توضیحات

• اصل مقاله انگلیسی را می توانید به طور رایگان دانلود کنید.
• متن کامل ترجمه پس از خرید قابل دانلود است، همچنین فایل ترجمه پس از اتمام خرید به صورت خودکار از سمت سرور به ایمیل شما نیز ارسال می شود، از آنجایی که ایمیل از سمت سرور و با نام سایت ارسال می شود، به همین دلیل ممکن است به عنوان ایمیل تبلیغاتی در نظر گرفته شده و در قسمت Spam (هرزنامه) ایمیل شما قرار گیرد، پس لطفا قسمت Spam (هرزنامه) ایمیل خود را نیز چک کنید.
• توجه: چنانچه پس از خرید طی دو ساعت ترجمه به ایمیل شما ارسال نشد، با ایمیل پشتیبانی تماس بگیرید تا ما در اسرع وقت به موضوع رسیدگی کنیم.

———————————————————————

مشخصات مقاله انگلیسی:

ترجمه عنوان مقاله: رویکرد مبتنی بر وزن‌دهی برای پیشنهاد منابع یادگیری

عنوان انگلیسی مقاله: Weighting Based Approach for Learning Resources Recommendations

نام ژورنال: INTERNATIONAL JOURNAL ON INFORMATICS VISUALIZATION

نام ناشر: JIOV

سال انتشار: ۲۰۱۸

تعداد صفحات مقاله انگلیسی: ۶ صفحه

دانلود مقاله انگلیسی

مشخصات ترجمه مقاله:

تعداد صفحات مقاله ترجمه شده: ۱۲ صفحه (در قالب فایل word و pdf)

ترجمه چکیده مقاله:

سیستم‌های توصیه‌گر مبتنی بر سیستم‌های یادگیری شخصی‌سازی شده، مقدار زیادی از داده‌های ناخواسته را حذف نموده و پیشنهاداتی را در مورد منابع یادگیری ارائه می‌دهند که برای فرد یادگیرنده جذاب هستند. اگر چه، سیستم‌های توصیه‌گر برای ارائه‌ی پیشنهادات به رویکرد مبتنی بر محتوا یا روش فیلتر کردن مشارکتی بستگی دارند، ولی این روش‌ها از مشکل شروع سرد و پراکندگی داده‌ها رنج می‌برند. برای غلبه بر این محدودیت‌های مشکلات فوق، یک رویکرد مبتنی بر وزن برای عملکرد بهتر ارائه شده است. معیار اصلی برای ایجاد یک سیستم توصیه‌گر شخصی‌سازی شده، استخراج محتوای مفید و ارائه‌ی پیشنهادات بهتر با حداقل زمان پردازش است. سیستم پیشنهادی یک برنامه‌ی سمت کلاینت مبتنی بر وب است که از پروفایل کاربران برای تشکیل همسایگی‌ها و محاسبه‌ی پیش‌بینی‌ها با استفاده از وزن‌ها استفاده می‌کند. برای تازه‌واردها (افراد جدیدالورود) یک پروفایل بر اساس سبک‌های یادگیری ایجاد می‌شود. منابعی که ممکن است مورد علاقه‌ی کاربر باشند، از روی پیش‌بینی‌های محاسبه شده پیش‌بینی می‌شوند.        

کلمات کلیدی:یادگیری الکترونیکی، سیستم توصیه‌گر، مجموعه‌دادگان، فیلتر کردن مشارکتی.

برای مشاهده نمونه کار می توانید به این صفحه مراجعه کنید.

مقالات مرتبط دیگری در این زمینه را می توانید در صفحه “مقالات سیستم های توصیه گر” بیابید.