基于数据挖掘的个性化学习系统研究

本文针对网络学习行为和数据挖掘技术的特点．在适用性学习系统的基础上加入了数据挖掘处理和个性化推荐模块,提出了基于数据挖掘的个性化学习系统模型：重点讨论了个性化推荐模块和基于数据挖掘个性化学习系统的数据挖掘模块的处理过程。     

基于教育数据挖掘的个性化自适应学习系统研究

随着大数据时代的到来和在线学习的蓬勃发展,个性化自适应学习日益成为人们关注的热点。本文从教育数据挖掘的目标和关键技术出发,在个性化自适应学习系统中应用教育数据挖掘技术,研究了学习者模型、领域知识模型和社交网络模型的构建、融合和应用,设计出基于教育数据挖掘的个性化自适应学习系统的架构和流程,探讨了模型的构建和个性化自适应学习引擎机制的建立,提出了基于聚类的个性化自适应学习内容呈现、基于序列挖掘和关联规则的最佳学习路径推荐、基于协同过滤和社交网络的个性化资源推荐方法。     

基于移动学习的个性化学习系统研究

移动学习作为一种新的学习模式,已经是一个很热门的研究领域,移动学习中个性化学习系统的模型可以为学习者的个性化移动学习过程的设计提供依据。本文对移动学习的概念、特点及优势做出一定的阐述,分析了影响学习者在移动学习中进行个性化学习的关键因素。设计出基于学习者个性特征的移动学习系统模型,同时文中对系统的各个模块以及系统模型进行了论述。     

基于数据分析的初中生自适应学习系统的设计与开发

现有网络学习系统提供千篇一律的学习资源,不能根据用户特性动态地呈现个性化学习内容,而构建自适应学习系统是满足学生需求个性化与教学资源动态化的有效方案。文章以电子书包为载体,构建初中生学习者模型和知识模型,设计并开发基于数据分析的初中生自适应学习系统,发现学习规律,根据每一个学习者的需求和能力为其提供个性化学习服务。     

个性化远程学习的形式化建模方法研究

在分析远程教育个性化服务系统行为特性以及用户学习活动中涉及的行为属性基础上,对普通Petri网进行基于属性抽取与整合操作的扩展,针对个性化远程教育系统建立基于扩展Petri网的形式化模型.从模型特性分析结果,它符合个性化学习活动特性和要求,能有效体现系统个性化功能特性.     

基于分布式认知的自适应学习模式探究

在线学习成为学生学习的新手段和途径.基于分布式认知理论,建立学生专业学习的自适应学习模型,使学生更有效地利用在线学习系统,根据自身的专业基础和兴趣爱好,更好地构建知识体系结构,达到个性化学习的目的.文章以计算机专业为例,对自适应在线学习系统模型进行了探究分析,提出了个性化、自适应的在线学习系统模型DC-ALM,对其功能模型及体系结构进行了研究,并以课程为例对模型进行了应用设计.     

支持个性化学习的e-Learning系统研究

本文以个性化学习理论为指导,采用课程知识、教学方法和学习资源相互分离的策略,应用人工智能技术、数据挖掘技术和数据库技术构建了一个基于网络的个性化学习系统,该系统能根据学习者的知识结构、学习目标、学习风格、偏好等特征信息提供适应学习者的教学方法和学习资源,营造个性化的网络学习环境.同时,系统的个性化服务决策规则和模型还可通过数据挖掘修正不断加以完善.     

智能教育下基于情境感知的自适应学习系统构建

伴随着大数据和人工智能在教育领域的渗透和融合,个性化学习成为当前和未来教育关注的焦点,而自适应学习系统为个性化学习提供了一种实践路径.在分析自适应学习基本模型的基础上,结合自适应超媒体系统通用模型AEHS,引入了学习情境,构建了基于情境感知的自适应学习系统模型.为了提高自适应结果的精准性,根据学习情境中的学习者要素、时间要素、空间要素和设备要素,对学习者进行学习情境分组,以此为基础,通过学习者模型、领域模型和教学模型的协同作用,在自适应引擎的驱动下,生成自适应学习结果.最后,结合动态变化的时间因素,提供了个性化资源推荐的实现思路.     

智慧学习环境中自适应学习系统动力机制研究

智慧学习环境下的教学更加关注学习者的个性化诉求,自适应学习系统能够为实现个性化学习提供技术支持。文章针对传统层状自适应学习系统模型未阐明学习系统内部运行机制的不足,基于自适应逆控制理论研制了一种自适应学习系统动力模型。学习者的学习目标选择促使学习系统开始运行,学习者的初始学习目标与其后的学习成效之间的差值是维系学习系统继续运行的内在动力。学习系统在领域模型、学习者模型、认知诊断和自适应模型四者的协同作用下向学习者不断推送适切的学习资源,旨在消除学习目标与当前学习成效之间的差值,从而使系统重新归于稳定。文章从系统动力机制视角,设计了自适应学习系统包含的领域模型、学习者模型、自适应模型和认知诊断模型。研究将为自适应学习系统的设计与实现提供理论借鉴。     

基于语义Web的e-Learning模型设计

本文设计出一种基于语义'Web框架下的e-Leaming学习系统模型.探讨和分析了如何运用本体描述学习课程,从而为学习者设计一种可以通过查询学习课程领域本体来实现个性化学习的刚络课程模型.     

