信息技术环境下,海洋科普教育知识服务内容不再局限于传统层面,受到科技和社会发展的影响,服务平台需要对知识服务方式进行创新,对服务内容及时更新,强调服务内容的深度和广度,以及服务内容的个性化和多样化。另外,知识需求突破传统层面,需要提供针对性更强的内容,如个性化推送、定制知识推送、参考咨询等,这样才能更好地为海洋科普教育提供知识服务。
海洋科普教育个性化知识服务根据特定学习者,以及不同的地点、时间和事件定制知识服务。海洋科普教育个性化知识服务需要分析学习者感兴趣的知识,这既是为了提高学习者满意度,也是为了扩大所提供知识服务的范围。个性化知识服务需要新颖而有效的信息技术来分析学习者所涉及的学习情况,才能定制个性化知识服务。其中,“上下文感知系统”技术可以让海洋服务平台根据学习者“当前上下文”提供个性化服务,使其服务适应学习者的实际需求。鉴于传统的个性化知识服务内容技术是基于历史行为相似性来寻找学习者可能感兴趣的内容,为此,研究者寄希望于找到其他特征来替代相似性,例如,将学习者之间的社交网络影响力融入个性化知识服务算法中,能获得更好的知识服务推荐效果。
随着专业化、数字化和分布式信息技术的应用,个性化、专业化和多样化信息技术服务成为知识服务重要的发展趋势之一。多元化、结构化资源和特色知识服务利用社交关系识别社交网络中的“众包意见”,并基于“众包意见”产生推荐结果,社交网络中的一种知识服务算法如何融合社交关系和学习者偏好进行相关学习资源推荐是知识服务关注的问题。
(二)海洋科普教育知识服务推荐系统(www.daowen.com)
智慧教育环境下,海洋科普教育知识服务推荐系统针对知识服务个性化推荐问题,借助复杂网络中的相似性、传播机理、动力学等,构建基于社交关系的个性化推荐的理论框架,为分析社交关系在海洋科普教育知识服务推荐中所起的作用提供理论依据。知识服务平台设计利用社交关系和用户偏好进行推荐的方法,让个性化推荐算法更符合人们在实际生活中的决策过程。同时,关注学习资源个性化推荐结果的非准确率特征,以达到提升学习资源推荐结果接纳度、提高学习资源推荐结果转化率的目的。
语义Web 服务发现与推荐是一种潜在的技术,为学术界提供了改进的知识推荐来满足用户的需求。为了实现知识服务的精确推荐,语义推荐集成学习方法,此方法消除了复杂的特性。语义分析是语义推荐的主流技术之一,与传统的用户搜索模式技术相比,该技术的性能有了显著的提高。在此基础上,有学者提出了一种有效的语义推荐方法,该方法用知识图表示学习者所感兴趣的主题(各种概念、对象、事件、人、实体、位置以及它们之间的关系),使用社交网络分析语义信息和计算用户之间的兴趣相似度,并构建学习者的兴趣轮廓。知识服务推荐系统需要分析学习者的社交特性,如信任关系的不对称性、传递性、动态性等,以考察它们对学习资源个性化推荐效果的影响;有学者认为,社交关系跟相似性不是简单的替代,两者或许能够共同作用,更好地改进学习资源个性化推荐技术的性能;伴随着社交海量数据、异构数据、多模态数据的产生,学习资源个性化推荐算法的适应性、可移植性、可扩展性等也必将出现相应的研究。
海洋科普教育知识服务推荐系统可以缓解信息过载问题,帮助学习者根据自己的偏好检索知识。在知识密集型环境中,知识用户需要访问与任务相关的编码知识来执行任务。用户的知识引用行为可以建模为知识流,以反映用户的知识需求随时间而发生的变化。知识服务推荐方法可以通过推荐适当的文档来满足知识工作者的信息需求,从而主动支持知识工作者执行任务。
免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。