论文部分内容阅读
移动学习(M-Learning)是D-Learning和E-Learning学习方式之后教育发展的新的阶段。学习者能在任何时间、任何地点实现自由学习,摆脱了时间和空间的束缚。由于WEB学习服务站点包含的知识模块多、信息量大,学习者要想通过手机等终端设备迅速找到站点中自身感兴趣的知识模块或主题,十分困难。再加上手机屏幕小,学习者不得不通过翻屏、翻页、搜索等操作实现偏好信息的获取。针对以上问题,如果WEB学习服务站点中的内容能够随着移动用户的不同而变化,根据不同学习者的学习偏好提供符合其需要的学习内容,就可以节省学习者大量操作时间,同时增加学习者对该WEB学习服务站点的依赖性。因此,在移动环境下针对不同学习者提供个性化学习服务显得尤为迫切。用户偏好建模是个性化服务的基础与核心。本文对学习者偏好模型问题进行了相关研究和探索。本文所作的主要工作如下：(1)对用户偏好建模、本体、WEB日志挖掘等相关理论和技术知识进行了梳理和研究,为后续工作的展开提供理论依据和技术支撑。(2)建立学习者偏好模型。学习者偏好模型是将学习者兴趣偏好结构化,使用一种模型结构存储收集到的学习者偏好信息。本文在所构建的学习者偏好模型中引入ontology,提高了模型的学习者偏好描述能力以及语义表达能力。采用本体设计工具protege以及W3C推出的本体描述语言OWL构建该模型。(3)获取学习者偏好信息。学习者偏好信息获取是学习者偏好模型建立中一项基础而重要的工作,本文从WEB日志中挖掘学习者偏好数据。在挖掘算法实现前,首先对日志数据预处理,然后按照构建的学习者偏好模型所需要的数据,从用户日志记录提取出学习者内容偏好和媒体偏好信息。其中,在获取内容偏好信息时,采用了DBSCAN聚类算法。最后,通过实验验证了内容聚类结果是有效可行的。本文主要工作是建立了合适的数学模型来对学习者行为进行描述,生成规范的学习者描述文件,并且利用数据挖掘算法从中提取学习者偏好特征,为后续学习者的个性化学习服务提供有力支撑。