온라인 학습 스타일 모델에 기반한 향상된 학습 자료 추천

스마트 학습 시스템은 학습자의 교육적 요구와 개인적 선호에 따라 맞춤형 패키지로 관련 학습 자료를 제공합니다. 본 논문에서는 온라인 학습자의 특징을 나타내기 위한 학습 스타일 모델을 소개합니다. 또한 학습자의 행동 데이터를 분석하여 학습 자료 적응을 구현하는 온라인 학습 스타일 기반 적응 추천(AROLS)이라는 향상된 추천 방법을 제시합니다. 첫째, AROLS는 온라인 학습 스타일에 따라 학습자 클러스터를 생성합니다. 둘째, 협업 필터링(CF)과 연관 규칙 분석을 적용하여 각 클러스터의 선호도와 행동 패턴을 추출합니다. 마지막으로, 다양한 크기의 개인화된 추천 세트를 생성합니다. 실제 데이터셋을 사용하여 일부 실험이 수행되었습니다. 결과는 우리의 온라인 학습 스타일 모델이 학습자의 데이터 마이닝에 기여하며, AROLS가 전통적인 CF 방법보다 확연히 우수하다는 것을 보여줍니다.