[发明专利]一种基于学习风格与认知水平的个性化资源推荐方法

说明书

本发明的目的是提供一种基于学习风格与认知水平的个性化资源推荐方法，包括：从学习行为记录得到学习者的历史学习风格；根据学习者历史测验记录判断学习者的历史认知水平；更新历史学习风格和历史认知水平；结合构建的学科知识图谱，联系资源对应的知识点难度，进行学习者学习风格和学习资源类型之间差异度计算；计算学习者认知水平与学习资源难度之间的差异度；通过深度神经网络输出个性化学习资源，完成向学习者推荐符合学习需求的个性化学习资源。本发明在为学习者进行学习资源推荐的过程中对学习者之间的差异进行了区分，实现了个性化学习资源推荐。

技术领域

本发明属于教育推荐技术领域，具体涉及一种基于学习风格与认知水平的个性化资源推荐方法。

背景技术

教育信息化的发展使学习者的学习方式从传统的课堂学习转变成在线学习，特别是在2020新冠疫情期间，各大中小学、高校以及线下教育培训机构全面停止线下课程，推动大量用户从线下转至线上。在教育大数据的发展下，教学资源呈现出资源海量、信息过载且质量良莠不齐的特征，学习者在这种环境下面临着“信息过载”和“知识迷航”的问题，海量的学术资源出现在互联网上，虽然满足了用户对学术资源的基本需求，但是也使得学习者需要花费大量的时间来获取对自己真正有用的学术资源，这就是所谓的信息超载问题。目前，一些常见的学习管理系统，提供给学习者的都是千篇一律的学习活动顺序和学习资源，而实际上，学习者是存在个性差异的，具有不同的学习风格、认知水平、学习动机、社会背景。在线学习中学习者获取学习资源的方式对学习效率有着重要的影响，传统通过匹配方式获得学习资源会占用学习者大量的时间，而通过结合学习者学习兴趣的学习资源推荐可以主动的将合适的学习资源推荐给学习者，对于提升学习者的学习效率有着重要的作用。

在学习者模型的分析过程中，杨超考虑了学习风格与学习内容的匹配，却忽略了学习者能力的适应程度；有研究者考虑并分析了基于学习者的偏好信息去推荐学习内容，但是弊处是不能说只考虑学习偏好去推荐，因为对于学习者来说，不应只考虑学习者喜欢什么样的教学资源，而更应该考虑到学习者应该学习什么样的知识；赵蔚考虑了基于学习风格和认知水平的学习者模型去推荐，但是在用户有学习行为记录时，没有通过数据分析对这两个因素去进行修正和更新，在线学习资源推荐主要涉及模型构建与推荐机制选择两个方面。目前在推荐过程中常用的算法有：基于内容的推荐、隐语义模型、协同过滤算法但是如何通过对学习者在线评论数据进行挖掘，构建个性化模型，实现学习资源的推荐还处于初步探索阶段。

发明内容

本发明的目的是提供一种基于学习风格与认知水平的个性化资源推荐方法，在为学习者进行学习资源推荐的过程中对学习者和学习资源之间的差异进行了区分，实现了个性化学习资源推荐。

本发明所采用的技术方案是，一种基于学习风格与认知水平的个性化资源推荐方法，具体按照以下步骤实施：

步骤1、从学习行为记录得到学习者的历史学习风格

学习行为包括查阅资源类型、学习时长、对资源的浏览次数、对论坛的发帖量、读帖量行为数据，学习风格包括四个维度，每个维度包括两种行为方式A和B，第一个维度的行为方式包括A活跃型和B沉思型，第二个维度的行为方式包括A感悟型和B直觉型，第三个维度的行为方式包括A序列型和B综合型，第四个维度的行为方式包括A视频型和B言语型，上述每种行为方式即为一种学习风格，将学习行为记录中的历史学习行为通过估算规则进行计算，获得历史学习行为对应的历史学习风格；

步骤2、根据学习者历史测验记录判断学习者的历史认知水平；

步骤3、判断学习者当前的学习风格，并利用当前的学习风格对历史的学习风格进行更新；

步骤4、通过认知诊断得到学习者当前认知水平，利用当前的认知水平对历史的认知水平进行更新；

步骤5、结合构建的学科知识图谱，联系资源对应的知识点难度，进行学习者学习风格和学习资源类型之间差异度计算；