TrueLearn：匹配终身学习者与开放教育资源的贝叶斯算法族

计算机辅助学习系统的最新进展以及当今开放教育资源的可用性，为向广大学习者提供高性价比、高质量的教育提供了一条途径。计算机辅助学习最雄心勃勃的用例之一是构建终身学习的推荐系统。与短期课程不同，终身学习提出了独特的挑战，需要复杂的推荐模型，以考量背景知识、材料新颖性等多种因素，同时有效维持大量学习者长达显著更久时间（理想为一生）的知识状态。本工作提出了构建动态、可扩展且透明的教育推荐系统的基础，从学习者与开放教育资源的互动这一隐式数据中建模其知识。我们 i) 使用基于 Wikipedia 的文本本体自动提取教育资源的知识组件，ii) 提出一组受项目反应理论与知识追踪知名领域启发的在线贝叶斯策略。我们的提案 TrueLearn 侧重于推荐学习者具备足够背景知识（从而能够理解并从材料中学习）且材料具有足够新颖性以帮助学习者提升学科知识并保持投入的资源的推荐。我们进一步构建了一个大型开放教育视频讲座数据集，并测试了所提算法的性能，其显示出构建有效教育推荐系统的明确前景。