用于物联网感知在线学习系统的混合演员—评论家与BERT课程智能推荐框架

找到合适的在线课程

随着在线教育平台涌现出成千上万门课程，许多学习者面临一个既简单又令人沮丧的问题：我下一步该选哪门课？本文通过设计一种智能推荐系统来应对这种信息过载，该系统观察人们在手机、平板和电脑上的实际学习行为，并随时间为其推荐更符合目标、能力和习惯的课程。

为什么在线学习需要更智能的引导

大规模开放在线课程（MOOCs）让任何人在任何地方都能接触到高质量的课程。但这种模式的成功也带来了新的挑战：选项太多容易令人迷失。传统的推荐方法主要依赖星级评分或用户间的简单相似性，在这种快速变化的环境中往往力不从心。它们假定你的偏好是固定的，并常常忽略诸如会话停留时间、使用设备类型或何时容易中途放弃等丰富信号。在当今互联的学习平台上，这些模式会被持续记录，并能揭示更多关于如何保持学习者参与度的信息。

把课程内容与学习者行为结合起来

作者提出了一个混合系统，结合两类信息：课程内容的语义和学习者行为的细致轨迹。首先，他们使用一种强大的语言模型BERT来阅读课程标题、描述和标签，将其转化为密集的数值指纹，以捕捉主题和风格的细微差别。与此同时，系统收集来自网页和移动端日志的交互信号——学习者的点击频率、观看视频的时长、学习进度推进的速度，以及对不同课程的难度感知等。这些轨迹代表了一种物联网（IoT）学习场景，许多连接设备共同描绘出每个人的学习习惯画像。

学习助手如何自我学习

该框架的核心是一个强化学习设置，其中推荐器表现为一个通过试错学习的智能体。一对“演员—评论家”网络决定推荐哪些课程并评估这些选择的好坏，从而逐步改进策略。输入给该智能体的状态融合了基于BERT的课程指纹、学习者行为的紧凑摘要，以及由马氏距离模块生成的额外特征，后者在考虑多特征间相关性的情况下衡量相似性。奖励信号并非追逐快速点击，而是鼓励更深层的结果：完成更多课程、更好的测验成绩以及有意义的专注学习时间。一种称为近端策略优化（PPO）的训练方法在系统探索新推荐时保持学习的稳定性。

在真实课程平台上的测试

为了检验该设计的实际效果，作者在三个大型课程集合上训练和评估了模型：MOOCCube、edX 和 NTHU MOOCs。这些数据集在规模、学科构成以及用户交互的稀疏或稠密程度上各不相同，是很好的压力测试对象。他们将系统与若干强竞争方法比较，包括基于图神经网络、聚类和深度混合架构的方法。在所有数据集和标准的排序质量指标上，新模型表现始终更优，关键评分通常提升了两到四个百分点。精心的消融研究表明，每个组成部分——语义文本编码、演员—评论家结构、PPO训练规则以及考虑相关性的距离度量——都对最终提升有贡献。

这对未来在线学习意味着什么

简言之，研究表明，一个真正同时倾听课程内容承诺与学习者实际行为的推荐引擎，能够更有效地引导人们浏览拥挤的在线课程目录。通过跟踪不仅仅是点击，还包括完成率、测验成绩和持续专注度，系统学会推荐更符合每位学习者水平并能促使其持续前进的课程。由于该框架在设计上考虑了隐私保护，并可通过联邦学习和可解释界面等技术扩展，它为更具支持性和自适应性的在线课堂提供了实用路径，使学习体验不再像在迷宫中徘徊，而更像有一位知识渊博的导师指明下一步最佳选择。

引用: Chunqin, X., Peixi, W. A hybrid actor–critic and BERT framework for intelligent course recommendation in IoT-aware e-learning systems. Sci Rep 16, 10259 (2026). https://doi.org/10.1038/s41598-026-40952-2

关键词: 在线视频课程推荐, 个性化电子学习, 强化学习, 教育数据, 学习分析