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。     

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。     

自适应学习系统中用户模型和知识模型本体参考规范的设计

自适应学习系统是指能够为学习者提供一种个性化学习服务。实现用户适应系统和系统适应用户的双向适应,而要做到这点,构建用户模型和知识模型就显得尤为重要。本文依据自主研发的自适应学习系统的成功案例,提出采用本体技术设计一种实现个性化学习服务机制的用户模型和知识模型参考规范,然后详细阐述了利用文本编辑器protege对知识本体进行建模。最后给出了采用JAVA＋Jena＋SPARSQL技术实现对本体文件的存储和读取部分主要代码。本文研究设计的模型本体参考规范具有一定的适用价值,对后续研究自适应学习系统具有指导意义。     

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。     

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。     

基于用户模型的个性化本体学习资源推荐研究

如何基于学习者的个性化学习特征,使学习者在大量学习资源和学习活动中快速定位自己最适合的内容已成为当前热点问题.本文研究的SAELS(Semantic Adaptiv-Learning System)实现以本体技术为核心,以用户模型为依据的个性化本体学习资源推荐.文中首先以课程为例构建本体,然后介绍了如何构建一个成功的用户模型,接着提出了个性化本体学习资源推荐模型,最后重点探讨了如何根据Felder-Silverman学习风格量表和学习过程行为模式,推断学习风格,和基于概念累积计分法推断认知水平两个层面加以整合实现个性化本体学习资源推荐.     

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。     

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.