基于蟻群信息素優(yōu)化算法的微學(xué)習(xí)路徑推薦研究.pdf

1、微學(xué)習(xí)是一種新型學(xué)習(xí)方式，是在線學(xué)習(xí)適應(yīng)碎片化時代的一種發(fā)展形式。微學(xué)習(xí)最主要的特點是，其學(xué)習(xí)單元包含的知識內(nèi)容相對精簡，構(gòu)成包括文本、音頻/視頻和圖像等多種形式，使學(xué)習(xí)過程中學(xué)習(xí)者在時間和空間上受到的限制較少。短小精悍的學(xué)習(xí)單元，靈活多變的組織方式，自由開放的學(xué)習(xí)環(huán)境使得微學(xué)習(xí)一經(jīng)提出，便受到了廣泛關(guān)注。與其他在線學(xué)習(xí)方式一樣，由于學(xué)習(xí)資源的激增，使微學(xué)習(xí)也面臨著“信息過載”問題。學(xué)習(xí)者不得不在尋找適合的學(xué)習(xí)單元時花費大量的時間，從而

2、影響學(xué)習(xí)效率。
　　以上問題的存在，促使我們尋找一種方法來為學(xué)習(xí)者提供適合的微學(xué)習(xí)單元。本文在充分調(diào)查研究在線學(xué)習(xí)相關(guān)技術(shù)的基礎(chǔ)上，結(jié)合微學(xué)習(xí)的特征，提出了一種蟻群信息素優(yōu)化算法來推薦微學(xué)習(xí)單元，并通過逐步適應(yīng)的方式實現(xiàn)對微學(xué)習(xí)路徑的推薦。該方法將微學(xué)習(xí)特征與蟻群算法有機結(jié)合，以有效提高學(xué)習(xí)者在微學(xué)習(xí)中的學(xué)習(xí)效率。
　　在介紹學(xué)習(xí)路徑推薦的相關(guān)概念，和分析微學(xué)習(xí)概念與特性的基礎(chǔ)上，本文對學(xué)習(xí)單元屬性、學(xué)習(xí)者特征和學(xué)習(xí)路徑進行

3、分析建模，并對其表示方式進行定義，進而提出了微學(xué)習(xí)中學(xué)習(xí)路徑推薦模型。本文提出的微學(xué)習(xí)路徑推薦方法的核心是蟻群信息素優(yōu)化算法，結(jié)合微學(xué)習(xí)路徑推薦方法的整體設(shè)計框架，以及對框架中的各個模塊的功能描述，詳細(xì)介紹了該算法實時監(jiān)測學(xué)習(xí)者的學(xué)習(xí)情況變化，并使用信息素濃度系數(shù)自適應(yīng)函數(shù)調(diào)節(jié)信息素濃度，及時優(yōu)化調(diào)整微學(xué)習(xí)路徑推薦策略的處理流程。其后，通過 MATLAB環(huán)境，得到適用于微學(xué)習(xí)環(huán)境的蟻群算法參數(shù)組合。最后通過實驗驗證了該方法可以為微學(xué)習(xí)中

4、學(xué)習(xí)者推薦適合的學(xué)習(xí)路徑，有效提高學(xué)習(xí)效率。
　　在充分分析微學(xué)習(xí)和在線學(xué)習(xí)共同面臨問題的基礎(chǔ)上，本文結(jié)合微學(xué)習(xí)的特點，提出一種基于蟻群信息素優(yōu)化算法的微學(xué)習(xí)路徑推薦方法。該方法的主要創(chuàng)新點如下：
　　1.分析微學(xué)習(xí)的特點，借助蟻群算法反饋性的優(yōu)勢，將學(xué)習(xí)路徑推薦粒度細(xì)化為更小的學(xué)習(xí)單元，進一步提高了推薦的精度。
　　2.分析學(xué)習(xí)過程和學(xué)習(xí)要素，借助蟻群算法中的螞蟻屬性分類，監(jiān)測學(xué)習(xí)過程，根據(jù)學(xué)習(xí)者學(xué)習(xí)狀態(tài)的變化，逐步