淺談網(wǎng)絡(luò)教育領(lǐng)域的自適應(yīng)推送系統(tǒng)

謝洵

（北京郵電大學(xué)網(wǎng)絡(luò)教育學(xué)院，北京100088）

淺談網(wǎng)絡(luò)教育領(lǐng)域的自適應(yīng)推送系統(tǒng)

謝洵

（北京郵電大學(xué)網(wǎng)絡(luò)教育學(xué)院，北京100088）

隨著網(wǎng)絡(luò)學(xué)習(xí)資源的空前繁榮及未來學(xué)習(xí)資源的進(jìn)一步開放共享，海量資源的過濾和選取將成為學(xué)習(xí)者的一大困擾?？焖侔l(fā)現(xiàn)有用信息的工具主要有搜索引擎和推薦系統(tǒng)兩種。前者需要學(xué)習(xí)者主動提供準(zhǔn)確的

來尋找信息；后者則通過對學(xué)習(xí)者的背景、偏好、認(rèn)知狀態(tài)以及交互狀況信息的采集、分析，主動為學(xué)習(xí)者推薦信息。自適應(yīng)推送將綜合利用這兩種工具，對學(xué)習(xí)者的行為和需求進(jìn)行分析和預(yù)測，實現(xiàn)資源對于學(xué)習(xí)者的自適應(yīng)，從而為學(xué)習(xí)者構(gòu)建起個性化的學(xué)習(xí)環(huán)境。

自適應(yīng)；推送；推薦；個性化

一、引言

《國家中長期教育改革和發(fā)展規(guī)劃綱要（2010-2020年）》中提到我國教育的戰(zhàn)略目標(biāo)是“到2020年，基本實現(xiàn)教育現(xiàn)代化，基本形成學(xué)習(xí)型社會，進(jìn)入人力資源強(qiáng)國行列”，為了實現(xiàn)這個目標(biāo)，要求“繼續(xù)教育的參與率大幅提升，從業(yè)人員繼續(xù)教育年參與率達(dá)到50%”，即從業(yè)人員繼續(xù)教育將從2009年的 “1.66億”增長至2020年的“3.5億”。這樣大規(guī)模的繼續(xù)教育將依托各類網(wǎng)絡(luò)教育來實現(xiàn)。如何為這些能力水平、年齡結(jié)構(gòu)、學(xué)習(xí)風(fēng)格等特征各異的學(xué)習(xí)對象提供適合的學(xué)習(xí)內(nèi)容和服務(wù)，靈活適應(yīng)他們多樣化的學(xué)習(xí)需求，確保學(xué)習(xí)熱情的保持和學(xué)習(xí)的發(fā)生就顯得非常重要。當(dāng)前，網(wǎng)絡(luò)課程資源極大豐富，僅僅是在線高等教育，大規(guī)模在線開放課程、國家精品課程、大學(xué)視頻公開課等就足以讓任何一個學(xué)習(xí)者眼花繚亂，無所適從。自適應(yīng)能夠較好地解決資源和學(xué)習(xí)者特征的匹配問題，提升學(xué)習(xí)者獲取資源的效率，成為了在線教育的理想狀態(tài)和發(fā)展趨勢。

二、自適應(yīng)推送

1.概念

自適應(yīng)推送是指系統(tǒng)捕捉、判斷學(xué)習(xí)者的特征、行為及其變化，自動為學(xué)習(xí)者匹配相應(yīng)的資源，并以學(xué)習(xí)者能夠感知、理解和選擇的方式進(jìn)行呈現(xiàn)。

2.特征

（1）以學(xué)習(xí)者為中心。尊重學(xué)習(xí)者的知識基礎(chǔ)、學(xué)習(xí)風(fēng)格和學(xué)習(xí)習(xí)慣，幫助、引導(dǎo)學(xué)習(xí)者形成自己個性化的學(xué)習(xí)路徑和學(xué)習(xí)資源，保護(hù)學(xué)習(xí)興趣，提高學(xué)習(xí)效率。

（2）自適應(yīng)。系統(tǒng)內(nèi)規(guī)劃相應(yīng)的規(guī)則和算法，依據(jù)學(xué)習(xí)者的學(xué)習(xí)特征和行為及其他學(xué)習(xí)者的特征和行為，自動為學(xué)習(xí)者匹配和推送學(xué)習(xí)資源和學(xué)習(xí)路徑。

