嚴(yán)曉梅 李小青 周博

摘 要：為了解決學(xué)生在線學(xué)習(xí)過(guò)程中的“認(rèn)知過(guò)載”和“學(xué)習(xí)迷航”等問(wèn)題，充分發(fā)揮網(wǎng)絡(luò)課程資源的教學(xué)輔助作用，以《決策支持系統(tǒng)》課程為例，提出一種基于領(lǐng)域本體和語(yǔ)義相似度的個(gè)性化學(xué)習(xí)路徑推薦策略。根據(jù)領(lǐng)域知識(shí)點(diǎn)及其關(guān)系構(gòu)建本體庫(kù)，建立知識(shí)點(diǎn)間語(yǔ)義關(guān)系，并用Protégé進(jìn)行本體形式化編碼;基于本體設(shè)計(jì)學(xué)習(xí)路徑生成策略和相關(guān)知識(shí)協(xié)同策略;最后，結(jié)合《決策支持系統(tǒng)》課程現(xiàn)有網(wǎng)絡(luò)資源設(shè)計(jì)并開(kāi)發(fā)原型系統(tǒng)，實(shí)現(xiàn)個(gè)性化學(xué)習(xí)引導(dǎo)及資源空間優(yōu)化。實(shí)驗(yàn)表明，該平臺(tái)能夠?qū)崿F(xiàn)在線學(xué)習(xí)路徑的有效引導(dǎo)，為學(xué)生提供個(gè)性化學(xué)習(xí)空間，優(yōu)化在線學(xué)習(xí)效果。

關(guān)鍵詞：學(xué)習(xí)路徑推薦;領(lǐng)域本體;語(yǔ)義相似度;原型系統(tǒng);個(gè)性化學(xué)習(xí)引導(dǎo)

DOI：10. 11907/rjdk. 191528 開(kāi)放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：

中圖分類號(hào)：TP391文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-7800（2019）009-0167-06

Research on Learning Path Recommendation Strategy Based on Domain Ontology

YAN Xiao-mei， LI Xiao-qing， ZHOU Bo

（Information and Navigation College， Air Force Engineering University， Xian 710077， China）

Abstract： This paper introduces a recommendation strategy of personalized learning path based on domain ontology and semantic similarity ？taking the course of decision support system as an example， in order to solve the problems of information overload and learning disoriented in the online learning process and improve the assistant function of online resources. Firstly， according to the domain knowledge and their relations， the ontology database is found to construct the relationship of knowledge points at the semantic level. In addition， the ontology is formally encoded using the Protégé. Then， it designs the learning path generation strategy and the related knowledge cooperation strategy. After that the prototype system is designed and developed based on the existing resources of the decision support system online course. The experiment results show that the personalized learning guidance and resource space is optimized.

Key Words： learning path recommendation; domain ontology; semantic similarity; prototype system; personalized learning guidance

0 引言

《2020年前軍隊(duì)人才發(fā)展規(guī)劃綱要》明確指出，必須把人才作為強(qiáng)軍之本，突出信息能力建設(shè)[1]。加強(qiáng)網(wǎng)絡(luò)化在線學(xué)習(xí)是實(shí)現(xiàn)部隊(duì)教學(xué)手段信息化和培養(yǎng)新型軍事人才信息能力的有效途徑。近年來(lái)，部隊(duì)院校的在線學(xué)習(xí)得到了迅速發(fā)展，各院校大力發(fā)展慕課、微課等網(wǎng)絡(luò)教學(xué)。國(guó)防科技大學(xué)的夢(mèng)課平臺(tái)，覆蓋計(jì)算機(jī)、物理、軍事等多個(gè)學(xué)科，在線課程數(shù)量達(dá)112門，注冊(cè)用戶數(shù)量達(dá)32萬(wàn)。近幾年，空軍工程大學(xué)在線學(xué)習(xí)也得到了極大發(fā)展，已建設(shè)課程94門，資源類型包括視頻、PPT、音頻、FLASH動(dòng)畫(huà)、電子圖書(shū)等。在線學(xué)習(xí)打破了傳統(tǒng)面對(duì)面授課模式中時(shí)間和空間上的限制，為師生帶來(lái)了諸多便利。然而，通過(guò)對(duì)空軍工程大學(xué)2014-2017年網(wǎng)絡(luò)課程實(shí)際使用情況進(jìn)行分析發(fā)現(xiàn)，盡管網(wǎng)絡(luò)課程建設(shè)數(shù)量逐年上升，但平均學(xué)習(xí)時(shí)長(zhǎng)、平均學(xué)習(xí)次數(shù)和平均課時(shí)訪問(wèn)量卻出現(xiàn)逐年遞減趨勢(shì)。由此可見(jiàn)，現(xiàn)有在線學(xué)習(xí)平臺(tái)并沒(méi)有實(shí)現(xiàn)預(yù)期效果，難以起到良好的教學(xué)輔助作用。

