應用隱性回饋與柏拉圖分佈於數位學習平台上的學習元件推薦

Abstract

數位學習已漸漸成一種學習的新潮 流，而面對數位環境中大量的學習元件，如 何讓使用者搜尋並使用合適的元件變成一 個重要的議題。本文提出二階層推薦架構並 結合辭書來滿足使用者的需求，首先在上層 的知識概念推薦，它藉由辭書技術將使用者 的查詢語句轉換為數個辭書概念，接著在第 二部分實體元件推薦中，它根據使用者的興 趣來推薦學習元件，其中本文採用LOM 的 欄位來描述學習元件特徵並利用柏拉圖分 布來解決興趣分析的誤差，其外為了便利使 用者使用本系統，隱性回饋的機制被用來蒐 集使用者的回饋進而分析使用者的興趣，透 過本系統，可以提供使用者完全個人化的學 習元件推薦。