基于上下文的学习：个性化和自适应学习推荐的上下文指标调查。一种教育和技术的视角。
摘要：个人化学习在提高学习者表现方面已经证明了其有效性。因此，现代数字学习平台越来越依赖于推荐系统，为学习者提供个性化的学习材料建议。学习者可以利用这些建议来获取劳动力市场或正式教育所需的某些技能。个性化可能基于多个因素，如个人偏好、社交关系或学习环境。在教育环境中，学习环境在生成合理的推荐方面起着重要作用，这些推荐不仅满足学习者的偏好，还符合学习过程的教育目标。这是因为学习环境描述了学习者在请求学习建议时的实际情况。它提供关于学习者当前的知识状态、目标取向、动机、需求、可用时间和其他反映他们状态的因素的信息，这些因素可能影响学习建议的感知和利用方式。环境感知的推荐系统有潜力反映学习专家根据学生的状态和需求在推荐材料方面可能遵循的逻辑。在本文中，我们回顾了定义用户学习环境的最新方法。我们概述了可用的定义，以及在定义上下文时考虑的不同因素。此外，我们进一步研究了这些因素与在学习理论中的教育基础之间的联系。我们旨在从教育和技术的角度对上下文化学习进行全面的理解。通过结合这两个观点，我们旨在弥合从教育和技术角度进行上下文化学习推荐的差距。
作者：Hasan Abu-Rasheed, Christian Weber and Madjid Fathi
论文ID：2308.16661
分类：Human-Computer Interaction
分类简称：cs.HC
提交时间：2023-09-01