面向MOOC讨论论坛的个性化主题串推荐

社交学习，即学生通过社交互动相互学习，有潜力显著扩大在线教育的教学规模。在许多情况下，例如大规模开放在线课程（MOOCs），社交学习由课程提供方托管的讨论论坛所促进。在本文中，我们使用点过程为学习者在 such 论坛发帖的过程提出了一个概率模型。与现有工作不同，我们的方法将帖子文本的 topic modeling、帖子活动随时间衰减的时间尺度建模以及学习者主题兴趣建模集成到单一模型中，并从用户数据中推断这些信息。我们的方法还根据主题串结构改变帖子引发的激发水平，以反映讨论论坛中典型的通知设置。我们在三个真实世界 MOOC 数据集上实验验证了所提出的模型，其中最大的包含多达 6000 名学习者在 5000 个主题串中发布 40000 条帖子。结果表明，我们的模型在主题串推荐方面表现出色，相较若干基线取得显著改进，从而显示出能够更高效地将学习者导向其感兴趣的主题串的潜力。此外，我们展示了模型参数可提供的分析，例如课程中不同主题类别的时间尺度。