共查询到20条相似文献,搜索用时 19 毫秒
1.
情境感知是泛在学习的本质特征,为学习者提供情境化、个性化与差异化的资源服务已成为泛在学习领域一个新的研究议题。文章采用个性化推荐视角,研究了泛在学习情境的形式化表征,构建了情境化的学习资源推荐模型,阐述了情境化资源推荐的一般过程,并就情境化资源推荐的关键问题进行了分析。 相似文献
2.
3.
生态学视角下的泛在学习 总被引:3,自引:0,他引:3
泛在学习是泛在计算支持下的一种学习方式,具有永久性、可获取性、即时性、交互性及教学行为的场景性等特点.从生态学的角度审视与思考泛在学习,可以看到,泛在学习为学习者提供了一种整合的学习环境,打破了学习环境的花盆效应,体现了学习与真实情境的相互作用和影响,促成了学习从"人工"情境到"生态"的回归;为学习者的个性化发展提供了良好的条件,使得学习者的主体性和个性得到充分发挥,避免了个性发展的超耐失衡;关注学习过程,关注学习者专业发展的生态位分化,利于学习者在专业发展上的自主进步;使学习者能够透过资源与学习该资源的其它人建立联系,组建无限扩展的社会认知网络.实现了学习者知识流生态困限的主动超越;聚焦社会发展的整体效应,为学习者提供了更加广阔的学习环境和学习选择权,越来越贴近学习者的终身学习需求. 相似文献
4.
为尊重学习者个体差异性,实现基于微信公众平台的泛在学习资源个性化推荐和个性化学习,增强学习者与学习资源的相关性,帮助学习者提高学习效率,论述了泛在学习的内涵,阐述了泛在学习公众平台相关研究现状。基于行为主义学习理论和因材施教理论设计了包含学习者层面、教师层面、系统层面和管理员层面的泛在学习资源个性化推荐微信公众平台相关功能模块,可为相关研究提供参考。 相似文献
5.
张静 《中国教育技术装备》2014,(18):39-40
泛在学习环境中,学习资源自适应推荐模型尝试将情境感知技术和数据挖掘技术引入泛在学习环境下的学习资源推送服务领域,通过感知学习者周围的环境、设备的变化,挖掘学习者的过往情境数据,借助个性化的推送规则库,在海量的学习资源中快速定位到最适合学习者的资源,并推送给学习者,帮助学习者建立真正无缝的泛在学习体验。 相似文献
6.
泛在学习中自适应学习系统模型研究 总被引:1,自引:0,他引:1
泛在学习能够给予学习者随时发生的学习提供支持,更有利于培养和激发学习者的学习兴趣,促使学习者自主研究学习。从"区别传统学习系统"一点出发,考虑学习者学习风格,结合泛在环境下灵活自由的学习形式,提出了一个自适应学习系统模型。该模型主要是体现高等教育学习者自主探究学习,根据环境感知和学习者的学习偏好和认知结构、情感倾向,提供不同资源以满足学习者的需求。最后对泛在学习中自适应学习系统进行思考,为以后研究提供改进建议。 相似文献
7.
泛在学习资源建设的特征与趋势——以学习元资源模型为例 总被引:2,自引:0,他引:2
学习资源是构建泛在学习无缝学习空间的基础性组成部分。泛在学习具有情境性、社会性、非正式性、适应性等特征,但目前以学习对象为主流的学习资源技术只关注封闭结构中学习内容的共享,无法满足泛在学习的需求。未来的泛在学习资源将具有生成性、进化性的特点,采用面向学习过程的设计和支持情境认识的聚合模型,附加社会认知网络属性,利用动态语义标记进行资源描述,使学习资源从传统封闭资源库形态向以资源为中心的协同知识建构学习共同体形态转变。 相似文献
8.
数字学习时代,海量的学习资源不但没有促进学习效率的提升,反而加剧了资源获取的负担。该文针对数字学习资源过载现状,借鉴个性化推荐策略,就数字学习资源的服务效果提升进行研究。该文以北京师范大学泛在学习资源平台一学习元平台资源推荐设计为例,分别阐述了个体学习者与群体学习者的数字学习资源服务策略,并从推荐算法的角度阐述了学习资源个性化推荐效果提升策略。 相似文献
9.
学习元与学习对象的多维比较研究——学习资源聚合模型发展新趋势 总被引:3,自引:0,他引:3
在新技术与学习理念的双重推动下,学习资源正朝着可进化、分布式、社会性、情境性、开放性和复合性的方向发展.支持传递接受范式教学的学习对象已经无法满足泛在学习对学习资源进化生长、过程性信息跟踪、人际智慧聚合、多终端支持、无限群体的个性化学习等多方面的实际需求.学习元是在学习对象基础上发展起来的适合泛在学习的一种新型资源组织方式,顺应了学习资源的发展趋势,是未来学习资源设计与共享发展的新方向.本文从历史背景、概念特征、学习理念、信息组织、信息模型、存储结构、质量控制、共享范围等多个层面对学习元和学习对象进行了对比分析,并在此基础上总结了学习资源聚合模型发展的新趋势. 相似文献
10.