分析原因發(fā)現(xiàn)，在線學(xué)習(xí)資源內(nèi)容龐雜、形式多樣，如果沒(méi)有有效的路徑引導(dǎo)或教師指導(dǎo)，學(xué)生很可能在眾多網(wǎng)頁(yè)鏈接中迷航，逐漸喪失學(xué)習(xí)興趣和熱情。因此，在專業(yè)領(lǐng)域知識(shí)學(xué)習(xí)中，明確的知識(shí)關(guān)聯(lián)結(jié)構(gòu)與學(xué)習(xí)順序?qū)W(xué)生具有重要影響，采用個(gè)性化的學(xué)習(xí)路徑推薦策略是解決上述問(wèn)題的主要手段。

隨著互聯(lián)網(wǎng)+教學(xué)模式的推廣，個(gè)性化學(xué)習(xí)路徑推薦已成為當(dāng)前在線學(xué)習(xí)研究熱點(diǎn)之一。Brusilovsky等[2]提出根據(jù)學(xué)習(xí)者的知識(shí)基礎(chǔ)和學(xué)習(xí)目標(biāo)自動(dòng)構(gòu)建學(xué)習(xí)路徑，為該項(xiàng)研究奠定了基礎(chǔ);Vanden Berg等[3]認(rèn)為如果某條學(xué)習(xí)路徑被大量學(xué)習(xí)者采用，則當(dāng)前用戶很大概率上也會(huì)采用該路徑，通過(guò)學(xué)習(xí)者的群體行為特征實(shí)現(xiàn)學(xué)習(xí)路徑推薦;Chen[4]提出在學(xué)習(xí)之前對(duì)學(xué)習(xí)者進(jìn)行測(cè)試，根據(jù)出錯(cuò)信息進(jìn)行學(xué)習(xí)路徑推薦;黃志芳等[5]提出根據(jù)情景感知技術(shù)與領(lǐng)域本體技術(shù)實(shí)現(xiàn)適應(yīng)性學(xué)習(xí)路徑推薦;Wang等[6]基于學(xué)習(xí)者的用戶特征模型，對(duì)課程知識(shí)結(jié)構(gòu)和內(nèi)容進(jìn)行標(biāo)記，實(shí)現(xiàn)個(gè)性化推薦;Shishehchi等[7]提出利用本體技術(shù)對(duì)學(xué)習(xí)者和網(wǎng)絡(luò)學(xué)習(xí)資源進(jìn)行模型構(gòu)建，并利用語(yǔ)義關(guān)系實(shí)現(xiàn)學(xué)習(xí)者個(gè)性化學(xué)習(xí)路徑推薦;趙學(xué)孔等[8]以用戶認(rèn)知水平為基礎(chǔ)，利用相鄰用戶相似性規(guī)則提出一種基于協(xié)同推薦機(jī)制的個(gè)性化學(xué)習(xí)路徑生成策略。

基于上述研究，本文提出一種基于領(lǐng)域本體思想，結(jié)合語(yǔ)義本體和語(yǔ)義相似度的技術(shù)手段，對(duì)課程概念知識(shí)點(diǎn)進(jìn)行組織，按照知識(shí)點(diǎn)的前驅(qū)后繼關(guān)系和語(yǔ)義相似度，形成一條滿足學(xué)生個(gè)性化需要的在線學(xué)習(xí)路徑。本文提出的學(xué)習(xí)路徑推薦方法在空軍工程大學(xué)的《決策支持系統(tǒng)》網(wǎng)絡(luò)課程建設(shè)中得以實(shí)施，效果良好。

1 知識(shí)本體構(gòu)建

在個(gè)性化推薦在線學(xué)習(xí)系統(tǒng)中，語(yǔ)義本體被廣泛應(yīng)用于領(lǐng)域知識(shí)的表達(dá)，利用本體方法，可以呈現(xiàn)目標(biāo)知識(shí)的前驅(qū)、后繼及相關(guān)知識(shí)，實(shí)現(xiàn)資源個(gè)性化和自適應(yīng)性呈現(xiàn)，讓學(xué)習(xí)者更直觀理解知識(shí)之間的關(guān)系，快速建立知識(shí)體系，有利于提高學(xué)習(xí)效果。