（3）路徑優(yōu)化。教師規(guī)劃的初始路徑作為參考路徑，后續(xù)學(xué)習(xí)路徑由學(xué)習(xí)者和系統(tǒng)依據(jù)學(xué)習(xí)者的基礎(chǔ)和學(xué)習(xí)進(jìn)程相互作用形成，更符合學(xué)習(xí)者需求。

三、相關(guān)研究領(lǐng)域

1.智能教學(xué)系統(tǒng)

智能教學(xué)系統(tǒng)是一種借助人工智能技術(shù)，讓計算機(jī)扮演教師的角色實施個別化教學(xué)，向不同需求、不同特征的學(xué)習(xí)者傳授知識、提供指導(dǎo)的適應(yīng)性學(xué)習(xí)支持系統(tǒng)[1]。適應(yīng)性學(xué)習(xí)支持系統(tǒng)是智能教學(xué)系統(tǒng)與適應(yīng)性超媒體系統(tǒng)在網(wǎng)絡(luò)環(huán)境下發(fā)展的融合。其目的就是要實時地把握學(xué)習(xí)者的經(jīng)驗基礎(chǔ)、認(rèn)知結(jié)構(gòu)、認(rèn)知風(fēng)格、興趣愛好等方面的信息，據(jù)此提供學(xué)習(xí)者在當(dāng)前狀態(tài)下學(xué)習(xí)新信息時最適合的學(xué)習(xí)內(nèi)容、學(xué)習(xí)策略、學(xué)習(xí)支持以及最佳的知識基礎(chǔ)等[2]。可以說，自適應(yīng)推送是智能教學(xué)系統(tǒng)的一個發(fā)展方向。

2.教育數(shù)據(jù)挖掘

教育數(shù)據(jù)挖掘主要關(guān)注開發(fā)探索教育情境中產(chǎn)生的那些獨特類型的數(shù)據(jù)的方法，并且使用這些方法來更好地理解學(xué)習(xí)者和他們學(xué)習(xí)的情境。主要的挖掘方法可分為五類：統(tǒng)計分析與可視化、聚類（聚類、離群點）、預(yù)測（決策樹、回歸分析、時序分析）、關(guān)系挖掘（關(guān)聯(lián)規(guī)則挖掘、序列模式挖掘、社會網(wǎng)絡(luò)分析）、文本挖掘[3]。教育數(shù)據(jù)挖掘強(qiáng)調(diào)將學(xué)習(xí)簡化為能夠被分析、且隨后能夠被軟件所影響從而適配學(xué)習(xí)者的成分[4]，是自適應(yīng)推送系統(tǒng)的重要基礎(chǔ)之一。

3.推薦系統(tǒng)

推薦系統(tǒng)就是自動聯(lián)系用戶和物品的一種工具，它能夠在信息過載的環(huán)境中幫助用戶發(fā)現(xiàn)令他們感興趣的信息，也能將信息推送給對它們感興趣的用戶。推薦算法的本質(zhì)是通過一定的方式將用戶和物品聯(lián)系起來。個性化推薦的成功應(yīng)用需要兩個條件，第一是存在信息過載，第二是用戶沒有明確的需求。[5]當(dāng)前個性化推薦系統(tǒng)的研究相對集中在商業(yè)領(lǐng)域，自適應(yīng)推送強(qiáng)調(diào)基于教育領(lǐng)域?qū)ν扑]技術(shù)的應(yīng)用，其指導(dǎo)思想、應(yīng)用環(huán)境、評測指標(biāo)、推薦解釋等與商業(yè)領(lǐng)域均不盡相同。

4.學(xué)習(xí)分析

學(xué)習(xí)分析是以理解和優(yōu)化學(xué)習(xí)及其發(fā)生的環(huán)境為目的，對學(xué)習(xí)者及其所處情境的數(shù)據(jù)進(jìn)行測量、收集、分析和報告。[6]新媒體聯(lián)盟認(rèn)為，學(xué)習(xí)分析是以評估學(xué)業(yè)成就、預(yù)測未來表現(xiàn)、發(fā)現(xiàn)潛在問題為目的，對學(xué)習(xí)者產(chǎn)生和收集的大量數(shù)據(jù)進(jìn)行闡釋的過程，旨在應(yīng)用數(shù)據(jù)分析為教育系統(tǒng)的各級決策提供參考。[7]學(xué)習(xí)分析與自適應(yīng)推送的側(cè)重點不同，除了共同關(guān)注的產(chǎn)生適應(yīng)性學(xué)習(xí)內(nèi)容外，學(xué)習(xí)分析還重點關(guān)注危機(jī)學(xué)習(xí)者干預(yù)和決策支持等，相對關(guān)注的范圍更廣，指導(dǎo)決策的層級也更加豐富。

