论文网络教育领域的自适应推送系统是大学硕士与本科网络教育毕业论文开题报告范文和相关优秀学术职称论文参考文献资料下载，关于免费教你怎么写网络教育方面论文范文。
摘 要：随着网络学习资源的空前繁荣及未来学习资源的进一步开放共享,海量资源的过滤和选取将成为学习者的一大困扰.快速发现有用信息的工具主要有搜索引擎和推荐系统两种.前者需要学习者主动提供准确的关键词来寻找信息；后者则通过对学习者的背景、偏好、认知状态以及交互状况信息的采集、分析,主动为学习者推荐信息.自适应推送将综合利用这两种工具,对学习者的行为和需求进行分析和预测,实现资源对于学习者的自适应,从而为学习者构建起个性化的学习环境.
关键词：自适应；推送；推荐；个性化
中图分类号：TP393 文献标志码：A 文章编号：1673-8454（2016）22-0090-04
一、引言
《国家中长期教育改革和发展规划纲要（2010-2020年）》中提到我国教育的战略目标是“到2020年,基本实现教育现代化,基本形成学习型社会,进入人力资源强国行列”,为了实现这个目标,要求“继续教育的参与率大幅提升,从业人员继续教育年参与率达到50%”,即从业人员继续教育将从2009年的“1.66亿”增长至2020年的“3.5亿”.这样大规模的继续教育将依托各类网络教育来实现.如何为这些能力水平、年龄结构、学习风格等特征各异的学习对象提供适合的学习内容和服务,灵活适应他们多样化的学习需求,确保学习热情的保持和学习的发生就显得非常重要.当前,网络课程资源极大丰富,仅仅是在线高等教育,大规模在线开放课程、国家精品课程、大学视频公开课等就足以让任何一个学习者眼花缭乱,无所适从.自适应能够较好地解决资源和学习者特征的匹配问题,提升学习者获取资源的效率,成为了在线教育的理想状态和发展趋势.
二、自适应推送
1.概念
自适应推送是指系统捕捉、判断学习者的特征、行为及其变化,自动为学习者匹配相应的资源,并以学习者能够感知、理解和选择的方式进行呈现.
2.特征
（1）以学习者为中心.尊重学习者的知识基础、学习风格和学习习惯,帮助、引导学习者形成自己个性化的学习路径和学习资源,保护学习兴趣,提高学习效率.
（2）自适应.系统内规划相应的规则和算法,依据学习者的学习特征和行为及其他学习者的特征和行为,自动为学习者匹配和推送学习资源和学习路径.
（3）路径优化.教师规划的初始路径作为参考路径,后续学习路径由学习者和系统依据学习者的基础和学习进程相互作用形成,更符合学习者需求.
三、相关研究领域
1.智能教学系统
智能教学系统是一种借助人工智能技术,让计算机扮演教师的角色实施个别化教学,向不同需求、不同特征的学习者传授知识、提供指导的适应性学习支持系统[1].适应性学习支持系统是智能教学系统与适应性超媒体系统在网络环境下发展的融合.其目的就是要实时地把握学习者的经验基础、认知结构、认知风格、兴趣爱好等方面的信息,据此提供学习者在当前状态下学习新信息时最适合的学习内容、学习策略、学习支持以及最佳的知识基础等[2].可以说,自适应推送是智能教学系统的一个发展方向.
2.教育数据挖掘
教育数据挖掘主要关注开发探索教育情境中产生的那些独特类型的数据的方法,并且使用这些方法来更好地理解学习者和他们学习的情境.主要的挖掘方法可分为五类：统计分析与可视化、聚类（聚类、离群点）、预测（决策树、回归分析、时序分析）、关系挖掘（关联规则挖掘、序列模式挖掘、社会网络分析）、文本挖掘[3].教育数据挖掘强调将学习简化为能够被分析、且随后能够被软件所影响从而适配学习者的成分[4],是自适应推送系统的重要基础之一.
