《SNS环境下智能学习平台的设计与实现_1》由会员分享，可在线阅读，更多相关《SNS环境下智能学习平台的设计与实现_1（6页珍藏版）》请在金锄头文库上搜索。
1、 SNS环境下智能学习平台的设计与实现 数据表Tags_tableTag_id，Tag_name，Resource，Tag_theme，Tag_url，Tag_hits由课程教师根据课程大纲、教学经验和知识理解自主编辑，其中Resource是相关资源，Tag_theme是相关主题，Tag_url是Tag超链接(可设定为向内链接或向外链接)。Tag超链接在SNS交互信息写入数据库前生成，并随同交互信息写入数据库，当交互信息被读取时，Tag链接将一同被读取。Tag信息关联的产生方式如下：Function tag_content(content) set rss=conn.execute(selec
2、t * from Tags_table order by id) do while not rss.eofarr=split(content, rss(tagname) if ubound(arr)0 thenfor i=0 to ubound(arr)select case icase 0: strs=arr(i)&a href=&rss(tagurl)&rss(tagname)&/a case ubound(arr):strs=strs&arr(i) case else: strs=strs&arr(i)&rss(tagname) end selectnextcontent=strsend
3、 ifrss.movenextlooptag_content=content End Function代码注释：参数content即提交的交互文本内容；获取标签列表所有标签数据(标签名)；找到首个tagname所在位置，并分割；如果是第一个字符串，则在其后加上tag超链接；如果是最后一个字符串；如果是中间的字符串数组；返回值，即插入标签后所提交的文本。五、学习资源的智能推送1.平台状态信息的提取平台对学习者的学习足迹进行实时采集并存储为日志数据，分析这些数据提取学习者的学习状态、元资源的使用状况等状态信息，这些状态信息是向学习者及其所在的交互环境准确地推送学习资源的重要依据。表1列出了从平台日
4、志数据中提取平台及学习者状态信息的情况，由表可知，状态信息可以由单个日志数据决定，也可由多个日志数据共同决定，状态信息的输出是一组关于某个统计点的排序信息，这些排序是可以带有预设条件的，如一个月内学习者的学习活跃程度的排序，状态信息在预设条件下的排序结果是学习资源推送的重要依据之一。表1 状态信息提取情况表日志数据日志信息可提取的状态信息元资源访问日志资源名称、资源编号、资源类型、资源权值、资源章节、学习者姓名、学习者编号、访问时间；资源热度、学习者活跃程度、学习进度依据(资源访问率)、学习者学习时段、学习者资源兴趣；在线测试记录记录编号、试题编号、正确答案、答题结果、试题权值、学习者姓名、学
5、习者编号、答题时间；学习进度依据(正确率)、课程重点难点、学习者学习时间等；元资源检索日志检索词、学习者姓名、学习者编号、检索时间、检索(资源)区域。资源需求、资源热度、学习者学习时间、资源关联、学习活跃程度。状态信息一般用关系数据库的SQL命令提取，它的基本命令格式为“SELECT编号，COUNT(*) FROM日志数据表WHERE限定条件GROUP BY编号ORDER BY COUNT(*) DESC”，由此可获取每个主体(编号)在日志数据表中的数据量的排序信息，以此为基础能引申出其它复杂的状态信息提取命令。2.学习者Cookies信息的提取Cookies信息保存在用户端硬盘上，它以字符串
6、的形式记录用户访问一个特定站点的信息，且只能被创建这个cookies的站点读回，8Cookies记录的信息可作为学习资源个性化推送的判断依据。对检索词进行Cookies操作方式如下：Response.Cookies(mycookie)(KeywordString)=Request.Cookies(mycookie)(KeywordString)&new keyword/追加变量值；Response.Cookies(mycookie).Expires=now+30/设定变量有效期30天；KeywordString=Request.Cookies(mycookie)(KeywordString)/