本體是指對(duì)客觀存在系統(tǒng)的解釋和說(shuō)明[9]，常用的本體表示語(yǔ)言包括XOL、RDFS、OIL和OWL;而領(lǐng)域本體是通過(guò)定義類、實(shí)例、屬性、關(guān)系、公理等元素，刻畫(huà)出某一領(lǐng)域的類和實(shí)例及其之間的層次關(guān)系，對(duì)領(lǐng)域知識(shí)進(jìn)行歸納和抽象，是本體的一種[10]。由于各自學(xué)科領(lǐng)域特點(diǎn)和具體工程應(yīng)用不同， 構(gòu)建本體的方法也不盡相同?！捌卟椒ā庇伤固垢４髮W(xué)開(kāi)發(fā)，該方法遵循了Gruber在1995年提出的選取領(lǐng)域本體構(gòu)建方法的5條規(guī)則[11]：明確性、客觀性、完整性、一致性和可擴(kuò)展性，適用于所有領(lǐng)域本體構(gòu)建。因此，本文選取“七步法”作為課程本體庫(kù)構(gòu)建方法，同時(shí)借鑒軟件工程領(lǐng)域的建模方法，結(jié)合專業(yè)領(lǐng)域知識(shí)，提出課程知識(shí)本體構(gòu)建方法，具體流程如圖1所示。

以《決策支持系統(tǒng)》[12-14]課程為例進(jìn)行專業(yè)領(lǐng)域知識(shí)分析，該課程“數(shù)據(jù)庫(kù)系統(tǒng)與數(shù)據(jù)倉(cāng)庫(kù)”章節(jié)概念關(guān)系較為復(fù)雜，涉及決策支持系統(tǒng)中數(shù)據(jù)庫(kù)系統(tǒng)相關(guān)知識(shí)，如數(shù)據(jù)庫(kù)系統(tǒng)組成、體系結(jié)構(gòu)、設(shè)計(jì)過(guò)程，以及數(shù)據(jù)倉(cāng)庫(kù)、聯(lián)機(jī)分析處理和數(shù)據(jù)挖掘等新技術(shù)在決策支持系統(tǒng)中的應(yīng)用等內(nèi)容，知識(shí)點(diǎn)較多且隸屬于不同的技術(shù)領(lǐng)域，在沒(méi)有教師指導(dǎo)的情況下，學(xué)生無(wú)法很好地厘清學(xué)習(xí)思路。因此，本文選取該內(nèi)容進(jìn)行本體構(gòu)建，其核心知識(shí)架構(gòu)如圖2所示。

在分析專業(yè)領(lǐng)域知識(shí)的基礎(chǔ)上，以合適的知識(shí)顆粒度進(jìn)行知識(shí)點(diǎn)劃分，形成10個(gè)核心概念集：決策支持系統(tǒng)、數(shù)據(jù)、信息管理系統(tǒng)、數(shù)據(jù)庫(kù)、數(shù)據(jù)倉(cāng)庫(kù)、OLAP、OLTP、數(shù)據(jù)挖掘、數(shù)據(jù)預(yù)處理和數(shù)據(jù)可視化。

采用逐步細(xì)化的方法建立本體概念間的層次結(jié)構(gòu)，對(duì)核心概念集進(jìn)行分析和歸類。以“決策支持系統(tǒng)”作為知識(shí)本體的根節(jié)點(diǎn)，向下拓展：

T={數(shù)據(jù)，信息管理系統(tǒng)，數(shù)據(jù)庫(kù)，數(shù)據(jù)倉(cāng)庫(kù)，OLAP，OLTP，數(shù)據(jù)挖掘，數(shù)據(jù)預(yù)處理，數(shù)據(jù)可視化}

