[论文解读] A Simple Recommender Engine for Matching Final-Year Project Student with Supervisor

Mohammad Hafiz Ismail, Tajul Rosli Razak+2 more|arXiv (Cornell University)|Aug 8, 2019

Educational Technology and Assessment参考文献 3被引用 8

一句话总结

本文提出了一种简单的推荐引擎，通过问卷派生的兴趣数据，使用欧几里得距离算法将毕业年级项目学生与导师进行匹配。该系统使用Java实现，初步测试表明其具有可行性，显示出在解决学术项目中学生与导师匹配问题方面的潜力。

ABSTRACT

This paper discusses a simple recommender engine, which can match final year project student based on their interests with potential supervisors. The recommender engine is constructed based on Euclidean distance algorithm. The initial input data for the recommender system is obtained by distributing questionnaire to final year students and recording their response in CSV format. The recommender engine is implemented using Java class and application, and result of the initial tests has shown promises that the project is feasible to be pursued as it has the potential of solving the problem of final year students in finding their potential supervisors.

研究动机与目标

• 解决毕业年级学生难以找到合适项目导师的挑战。
• 为学术环境中学生与导师的匹配开发一种轻量级、实用的解决方案。
• 评估基于基本相似性度量（如欧几里得距离）的推荐系统实现的可行性。
• 为学术机构提供一种可扩展且可实施的工具，以改善项目导师匹配。

提出的方法

• 通过向毕业年级学生分发结构化问卷收集其兴趣。
• 以CSV格式存储响应结果，以便进行结构化数据处理。
• 使用欧几里得距离算法实现推荐引擎，计算学生兴趣与导师专长之间的相似度。
• 使用Java作为编程语言构建并部署应用程序。
• 根据最小欧几里得距离得分对潜在的学生-导师匹配进行排序。
• 通过初步测试验证系统，以评估其可行性和性能。

实验结果

研究问题

• RQ1 基于兴趣匹配度，简单的推荐系统能否有效将毕业年级项目学生与合适的导师进行匹配？
• RQ2 欧几里得距离算法在衡量学生与导师兴趣档案之间相似度方面表现如何？
• RQ3 在学术机构中，实现轻量级、非复杂系统的可行性如何？
• RQ4 基于问卷的兴趣数据能否有效用于生成可靠的推荐？

主要发现

• 推荐引擎成功使用欧几里得距离算法计算学生兴趣与导师档案之间的相似度得分。
• 初步测试结果表明，该系统具有实现可行性，并在解决学生与导师匹配问题方面显示出潜力。
• 使用CSV格式的结构化问卷数据，可实现高效的数据处理，并顺利集成到推荐流程中。
• 系统使用Java实现，展示了其在学术环境中的实用性和易于部署的特性。
• 该方法轻量且无需复杂的机器学习模型，使其适用于中小型机构。
• 本研究证实，基本相似性度量可在学术导师匹配情境中产生有意义的推荐。