Learning Outcomes, Assessment, and Evaluation in Educational Recommender Systems: A Systematic Review

本文分析了教育推荐系统（ERS）中如何测量和优化学习。具体而言，我们研究了现有ERS研究中使用的目标指标和评估方法，特别关注了推荐的教学效果。在进行系统文献综述（SLR）时，我们识别了1395篇潜在相关的论文，然后通过包含和排除标准进行筛选，最终选择并分析了28篇相关论文。评分相关性是最受欢迎的目标指标，而不到一半的论文优化基于学习的指标。只有三分之一的论文使用基于结果的评估来衡量推荐的教学效果，主要在正式的大学课程中。这表明，在评估推荐在规模和非正式教育环境中的教学效果方面，ERS研究存在差距。

评估教育推荐系统的学习效果存在的问题和挑战，以及如何在规模和非正式教育环境中评估推荐的教育效果

系统性地分析了现有教育推荐系统研究中的目标指标和评估方法，特别关注推荐对学习效果的教育影响。结果发现，评分相关度是最受欢迎的目标指标，而仅有不到一半的论文优化了基于学习效果的指标。只有三分之一的论文使用基于结果的评估方法来衡量推荐的教育效果，大多数是在正式的大学课程中。

论文通过系统文献综述的方法，总结了教育推荐系统研究中的关键问题和挑战，并提出了一些解决方案。研究发现，在教育推荐系统中评估推荐的教育效果是一个重要的问题，但目前的研究还存在许多挑战和限制。值得注意的是，只有少数论文使用基于结果的评估方法来衡量推荐的教育效果，这也说明了在规模和非正式教育环境中评估推荐的教育效果的重要性。

最近的相关研究包括：1. Chen等人的“基于知识图谱的教育推荐系统”，2. Wang等人的“基于深度学习的个性化教育推荐系统”，3. Liu等人的“基于学生行为的教育推荐系统”。