形成第一層次，將其中的重點(diǎn)概念進(jìn)一步向下拓展，以“數(shù)據(jù)挖掘”為例：

T（數(shù)據(jù)挖掘）={數(shù)據(jù)挖掘概述，分類算法，聚類算法，關(guān)聯(lián)規(guī)則方法，偏差分析方法}

形成第二層次，繼續(xù)將“聚類算法”、“分類算法”和“關(guān)聯(lián)規(guī)則方法”等重點(diǎn)概念進(jìn)一步向下拓展：

T{聚類算法}={聚類算法概述、基于密度方法、基于隸屬度方法、劃分方法、層次方法}

T{分類算法}={分類算法概述、KNN算法、SVM算法、人工神經(jīng)網(wǎng)絡(luò)算法、決策樹(shù)算法、貝葉斯算法、遺傳算法}

T{關(guān)聯(lián)規(guī)則方法}={ID3算法，Apriori算法，F(xiàn)P-growth算法}

形成第三層次，對(duì)其中抽象性較強(qiáng)的概念“劃分方法”和“基于網(wǎng)絡(luò)方法”作進(jìn)一步拓展：

T{劃分方法}={k-means算法}

T{基于網(wǎng)絡(luò)方法}={SOM算法}

形成第四層，以此類推，對(duì)總結(jié)的10個(gè)核心概念集、97個(gè)概念節(jié)點(diǎn)分析各自間的層次結(jié)構(gòu)。

按照前期分析，各概念間的關(guān)系涉及前驅(qū)關(guān)系（is prior of）、技術(shù)手段（is way of）、實(shí)例關(guān)系（is instance of）、準(zhǔn)則關(guān)系（is rule of）等8種，在概念節(jié)點(diǎn)之間加入關(guān)系，形成部分概念節(jié)點(diǎn)關(guān)系如圖3所示。

最后，利用Protégé工具對(duì)本體進(jìn)行形式化實(shí)現(xiàn)。由于OWL具有較強(qiáng)的語(yǔ)義表達(dá)能力和完善的推理機(jī)制， 并提供了多本體共享演化和擴(kuò)展等特性。本文采用OWL作為知識(shí)本體的表示語(yǔ)言，對(duì)概念間的語(yǔ)義關(guān)系進(jìn)行形式化表示[15-16]，結(jié)果如圖4所示。

2 學(xué)習(xí)路徑推薦策略設(shè)計(jì)

學(xué)習(xí)路徑是指學(xué)習(xí)活動(dòng)的路線與序列，是學(xué)習(xí)者在一定的學(xué)習(xí)策略指導(dǎo)下，根據(jù)學(xué)習(xí)目標(biāo)和學(xué)習(xí)內(nèi)容對(duì)所需完成的學(xué)習(xí)活動(dòng)的排序，以促使學(xué)生利用節(jié)點(diǎn)輔助教學(xué)和實(shí)現(xiàn)自我學(xué)習(xí)[17]?；谡Z(yǔ)義本體的學(xué)習(xí)路徑推薦算法以知識(shí)本體庫(kù)為基礎(chǔ)，通過(guò)合適的學(xué)習(xí)路徑生成算法和語(yǔ)義相似度算法，以實(shí)現(xiàn)在線學(xué)習(xí)層層深入的引導(dǎo)和知識(shí)的橫向拓展。

2.1 學(xué)習(xí)路徑生成策略

任何知識(shí)點(diǎn)都不是孤立的，而是與其它知識(shí)點(diǎn)相關(guān)聯(lián)。因此，當(dāng)學(xué)習(xí)者要學(xué)習(xí)一個(gè)知識(shí)點(diǎn)時(shí)，需要一些前驅(qū)知識(shí)點(diǎn)的支持。學(xué)習(xí)路徑生成策略的主要任務(wù)在于找出在學(xué)習(xí)目標(biāo)知識(shí)點(diǎn)之前需先掌握的知識(shí)點(diǎn)。由于領(lǐng)域知識(shí)本體庫(kù)中已經(jīng)建立了各知識(shí)點(diǎn)以及知識(shí)點(diǎn)之間的關(guān)系，利用知識(shí)點(diǎn)之間的前驅(qū)后繼關(guān)系即可建立學(xué)習(xí)目標(biāo)知識(shí)點(diǎn)需要先掌握的前驅(qū)知識(shí)的集合，最終形成目標(biāo)知識(shí)點(diǎn)學(xué)習(xí)路徑。算法流程如圖5所示。以“關(guān)聯(lián)規(guī)則方法”為例，生成的相關(guān)學(xué)習(xí)路徑如圖6所示。

