第16卷第6期 智能系统学报 Vol.16 No.6 2021年11月 CAAI Transactions on Intelligent Systems Now.2021 D0:10.11992/tis.202009005 网络出版地址：https:/kns.cnki.net/kcms/detail/23.1538.tp.20210920.0227.002.html 融入学习者模型在线学习资源协同过滤推荐方法 刘芳，田枫，李欣2，林琳 (1.东北石油大学计算机与信息技术学院，黑龙江大庆163318,2.讷河市第一中学，黑龙江讷河161300) 摘要：在线教育存在“信息迷航”问题，而传统的信息推荐方法往往忽视教育的主体一学习者的特征。本文 依据教育教学理论，根据在线教育平台中的学习者相关数据，研究构建了适用于在线学习资源个性化推荐的学 习者模型。以协同过滤推荐方法为切入点，融合学习者模型中的静态特征和动态特征对协同过滤方法进行改 进，建立融入学习者模型的在线学习资源协同过滤推荐方法。以2020年3~7月时间段的东北石油大学“C程序 设计”课程学生的真实学习数据和行为数据为数据集，对本文提出的方法进行验证和对比，最后证明本文提出 的方法在性能上均优于对比方法。 关键词：学习者模型：在线学习资源：协同过滤：个性化学习：学习资源推荐：学习风格特征：认知水平特征：兴 趣偏好特征 中图分类号：TP391;G434文献标志码：A文章编号：1673-4785(2021)06-1117-09 中文引用格式：刘芳，田枫，李欣，等.融入学习者模型在线学习资源协同过滤推荐方法J小.智能系统学报，2021,16(6)： 1117-1125. 英文引用格式：LIU Fang,.TIAN Feng,.IXin,etal.A collaborative filtering recommendation method for online learning re- sources incorporating the learner modelJl.CAAI transactions on intelligent systems,2021,16(6):1117-1125. A collaborative filtering recommendation method for online learning resources incorporating the learner model LIU Fang',TIAN Feng',LI Xin',LIN Lin' (1.School of Computer and Information Technology,Northeast Petroleum University,Daging 163318,China;2.Nehe No.I Middle School,Nehe 161300,China) Abstract:Online education exhibits the problem of"information loss".At the same time,traditional information recom- mendation methods often ignore the characteristics of learners,i.e.,the main body of education.Based on the theory of education and teaching as well as the relevant data of learners on the online education platform,this paper constructs a learner model suitable for personalized recommendations for online learning resources.Based on the collaborative filter- ing recommendation method,the static and dynamic features of the learner model are integrated,with the aim to im- prove the collaborative filtering method,thereby establishing a collaborative filtering recommendation method for on- line learning resources incorporating the learner model.The real learning and behavior records of students taking the C programming course in the Northeast Petroleum University starting from March 2020 to July 2020 were selected as the dataset to conduct experiments and evaluations on the proposed research method.The comparative test shows that the performance of the proposed method is better than that of the comparative method. Keywords:learner models;online learning resources;collaborative filtering;personalized learning,learning resources recommendation;learning style characteristics;cognitive level characteristics;interest preference characteristics 收稿日期：2020-09-07.网络出版日期：2021-09-23. 近年来，随着互联网技术高速发展，在线教育 基金项目：国家自然科学基金项目(61502094)：黑龙江省教育 平台的使用越来越被学习者所接受，尤其新型冠 科学规划重点课题(GB1421I13):黑龙江省高等教 育教学改革研究项目(SJGY20190098):东北石油大 状病毒爆发之后，线上学习是在不能正常进行线 学引导性创新基金项目(2020YDL11):东北石油大 学优秀中青年科研创新团队项目(KYCXTD201903): 下学习的情况下优选的学习模式。数据表明，截 东北石油大学研究生教育创新工程项目YCX112020) 至2020年12月，我国在线教育用户规模达3.42 通信作者：刘芳.E-mail:Ifliufang1983@126.com 亿，占网民整体的34.6%。