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。     

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Felder—Silverman量表用户学习风格模型的修正研究

自适应学习管理系统能够依据用户学习风格模型自适应的推荐学习路径、内容对象及扩展资源等。本文首先介绍了运用Felder—Silverman量表前测推断用户学习风格,接着以此为据,重点介绍数据挖掘影响学习风格模型的行为模式及修正学习风格模型的估算规则和算法。最后,给出了修正用户学习风格模型的实证研究。     

基于GALSRM模型的自适应学习系统体系结构研究

自适应学习系统在本质上是一种支持个性化学习的网络学习环境,能够改变学生"被教育"或"被学习"的弊端,做到从传统的支持教师"教"转向为对学生的网络学习活动提供自适应、个别化支持。本文首先文献综述自适应学习系统一些主要参考模型特点,然后针对其存在不足之处,提出了具有扩展通用性的自适应学习系统通用参考模型(GALSRM),分别对其组成部分用户模型、领域模型、呈现模型、自适应模型以及自适应引擎进行了详细描述。最后,依据GALSRM设计了自适应学习系统体系结构,并对其设计思想、适应过程及实现功能进行分析。该系统能够实现根据学习者在学习风格、认知水平等方面的个体差异提供自适应学习支持,是网络学习系统智能化的发展趋势。     

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。     

适应性学习支持系统的学生模型研究

本文针对适应性学习支持系统(ALSS)的学生模型建模问题,在分析学生模型的国内外研究现状的基础上,提出了一种基于认知状态和学习风格的学生模型(CS-LS学生模型).CS-LS学生模型包括学生描述、认知状态、学习风格和学习历史四个维度,其中认知状态和学习风格是适应性学习支持系统的重要的适应性维度,它们分别采用知识多重覆盖模型和分组模型表示.CS-LS学生模型采用注册填表、在线问卷测试和系统预设值进行初始化,并通过计算机自适应测试来诊断学生的能力水平,从而对学生模型进行动态更新.CS-LS学生模型较好地反映了学生在认知状态和学习风格方面的个体差异,为适应性学习支持系统提供了决策依据.     

学习云空间中基于情境感知的移动学习自适应模型及其应用研究

随着移动互联网等新技术的快速发展,移动学习成为网络学习空间的主要学习方式之一,然而移动学习效果的提升面临着复杂移动情境下空间化学习的自适应挑战。文章以云计算支持下的网络学习空间(即学习云空间)为背景,分析了移动学习的自适应因素,提出了一个基于情境感知的移动学习自适应模型,并探讨了移动学习的自适应实现机制及其应用策略。研究依托iStudy的移动学习自适应系统进行应用实践和实证分析,结果表明:该系统更有利于提高场独立型与场依存型两种风格学生的自我效能感,以及场依存型学生的学习成绩;不同知识类型学习中均使用该系统,其学习成绩没有差异;两种风格学生均认为该系统更加便捷适用,场依存型学生认为该系统更有利于促进学习。研究为促进移动学习的自适应和个性化理论与实践探索提供了有力支撑。     

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。     

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。     

自主在线学习环境下学习行为与学习风格偏向性的关联分析研究北大核心CSSCI

虽然学习风格受到众多关注,但关于它在自适应超媒体学习(ALH)系统中的应用效果依然受到质疑。本研究构建了一个可满足学习者学习风格偏好,并能充分反映学习者学习行为差异性的原型系统来采集学习者学习行为数据,同时使用学习风格测量工具来采集被试学生的学习风格偏好性数据。据此对学习风格理论在ALH系统使用过程中所产生的开放性问题提出了假设,并进行了验证。实验表明,在ALH系统单纯使用学习者学习风格偏好是不能保证学习效果的,学习风格偏向性应剥离为"偏好"和"学习正关联特性"两个参数,并保证其学习效果正相关的学习风格特性得到满足;在ALH中构建静态学习风格用户模型也是不能保证其有效性的,因为实验表明学习风格用户模型不仅受学习者本身经验约束,同时还受变化的学习内容的影响。     

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。     

基于学习对象化的移动学习资源自适应引擎的研究

目前一些国家在移动学习和学习对象方面的研究已取得了一定的研究成果,但对移动学习资源自适应方面涉足甚少.本文运用EML教育建模语言,通过对移动学习过程因素的分析、移动学习资源自适应引擎的系统模型组成的分析,建立了基于学习资源自适应引擎的移动学习系统过程模型,并对该模型进行了深入分析,以期达到有效提高移动学习效率,促进终身学习和学习化社会建设的目的.     

自适应学习模型的构建及其实现策略

文章在归纳总结学习的若干影响因素的基础上,将自适应系数定义为学习压力与学习能力的比值,并构建了自适应学习模型,将学习状态分为自适应区、"无聊"状态和"焦虑"状态。建设自适应学习系统的目的是让学习者停留在自适应区,为此文章设计了自适应学习模型的运行流程,并提出可从学习者建模、大数据系统的支持、体系化资源生态的形成、系统设计的多样化呈现、终端模型的有效规范等多方面来实现。文章的研究结果旨在提升在线学习的自适应程度和学习绩效。     

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.     

不同学习风格类型的大学生在线学习适应性研究

采用定量与定性相结合的研究方法,以上海某师范大学本科生为研究对象,通过Kolb学习风格量表和大学生在线学习适应性量表来收集数据,调查研究大学生不同学习风格类型对在线学习的适应性,从而发现在线学习适应性良好学习者的共同特性。结果表明,个案学校大学生在线学习适应性较差,学习动机和学习态度主要影响了大学生在线学习适应性。而且,不同学习风格类型学习者在线学习适应性有着显著差异,其中发散型学习者最适应在线学习,而这样的差别主要存在于学习者反思观察、具体经验和抽象概括的过程中。研究者根据研究结果,对自适应学习系统设计、学习者和教师提出相关建议。     

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.     

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。     

智慧学习环境下学习画面情感的自适应调整

为了在智慧学习环境下实现自适应情感交互,文章首先构建了基于学习者情感的学习画面情感自适应调整模型,并依托此模型开发了原型系统。随后,文章以济南市X中学的98名学生为研究对象,采用准实验研究法,通过学习者情感所占比例分析和问卷数据统计分析,验证了文章提出的假设成立,即智慧学习环境下学习画面情感自适应调整能够提高学习过程中学习者积极情感所占的比例,并能激发学习者的学习兴趣。在智慧学习环境下自适应调整学习画面情感,为解决智慧学习环境情感层面的自适应交互问题提供了新的思路与方法。     

基于语义网的自适应学习系统中用户模型的研究

随着计算机网络技术的飞速发展,网络学习系统的设计开发成为教育研究的热点领域;而“以学生为中心”的自适应学习系统正在逐步取代“以教师（系统）为中心”的网络学习系统。本文以认知心理学、建构主义和人本主义学习理论为基础,运用ASP．NET、SQL Server数据库技术及语义网挖掘技术,研究基于语义网的自适应学习系统中用户模型的构建,包括用户学习风格、认知水平和兴趣偏好;最后利用protege工具建立用户模型的本体,通过数据挖掘技术完善用户模型。