大數(shù)據(jù)環(huán)境下學習資源智能化推送機制研究

林愿

摘要 在大數(shù)據(jù)背景下，海量的網(wǎng)絡資源的出現(xiàn)，使得用戶在挑選學習資源時無從下手。為了幫助用戶找到自己真正需要的而且是適合自身的學習資源，有必要創(chuàng)建有效的學習資源在線推送平臺，這是當前教育技術的研究熱點。當前，學習資源在線推送算法主要有基于內(nèi)容的推送方法和基于協(xié)同過濾的推送方法，這兩種方法都存在不足之處。本文在綜合了協(xié)同過濾推送算法和基于內(nèi)容的推送算法的基礎上，結合學習過程中學習者的動態(tài)行為數(shù)據(jù)，提出一種混合協(xié)同過濾的、能自適應更新的智能化推送服務模型，將其應用到在線學習資源系統(tǒng)中，以進一步提高學習資源推送的預測精度和覆蓋率，期望能對當前的數(shù)字化學習資源建設提供借鑒和參考。

關鍵詞 大數(shù)據(jù) 學習資源 智能化 推送

中圖分類號：G642 文獻標識碼：A DOI：10.16400/j.cnki.kjdkz.2018.02.034

0引言

當前已進入大數(shù)據(jù)時代，在線學習成為趨勢。一方面，網(wǎng)絡上形形色色的學習資源信息量很大、更新速度也很快、共享性也很高。另一方面，網(wǎng)絡上的這些學習資源同時也存在過于分散、沒有組織性、梳理起來困難等問題，使得在線學習用戶在選擇網(wǎng)絡上的學習資源時，不知從何下手，迫切需要為用戶創(chuàng)建學習資源推薦平臺，以幫助用戶快速有效地找到合適的學習資源。因此，資源建設中學習資源的智能化推送服務成為大數(shù)據(jù)時代實現(xiàn)智能型在線學習的關鍵。

1學習資源智能化推送機制研究現(xiàn)狀

隨著全球網(wǎng)絡化的迅速發(fā)展，以及智能手機的普及，全球網(wǎng)絡數(shù)據(jù)量出現(xiàn)爆炸式增長，即所謂的“大數(shù)據(jù)”，簡單地說就是“巨量的資料”，“大數(shù)據(jù)”帶來的海量、高增長率和多樣化的信息資產(chǎn)，必須要有新的處理模式、處理方法和處理能力才有可能與之適應。所謂學習資源，通俗的來講，就是各種支持學習的資源，可以包括教學材料、相對應的支持系統(tǒng)、相對應的學習環(huán)境，甚至還包括能幫助個人有效學習和操作的任何因素。在人工智能與數(shù)據(jù)庫技術相結合的基礎上應用人工智能、機器學習方法，可以識別和預測各種用戶的興趣或偏好，做到有針對性地、及時地、主動地推送用戶所需的信息，以滿足針對各種用戶的個性化需求。

目前國內(nèi)外較流行的學習資源推送服務模型主要有兩種：基于內(nèi)容的推送服務模型和基于協(xié)同過濾的推送服務模型。

具體來說，基于內(nèi)容的推送服務模型，以高校課程的推送算法為例，首先是收集用戶所學的專業(yè)、所從事的職業(yè)甚至是用戶的個人意愿等方面的個人信息，建立起與個人信息相對應的特征模型。在完成這一步之后，再提取出所要選擇的課程的關鍵詞等特征信息，來確定這門課程所對應的學習目的。最后，系統(tǒng)從用戶的歷史訪問數(shù)據(jù)合并當前的操作日志，抽取出特征向量，通過運算建立起初始推送模型，最后將當前的訪問序列與初始向量間的相似程度進行閾值比較，當兩者相當時，說明該用戶匹配到了與其興趣相似的課程，就可以進行相關在線學習課程的推送了。這種推送服務模型完全依賴于在線學習課程的關鍵詞、課程簡介等，因而存在以下問題：首先因為網(wǎng)絡課程的特征有限，其模型過度依賴于用戶瀏覽過的在線學習課程，所以很難提取到真正有效的特征項，系統(tǒng)很難得到最符合的用戶喜好課程信息，造成推送資源局限。

基于協(xié)同過濾的推送算法則與基于內(nèi)容的推送服務模型從原理到過程都不同，它主要是應用人的興趣不是孤立的這一特點，首先根據(jù)用戶間的共同興趣而不是根據(jù)課程內(nèi)容來推送。根據(jù)用戶對該課程推薦項的評分值而不是課程內(nèi)容提出特征值進行數(shù)據(jù)處理，通過計算當前用戶與其它用戶的相似度來預測并推薦用戶集。這種推送算法存在以下三個方面的問題：由于該算法是依賴于用戶的興趣評估數(shù)據(jù)，會在課程評價方面存在稀疏問題；特別是一門新的課程首次在線出現(xiàn)時，還沒有任何用戶的評價，協(xié)同過濾沒有辦法對它進行預測和評價，因而不可能準確地推送；如果用戶不了解課程的內(nèi)容，可能被推薦到已學過的內(nèi)容，影響推送的效果。