该项数据在2020年DOI: 10.11992/tis.202009005 网络出版地址: https://kns.cnki.net/kcms/detail/23.1538.tp.20210920.0227.002.html 融入学习者模型在线学习资源协同过滤推荐方法 刘芳1 ，田枫1 ，李欣2 ，林琳1 （1. 东北石油大学 计算机与信息技术学院，黑龙江 大庆 163318; 2. 讷河市第一中学，黑龙江 讷河 161300） 摘 要：在线教育存在“信息迷航”问题，而传统的信息推荐方法往往忽视教育的主体—学习者的特征。本文 依据教育教学理论，根据在线教育平台中的学习者相关数据，研究构建了适用于在线学习资源个性化推荐的学 习者模型。以协同过滤推荐方法为切入点，融合学习者模型中的静态特征和动态特征对协同过滤方法进行改 进，建立融入学习者模型的在线学习资源协同过滤推荐方法。以 2020 年 3~7 月时间段的东北石油大学“C 程序 设计”课程学生的真实学习数据和行为数据为数据集，对本文提出的方法进行验证和对比，最后证明本文提出 的方法在性能上均优于对比方法。 关键词：学习者模型；在线学习资源；协同过滤；个性化学习；学习资源推荐；学习风格特征；认知水平特征；兴 趣偏好特征 中图分类号：TP391; G434 文献标志码：A 文章编号：1673−4785(2021)06−1117−09 中文引用格式：刘芳, 田枫, 李欣, 等. 融入学习者模型在线学习资源协同过滤推荐方法 [J]. 智能系统学报, 2021, 16(6): 1117–1125. 英文引用格式：LIU Fang, TIAN Feng, LI Xin, et al. A collaborative filtering recommendation method for online learning re￾sources incorporating the learner model[J]. CAAI transactions on intelligent systems, 2021, 16(6): 1117–1125. A collaborative filtering recommendation method for online learning resources incorporating the learner model LIU Fang1 ，TIAN Feng1 ，LI Xin2 ， LIN Lin1 (1. School of Computer and Information Technology, Northeast Petroleum University, Daqing 163318, China; 2. Nehe No. 1 Middle School, Nehe 161300,China) Abstract: Online education exhibits the problem of “information loss”. At the same time, traditional information recom￾mendation methods often ignore the characteristics of learners, i.e., the main body of education. Based on the theory of education and teaching as well as the relevant data of learners on the online education platform, this paper constructs a learner model suitable for personalized recommendations for online learning resources. Based on the collaborative filter￾ing recommendation method, the static and dynamic features of the learner model are integrated, with the aim to im￾prove the collaborative filtering method, thereby establishing a collaborative filtering recommendation method for on￾line learning resources incorporating the learner model. The real learning and behavior records of students taking the C programming course in the Northeast Petroleum University starting from March 2020 to July 2020 were selected as the dataset to conduct experiments and evaluations on the proposed research method. The comparative test shows that the performance of the proposed method is better than that of the comparative method. Keywords: learner models; online learning resources; collaborative filtering; personalized learning; learning resources recommendation; learning style characteristics; cognitive level characteristics; interest preference characteristics 近年来，随着互联网技术高速发展，在线教育 平台的使用越来越被学习者所接受，尤其新型冠 状病毒爆发之后，线上学习是在不能正常进行线 下学习的情况下优选的学习模式。数据表明，截 至 2020 年 12 月，我国在线教育用户规模达 3.42 亿, 占网民整体的 34.6%。该项数据在 2020 年 收稿日期：2020−09−07. 网络出版日期：2021−09−23. 基金项目：国家自然科学基金项目 (61502094)； 黑龙江省教育 科学规划重点课题 (GJB1421113)； 黑龙江省高等教 育教学改革研究项目 (SJGY20190098)； 东北石油大 学引导性创新基金项目 (2020YDL-11);东北石油大 学优秀中青年科研创新团队项目 (KYCXTD201903)； 东北石油大学研究生教育创新工程项目 (JYCX_11_2020). 通信作者：刘芳. E-mail：lfliufang1983@126.com. 第 16 卷第 6 期 智 能 系 统 学 报 Vol.16 No.6 2021 年 11 月 CAAI Transactions on Intelligent Systems Nov. 2021