3.推荐系统
推荐系统就是自动联系用户和物品的一种工具,它能够在信息过载的环境中帮助用户发现令他们感兴趣的信息,也能将信息推送给对它们感兴趣的用户.推荐算法的本质是通过一定的方式将用户和物品联系起来.个性化推荐的成功应用需要两个条件,第一是存在信息过载,第二是用户没有明确的需求.[5]当前个性化推荐系统的研究相对集中在商业领域,自适应推送强调基于教育领域对推荐技术的应用,其指导思想、应用环境、评测指标、推荐解释等与商业领域均不尽相同.
4.学习分析
学习分析是以理解和优化学习及其发生的环境为目的,对学习者及其所处情境的数据进行测量、收集、分析和报告.[6]新媒体联盟认为,学习分析是以评估学业成就、预测未来表现、发现潜在问题为目的,对学习者产生和收集的大量数据进行阐释的过程,旨在应用数据分析为教育系统的各级决策提供参考.[7]学习分析与自适应推送的侧重点不同,除了共同关注的产生适应性学习内容外,学习分析还重点关注危机学习者干预和决策支持等,相对关注的范围更广,指导决策的层级也更加丰富.
四、相关研究现状
国外的一些自适应学习系统主要依据学习者的学习风格、知识背景和兴趣,以及学习者的学习信息和行为构建学习者模型,通过个性化推荐或自适应导航提供个性化的内容呈现、教学活动、学习环境、学习者评价等,并以某种方式进行展示或标注.[8]
美国教育部发布的《通过教育数据挖掘和学习分析促进教与学》报告认为,自适应学习系统和个性化学习属于教育数据挖掘和学习分析的高级应用,是教育大数据相关研究的终极目标.[9]典型的自适应学习系统包括六个组成部分：①内容管理,提供个性化的学科内容和评价.②学习者学习数据库,存储基于时间标记的学习者行为.③预测模型,联合人口统计数据和学习者行为数据来进行追踪和预测.④报告服务,为各类使用者提供可视化反馈.⑤适应性引擎,根据学习者的表现水平和兴趣发送材料,确保后续学习的提高.⑥干预引擎,允许干预或改写自动化系统以更好地服务学习者.
国内的研究从理论、模型、原型到系统相比于国外并没有大的突破.余胜泉提出适应性学习模式的关键环节是：学习诊断（学习能力、认知能力）、学习内容的动态组织（根据学习历史、认知风格）、学习策略（传授式、探索式和协作式）.[10]谢晓林等提出适应性学习系统包括运行层（含适应引擎）和存储层（如图1）.姜强认为研发自适应学习系统的关键在于用户模型和领域模型.依据学习风格和知识水平进行了用户建模,利用解释结构模型法和本体技术进行了知识建模.[11]
总结:本论文主要论述了网络教育论文范文相关的参考文献,对您的论文写作有参考作用。
参考文献：
1、 网络教育优势其在社会教育中 【摘要】文章针对网络教育优势、社会教育中网络教育发展等为目的进行分析，首先介绍了网络教育的优势，主要为网络教育创新社会教育理念、提高人们的学习能。
2、 网络公共领域管理规制 自web1 0推出以来，随着web2 0及web3 0的优化，人们在互联网上所能体会到的交互感更加强烈，互联网也已成为人们重要的休闲方式之一，网。
3、 激发社会领域投资活力助推幸福产业全面升级 □ 国家发展改革委社会司、社会所联合课题组为落实《国务院办公厅关于进一步激发社会领域投资活力的意见》，扩大养老、健康、文化、旅游、体育、教育培。
4、 山东省教育领域事业单位机构编制标准实现全覆盖 2016年12月23日，山东省编办、省教育厅、省财政厅联合印发了《山东省特殊教育学校教职工编制标准》（鲁编办发[2016]14号），这一标准的出。
5、 互联网时代大数据在职业教育领域中应用和展望 摘 要：在“互联网+”的热浪中，大数据战略风生水起，深刻影响着各行各业。职业教育作为国民教育体系和人力资源开发的重要组成部分，在我国从制造业大国。
6、 国内教育领域移动应用论文定量分析 摘 要：本文利用自编程序、TDA等工具，对来自CNKI中国期刊全文数据库中的1031条国内教育领域移动应用研究的论文进行了定量分析。结果表明，2。