2.2 相關(guān)知識(shí)協(xié)同策略

學(xué)習(xí)路徑生成策略可以看作知識(shí)點(diǎn)關(guān)系的縱向發(fā)掘，而在實(shí)際教學(xué)中，教師還會(huì)引導(dǎo)學(xué)生通過(guò)知識(shí)遷移的形式在橫向上作一定的知識(shí)拓展，對(duì)于可以通過(guò)相同的思維方式或知識(shí)基礎(chǔ)進(jìn)行學(xué)習(xí)的知識(shí)點(diǎn)同時(shí)進(jìn)行學(xué)習(xí)講解，以實(shí)現(xiàn)相關(guān)知識(shí)的協(xié)同學(xué)習(xí)。為了在學(xué)習(xí)平臺(tái)上實(shí)現(xiàn)該功能，本文對(duì)概念間的語(yǔ)義相似度進(jìn)行計(jì)算，并設(shè)置閾值，實(shí)現(xiàn)對(duì)有較強(qiáng)相似性知識(shí)的篩選，為學(xué)習(xí)者提供相似度適當(dāng)?shù)闹R(shí)點(diǎn)以實(shí)現(xiàn)相關(guān)知識(shí)的橫向拓展。

常用的語(yǔ)義相似度算法有基于距離的計(jì)算方法、基于特征的計(jì)算方法和基于信息量的計(jì)算方法。對(duì)于基于信息量的計(jì)算方法[18-20]，需要有較大本體庫(kù)，對(duì)于本文的小型本體庫(kù)容易出現(xiàn)概念趨同性過(guò)高，造成計(jì)算結(jié)果失真;基于距離的計(jì)算方法主要基于本體模型中的層次結(jié)構(gòu)進(jìn)行計(jì)算，計(jì)算方法相對(duì)簡(jiǎn)單，但計(jì)算量大且過(guò)程復(fù)雜;而基于概念的方法則需要依賴兩個(gè)概念間屬性的重合度判斷相似度。因此，本文采用一種融合距離和特征的計(jì)算方法，相關(guān)基本定義如下[21]：

定義1 設(shè)C為本體概念集合，概念間的二元關(guān)系[]：C[×]C，表示當(dāng)概念Ci為概念Cj的祖孫概念，或者兩個(gè)概念為同一個(gè)概念時(shí)，概念Ci包含于概念Cj。

定義2 概念a的所有祖先概念的集合為[φ（a）]（集合也包含概念a），利用概念間二元關(guān)系[]，可以定義為：

3 個(gè)性化學(xué)習(xí)路徑推薦應(yīng)用

為了對(duì)以上技術(shù)思路進(jìn)行驗(yàn)證，同時(shí)解決現(xiàn)有在線學(xué)習(xí)平臺(tái)中資源龐雜、缺乏有效引導(dǎo)的問(wèn)題，本文設(shè)計(jì)了一個(gè)具有引導(dǎo)學(xué)習(xí)功能的原型系統(tǒng)，并采用Visual Studio 2010開(kāi)發(fā)平臺(tái)和SQL Server 2008數(shù)據(jù)庫(kù)加以實(shí)現(xiàn)，完成對(duì)現(xiàn)有在線學(xué)習(xí)平臺(tái)的優(yōu)化。

3.1 系統(tǒng)總體設(shè)計(jì)

系統(tǒng)以本體建模結(jié)果為支撐，重組現(xiàn)有教學(xué)資源，利用建立起的概念間關(guān)系，通過(guò)語(yǔ)義相似度計(jì)算和學(xué)習(xí)路徑生成算法完成引導(dǎo)式學(xué)習(xí)策略。系統(tǒng)總體設(shè)計(jì)如圖7所示。

3.2 系統(tǒng)數(shù)據(jù)庫(kù)設(shè)計(jì)

Protégé的建模結(jié)果只是語(yǔ)義模型，不能直接為平臺(tái)使用，需要轉(zhuǎn)化為數(shù)據(jù)模型存入數(shù)據(jù)庫(kù)中，便于查詢、更新以及資源豐富。本文通過(guò)JENA框架實(shí)現(xiàn)本體向數(shù)據(jù)庫(kù)SQL Server 2008的存儲(chǔ)，數(shù)據(jù)庫(kù)共有知識(shí)表、相似度表和知識(shí)資源表，各表之間的關(guān)系如圖8所示。

3.3 系統(tǒng)核心功能界面展示

3.3.1 學(xué)習(xí)路徑生成

根據(jù)目標(biāo)知識(shí)點(diǎn)的前驅(qū)后繼關(guān)系，從目標(biāo)知識(shí)節(jié)點(diǎn)開(kāi)始遞推，生成完整的學(xué)習(xí)推薦路徑。知識(shí)節(jié)點(diǎn)有概念節(jié)點(diǎn)和實(shí)例節(jié)點(diǎn)兩種類型：對(duì)于概念節(jié)點(diǎn)，學(xué)習(xí)路徑中除前驅(qū)知識(shí)外，還包括適當(dāng)?shù)慕?jīng)典案例、算法等;對(duì)于實(shí)例節(jié)點(diǎn)，則只提供前驅(qū)知識(shí)，不再需要案例的輔助理解。

