面向成人教育的个性化学习环境中学习者模型构建及推荐策略

随着以人为本的教育理念不断升温,个性化学习受到当前国内外研究者的普遍关注。其中,学习者模型反映了学习者的个性化需求,记录了学习者的个性特征,是个性化学习的重要依据。依据学习者行为,可从领域相关和领域无关两个方面,综合学习者知识水平、学习兴趣、学习风格和学习偏好四个维度,构建学习者模型,并相应地采取学习兴趣推荐策略、学习水平推荐策略、学习风格推荐策略、学习偏好策略。     

网络学习行为个性化引导的研究

通过对网络学习中学习者在感觉通道、学习材料、学习环境和思维方式等方面偏好的分析,构建网络学习者学习风格特征结构模型。以此模型作为理论依据,提出对网络学习者学习行为进行采集、诊断和个性化引导的方法,并设计网络学习行为个性化引导系统。     

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。     

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。     

基于网络学习行为的学习风格挖掘

学习风格是个体相对稳定的信息组织和信息加工方式,极大地影响着学习进程。掌握学习者的学习风格,有利于教师提供有针对性指导,从而提高网络学习有效性。本文基于数据挖掘技术,应用混合方法测量网络学习者的学习风格。在显式获取用户学习风格的基础上,提出运用J48算法,挖掘不同风格学习者的网络学习行为特征,并构建学习风格模型。其中重点探讨了应用最近邻居法进行异常点挖掘,以减少受其他因素使得网络学习行为无法客观体现学习风格的样本的干扰。以及利用属性选择方法,评估网络学习行为与学习风格的关联关系。并结合相关教学原则对构建的学习风格模型开展教学反思。     

自适应学习系统述评及其优化机制研究

一些网络学习系统如Blackboard、Moodle、SaKai等提供给学习者都是千篇一律的学习资源,不能根据用户特性动态适应地呈现个性化学习内容。因此,构建自适应学习系统是解决学生需求的个性化与教学资源的静态化的有效方案。本文对国内外一些常见的自适应学习系统进行了研究分析,总结出其特点和不足,设计与实现一个面向服务的自适应学习系统,分别在系统参考模型设计、用户模型和领域模型构建、个性化学习资源推送策略、多元化学习资源建设以及系统依据学习风格模型适应性呈现学习活动序列和学习资源等方面做了大量的优化研究。     

泛在学习中自适应学习系统模型研究

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。     

基于学习行为模型的学习伙伴推荐方法研究

如何提供合适的学习伙伴进行协作学习,是解决远程学习者学习孤独、提升学习效果的关键问题。文章通过网络教学平台采集数据,提出并建立了六维的学习者学习行为模型,并利用相似度区分相似型学习行为模型和互补型学习行为模型,进而为学习者推荐相似型学习伙伴和互补型学习伙伴,而学习者也可以自主选择学习伙伴。实验结果验证了学习行为模型和推荐方法的有效性。相比已有的分组方式,基于学习行为模型的学习伙伴推荐方法具有可视化、智能性、个性化等特点,更适合大规模网络学习环境下的学习伙伴推荐。     

自适应学习系统学习者学习风格模型的研究现状与展望

学习风格是自适应学习系统中学习者模型不能忽视的因素之一。为了更好地满足学习者在学习过程中的个性化差异,自适应学习系统中的学习风格模型显得越发重要。本文针对国内外关于学习风格模型在自适应学习系统中的发展现状、特征等进行了总结,并从发展阶段、研究内容、研究方式等方面进行了对比研究,指出目前存在的问题,及以后研究的发展趋势。     

基于决策树的高职学生网络学习分类模型构建

高职学生个性化学习行为是目前高等教育比较重要的研究方向。通过采集高职学生在网络学习过程中的心理、行为、方法和效果的数据,经过筛选、量化、分类和评价,最终根据影响学习效果的学习者内在因素和个性特征对学习者进行分类,通过基于决策树学习分类模型的建立,对学习者未来的学习进行形成性评估。     

智慧学习空间中学习行为分析及推荐系统研究

智慧学习空间是智慧学习理念下构建的学习空间新形态,学习分析是智慧学习中不可或缺的组成成分。文章围绕智慧学习过程中面向学习者对于知识内容的"呈现与获取"、"个性化建构与拓展延伸"两大环节以及学习者所处的学习状态,构建了学习行为分析及推荐系统。该系统利用W eb挖掘技术,从学习内容、学习路径和空间使用记录三个方面针对智慧学习过程模型中的学习行为进行数据分类挖掘,通过与优秀学习者路径及路径知识点相关学习行为进行相似性比对,为学习者进行个性化学习推荐路径。     

混合学习环境下学习风格挖掘及群体差异研究

利用所罗门学习风格量表显式获取用户学习风格,并运用K-means聚类算法挖掘不同风格学习者的线上学习行为特征,依据精确度计算结果不断调整Felder-Silverman学习风格模型对应的线上学习行为属性分类,并最终构建学习风格挖掘模型。结果表明,利用该模型来预测学习者的学习风格具有一定有效性。对不同类别学习风格者的学习特点以及倾向进行差异分析,有利于教师与学生有的放矢地调整教学与学习策略。     