四、相關(guān)研究現(xiàn)狀

國外的一些自適應(yīng)學(xué)習(xí)系統(tǒng)主要依據(jù)學(xué)習(xí)者的學(xué)習(xí)風(fēng)格、知識背景和興趣，以及學(xué)習(xí)者的學(xué)習(xí)信息和行為構(gòu)建學(xué)習(xí)者模型，通過個性化推薦或自適應(yīng)導(dǎo)航提供個性化的內(nèi)容呈現(xiàn)、教學(xué)活動、學(xué)習(xí)環(huán)境、學(xué)習(xí)者評價等，并以某種方式進(jìn)行展示或標(biāo)注。[8]

美國教育部發(fā)布的《通過教育數(shù)據(jù)挖掘和學(xué)習(xí)分析促進(jìn)教與學(xué)》報告認(rèn)為，自適應(yīng)學(xué)習(xí)系統(tǒng)和個性化學(xué)習(xí)屬于教育數(shù)據(jù)挖掘和學(xué)習(xí)分析的高級應(yīng)用，是教育大數(shù)據(jù)相關(guān)研究的終極目標(biāo)。[9]典型的自適應(yīng)學(xué)習(xí)系統(tǒng)包括六個組成部分：①內(nèi)容管理，提供個性化的學(xué)科內(nèi)容和評價。②學(xué)習(xí)者學(xué)習(xí)數(shù)據(jù)庫，存儲基于時間標(biāo)記的學(xué)習(xí)者行為。③預(yù)測模型，聯(lián)合人口統(tǒng)計數(shù)據(jù)和學(xué)習(xí)者行為數(shù)據(jù)來進(jìn)行追蹤和預(yù)測。④報告服務(wù)，為各類使用者提供可視化反饋。⑤適應(yīng)性引擎，根據(jù)學(xué)習(xí)者的表現(xiàn)水平和興趣發(fā)送材料，確保后續(xù)學(xué)習(xí)的提高。⑥干預(yù)引擎，允許干預(yù)或改寫自動化系統(tǒng)以更好地服務(wù)學(xué)習(xí)者。

國內(nèi)的研究從理論、模型、原型到系統(tǒng)相比于國外并沒有大的突破。余勝泉提出適應(yīng)性學(xué)習(xí)模式的關(guān)鍵環(huán)節(jié)是：學(xué)習(xí)診斷（學(xué)習(xí)能力、認(rèn)知能力）、學(xué)習(xí)內(nèi)容的動態(tài)組織（根據(jù)學(xué)習(xí)歷史、認(rèn)知風(fēng)格）、學(xué)習(xí)策略（傳授式、探索式和協(xié)作式）。[10]謝曉林等提出適應(yīng)性學(xué)習(xí)系統(tǒng)包括運行層（含適應(yīng)引擎）和存儲層（如圖1）。姜強(qiáng)認(rèn)為研發(fā)自適應(yīng)學(xué)習(xí)系統(tǒng)的關(guān)鍵在于用戶模型和領(lǐng)域模型。依據(jù)學(xué)習(xí)風(fēng)格和知識水平進(jìn)行了用戶建模，利用解釋結(jié)構(gòu)模型法和本體技術(shù)進(jìn)行了知識建模。[11]

圖1　適應(yīng)性學(xué)習(xí)系統(tǒng)的體系架構(gòu)

上海交通大學(xué)檀曉紅等認(rèn)為 “個性化導(dǎo)學(xué)系統(tǒng)”應(yīng)包含：初始知識域建構(gòu)模塊、個性化的知識域生成模塊、個性化的學(xué)習(xí)路徑生成模塊、歷史學(xué)習(xí)記錄模塊、知識結(jié)構(gòu)水平評估模塊和個性化學(xué)習(xí)資源推薦模塊。[12]系統(tǒng)的設(shè)計以知識點為核心，根據(jù)對學(xué)習(xí)者學(xué)習(xí)行為數(shù)據(jù)的分析和學(xué)習(xí)效果的測試，判斷其知識結(jié)構(gòu)和水平，從而進(jìn)行相應(yīng)的學(xué)習(xí)資源和同學(xué)推薦。

