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(shí)代的一種發(fā)展形式。微學(xué)習(xí)最主要的特點(diǎn)是，其學(xué)習(xí)單元包含的知識(shí)內(nèi)容相對(duì)精簡(jiǎn)，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(shí)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(shí)花費(fèi)大量的時(shí)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(shí)現(xiàn)對(duì)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(jī)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(duì)學(xué)習(xí)單元屬性、學(xué)習(xí)者特征和學(xué)習(xí)路徑進(jìn)行

3、分析建模，并對(duì)其表示方式進(jìn)行定義，進(jìn)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(jì)框架，以及對(duì)框架中的各個(gè)模塊的功能描述，詳細(xì)介紹了該算法實(shí)時(shí)監(jiān)測(cè)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(shí)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(shí)驗(yàn)驗(yàn)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(diǎn)，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?jiǎng)?chuàng)新點(diǎn)如下：
　　1.分析微學(xué)習(xí)的特點(diǎn)，借助蟻群算法反饋性的優(yōu)勢(shì)，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(jìn)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(cè)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