基于云学习平台的高职网络设备管理课程个性化教学改革与实践

云计算、大数据、人工智能等新信息技术的飞速发展,让新信息时代下的个性化学习成为当代教育变革发展的新范式。为推进新信息技术与高职教育深度融合创新,破解人才培养难题,以高职计算机网络技术专业网络设备管理课程为例,进行课程现状和学情分析,构建大数据视野下基于云学习平台的个性化学习模型,进行课程个性化教学改革与实践,通过学习满意度调查和学习成绩分析,个性化教学改革取得良好教学效果。     

学习资源个性化推荐系统的学习者模型构建

互联网的高速发展导致网络学习资源数量迅速增长,案例教学、理论教学等教学资源的个性化推荐受到更多关注。学习者模型是实现个性化推荐的依据。文章以CELTS-11学习者模型规范为基础,针对学习者的个性差异,在学习过程中对基本信息、学习风格、知识状态、认知能力、兴趣偏好等个性化特征展开研究,解决目前资源推荐系统的学习者模型中学习者特征描述不全面、个性化程度不高等问题,构建出了个性化的学习者模型,为学习资源的推送提供了有力的依据,应用效果表明了该方法的有效性。     

An investigation on the correlation of learner styles and learning objects characteristics in a proposed Learning Objects Management Model (LOMM)

The issues of accessibility, management, storage and organization of Learning Objects (LOs) in education systems are a high priority of the Thai Government. Incorporating personalized learning or learning styles in a learning object management system to improve the accessibility of LOs has been addressed continuously in the Thai education system. A proposed Learning Object Management Model (LOMM) is discussed in this paper which aims to adapt and optimize the learning process based on characteristics of the individual learners. This study aims to find the correlation between learning styles and LOs characteristics in the LOMM. Decision Tree and Apriori algorithms were used to generate a predictive model for the classification of learners. Development of the predictive model was based on survey results from 1,586 high school students in Nakhon Ratchasima province, Thailand. The diverse LOs characteristics were analyzed in order to find the correlation with learning styles of the learners. The classification model consists of 24 sub-models used to predict a learner’s class based on 8 groups of LOs characteristics. The best accuracy obtained in the study was 80.23%. Finally, for the next phase this approach has been designed to support the proposed LOMM and it is expected that it could be readily applied to other e-learning systems and digital repositories.     

联邦个性化学习推荐系统研究

当前,个性化学习推荐系统面临数据隐私保护、"冷启动"和法律约束等问题,而联邦学习作为近年来优秀的数据隐私保护机器学习技术解决方案,可有效解决这些问题。基于此,文章将联邦学习和个性化学习推荐相结合,设计了联邦个性化学习推荐系统。首先,文章分析了联邦个性化学习推荐系统的具体应用场景,包括横向联邦、纵向联邦、联邦强化三种。其次,文章分别针对这三种应用场景设计了相应的应用解决方案。最后,文章探讨了未来联邦个性化学习推荐系统面临的严峻挑战,以期帮助教育利益相关者在保护数据隐私的同时共享数据价值,最终实现更安全、更高质量的个性化学习推荐服务。     

基于大数据教学测评系统应用现状与策略 ——以广州市花都区为例

应用大数据教学测评系统分析学生学习情况,提供个性化学习服务成为教育领域关注的热点。以广州市花都区七所试点学校的教师和学生为调研对象,采用问卷调查的方法对教师和学生应用大数据教学测评系统的现状进行了分析。数据结果显示,大数据测评系统在教学中得到一定程度的应用,但仍然处于浅层次,师生在应用过程中师生普遍对大数据教学测评系统持有肯定的态度。随后从理念先行、分类分层、协同发展、校企协同等四个方面提出大数据教学测评系统的应用策略,以期为推动区域个性化教学提供借鉴。     

知识图谱助力学科教学——以大学模拟电子技术基础课程为例

知识图谱和个性化推荐技术是教育研究热点。借助学科知识图谱和学习者画像进行学习资源个性化推荐,提出基于学科知识图谱的资源关联推荐方法。在此基础上选取A、B两个模拟电子技术基础课堂进行学习效果验证,实验数据表明,基于知识图谱的学习资源关联推荐模型能在一定程度上提升该课程学习效果。     

终身教育公共服务体系设计研究——基于江苏省的实践

终身教育公共服务体系是依托信息技术、多元主体参与、利用各类资源、保证公共服务供给的教育系统.基于实践经验,文章提出了终身教育公共服务体系的建设目标、功能定位、运行模式和初步设计.江苏终身教育公共服务体系以提供个性化服务为建设目标、以立足服务民众学习需求为功能定位、以多元化主体共同参与、共建共享为运行模式,初步设想应囊括多元化的学习资源系统、完善化的组织管理系统、开放式的学习场地系统、合理化的成果认证系统和信息化的学习网络系统.     

斯坦福大学学业指导模式及启示——以工程学院为例

高等教育正面临着"学习危机",大量的教育投入并没有带来相应的教育质量提升,学业指导作为大学教育质量的保证理应受到重视。斯坦福大学作为世界一流大学的典型,在大学生学业指导体系和制度上积累了丰富的经验。对斯坦福大学工程学院的学业指导模式进行研究,发现其学业指导体系立足大学新生,以学生手册为平台,以课程指导为核心,以个性化、多元化为特征,贯穿本科教育。研究斯坦福大学学业指导模式为其本科教育质量提供了有力的保障,可从不同角度为我国高校学业指导的改革与发展提供理念启迪和经验借鉴。