随着网上学习资源的不断增加，e-learning app以其学习时空灵活、学习资源丰富等独特的优点越来越受到研究者的关注。

近年来，国内外围绕e-learning推荐系统的研究急速增加。运用计量分析方法系统地分析该领域的研究有助于为在线教学推荐系统的高水平研究和高质量应用提供镜鉴。总的来说，当前国内外e-learning教学领域推荐系统研究的热点及其发展趋势集中体现在六个方面。

一是融合了诸多技术优势的混合推荐越来越受到重视，并成为主流。

二是随着技术支持下群体学习的多样化发展，个性化推荐逐步从关注个体推荐向关注群体推荐转变。

三是随着大规模开放式在线课程的流行，个性化推荐逐渐突破小规模面向大规模学习者群体，注重通过海量学习资源和过程数据的收集和挖掘提供个性化推荐。

四是从心理学层面关注学习者的情绪变化，并在此基础上建立各种交互场景，通过优化调整推荐内容促进学习者有效完成学习任务。

五是在推荐功能上更加强调学习模式的构建，注重提高学习者的深度认知能力和促进有效学习。

六是在支持先进技术方面，个性化推荐系统强调引入深度学习技术，不断优化其特征能力、融合效率、推荐效果。

由于对个性化学习和大数据可用性的需求不断增长，在线教学领域推荐系统的研究持续受到研究者的广泛关注。在e-learning中，由于学习者在学习背景、知识水平、学习方式等方面存在差异，向特定的学习者推荐合适的学习资源成为一个非常困难的问题。即使两个学员的学业成绩相似，他们也有不同的学习特点，因此需要不同的学习内容。 因此，e-learning推荐系统需要考虑学习者的具体需求，提供个性化推荐服务和个性化学习体验。

传统的在线教学个性化推荐系统多以个人学习者为对象，但在教学实践中往往需要推荐一个小组，尤其是合作学习小组。随着各种信息通信技术引入教学过程，教学不仅意味着教师向学员的知识转移，还意味着社区学习、小组合作、学习共享、知识构建等功能的多样化。

随着教育领域对个性化学习和大数据可用性需求的增长，e-learning app的研究在国内会持续受到广泛关注并呈现出良好的发展趋势。