總的來說，對于自適應(yīng)系統(tǒng)，研究者關(guān)注了學(xué)習(xí)內(nèi)容、學(xué)習(xí)內(nèi)容的存儲、學(xué)習(xí)內(nèi)容呈現(xiàn)的對象、學(xué)習(xí)內(nèi)容呈現(xiàn)的依據(jù)、學(xué)習(xí)內(nèi)容呈現(xiàn)的規(guī)則和學(xué)習(xí)內(nèi)容呈現(xiàn)的方法。[13]這些研究具有很好的啟迪和指導(dǎo)作用，然而，還有一些問題需要進(jìn)一步深入研究，比如：①由于用戶行為的復(fù)雜性和其所處環(huán)境的噪音等，用戶模型的構(gòu)建通常不存在通用的建模方法，如何提取用戶最核心的要素加以描述和表示？②不是什么樣的資源都能直接進(jìn)行匹配，資源的構(gòu)建、存儲和提取都是值得深入研究的問題，這也是制約自適應(yīng)系統(tǒng)研究大多處于理論層面的重要原因。

五、推薦系統(tǒng)的研究現(xiàn)狀

推薦系統(tǒng)當(dāng)前主要用于電子商務(wù)、音樂、視頻網(wǎng)站，社交網(wǎng)絡(luò)、個性化閱讀等領(lǐng)域。利用用戶行為數(shù)據(jù)、用戶標(biāo)簽數(shù)據(jù)、上下文信息（時間信息、地點信息）、社交網(wǎng)絡(luò)數(shù)據(jù)等對用戶的興趣、行為進(jìn)行預(yù)測，從而進(jìn)行物品或好友的推薦。目前主流的推薦系統(tǒng)有表1中的三類。

每種基本方法都各有利弊，有的存在數(shù)據(jù)稀疏性和冷啟動能力問題，有的存在放大效應(yīng)問題，同時，沒有一種方法能夠充分利用所有的信息。構(gòu)建一種混合的系統(tǒng)，結(jié)合不同算法和模型的優(yōu)點，克服相應(yīng)的缺陷和問題，不失為實踐中的解決辦法。[14]

六、網(wǎng)絡(luò)教育系統(tǒng)的特征

網(wǎng)絡(luò)教育系統(tǒng)與商業(yè)系統(tǒng)相比，用戶特征集中，數(shù)據(jù)來源明確，其所應(yīng)用的教務(wù)管理系統(tǒng)和教學(xué)管理系統(tǒng)為學(xué)習(xí)者特征數(shù)據(jù)的采集提供了很大的便利，能夠做很多相關(guān)的設(shè)計。比如楊曼等就曾應(yīng)用學(xué)習(xí)者的學(xué)習(xí)時間和進(jìn)度數(shù)據(jù)，平臺、課程的登錄頻率及時間，提交作業(yè)的百分率，發(fā)帖情況等來構(gòu)建學(xué)習(xí)者的學(xué)習(xí)能力評價模型，判斷學(xué)習(xí)者的學(xué)習(xí)時間管理能力、學(xué)習(xí)態(tài)度、學(xué)習(xí)效率等[15]。而且，網(wǎng)絡(luò)教育系統(tǒng)學(xué)習(xí)者相對比較穩(wěn)定，服從性和參與度較好，通過一些教學(xué)、教務(wù)管理功能的設(shè)計，可以誘發(fā)更多的學(xué)習(xí)（行為）數(shù)據(jù)。并且可以通過測試、問卷等方式獲取和印證更多的特征。

表1　推薦的類型

網(wǎng)絡(luò)教育系統(tǒng)的資源匹配能力與所采用的教學(xué)系統(tǒng)及課程組織形式緊密相關(guān)。例如，賀媛婧依托Moodle平臺中的學(xué)習(xí)者學(xué)習(xí)記錄，通過個性化的推薦技術(shù)預(yù)測學(xué)習(xí)者對學(xué)習(xí)資源的興趣度，然后按照興趣度從大到小進(jìn)行資源推薦。[16]事實上，平臺推送的資源可以有三個層次：方案級、課程級和內(nèi)容級。從某種意義上講，推送課程級資源相對比較容易。然而，推送內(nèi)容級資源可能是學(xué)習(xí)者在學(xué)習(xí)過程中最需要也是最難的。需要課程本身的設(shè)計是模塊化的，并且知識點相互關(guān)聯(lián)。只有在資源設(shè)計中埋下了行為選擇的可能，依托平臺的支撐才能夠?qū)崿F(xiàn)內(nèi)容級資源的推送。余勝泉等基于學(xué)習(xí)元平臺的生成性課程設(shè)計與實施就是在這個方向上的實踐。[17]在平臺功能的支撐下，通過學(xué)習(xí)活動的設(shè)計，學(xué)習(xí)者個性化的學(xué)習(xí)行為才能得以顯現(xiàn)。