基于数据挖掘的网络学习行为与学习效果研究

随着计算机与网络的快速发展和广泛应用,网络学习已经是学校教育教学的重要组成部分。已有研究表明,网络学习行为与学习效果密切相关,因此探究网络学习行为与学习效果对有效开展网络学习具有重要意义,也是目前研究的热点与趋势。本研究以陕西师范大学参加"现代教育技术"网络学习系统学习的2801名学习者作为研究对象,以数据库数据作为网络学习行为特征数据来源,采用数据挖掘方法与统计学方法对网络学习者的行为特征进行定量分析,并探讨了网络学习行为特征与学习效果的关系。     

自适应学习系统中双向适应交互评价实证研究

随着信息技术的快速发展,网络学习已经成为人们生活中不可或缺的一种学习方式。以实现网络个性化学习为目标的自适应学习系统成为提高网络学习质量的重要研究课题。然而目前大多数自适应学习系统仅具有单向适应能力,即实现了系统根据用户特性适应性向学习者呈现学习资源、过程和策略的功能。尽管这种功能有助于解决学习者认知超载和网络迷航问题,一定程度上提高了学习效率,但学习者在此系统中是一种被动学习,不利于培养学习者自主学习能力和创新能力,也不利于促进学习者对知识的主动建构,还容易使学习者产生惰性。因此,应该充分考虑学习者和系统之间的主客体关系,在自适应学习系统中建立双向适应交互,即用户主动选择资源的适应性交互和系统主动推送资源的自适应交互。双向适应交互最为关键的是用户模型,而认知风格是用户模型中影响学习者个体差异的一个重要元素。从学习效率和使用感受两个层面实证评价双向适应交互性,以及认知风格对其的影响发现:采用自适应学习方式,学习者具有更积极的学习态度,能够取得更好的学习绩效;但认知风格会影响到自适应学习和适应性学习的绩效。     

学习风格用户模型分类及其自适应策略

学习风格作为主要的认知模型,是在线学习系统中常用的用户建模依据。基于此,文章首先基于被使用频率最高的学习风格模型——Kolb模型、VARK模型、Felder-Silverman模型和FDI模型,对学习风格用户模型进行了分类,并解析了其可能提供的自适应服务;随后,文章从在线学习系统中用户建模的角度,分析了整合不同学习风格用户模型的自适应策略;最后,文章总结了影响在线学习系统自适应性能的关键问题,以更好地发挥在线学习系统的自适应性能。文章对学习风格用户模型的解读及其自适应策略的分析,将有助于在线学习系统对学习者进行更准确的描述和诊断,从而提供更适合的学习资源和学习建议。     

自适应学习系统的研究与设计

在总结和分析当前网络学习平台的缺陷和不足的基础上，提出适应性学习是提高网上学习效果的一种有效途径。即教学内容的呈现应该适应每个学习者的学习背景、学习水平和学习风格；学习系统应该根据学习者的学习情况来给予适当的导向。在AESM的基础上，设计出系统的体系结构，对各大模块进行了详细的设计和讨论。并进一步根据领域模型和学习者模型提出自适应引擎的部分算法，构建了基于XML和J2EE的软件体系结构，为学习系统提供了统一、高效的实现平台。     

语义网自适应学习系统中基于学习风格的教学策略模型研究

研究证明,学习风格是影响学习效果的重要因素。本文对当前多种学习风格模型的特点和应用情况进行了深入分析,选定FSLSM作为自适应学习系统的学习风格模型,并提出了学习风格显性诊断和隐性修正的具体方案,针对学习者的学习风格差异,从学习资源的提供、学习路径的安排、自适应规则等方面构建出语义网环境下的自适应教学策略模型。     

基于网络学习行为模式挖掘的用户学习风格模型建构研究

学习风格是影响学习者个性差异最主要的一个因素,深深地影响着学习过程。网络学习首要一个重要目标就是能够自动推测学习者的学习风格,然后实现所有学习者都能按着自己的学习风格去学习,实现网络个性化学习。文章首先提出了学习风格建构模型,然后说明了利用学习风格量表为辅的显性方法初始化学习风格,其次重点探讨利用贝叶斯网络方法挖掘学习行为模式为主的隐性方法推测学习风格。最后比较了利用设定条件的学习风格量表和贝叶斯网络两种方法分别推测学习者学习风格,结果还是值得肯定的,表明利用贝叶斯网络隐性方法为主挖掘网络学习行为模式推测学习风格具有很高的精确度。     

语义网自适应学习系统中基于学习风格的教学策略模型研究

研究证明,学习风格是影响学习效果的重要因素。本文对当前多种学习风格模型的特点和应用情况进行了深入分析,选定FSLSM作为自适应学习系统的学习风格模型,并提出了学习风格显性诊断和隐性修正的具体方案,针对学习者的学习风格差异,从学习资源的提供、学习路径的安排、自适应规则等方面构建出语义网环境下的自适应教学策略模型。     

自适应学习系统的研究与设计

在总结和分析当前网络学习平台的缺陷和不足的基础上,提出适应性学习是提高网上学习效果的一种有效途径,即教学内容的呈现应该适应每个学习者的学习背景、学习水平和学习风格;学习系统应该根据学习者的学习情况来给予适当的导向。在AESM的基础上,设计出系统的体系结构,对各大模块进行了详细的设计和讨论。并进一步根据领域模型和学习者模型提出自适应引擎的部分算法,构建了基于XML和J2EE的软件体系结构,为学习系统提供了统一、高效的实现平台。