洪 雅 敏

(闽西职业技术学院 信息与网络中心， 福建 龙岩 364021)

0 前 言

线上线下混合教学模式是当今教育的主流。根据学习者的学习偏好，进行在线学习资源个性化推荐是实现自适应学习、提高线上学习效率的前提条件[1]。近年来，学习推荐系统[2]的研究内容主要包括学习者建模[3]、学习资源建模[4]和推荐算法等 3个方面。学习者建模主要基于不同学习者的学习偏好、学习风格、知识掌握程度和知识文化基础等特征[5]。学习资源主要包括习题、教师授课课件、教学音视频等，这些都包含在每门在线课程中。本次研究根据学习者连续14 d的学习风格，构建了一个具有双隐含层的AGA_BP偏好课程预测模型[6-8]来预测学习者的课程偏好。

1 预测模型的构建

1.1 BP模型的构建

1.1.1 样本数据

样本数据来源于368名学习者14 d(2021年 3月1日 — 14日)的在线学习记录，共6 186条数据，涉及68门课程。模型输入参数包括姓名、课程名称，以及反映学习者风格的视频观看进度、任务完成数、当天视频观看时长和当天章节学习次数等(见表1)。例如，第6 186条数据显示，个人理财规划课程共有32个任务和32个课程视频，截至3月14日秦*越已完成4个任务、已观看4个课程视频，其中3月14日当天观看课程视频 79 min、完成章节学习3次。为了进行模型训练并测试训练效果，将样本数据分为训练集、测试集和验证集，并按8∶1∶1的比例随机抽取。

1.1.2 数据预处理

在线教学平台中，学习者的学习记录包括姓名、学号、学校、专业、班级、入学年份等基本信息，以及反映学习者学习风格的课程名称、视频观看进度、任务完成数、当天视频观看时长、 当天章节学习次数、章节测验分数、讨论数等。……