浏览全部资源
扫码关注微信
医学生个性化学习资源推荐系统偏好与其自主学习水平的相关性研究
Research on the correlation between the preference of personalized learning resource recommendation system and self-directed learning level of medical students
- 中华医学教育探索杂志 2023年22卷第6期 页码：942-946
- 作者机构：
1.中国医科大学肿瘤医院/辽宁省肿瘤医院院长办公室，沈阳 110042
2.中国医科大学第一临床学院，沈阳 110000
- 作者简介：
苑永辉，Email：yyxhdh@126.com
- 基金信息：
DOI：10.3760/cma.j.cn116021-20221006-01329
中图分类号： R-33纸质出版日期：2023-06-20，
收稿日期：2022-10-06，
扫 描 看 全 文
马晓丹, 凯丽比努尔·喀依木 , 阮昱清, 等. 医学生个性化学习资源推荐系统偏好与其自主学习水平的相关性研究[J]. 中华医学教育探索杂志, 2023, 22(6): 942-946.
Ma Xiaodan, Kalbinur·Kayim, Ruan Yuqing, et al. Research on the correlation between the preference of personalized learning resource recommendation system and self-directed learning level of medical students[J]. Chinese Journal of Medical Education Research, 2023,22(6):942-946.
马晓丹, 凯丽比努尔·喀依木 , 阮昱清, 等. 医学生个性化学习资源推荐系统偏好与其自主学习水平的相关性研究[J]. 中华医学教育探索杂志, 2023, 22(6): 942-946. DOI： 10.3760/cma.j.cn116021-20221006-01329.
Ma Xiaodan, Kalbinur·Kayim, Ruan Yuqing, et al. Research on the correlation between the preference of personalized learning resource recommendation system and self-directed learning level of medical students[J]. Chinese Journal of Medical Education Research, 2023,22(6):942-946. DOI： 10.3760/cma.j.cn116021-20221006-01329.
摘要
目的
2
了解医学生对个性化学习资源推荐系统的性能、功能和推荐方式的偏好，以及与医学生自主学习能力的相关性，为进一步构建有效的学习平台和学习资源工具提供参考。
方法
2
以某医科大学大一至大三医学生482人为研究对象，使用电子版自主学习量表及自制医学教育学习资源推荐系统的性能、功能及推荐方式量表进行问卷调研。使用SPSS 26.0进行
t
检验、单因素方差分析、秩和检验、Pearson相关分析。使用Pearson相关分析探究医学生信息资源推荐系统的性能、功能及推荐方式偏好与自主学习能力的相关性。
结果
2
医学生对于学习资源推荐系统的学习性[（4.35±0.58）分]、准确性[（4.32±0.62）分]
和时效性[（4.32±0.62）分]具有较高的需求和偏好。对于推荐系统的功能方面，在社交功能中的关注[（4.10±0.71）分]
、分享[（3.94±0.82）分]，在交互功能中的搜索[（4.35±0.59）分]
、反馈[（4.09±0.73）分]、发表[（3.80±0.88）分]
都得到了较高的评分。对于推荐方式偏好，基于学科联系[（4.07±0.66）分]、基于时间线[（4.02±0.74）分]
等方面得分更高。与自主学习相关性较高的有信息资源推荐系统的时效性（
r
=0.367）、社交属性（
r
=0.361），以及基于类似人群维度（
r
=0.316）。
结论
2
医学生对学习资源推荐系统的各类性能、功能和推荐方式较为熟悉且态度积极，具有学习资源推荐系统构建及相关资源平台建设的认知基础。该系统与医学生自主学习能力具有一定的相关性，推进医学教育信息资源建设有利于促进学生自主学习能力的发展。
Abstract
Objective
2
To understand the preferences of medical students for the performance
function and recommendation method of personalized learning resource recommendation system
as well as the correlation with the self-directed learning ability of medical students
so as to provide a reference for further building an effective learning platform and learning resource tool.
Methods
2
A total of 482 first-year to third-year medical students in a medical university were selected as the research subjects. The electronic self-directed learning scale and the self-designed medical education learning resources recommendation system of performance
function and recommendation method scale were used to conduct a questionnaire survey. Pearson correlation analysis was used to explore the correlation between the performance
function and recommendation method preference of medical students' information resource recommendation system and self-directed learning ability.
Results
2
Medical students had high demand and preference for learning [(4.35±0.58) points]
accuracy [(4.32±0.62) points]
and timeliness [(4.32±0.62) points] of learning resource recommendation system. In terms of the function of the recommendation system
the following [(4.10±0.71) points]
and sharing [(3.94±0.82) points]
and searching [(4.35±0.59) points]
feedback [(4.09±0.73) points] and publication [(3.80±0.88) points]
in the interactive function were all highly rated. For the preference of recommendation methods
the scores of discipline connection [(4.07±0.66) points] and time line [(4.02±0.74) points]
were higher. The dimensions with high relevance to self-directed learning included timeliness (
r
=0.367)
social attributes (
r
=0.361)
and the basis of similar groups (
r
=0.316).
Conclusion
2
Medical students are familiar with and have a positive attitude towards the performance
functions and recommendation methods of the learning resource recommendation system
and have a cognitive foundation for the construction of the learning resource recommendation system and related resource platforms. This system has a certain correlation with the self-directed learning ability of medical students. Promoting the construction of medical education information resources is conducive to promoting the development of self-directed learning ability of medical students.
