当前位置 —论文—教学— 范文

网络教育类有关论文范文,与基于QoS偏好相似度的网络教育服务推荐相关论文格式范文

本论文是一篇网络教育类有关论文格式范文,关于基于QoS偏好相似度的网络教育服务推荐相关在职研究生毕业论文范文。免费优秀的关于网络教育及学习者及可靠性方面论文范文资料,适合网络教育论文写作的大学硕士及本科毕业论文开题报告范文和学术职称论文参考文献下载。

[摘要]网络教育的大范围应用带来网络教育服务数量的不断增长,如何在大量的网络教育服务中为学习者推荐个性化的教育服务是网络教育管理的一项重要功能.文章把网络教育服务描述属性分为功能性属性和服务质量（QoS）属性两类,以区分功能相同质量各异的网络教育服务,解决具有相同功能、不同QoS的教育服务的个性化推荐问题.通过对学习者QoS偏好以及偏好相似度的定义和计算,提出一种符合学习者QoS偏好需求的教育服务推荐模型和方法.仿真实验显示,与常用的方法相比,这种推荐方法能较显著地提高学习者的满意度.

[关键词]网络教育服务；QoS偏好；服务推荐；偏好相似度

[中图分类号]G434[文献标志码]A

[作者简介]刘迎春（1974—）,女,安徽肥西人.副教授,硕士生导师,主要从事网络教育应用、服务信任与信誉等方面的研究.E-mail：lyc@zjut.edu..

一、引言

随着网络技术的发展和网络教育的不断普及,互联网上的教育信息日益丰富,网络逐渐成为人们获取知识信息的主要途径之一.通过搜索引擎,网络学习者可以搜索学习材料、学习工具、教学平台用于某一学习目标或任务的学习,并在使用后参与评价或评论,记录对这些学习材料、工具、平台的功能和质量的印象,供其他学习者参考.然而,网络教育信息种类繁多、功能各异,质量更是千差万别.通过搜索引擎往往得到大量具有相同或相似功能的教育信息,学习者难以辨别它们的质量优劣,造成“选择恐慌”；不同学习者具有不同的学习特点和偏好需求,搜索获得的相同内容、相同排序的教育信息,无法帮助不同学习者找到适合自己的教育信息,造成学习者满意度的降低,最终造成海量教育信息难以利用和低效利用,阻碍网络教育、教学的深入发展.

网络学习材料、学习工具、教学平台等教育信息存在的目的是为学习者的学习服务,为突出研究对象的本质特征,简化表述方式,把以此为目的的所有网络教育信息或行为统称为网络教育服务.网络教育服务的内容、形式、功能、质量千差万别,为了便于理解和实现,网络教育服务的定义由功能性属性和非功能性属性来描述.功能性属性是网络教育服务的教育目标和功能的描述属性,非功能性属性是网络教育服务的服务质量属性（简称QoS属性）,是学习者在接受网络教育服务的过程中感受到的或不断体验的一些属性,例如网络教育服务的响应时间、可靠性、性价比、网络教育服务提供者的信誉等.一些网络教育服务的功能属性是相同的,但其QoS属性可能存在很大差异.网络教育服务QoS的高低是决定学习者学习体验满意与否的最重要因素之一.[1]

学习者在请求网络教育服务时,除了有功能性需求之外,还有一定的QoS需求或偏好.例如,有的学习者希望网络教育服务具有较高的响应速度；有的学习者希望网络教育服务不仅要安全可靠,还要有低廉的价格.学习者的QoS需求满足与否直接关系到学习者是否选择教育服务以及对教育服务体验的满意度.因此,如何从满足学习者功能需求的大量教育服务中进一步准确找出满足学习者QoS偏好的教育服务,在网络教育管理中显得越来越重要.

