融合章节信息的信息技术教育试题推荐算法

• 作者: 张啸晨 王华彬 田钰
• 来源期刊: 安徽大学学报（自然科学版）
• 学科: 工学
• 关键词: 矩阵分解 奇异值分解 信息技术教育 推荐系统
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 计算机科学与技术
• 页码范围: 46-55
• 页数: 10页
• 分类号: TP391
• 字数: 6330字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-2162.2020.05.006

摘要

随着我国中小学信息技术教育的全面展开及辅助编程教育的智慧编程平台的快速发展,产生大量试题资源和学生数据的汇聚.学生在练习过程中往往面临信息过载问题,难以针对个人学习情况个性化地选择试题.为了在智慧编程平台引入个性化试题推荐系统,提出一种融合试题章节信息的矩阵分解推荐算法.首先,根据学生历史练习数据构建学生-试题提交次数矩阵;然后,基于融合试题章节信息的矩阵分解模型,学习学生和试题的潜在因子表示;最后,预测学生在各试题上的提交次数,并根据预测值推荐排序靠前的试题集合.在真实数据集上的实验结果表明,融入试题章节信息更加符合中小学信息技术教育实践规律,所提出的融合试题章节信息的矩阵分解教育推荐算法相较于传统矩阵分解算法在MAE(mean absolute error)和RMSE(root mean squared error)两个指标上都有明显提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王华彬	安徽大学计算机科学与技术学院	37	182	8.0	11.0
2	田钰	合肥市教育科学研究院信息技术应用研究中心	3	0	0.0	0.0
3	张啸晨	安徽大学计算机科学与技术学院	1	0	0.0	0.0