一种基于混合推荐方法的自适应工作表生成系统，该方法利用了具有教学结构的学习对象 作者：Iraklis Katsaris、Sakellaris Sfakiotakis、Ilias Logothetis 和 Nikolas Vidakis

《Information》：A Hybrid Recommendation Approach for Adaptive Worksheet Generation Using Pedagogically Structured Learning Objects Iraklis Katsaris, Sakellaris Sfakiotakis, Ilias Logothetis and Nikolas Vidakis

　　

摘要

自适应推荐机制被广泛用于个性化数字学习环境；然而，许多现有方法更注重算法优化，而对推荐行为与教学结构化工具（如工作表）之间的匹配程度了解有限。为了解决这一问题，本文提出了一种混合推荐方法，用于自适应生成工作表，该方法结合了基于内容的过滤和协作过滤，并考虑了来自布鲁姆修订分类法的明确教学约束。该系统通过整合学习者档案、行为信号以及基于相似性的信息，在统一的评分框架中对学习和评估对象进行排序和选择。通过使用与布鲁姆分类法对齐的工作表和合成学习者档案，在受控条件下对推荐引擎的内部行为、稳定性和教学一致性进行了仿真评估。分析重点关注预期与实际的一致性以及不同认知水平上的自适应变化，而非学习成果。结果显示，在较低认知水平上，推荐与预期的教学结构高度一致；而在较高认知水平上，自适应变化具有一定的界限且易于解释。评估对象推荐与教学设计的高度一致性超过95%。总体而言，本研究展示了混合推荐机制如何在教学结构化的学习场景中支持自适应内容选择，为信息驱动的教育系统提供了透明且稳健的基础。