舉例說(shuō)明如下：概念節(jié)點(diǎn)“關(guān)聯(lián)規(guī)則方法”學(xué)習(xí)路徑推薦界面如圖9所示，實(shí)例節(jié)點(diǎn)“knn算法”學(xué)習(xí)路徑推薦界面如圖10所示。

3.3.2 相關(guān)知識(shí)協(xié)同

通過(guò)本體的語(yǔ)義相似度計(jì)算結(jié)果，為學(xué)習(xí)者提供目標(biāo)知識(shí)節(jié)點(diǎn)相關(guān)知識(shí)的協(xié)同學(xué)習(xí)，實(shí)現(xiàn)學(xué)習(xí)路徑的橫向拓展。利用上文計(jì)算方法，以“knn算法”為例，與其有關(guān)的語(yǔ)義相似度計(jì)算結(jié)果如圖11所示。由以上計(jì)算結(jié)果得知，與“knn算法”語(yǔ)義相似度較高的知識(shí)點(diǎn)有“svm算法”、“決策樹(shù)算法”、“貝葉斯算法”、“偏差分析”和“關(guān)聯(lián)規(guī)則方法”等，較符合課程知識(shí)的實(shí)際關(guān)系。利用語(yǔ)義相似度計(jì)算結(jié)果，將相關(guān)知識(shí)推薦給用戶，供用戶有選擇地展開(kāi)學(xué)習(xí)，如圖12所示。

4 結(jié)語(yǔ)

目前，本體和推理技術(shù)在信息檢索、知識(shí)共享和知識(shí)獲取等領(lǐng)域應(yīng)用廣泛。作為一個(gè)較新的概念，在在線學(xué)習(xí)平臺(tái)中，基于本體的數(shù)據(jù)挖掘仍有較好的應(yīng)用前景。本文結(jié)合《決策支持系統(tǒng)》網(wǎng)絡(luò)課程現(xiàn)有資源情況，以“數(shù)據(jù)庫(kù)系統(tǒng)與數(shù)據(jù)倉(cāng)庫(kù)”章節(jié)內(nèi)容為例，提出以本體知識(shí)庫(kù)為基礎(chǔ)，結(jié)合語(yǔ)義相似度技術(shù)，實(shí)現(xiàn)個(gè)性化學(xué)習(xí)路徑推薦方法，并進(jìn)行了原型系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)。實(shí)驗(yàn)表明，該方法基本能夠解決學(xué)習(xí)者在在線學(xué)習(xí)平臺(tái)中經(jīng)常遇到的“認(rèn)知過(guò)載”和“學(xué)習(xí)迷航”等問(wèn)題，有利于培養(yǎng)學(xué)生學(xué)習(xí)興趣，提升學(xué)生自主學(xué)習(xí)能力，也有助于發(fā)揮部隊(duì)院校網(wǎng)絡(luò)課程資源對(duì)教學(xué)的輔助作用，促進(jìn)教與學(xué)的良性發(fā)展。

參考文獻(xiàn)：

[1] 中華人民共和國(guó)中央軍事委員會(huì). 2020年前軍隊(duì)人才發(fā)展規(guī)劃綱要[Z]. 2011.

[2] BRUSILOVSKY P， VASSILEVA J. Course sequencing techniques for large-scale web-based education[J]. International Journal of Continuing Engineering Education and Life-long Learning， 2003，13（1/2）：75-94.

[3] VANDEN B B，VAN E R， TATTERSALL C，et al. Swarm-basaed sequencing recommendations in e-learning[C]. Proc of the 5th International Conference on Intelligent Systems Design and Applicatins，2005：488-493.

[4] CHEN C M. Intelligent web-based learning system with personalized learning path guidance[J]. Computer & Education，2008，51（2）：784-814.

[5] HUANG Z F，ZHAO C L，HUANG X Y，et al. Reserach on adaptive learning path recommendation based on context-aware environments[J]. E-education Research，2015，36（5）：77-84.

[6] WANG L，ZENG Z，LI R. Cross-domain personalized learning resources recommendation method[J]. Mathematical Problems In Engineering， 2013，10（5），206-232.

[7] SHISHEHCHI S， BANIHASHEM S Y， et al. A proposed semantic recommendations system for e-learning： a rule and ontology based e-learning recommendation system[J]. Proc of Intelligent System in Information Technology，2014（1）：1-5.