面向开放学习环境的连续推荐模型构建与有效认证

摘要

开放学习环境具备教育资源开放异构、学习者状态动态演化、学习目标相对明确的典型特征，随着开放教
育资源（OER）的规模化发展与终身学习理念的普及，传统学习推荐方法已难以适配持续学习的核心需求。当前开
放学习平台的推荐系统普遍存在静态化、碎片化问题，无法在资源持续更新、学习者认知不断变化的条件下提供连
贯、稳定且有效的学习路径。针对这一问题，本文以开放资源、动态学习者、既定学习目标的多重约束为出发点，
借鉴连续学习推荐的核心思路，构建面向连续学习过程的推荐模型，实现对学习者状态的实时感知、学习路径的动
态生成与迭代优化，并通过多维度实验完成模型有效性验证。研究结果表明，该模型在推荐准确性、动态适应性以
及对学习成效的提升作用上，均显著优于传统协同过滤、静态路径规划与普通动态推荐方法，能够有效适配开放学
习环境的动态特性，为个性化自适应学习系统提供可行的技术方案与理论支撑，同时也契合教育大数据驱动个性化
推荐需兼顾动态性与教育性的研究诉求。