[1]徐雪珂,邓 松*,张 荣,等.基于个体特征与教学评价的教师学习对象推荐[J].江西师范大学学报(自然科学版),2019,(04):409-415.[doi:10.16357/j.cnki.issn1000-5862.2019.04.13]
 XU Xueke,DENG Song*,ZHANG Rong,et al.The Recommendation of Teachers' Learning Model Based on Individual Characteristics and Teaching Evaluation[J].Journal of Jiangxi Normal University:Natural Science Edition,2019,(04):409-415.[doi:10.16357/j.cnki.issn1000-5862.2019.04.13]
点击复制

基于个体特征与教学评价的教师学习对象推荐()
分享到:

《江西师范大学学报》(自然科学版)[ISSN:1006-6977/CN:61-1281/TN]

卷:
期数:
2019年04期
页码:
409-415
栏目:
信息科学与技术
出版日期:
2019-08-10

文章信息/Info

Title:
The Recommendation of Teachers' Learning Model Based on Individual Characteristics and Teaching Evaluation
文章编号:
1000-5862(2019)04-0409-07
作者:
徐雪珂1邓 松1*张 荣1叶 治1徐昊颖2
1.江西财经大学软件与物联网工程学院,江西 南昌 330013; 2.南昌市东湖区人民检察院,江西 南昌 330006
Author(s):
XU Xueke1DENG Song1*ZHANG Rong1YE Zhi1XU Haoying2
1.College of Software and Internet of Things Engineering,Jiangxi University of Finance and Economics,Nanchang Jiangxi 330013,China; 2.Nanchang Donghu District People's Procuratorate,Nanchang Jiangxi 330006,China
关键词:
个体特征 教学评价 教学质量
Keywords:
individual characteristics teaching evaluation teaching quality
分类号:
TP 311
DOI:
10.16357/j.cnki.issn1000-5862.2019.04.13
文献标志码:
A
摘要:
通过分析教师的个体特征和教学评价数据,对教师教学能力提升途径进行发掘,提出基于个体特征与教学评价的教师学习对象推荐算法,并从教师个体特征相似度与教学质量匹配度2个方面对教师间的适配度进行计算.实验结果表明:该算法准确率较高,在高校教学改革中有较好应用价值.
Abstract:
Through the analysis of teachers' individual characteristics and teaching evaluation data,the ways to improve teachers' teaching ability are explored,and a teacher learning model recommendation algorithm is proposed,which is based on individual characteristics and teaching evaluation.The algorithm calculates the suitability of teachers from two aspects:the similarity of teachers' individual characteristics and the matching degree of teaching quality.The experimental results show that the accuracy of the proposed algorithm is high.It has better application value in the teaching reform of colleges and Universities.

参考文献/References:

[1] 刘邦奇,李鑫.基于智慧课堂的教育大数据分析与应用研究[J].远程教育杂志,2018,36(3):84-93.
[2] 李中国,黎兴成.我国高校教师教学研究的热点状况分析:基于2005—2015年CNKI文献的共词分析[J].教育研究,2015,36(12):59-66.
[3] 唐佳诚,文欣秀,王家辉,等.用户画像分层教学模型研究[J].实验室研究与探索,2018,37(12):196-200.
[4] 谢舒潇,杨七平,陈毓超,等.多校区同步翻转课堂教学模式构建与应用[J].高教探索,2018(9):37-43.
[5] 纪连恩,高芳,黄凯鸿,等.面向多主体的大学课程成绩相关性可视探索与分析[J].计算机辅助设计与图形学学报,2018,30(1):44-56.
[6] 牟萍.基于物联网、云技术和大数据的高校智能化教学环境构建[J].重庆师范大学学报:自然科学版,2017,34(5):81-86.
[7] 高义栋,闫秀敏,李欣.沉浸式虚拟现实场馆的设计与实现:以高校思想政治理论课实践教学中红色VR展馆开发为例[J].电化教育研究,2017,38(12):73-78,85.
[8] 吴正洋,汤庸,黄昌勤,等.社交网络下学习推荐研究与实践[J].中国电化教育,2016(3):75-81,98.
[9] 丁永刚,张馨,桑秋侠,等.融合学习者社交网络的协同过滤学习资源推荐[J].现代教育技术,2016,26(2):108-114.
[10] 赵学孔,徐晓东,龙世荣.协同推荐:一种个性化学习路径生成的新视角[J].中国远程教育,2017(5):24-34.
[11] 程宏兵,王珂,李兵,等.一种高效的社交网络朋友推荐方案[J].计算机科学,2018,45(S1):433-436,452.
[12] 俞菲,李治军,车楠,等.一种面向获取空间信息的潜在好友推荐算法[J].软件学报,2017,28(8):2148-2160.
[13] 张继东,蔡雪.基于社区划分和用户相似度的好友信息服务推荐研究[J].情报理论与实践,2019,42(4):151-157.
[14] 王刚,郭雪梅.社交网络环境下基于用户行为分析的个性化推荐服务研究[J].情报理论与实践,2018,41(8):102-107.
[15] 汪强,何广达,杨安桔,等.一种基于用户标签的社交网络好友推荐算法[J].长沙大学学报:自然科学版,2018,32(2):20-23.
[16] Ma Xindi,Ma Jianfeng,LI Hui,et al.ARMOR:a trust-based privacy-preserving framework for decentralized friend recommendation in online social networks[J].Future Generation Computer Systems,2017,79(1):82-94.
[17] 辛督强,韩国秀.因子分析法在科技期刊综合评价中的应用[J].数理统计与管理,2014,33(1):116-121.
[18] 邱楷,叶道艳.高校学生评教的影响因素研究[J].教育科学,2016,32(2):33-40.
[19] 江利.我国高校学生评教研究综述[J].黑龙江教育:高教研究与评估,2017(10):57-60.
[20] 邓松.非合作结构化深网数据源选择技术研究[D].南昌:江西财经大学,2013.
[21] 赵明,闫寒,曹高峰,等.融合用户信任度和相似度的基于核心用户抽取的鲁棒性推荐算法[J].电子与信息学报,2019,41(1):180-186.

备注/Memo

备注/Memo:
收稿日期:2019-01-22
基金项目:国家自然科学基金(61462037)资助项目.
通信作者:邓 松(1982-),男,江西南昌人,副教授,博士,主要从事实体关联、数据法学和教育信息化的研究.E-mail:47817086@qq.com
更新日期/Last Update: 2019-08-10