[发明专利]在线学习系统中的学生建模与个性化课程推荐方法

说明书

本发明公开了一种在线学习系统中的学生建模与个性化课程推荐方法，属于教育数据挖掘领域，本发明主要研究学生的认知水平建模以及个性化课程推荐推荐，首先，基于认知诊断模型对学生的知识掌握状态进行判断，并利用系统平台上的数据分析学生的学习行为，进而综合课程掌握情况对学生的认知能力进行建模；其次，对在线课程建模；最后根据学生认知水平融合在线课程的特征进行个性化推荐。本发明基于学生认知水平并结合在线课程的特征指标来进行个性化推荐，不但能帮助用户进行更加精准的个性化课程推荐，而且使得在线课程推荐更具可解释性和可接受性。

技术领域

本发明属于教育数据挖掘领域，具体涉及一种在线学习系统中的学生建模与个性化课程推荐方法。

背景技术

近年来，以Coursera、Udacity、edX等为代表的大规模在线开放课程(MassiveOnline Open Courses，简称MOOCs)大大促进了在线教育的发展，为广大高校和个人学习用户都带来了新的重要契机，大大方便了学习者对新知识的获取。与此同时，不断快速增长的海量学习资源往往会给学习者在面临“信息过载”和“信息迷航”时无所适从。如何准确地为学习者推荐学习资源，是一个亟待解决的重要研究问题。已有的推荐算法大多从单一维度(学生学习行为或兴趣偏好)建模，没有综合考虑学生本身和课程本身的影响因素，对于推荐结果的可解释性和合理性仍然存在不足之处。

发明内容

针对现有技术中存在的上述技术问题，本发明提出了一种在线学习系统中的学生建模与个性化课程推荐方法，设计合理，克服了现有技术的不足，具有良好的效果。

为了实现上述目的，本发明采用如下技术方案：

一种在线学习系统中的学生建模与个性化课程推荐方法，包括如下步骤：

步骤1：学生建模；

根据学生的课程学习情况和课程层次结构分析图，使用DINA模型对学生课程掌握程度进行建模，获得学生的课程掌握情况，并结合学习行为、兴趣，通过模糊层次分析法进一步抽象学生认知能力；

步骤2：在线课程建模；

通过对不同在线平台上课程特征的分析，对课程难易程度进行建模，并量化；

步骤3：学生个性化推荐；

建立课程隐式评分模型，根据预测评分，并结合待推荐课程难易程度，进行综合排序并选择相应的课程，从而向每个学生进行个性化在线课程Top-N推荐。

优选地，在步骤1中，在基于DINA模型的课程掌握情况建模过程中，给定学生集合S＝{S₁，S₂，...，S_u}、试题集合J＝{J₁，J₂，...，J_v}和学生试题得分矩阵R＝[r_uv]_U×V，其中，r_uv＝1表示学生u答对试题J_v，r_uv＝0表示学生u答错试题J_v；对在试题集合J所考察的所有知识点K＝{K₁，K₂，...，K_k}，试题与知识点关联情况由Q矩阵定义：Q＝[q_vk]_V×K，其中，q_vk＝1表示试题J_v考查知识点k，q_vk＝0表示试题J_v未考查知识点k；