七、自適應(yīng)推送系統(tǒng)的設(shè)計

基于網(wǎng)絡(luò)教育領(lǐng)域的特征，其自適應(yīng)推送系統(tǒng)的設(shè)計可以從以下三方面著手：學(xué)習(xí)者特征、資源特征以及推送算法。建立算法的前提是由平臺系統(tǒng)和資源端配合提煉出學(xué)習(xí)者個性化的學(xué)習(xí)行為。

從網(wǎng)絡(luò)教育的教學(xué)教務(wù)管理平臺中可以獲取學(xué)習(xí)者的統(tǒng)計特征、偏好特征、知識特征和目標(biāo)特征，學(xué)習(xí)系統(tǒng)可以讀取、測量和記錄學(xué)習(xí)者的行為特征，綜合起來，可以形成學(xué)習(xí)者特征模型。因為網(wǎng)絡(luò)教育教學(xué)一般按照地域、年級和專業(yè)來組織，學(xué)習(xí)者具有一定的共性特征，可以采用基于用戶的算法（比如協(xié)同過濾算法），通過借鑒相似偏好的其他學(xué)習(xí)者的選擇來為當(dāng)前學(xué)習(xí)者進(jìn)行課程和內(nèi)容的推薦；考慮到網(wǎng)絡(luò)教育的學(xué)習(xí)者具有可交互性（比如為學(xué)習(xí)者提供搜索功能、提供多路徑供選擇或做問卷調(diào)查等），也可以采用基于知識的推薦來為學(xué)習(xí)者選擇推送的課程、內(nèi)容或?qū)W習(xí)路徑。

對一門課程的內(nèi)容或?qū)W習(xí)路徑做推薦，需要將課程資源模塊化處理。一方面對資源的特征、屬性進(jìn)行標(biāo)注（基于人工或借助語義技術(shù)）；另一方面對資源的呈現(xiàn)做設(shè)計，依托平臺功能為學(xué)生提供展現(xiàn)行為偏好的機(jī)會。以北京郵電大學(xué)《互聯(lián)網(wǎng)技術(shù)》課程為例，課程設(shè)計了三條彼此相通又各自獨立的學(xué)習(xí)路徑，在課程學(xué)習(xí)的任何環(huán)節(jié)，都可以快速切換，靈活選用。“循序漸進(jìn)”路徑按照知識的內(nèi)在邏輯順序和學(xué)習(xí)者認(rèn)知能力發(fā)展來呈現(xiàn)學(xué)習(xí)內(nèi)容，適合初學(xué)者；“個性選擇”路徑按照知識的脈絡(luò)提供，強(qiáng)化了知識的關(guān)聯(lián)關(guān)系；“學(xué)以致用”路徑按照主題、任務(wù)組織知識，增加了學(xué)習(xí)者問題解決的體驗。

1.“循序漸進(jìn)”路徑

在循序漸進(jìn)路徑中，保證知識點的覆蓋度，標(biāo)示重難點，記錄學(xué)習(xí)者的學(xué)習(xí)進(jìn)度（見圖2）。

圖2　循序漸進(jìn)

2.“個性選擇”路徑

在個性選擇路徑中，采用圖形化的無序樹形導(dǎo)航（見圖3）。導(dǎo)航可進(jìn)行展開、收縮交互操作，同時，支持知識點的名稱檢索，充分展現(xiàn)學(xué)習(xí)者個性化特征。

圖3　個性選擇頁面

（1）學(xué)習(xí)者可以按照感興趣的內(nèi)容逐層進(jìn)入。了解每一個知識點在知識體系中所處的位置和關(guān)聯(lián)關(guān)系。

（2）也可以通過檢索，從檢索結(jié)果中找到自己感興趣的內(nèi)容，直接進(jìn)入學(xué)習(xí)。

3.“學(xué)以致用”路徑

在學(xué)以致用路徑（見圖4）中，以“實戰(zhàn)、實效、實用”為目的。比如局域網(wǎng)的組建，示范按照局域網(wǎng)的生命周期進(jìn)行設(shè)計，對步驟、流程進(jìn)行講解，對操作細(xì)節(jié)進(jìn)行演示后，提供實際企業(yè)案例，設(shè)計組網(wǎng)任務(wù)。

