张庆生 廖敬萍 张丽丽

摘 要：自适应网络学习平台测量两个知识模块的相似性、相对难度和先行关系，动态地为学生推荐知识模块，它可以广泛地应用在网络课程的安排顺序、自适应测试等。文中采用领域分析的方法，对网络学习平台的日志数据进行特征提取，将特征值添加到相关知识模块关系的训练和测试数据集，并采用线性回归、高斯过程和神经网络预测数据集中的两个知识模块的相似性、相对难度和先行关系，实验结果在实践中具有可行性。

关键词：自适应学习平台；知识模块；特征值提取；预测

中图分类号：G434 文献标识码：A 文章编号：2095-1302（2016）07-00-01

0 引 言

互联网、移动计算和物联网技术促使越来越多的教师把学习资料放置在网络学习平台，方便学生随时随地学习。然而，网络学习平台并没有考虑学生自身的因素，所有学生获得完全一样的学习资料。为适应学生的差异性及学生特点的变化，自适应网络学习平台需要对学生的知识水平、学习兴趣、学习目标和任务等建模[1]，以满足学生的需求。

有关学生学习活动的特征值可以预测两个知识模块（例如，一对练习题目）的相似性、相对难度和先行关系，为学生提供与其知识水平相近的练习题目[2]。在自适应学习平台领域，没有规定从学生学习活动数据中提取何种特征值，本文扩展的研究[2]，提取新特征值并应用于相关的预测算法，为自适应学习平台的设计与实现提供理论说明和实验证据。……