春节前一篇论文被IEEE ACCESS录用!
来源: 黄玲/
中山大学
214
3
0
2019-02-03

刚收到IEEE ACCESS的录用函,一篇名为A Score Prediction Approach for Optional Course Recommendation via Cross-User-Domain Collaborative Filtering被录用!2018年是收获满满的一年!2019年继续加油!也预祝各位学者网老师朋友在新的一年里诸事顺利,硕果累累!


Mark一下该成果的重点:

随着社会的进步,人类所产生的知识量也大幅度膨胀,为了适应社会对人才的需求,高等院校纷纷设立各种专业/方向,即使在一个已有专业,伴随着学科在专业领域内的发展,也会不断增设新的课程。

由于全校公共选修课以及专业选修课数量较大,学生无法快速准确地从这些选修课中快速找到他们感兴趣的选修课,不仅仅造成选修课资源的浪费,同时也使得这些学生错失感兴趣课程学习的机会。特别地,每个学期初,存在着不少的学生退课以及增选选修课情况:有部分学生在前几周试听某门选修课之后,发现对该课程并不感兴趣,从而申请退课;同时也有部分的学生因为喜欢某门课但由于该课程选修人数限制并未能在正常选课环节选此门课,但是在有其他同学退课余留有选课名额的时候,提出增加选修该课的申请。这种退课以及增选课程,对教务员、任课老师、学生带来了极大的不便以及教育资源的浪费。学期期末考核之际,也有很大一部分比例的学生因为对某一门选修课不感兴趣,但是并未及时退选该课程,无法学好某一门课,从而导致无法取得理想的成绩。针对上述问题,本成果研发了一个学生选修课程精准推荐系统,不仅仅解决选修课程资源浪费问题,同时也减轻教务员、任课老师的负担。最重要的是学生可以最大限度地学习感兴趣的课程,取得学业上的成功。

 

研究思路和技术路线:

1)    首先通过分析中国大学的选课情况以及成绩分部规律,制定相关的选修课精准推荐研究计划。

2)    接着基于经典的协同过滤精准推荐算法,结合学生课程成绩分布规律,研究建立了一个新的跨用户域协同过滤课程成绩精准预测方法。

3)    基于预测的成绩以及学生课表安排,作出选修课精准推荐。

创新点和学术贡献:

1)     提出了一个基于成绩预测的选修课推荐系统,包含两个阶段:第一个阶段是新的跨用户域协同过滤课程成绩精准预测,第二个阶段是基于预测的成绩以及学生课表安排,作出选修课精准推荐。

2)     深入分析了中国大学生的必修课和选修课选课情况以及成绩分布。

3)      提出了一个新的跨用户域协同过滤课程成绩精准预测算法。



登录用户可以查看和发表评论, 请前往  登录 或  注册
SCHOLAT.com 学者网
免责声明 | 关于我们 | 联系我们
联系我们: