object Reference Model)標(biāo)準(zhǔn)的學(xué)習(xí)資源在線運行，所以系統(tǒng)制作的多媒體課件內(nèi)容和作業(yè)內(nèi)容均符合此標(biāo)準(zhǔn)。
　　隨著教學(xué)資源的不斷豐富，CBL平臺中包含了大量的學(xué)習(xí)內(nèi)容。為完成學(xué)習(xí)目標(biāo)，學(xué)習(xí)者需要在短時間內(nèi)從一系列有先后次序的學(xué)習(xí)對象中挑選出一條最適合自己的學(xué)習(xí)路徑。這樣的難題對于學(xué)習(xí)者來說幾乎

4、就是不可能完成的任務(wù)，也是INE學(xué)習(xí)內(nèi)容管理系統(tǒng)重點解決的問題。INE不僅實現(xiàn)了教學(xué)資源的整合，為資源的制作者和學(xué)習(xí)者提供工具和交互環(huán)境，而且能滿足學(xué)習(xí)者的個性化學(xué)習(xí)需求，根據(jù)學(xué)習(xí)者的特點主動推薦合適的學(xué)習(xí)資源，使學(xué)習(xí)者能夠使用最短的時間達到最好的學(xué)習(xí)效果，大大提高了網(wǎng)絡(luò)學(xué)習(xí)的服務(wù)水平。
　　本文選擇蟻群算法解決學(xué)習(xí)路徑推薦問題，是因為蟻群算法不僅具有高度并行性、正反饋性、魯棒性以及協(xié)同性等優(yōu)點，而且能夠智能搜索，全局優(yōu)化。蟻群算

5、法現(xiàn)已廣泛應(yīng)用于很多學(xué)科，如:組合優(yōu)化、通訊領(lǐng)域、集成電路線網(wǎng)布局、函數(shù)優(yōu)化等。但是蟻群算法在運行過程中容易出現(xiàn)早熟現(xiàn)象，由于初期信息素的匱乏導(dǎo)致搜索時間較長，算法參數(shù)選擇缺乏理論依據(jù)等問題仍需要解決。因此，本文針對基本蟻群算法應(yīng)用中的問題提出了改進的擴展蟻群算法。
　　本文在查閱大量國內(nèi)外參考文獻的基礎(chǔ)上，提出的擴展蟻群算法核心思想是:為學(xué)習(xí)者找到最適合的學(xué)習(xí)路徑，即從大量學(xué)習(xí)內(nèi)容構(gòu)建成的多條學(xué)習(xí)路徑中，選擇出與學(xué)習(xí)者知識水平和

6、學(xué)習(xí)風(fēng)格匹配度高、學(xué)習(xí)效果評價好的路徑進行推薦。擴展蟻群算法以對學(xué)習(xí)者和學(xué)習(xí)對象特征的量化設(shè)計為基礎(chǔ)，確定了與學(xué)習(xí)者特征相似的群體。并依據(jù)相似學(xué)習(xí)者對學(xué)習(xí)對象的評價以及與學(xué)習(xí)對象的匹配關(guān)系來指導(dǎo)學(xué)習(xí)路徑的選擇，加強了有價值信息素的正反饋作用，可以使算法在初期就能快速的收斂到較優(yōu)解。由于蟻群算法參數(shù)選擇對算法性能影響很大而且各參數(shù)之間緊密耦合，所以本文利用仿真實驗研究探討了各參數(shù)與擴展蟻群算法性能的關(guān)系，并且利用遺傳算法優(yōu)化了參數(shù)組合，保