面向终身学习者的综合教育推荐系统

AAAIDec, 2019

面向终身学习者的综合教育推荐系统

Towards an Integrative Educational Recommender for Lifelong Learners

Sahan Bulathwela, Maria Perez-Ortiz, Emine Yilmaz, John Shawe-Taylor

TL;DR本研究旨在通过 Integrative approach 构建一个新颖的 TrueLearn 教育推荐系统，该系统由多种学习参考驱动，可以同时考虑学习者的知识和内容的新颖性，并保持长期时间的准确学习者代表性。

Abstract

One of the most ambitious use cases of computer-assisted learning is to build a recommendation system for lifelong learning. Most recommen

computer-assisted learning recommendation system lifelong learning integrative approach truelearn

发现论文，激发创造

TrueLearn: 一族贝叶斯算法，以匹配终身学习者与开放教育资源

本文提出了一种动态、可扩展、透明的教育推荐系统，基于 Wikipedia 的文本本体自动提取教育资源的知识组件及启发于项目反应理论和知识追踪的一组在线贝叶斯策略。我们的提案 TrueLearn 专注于向具有足够背景知识并能够理解和学习材料的学习者推荐具备足够新颖性的材料，以帮助学习者提高对主题的知识并保持他们的主动性。我们还构建了一个大型的开放式教育视频讲座数据集，并测试了所提算法的性能，结果显示出建立有效的教育推荐系统的明显前景。

Nov, 2019

关于概念化和电子学习中学习路径推荐系统的概述

通过调查研究项目的方式，我们提出了一个学习路径的概念，并在这一背景下嵌入了五种不同的推荐系统，以促进学生的学习和理解。

Jun, 2024

终身学习 AI 加速器设计原则

生命周期学习的发展需要适合边缘平台的硬件加速器，该研究探讨了如何设计面向无线环境部署的生命周期学习 AI 加速器，以及评估这些加速器的关键功能和指标，并探讨了不同新兴技术在生命周期学习加速器设计中的作用。

Oct, 2023

基于深度学习的推荐系统：综述与新视角

本文综述了基于深度学习的推荐系统的最新研究进展，提出和总结了深度学习推荐模型的分类法和现有技术的综述，同时扩展了当前趋势并提供了对这一新兴领域的新见解。

Jul, 2017

终身学习系统的潜在特性

介绍了一种算法无关的可解释的替代建模方法，以评估终身学习算法的潜在特性，并通过对合成数据的实验验证了该方法的有效性。