本文在綜合了協(xié)同過濾推送算法和基于內(nèi)容的推送算法的基礎上，結合學習過程中學習者的動態(tài)行為數(shù)據(jù)，提出一種混合協(xié)同過濾的、并且能自適應更新的智能化推送服務模型，將其應用到在線學習資源系統(tǒng)中，以進一步提高學習資源推送的預測精度和覆蓋率。

2采取的方案

針對大數(shù)據(jù)背景下海量網(wǎng)絡學習資源需要組織、管理，以方便用戶選擇真正適合自己的資源，目前主要有基于內(nèi)容的推送算法和基于協(xié)同過濾的推送算法。基于內(nèi)容的推送算法依據(jù)的是課程關鍵詞、課程簡介等提取課程特征值，與學習主體完全脫離，存在推送不準確的問題。基于協(xié)同過濾的推送算法則完全不從內(nèi)容提取特征值，僅僅根據(jù)用戶對課程推薦項的評分值進行處理，也存在一些問題。如果能有機地將兩種推送算法結合起來，并把學習者在學習過程中產(chǎn)生的動態(tài)行為數(shù)據(jù)考慮進來，從而構成一種能自適應更新的混合協(xié)同過濾的智能化推送服務模型，提高學習資源推送服務的預測精度和覆蓋率。

本文依據(jù)社會需求，以教育信息化理論為理論依據(jù)，對大數(shù)據(jù)環(huán)境下學習資源智能化推送服務機制進行研究和改進，課題研究主要采用文獻研究，實踐研究等方法，從理論研究入手，首先利用數(shù)據(jù)挖掘、語義分析等技術進行基于內(nèi)容的推送算法的研究；然后根據(jù)用戶對課程推薦項的評分值的高低，提取特征值進行數(shù)據(jù)處理，并計算當前用戶與其它用戶的相似度，產(chǎn)生預測與推薦用戶集，進行基于協(xié)同過濾推送算法的研究。再將兩者與學習過程中學習者的動態(tài)行為數(shù)據(jù)有機結合，構成一種能自適應更新的混合協(xié)同過濾的智能化推送服務模型，以提高資源推送的預測精度和覆蓋率。具體方案實施首先采用探索性實驗，之后進行改進實驗；在本校的網(wǎng)絡教學平臺上進行新模型的實證研究，首先選擇“集成電路設計”這門課程試點，摸索經(jīng)驗，修訂模型，再在整個網(wǎng)絡教學平臺上推廣運行，并進一步總結經(jīng)驗完善推送服務模型，通過多次的師生實踐不斷總結和分析改正大數(shù)據(jù)環(huán)境下學習資源智能化推送服務模型的不足和缺陷。

（1）組織課題組成員廣泛鉆研國內(nèi)外與本課題有關的文獻資料，研究其新動向、新成果、新理論，準備開題論證，修改課題數(shù)據(jù)，擬立課題研究實施計劃。

（2）在本校將提出的混合協(xié)同過濾算法應用于教學資料庫、網(wǎng)絡教學平臺等，按照課題研究實施計劃，在學生及任課老師等多個方面進行試驗和探索。

（3）在繼續(xù)前面試驗的同時，及時掌握反饋信息，做好總結、提高工作。

（4）組織課題組成員會議，進一步修改完善智能化推薦算

80

2018年/第5期/2月r中J法，通過反復的實踐不斷完善算法。

3研究內(nèi)容

（1）大數(shù)據(jù)環(huán)境下學習資源智能化推送服務的社會需求調查研究。

（2）大數(shù)據(jù)環(huán)境下基于混合協(xié)同過濾的學習資源推送服務的研究。

（3）隨學習者的動態(tài)行為數(shù)據(jù)自適應更新的學習資源推送服務的研究。

（4）大數(shù)據(jù)環(huán)境下學習資源智能化推送服務模型構建的研究。

（5）在本校網(wǎng)絡教學平臺上進行學習資源資源智能化推送服務模型的實證研究，首先選擇“集成電路設計”這門課程試點，摸索經(jīng)驗，修訂模型，再在整個網(wǎng)絡教學網(wǎng)絡平臺上推廣運行，進一步總結經(jīng)驗，完善推送服務模型。

4結束語

本論文通過調查大數(shù)據(jù)環(huán)境下學習資源智能化推送服務的社會需求，將目前存在的兩種主要的推送算法結合起來，揚長避短，并且與學習過程中學習者的動態(tài)行為數(shù)據(jù)有機結合，使其自適應更新，構成一種新的混合協(xié)同過濾的智能化推送服務模型，預計能顯著提高學習資源推送服務的預測精度和覆蓋率，能對當前的數(shù)字化學習資源建設提供借鑒和參考，從而促進智能型在線學習的發(fā)展，完善教育信息化理論和產(chǎn)生一定的社會效益。