基于境脉感知的泛在学习环境模型构建 总被引:4,自引:0,他引:4
为满足学习者实现无缝学习的需求,本文在比较移动学习与泛在学习的基础上,认为具有境脉感知功能的泛在学习是满足学习者无处不在的个性化与适应性学习需求的最佳学习方式,并以建构主义学习理论、情境认知理论、活动理论和沉浸理论为指导,构建了泛在学习环境模型,提出了构成泛在学习环境的三要素,即泛在的学习资源、泛在的学习服务和泛在的支撑技术,并对各要素的具体组成部分如学习内容、学习活动、学习伙伴、学习交互、学习支持服务、境脉感知技术等进行了详细的分析.在此基础上,得出泛在学习环境具有无可比拟的优势,能够真正实现在合适的时间、合适的地点以合适的方式呈现给学习者合适的信息,从而保证学习者实现真正无缝的个性化学习. 相似文献
11.
在线学习中学习者面临缺少计划、资源过载、缺乏交互、评价单一等问题,将知识地图引入在线学习系统,以期为学习者提供有针对性的学习支持服务。通过文献分析,从学习资源服务、个性化支持、知识协同共建、学习评价4个方面,构建基于知识地图的在线学习支持服务体系。基于知识地图的在线学习支持服务将零散的学习资源组织在一起,并提供资源导航、资源检索等功能;根据学习者的基本特征信息,推荐个性化学习路径;允许教师、助教、学习者共同构建知识地图、信息资源;支持学习评价以及评价反馈多元化。这些支持服务有利于引导、帮助和促进学习者自主学习,提高在线学习效率。 相似文献
12.
随着在线教育的蓬勃发展和教育大数据时代的来临,一种新型学习支持工具——学习仪表盘(LearaingDashboard)应运而生。学习仪表盘基于信息跟踪技术和镜像技术,对学习者的学习行为、习惯、情绪、兴趣等信息进行记录和追踪,通过分析与可视化、个性化的显示,为在线教育的学习者、教师、研究者、教育管理者等提供多层次的学习支持,帮助学习者实现自我认知、学习反思以及意义建构,促进学习新方法或模式的产生。目前,学习仪表盘发展快速,正逐渐从关注学习登录次数、学习时间和进度等浅层学习信息的辅助性学习工具,逐渐发展为集学习、分析、评价、反馈等多功能于一身的统领学习资源、支持学习过程的强大集成化系统。随着其功能和形式的不断创新与完备,学习仪表盘将在更多学习情境中得以应用,以更精妙的数据分析设计框架和更l喻悦的使用体验为学习者提供更为高质高效的学习支持。 相似文献
13.
在大规模在线学习中,个性化学习和信息导航越来越受到学习者的欢迎。由于学习者众多、学习需求多样化和学习资源海量,个体化支持服务已难以满足个性化学习和个性化资源推荐的需求。相关研究表明,将社会化支持服务引入在线学习中,能初步缓解支持服务不足的问题。文章以社会化支持服务的属性和内涵为基础,构建基于掌握学习理论的在线学习环境,深入探讨社会化支持服务框架,并结合学习资源、学习伙伴、领域专家等社会性因素对学习者在线学习产生的影响,设计了社会化支持服务流程和个性化推荐模型,旨在为学习者提供智能、精准的支持服务。最后提出“一体化”的社会化支持服务模式,为研究面向个性化学习的社会化支持服务提供参考。 相似文献
14.
基于情境学习理论的学习环境设计原则 总被引:7,自引:0,他引:7
情境学习理论认为,学习是情境、文化和学习活动的共同功能,个体与环境的相互作用是获得知识、形成能力以及社会化的必经途径.如何为学习者创设良好的学习环境以支持和促进学习已越来越受到人们的关注.分析情境学习理论的内涵和基本观点,探讨该理论为学习环境设计所提供的指导原则,有助于创设适宜的学习环境,激发学习者的情境思维,让学习者的情感活动参与认知活动,从而使其在情境思维中获得知识、培养能力以及发展智力. 相似文献
15.
大规模在线学习中,学习者面对数量众多、种类繁杂的学习资源容易产生"信息迷航""信息过载"等问题。因此,为学习者提供个性化的学习推荐服务是大规模在线学习的重要任务。但目前的推荐系统大多只考虑了学习者与学习资源特征,对其内在社会联系考虑不足,推荐效果有较大的提升空间。许多研究表明,引入社会化因素,对于提升推荐系统效果有显著的帮助。社会化推荐系统需要根据应用情境,深入地理解用户、推荐对象以及影响他们之间相似关系和社会关系的要素。大规模在线学习中的社会化推荐系统要素模型包括学习者特征、推荐对象特征、社会关系和应用情境四个方面。相较于传统的推荐方法,在这一要素模型基础上设计的基于兴趣主题的社会化推荐方法更好地结合了大规模在线教育场景,以及学习者和资源服务要素,并进一步研究了用户间的内在社会关联,挖掘了用户、学习资源间的隐性联系。实验结果也说明,该推荐方法在教育场景中可以实现更好的推荐效果。 相似文献
16.
I普适计算技术推动下的泛在学习已成为下一代e-Learning的重要发展方向,泛在学习环境的构建是泛在学习成功实施的基础和保障。传统的e-Learning资源仍然是当前大多数泛在学习原型系统的核心,但忽视了适合泛在学习自身特性和需求的学习资源的设计与建设。针对此问题,本研究在联通主义学习理论、知识建构理论和生态学习理论的指导下,以泛在学习资源组织模型"学习元"为核心设计开发了一种新型的泛在学习系统——学习元平台(Learning Cell System,LCS)。该系统采用基于本体的资源组织方式,通过开放内容编辑实现资源内容的持续进化发展,可以在多种移动终端上自适应地呈现资源,实现资源之间的动态语义关联,支持社会认知网络的动态生成与共享,并可以基于过程性信息开展个性化的学习评价。最后,对LCS潜在的应用场景进行了分析。 相似文献
17.
18.
19.