关键词
个性化学习信息资源推荐系统自主学习医学生
Keywords
Personalized learningResource recommendation systemSelf-directed learningMedical student
references
教育部. 教育部关于印发《教育信息化2.0行动计划》的通知[J]. 中华人民共和国教育部公报， 2018（4）： 118-125.
唐国菊. 网络学习资源个性化推荐系统的设计与开发[D]. 西安： 陕西师范大学， 2012.
杜阳， 董德森. 学生自主学习能力培养策略研究综述[J]. 教育教学论坛， 2017（42）： 188-189. DOI: 10.3969/j.issn.1674-9324.2017.42.085http://dx.doi.org/10.3969/j.issn.1674-9324.2017.42.085.
Cheng SF, Lee-Hsieh J, Turton MA, et al. Validation of self-directed learning instrument and establishment of normative data for nursing students in Taiwan: using polytomous item response theory [J]. J Nurs Res, 2014, 22(2): 90-100. DOI: 10.1097/JNR.0000000000000027http://dx.doi.org/10.1097/JNR.0000000000000027.
张博文， 凯丽比努尔·喀依木， 阮昱清， 等. 信息化背景下自主学习量表在医学生中的应用[J]. 医学教育研究与实践， 2022， 30（3）： 298-302. DOI: 10.13555/j.cnki.c.m.e.2022.03.010http://dx.doi.org/10.13555/j.cnki.c.m.e.2022.03.010.
Shani G, Gunawardana A. Evaluating Recommendation Systems [M] //Ricci F, Rokach L, Shapira B, Kantor P. Recommender Systems Handbook. Springer, Boston: MA, 2011: 257-297. DOI: 10.1007/978-0-387-85820-3_8http://dx.doi.org/10.1007/978-0-387-85820-3_8.
Avazpour I, Pitakrat T, Grunske L, et al. Dimensions and metrics for evaluating recommendation systems [M] //Recommendation Systems in Software Engineering. Berlin, Heidelberg: Springer Berlin Heidelberg, 2013: 245-273. DOI: 10.1007/978-3-642-45135-5_10http://dx.doi.org/10.1007/978-3-642-45135-5_10.
宋银李， 孙瑜. 国内数字化学习资源推荐算法研究热点、趋势和启示[J]. 云南师范大学学报（自然科学版）， 2022， 42（3）： 60-66. DOI: 10.7699/j.ynnu.ns-2022-038http://dx.doi.org/10.7699/j.ynnu.ns-2022-038.
毕向阳. 大学生网络成瘾的性别差异： 基于网络使用偏好的多重中介效应分析[J]. 学海， 2016（4）： 134-142. DOI: 10.16091/j.cnki.cn32-1308/c.2016.04.020http://dx.doi.org/10.16091/j.cnki.cn32-1308/c.2016.04.020.
黄克斌. 网络学习行为及其分析系统研究[D]. 武汉： 华中师范大学， 2006.
彭文辉. 网络学习行为分析及建模[D]. 武汉： 华中师范大学， 2012.
陈运文. 谈谈“推荐系统”和“搜索引擎”[J]. 计算机与网络， 2017， 43（24）： 43-44. DOI: 10.3969/j.issn.1008-1739.2017.24.045http://dx.doi.org/10.3969/j.issn.1008-1739.2017.24.045.
杨淑梅. 推荐系统交互性研究综述[J]. 软件， 2013， 34（8）： 154-158. DOI: 10.3969/j.issn.1003-6970.2013.08.059http://dx.doi.org/10.3969/j.issn.1003-6970.2013.08.059.
高洁， 刘梦， 白继芳， 等. 网络环境下大学生自主性学习动机影响因素研究[J]. 软件导刊（教育技术）， 2019， 18（10）： 30-34. DOI: 10.16735/j.cnki.jet.2019.10.010http://dx.doi.org/10.16735/j.cnki.jet.2019.10.010.
穆肃， 雷艳， 刘海星. 学习者了解在线协作学习吗? ——在线协作学习感知分析[J]. 开放教育研究， 2016， 22（3）： 71-81. DOI: 10.13966/j.cnki.kfjyyj.2016.03.008http://dx.doi.org/10.13966/j.cnki.kfjyyj.2016.03.008.
李张安. 推荐系统常用算法概述及简单对比[J]. 通讯世界， 2018（5）： 316-317. DOI: 10.3969/j.issn.1006-4222.2018.05.196http://dx.doi.org/10.3969/j.issn.1006-4222.2018.05.196.
0
浏览量
0
下载量
0
CSCD
- 网络PDF下载
- WORD下载
- Meta-XML下载
- BibTeX下载
- Endnote下载
- RefMan 下载
- NoteExpress下载
- NoteFirst下载
关联资源
相关文章
相关作者
相关机构
- 技术支持由北京北大方正电子有限公司提供 京ICP备09064830号-19
京公网安备11010802024621 - 本系统建议在Chrome、 IE9+ 以上版本浏览器阅读本站内容，360浏览器请切换至极速模式
- Cookies帮助我们提供服务并提供个性化体验。使用本网站，即表示您同意我们使用Cookies