圖4　學(xué)以致用頁面

通過記錄學(xué)習(xí)者在不同路徑上的學(xué)習(xí)行為，可以較好地識別學(xué)習(xí)者的個性特征，成為了下一步自適應(yīng)推送的有效鋪墊。比如，個性選擇路徑，可以得到學(xué)習(xí)者相應(yīng)知識點的學(xué)習(xí)狀態(tài)，為他推送相關(guān)知識點。對于選擇學(xué)以致用路徑的學(xué)習(xí)者，可以為其推送其他相關(guān)知識領(lǐng)域?qū)嵅贋橹鞯恼n程等等。

在網(wǎng)絡(luò)教育領(lǐng)域，自適應(yīng)推送系統(tǒng)的應(yīng)用符合以學(xué)習(xí)者為中心，服務(wù)學(xué)生個性化需求的目標(biāo)和趨勢。但自適應(yīng)推動系統(tǒng)的成熟需要學(xué)習(xí)者、資源和算法三個方面研究的共同進(jìn)步。對于網(wǎng)絡(luò)教育來說，資源的設(shè)計和處理難度最大，一方面有賴于技術(shù)（比如語義技術(shù)）的進(jìn)一步發(fā)展完善，另一方面，還要賴于人的投入和創(chuàng)造。

[1]智勇.分布式學(xué)習(xí)環(huán)境中的智能授導(dǎo)系統(tǒng)研究[D].南京:南京師范大學(xué),2004.

[2]陳仕品,張劍平.智能教學(xué)系統(tǒng)的研究熱點與發(fā)展趨勢[J].中國遠(yuǎn)程教育,2007(10).

[3]葛道凱,張少剛,魏順平.教育數(shù)據(jù)挖掘方法與應(yīng)用[M].北京:教育科學(xué)出版社,2012.

[4]Siemens,G.,and R.S.J.d.Baker.2012.“Learning Analytics and Educational Data M ining:Towards Communication and Collaboration.”NY:Association for Computing M achinery,252-254.

[5]項亮.推薦系統(tǒng)實踐[M].北京:人民郵電出版社, 2012:6.

[6]Siemens,G.Knew ton-the future of education?[EB/ OL].http://www.learninganalytics.net/?p=126.

[7]The New Media Consortium.Horizon Report：2013 Higher Education Edition.

[8]姜強(qiáng).自適應(yīng)學(xué)習(xí)系統(tǒng)支持模型與實現(xiàn)機(jī)制研究[D].長春:東北師范大學(xué),2012.

[9]U.S.Departmentof Education，O ffice of Educational Technology.Enhancing Teaching and Learning through E-ducational Data M ining and Learning Analytics[DB/OL]. http://www.ed.gov/edblogs/technology/files/2012/03/edmla-brief.pdf.

[10]余勝泉.適應(yīng)性學(xué)習(xí)——遠(yuǎn)程教育發(fā)展的趨勢[J].開放教育研究,2000(3).

[11]謝曉林,余勝泉,程罡,黃燁敏.網(wǎng)絡(luò)教學(xué)平臺的新發(fā)展[J].開放教育研究,2007(10).

[12]檀曉紅,申瑞民等.網(wǎng)絡(luò)教學(xué)中基于非零起點的個性化導(dǎo)學(xué)系統(tǒng)（專利）[D].上海:上海交通大學(xué),2007.

[13]陳品德.基于W eb的適應(yīng)性學(xué)習(xí)支持系統(tǒng)研究[D].上海:華東師范大學(xué),2003.

[14]Dietmar JannachMarkus Zanker,Alexander Felferning Gerhard Friedrich(著),蔣凡(譯).Recommender Systems:An Introduction[M].北京:人民郵電出版社,2013.

[15]楊曼,勾學(xué)榮,李建偉.基于網(wǎng)絡(luò)在線學(xué)習(xí)的學(xué)習(xí)能力評價模型研究[J].北京郵電大學(xué)學(xué)報(社會科學(xué)版), 2011(1):13-19.

[16]賀媛婧.個性化推薦技術(shù)在Moodle學(xué)習(xí)平臺的應(yīng)用研究[J].中國教育信息化,2015(4):86-88.

[17]余勝泉,萬海鵬,崔京菁.基于學(xué)習(xí)元平臺的生成性課程設(shè)計與實施[J].中國電化教育,2015(6).

（編輯：魯利瑞）

TP393

A

1673-8454（2016）22-0090-04