为了满足学习者对网络教育服务质量的个性化需求,提高网络教育服务的利用率和学习者的满意度,本文提出一种基于学习者QoS需求偏好的网络教育服务推荐模型.在具有相同功能属性的网络教育服务中,利用学习者对网络教育服务的QoS评价数据以及学习者的QoS需求偏好信息,通过对不同学习者之间的偏好相似度的计算,提高相似度高的学习者服务评价的权威性以及偏好相关评价数据的聚合权重,以获得针对不同偏好学习者的网络教育服务QoS排名,并把最合适的网络教育服务推荐给学习者.

二、相关研究

(一)网络教育服务及其QoS

近些年,很多学者关注了教育的服务性,认为教育具有服务业的典型特点,是现代服务业的一个重要组成部分.[2][3]相对于传统教育,网络教育的服务性更明显,董向东[4]认为网络教育本身既是一种个性化教育过程,又是一种个性化服务过程.[5]武丽志从服务的视角对远程教育进行研究,给出远程教育服务的特征、服务质量的相关定义.作为服务,教育具有固有的特性,其服务质量的定义和属性也与普通服务业不同.[6]张屹等认为网络教育服务的服务质量是网络教育的提供者满足学习者明确和隐含需要的能力的特性之总和,网络教育服务质量包括可靠性、关怀性、学习资源的有效性等.[7]GodwinJ.Udo等提出一种E-learning服务质量评价模型,认为服务质量包括保证性、移情性、响应性、可靠性等.[8]彭博等将一种基于QoS的算法应用到学习对象的评分中,把事务处理、响应时间、赔偿率反馈评分等作为QoS属性.[9]通过对QoS数据的分析,可以在功能性服务发现的基础上,从满足功能需求的服务内查找最适合用户非功能需求的服务.[10]

从以上学者的研究可以看出,将网络教育信息、资源、行为抽象为网络教育服务可以更好地从教育的过程和结果对教育服务进行评估；网络教育服务的QoS是用户在体验教育服务过程中感受到的一些非功能属性,这些非功能属性的值由使用者评价或系统监控获得,通过分析和挖掘这些非功能属性数据,可以获得真实的教育服务的服务质量信息以及使用者的使用感受和行为信息.

(二)教育服务推荐研究

服务推荐是根据用户个人的喜好、反馈等来推荐用户可能感兴趣的有用服务信息和推荐合适的服务.[11]该方法可以解决当前网络中服务过载的问题,广泛应用于Web服务、电子商务等领域.在教育领域,也有很多教育服务推荐的研究,比较有代表性的有：任宇提出一种虚拟学习社区个性化推荐策略,将协同过滤和关联规则有机结合实施推荐；[12]刘敏根据学习者兴趣构建了一种最近邻居评价协同过滤算法；[13]李高敏结合教学资源的项目特征,提出了一种基于用户和基于项目的混合协同过滤个性化推荐算法；[14]杨丽娜等提出面向虚拟社区的学习资源个性化推荐；[15]逄华等对基于移动Agent技术的教学资源推荐系统进行了研究；[16]黄昌勤从服务的视角进行了网络课程资源支持下基于语义Web的个性化主动学习研究；[17]王永固等提出一个基于协同过滤技术的学习资源的个性化推荐系统的理论模型.[18]以上研究从理论模型到实际应用,取得的成果证明了推荐技术在教育领域具有广阔的应用前景.但上述推荐系统的研究更多关注的是教育服务的功能性属性相对应的规则和特征,较少涉及教育服务的非功能性属性以及学习者对这些非功能性属性的偏好需求,由此获得的推荐力度较大,不能区分推荐服务在非功能性属性上的差别以及与学习者偏好的关联.本研究缘起于网络上相同或相似功能的教育服务众多,而其QoS各不相同,不同的QoS与学习者对服务的需求紧密相连.为实现更精准化的推荐,本文区分了教育服务的功能性和非功能性属性,重点针对教育服务的QoS以及学习者QoS偏好需求,实施精确、按需的推荐,实现了在以学习者为中心的网络教育服务系统中,通过学习者的QoS评价反馈,推荐符合其个性需求的网络教育服务.该方法能提高优质网络教育服务的利用率,满足学习者的个性化需求.