1. 研究目的与意义（文献综述）

1.1设计（论文）的意义

互联网技术的迅猛发展把我们的生活带入了信息爆炸的时代，海量信息同时呈现，所谓的海量信息包罗万象，其中有学习资源信息、金融信息、商品信息、视频信息、书籍信息等等。这里我们的研究最关注的就是学习资源信息。学习资源数据规模极速扩张的同时也给人们带来了不少的问题，现有的在线学习技术大多是均质化的，忽略了学习者的个体差异，不能满足学习者对学习的个性化需求。大量的、多样化的学习资源容易让在线学习的学习者产生认知超载和网络迷航的现象。通俗地讲就是学习者在海量的信息中无法发现自己所感兴趣的部分，即使可以也会花费大量的时间，而用海量的信息资源去弥补在寻找资源中花费的大量时间显然是得不偿失的。所以个性化推荐就随之产生了。个性化推荐系统通过建立学习者和学习资源之间的二元关系，利用已有的选择过程或相似性关系挖掘每个学习者潜在的感兴趣的对象，进而进行个性化推荐，其本质就是信息过滤。个性化推荐不仅在社会经济中具有重要的应用价值，而且也是一个非常值得研究科学问题。随着社会的发展，人们对个性化学习的呼声愈发高涨。教育信息化的推进使在线学习技术得到了快速的发展。在线学习系统中学习资源的个性化推荐就是根据学习者不同特点为其提供学习资源推荐服务，这样的处理方式能够体现学习的个性化，帮助学习者快速地发现有价值的资源，有利于提高在线学习效率。

1.2 国内外研究现状分析

2. 研究的基本内容与方案

2.1研究的基本内容和目标

北大软微moodle教学平台目前已经有不少由北大浙大等名校老师讲授的关于软件工程和计算机技术的课程发布在上面，为了更有针对性地判断学习者对某节课程的接受效果并完成精准的推荐以及更加准确地挖掘学习者可能感兴趣但是还未学习的课程，我们将对moodle平台的学习数据进行深度的整合与挖掘，实现学习资源的个性化推荐这一部分。

2.2研究的技术方案及措施

3. 研究计划与安排

第1-3周：查阅相关文献资料，明确研究内容。完成开题报告。

第4-7周：独立编写程序，对北大软微moodle在线学习系统进行再开发。

第8-11周：对现有的推荐算法深入理解，并尝试应用于学习个性化推荐。

4. 参考文献（12篇以上）

1. j. zhang, research on e-learning in college education: a model on personalized resource recommendation based on learning situation, ieee intl conf on ubiquitous intelligence and computing and 2015 ieee intl conf on autonomic and trusted computing and 2015 ieee intl conf on scalable computing and communications and its associated workshops (1264-1268) (2016).

2. m. a. domingues, e. a. cherman, b. m. nogueira, m. s. conrado, r. g. rossi, r. d. padua, r. m. marcacini, v. m. a. souza, g. e. a. p. a. batista and s. o. rczendc, a comparative study of algorithms for recommending given names, second international conference on informatics and applications (66-71) (2013).

3. a. kla#353;nja-mili#263;evi#263;, m. ivanovi#263; and a. nanopoulos, recommender systems in e-learning environments: a survey of the state-of-the-art and possible extensions, artificial intelligence review. 44 (2015) 571-604.