论文部分内容阅读
E-learning在很多领域内都有着广泛的应用,它是一种基于Internet的数字化教育形式。E-learning在一方面是指一种基于网络的学习,在另一方面,它也包括了数字化学习,例如基于多媒体的学习。本文研究的E-learning中的知识学习是一个逐渐推进的过程,新知识的学习依赖于学习者已经掌握的知识。对于E-learning系统,至今已经有了很多研究,其中比较典型的研究方面有自适应的E-learning、个性化的E-learning以及协同学习等等,这些研究都以学习者自身的情况为基础,通常只是通过简单的文本挖掘来对学习内容进行处理,往往忽略了E-learning这一特殊研究领域独具的特点。E-learning虽然便捷、高效,但由于E-learning环境的负载,仍存在很多的缺点和问题：第一,在系统所提供的庞大的资源库中,学习者往往会出现学习中的迷航(Disorientation)问题,无法有效的定制学习方案；第二,E-learning系统涉及课程网站资料等多种数据来源,有效的整合资源是一大挑战；第三,E-learning系统应该根据学习者自身学习基础和兴趣提供满足个性化需求的服务。针对这些问题,本文对E-learning系统中知识资源的按需定制和服务组合方法进行研究,支持知识资源之间依赖关系的自识别。首先,本文根据机器学习和自然语言理解技术设计知识地图自动生成的方法,知识地图是以所有课程依赖关系为边构成的有向图,本文先根据课程的组织方式设计知识点发现算法,然后以课程之间知识点的引用关系来判断课程之间的依赖关系,并可以根据课程资料的更新与课程的增删动态更新知识地图；其次,本文采用工作流模型来设计E-learning系统中多个数据源的服务组合模型,规范了服务之间的建模、选择和执行流程,设计工作流引擎来完成服务的发现与选择问题,具备良好的动态性,方便运行过程的监控与管理。最后,由于传统的协同过滤推荐算法没有有效的利用学习者的学习兴趣以及背景,针对这一缺点,本文提出了一种有效的推荐算法,在协同过滤算法的基础上,引入了认知函数、关联函数,综合考虑了时间效应和用户偏好度,从而有效支持E-learning系统中知识资源的按需定制,满足用户的个性化需求。基于上述的设计,本文实现了一个面向SaaS的共享式E-learning系统,完善了用户使用流程和服务的生命周期管理。系统可以自动识别课程间的依赖关系,满足用户知识发现与个性化定制的需求；系统以工作流引擎来组织各项资源向用户提供服务,方便管理员监控管理。由于学习者在使用该E-learning系统学习时能够清晰快速的定制满足学习者的个性化的需求的知识资源,例如学习目标和学习时间等,因此,学习者的学习效率可以得到提高,其预期的学习目标也会更加便捷的达到。