7、读取当前变量。获取的KeywordString是准对用户感兴趣的词集，用字符串分词函数split()把它分割为检索词数组，根据数组中的检索词逐个向学习者推送相关的学习资源。3.学习者学习进度的计算学习进度计算的原始依据是资源访问记录、试题测试记录、个人登录记录等，因此学习进度除了能实时体现学习者的学习进度外，还能实时反映学习者的学习足迹、资源的访问情况、学习者的学习方式，这些数据是推送元资源的又一重要判断依据。平台中的学习进度定义了资源浏览进度和在线测试进度两个部分，进度公式的参数根据课程和教学的特点自主设定，如对于数据库基础与应用网络课程的进度计算参数设定如下：资源阅览占进度的40%，每浏览
8、一项资源累计积分，积分超过200以后，完成对资源浏览部分的统计，之后的浏览不再计分；在线测试占进度的60%，每章的测试题正确答题量达到本章总题量的80%后，完成对在线测试部分的统计，之后的在线测试结果不再计分。该课程的学习进度计算方法如下：If ReadingVantages200 then ReadingVantages=200end ifIf ExamVantagesExamAmount*80% then ExamVantages=ExamAmount*80% end if /积分溢出判断ChaptersSchedule=(ReadingVantages /200)*40%+ExamVan
9、tages/12)*60%/章节进度计算MasterSchedule=(Progress(i)/n/课程总进度计算参数说明：ChaptersSchedule(章节进度)，ReadingVantages(阅览积分)，ExamVantages(在线测试积分)，ExamAmount(试题总数)，MasterSchedule(总进度)。4.学习资源的智能推送状态信息、Cookies信息和学习进度等为个性化地推送学习资源提供了充分而可靠的依据，学习平台的资源推送主要有四种方式：方式一，标签推送，在教程全文、元资源讨论区、学习群组中把主题以文字标签(Tag)超链接的形式嵌入到相应的位置，这是最基本的推送方
10、式，也是SNS交互与资源系统相整合的主要方式；方式二，排名推送，根据实时状态信息，把最热门(如检索率高、访问量大)的资源以及最活跃的学习者、学习进度最高的学习者所关注的资源推送到个人学习空间；方式三，关系推送，利用SNS交互特点，把有相同兴趣点的学习者的学习状态、相同学习方式(如相同的在线时段上线学习)，存在一维、二维关系的其他学习者的学习状态嵌到个人学习空间；方式四，Cookies推送，根据学习者浏览器记录的学习者的兴趣点(如检索词)，把相关的资源推送给该学习者。同时，课程教师通过管理操作，把课程的重点内容、难点内容、常见问题等用人工编辑的方式(如对Tag数据的分类和编辑操作)推送到学习平台
11、的各类场所，这是对相关性关联(专家知识)的一种扩充，是课程教师把握网络学习方向的主要方式。六、结语本文学习平台的设计思路和实现方法均来自研发实践，它所创建的智能的资源服务体系和多维的交互学习环境符合现代远程教学“教学交互性强、共享教学资源、突破和延伸教学时空”等特点，9在远距离教学中更具实用意义。参考文献：1Datta A. Finding like-minded communities of highly interactiveR.Nanjing: CSSS2012, 2012.8.2人人网.社交网络平台Z.3知之证券网.SNS学习平台Z.4张德成，王植青.开放教育资源的智能聚合与个性化建构基于Web3.0的开放教育资源建设J.现代教育技术，2008(8)：89-92.5杨嫚.网络信息资源组织与开发研究M.武汉：华中科技大学出版社，2006.1：164.6张郭军，陈莉萍.网络课程中知识表示的研究J.渭南师范学院学报，2012(2)：80-82.7张苇如，孙乐，韩先培.基于维基百科和模式聚类的实体关系抽取方法J.中文信息学报，2012(2)：75-81.8王岚霞.基于cookies的个性化信息服务研究J.图书馆学研究，2007(6)：61-62，66.9丁新，聂瑞华，卢和琰.远程学习方法与技术M.广州：华南理工大学出版社，2006：9-10. -全文完-
