高职院校学习者个性化特征模型研究

为了实现“人人成才、人人出彩”的人才培养目标,充分激发学生的学习热情,制订更加完善的个性化人才培养方案,创新人才培养模式,漯河职业技术学院充分发挥现代信息技术的优势,针对学习者个性特征进行相关调研,根据调研结果确立了学习者个体个性化特征模型及学习者群体个性化特征模型,利用大数据技术发掘个性化人才培养中各教育变量之间的相关性,为教育教学改革决策和个性化技能人才培养提供有效支撑。     

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。     

基于ALICE的个性化英语学习同伴

随着人工智能技术的发展,智能化教育和学习已成为当前研究的热点问题。本文采用人工智能技术构建个性化的英语学习同伴系统,该系统采用数据挖掘的方法检测学习者的智力与非智力水平,同时监督学习者的学习进度,并使用自然语言与学习者进行交互,从而为我国英语学习者提供一个个性化的语言学习环境。     

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.     

利用学习者画像实现个性化课程推荐

在"互联网+"在线学习环境下,探索符合学习习惯和偏好的个性化推荐路径能够降低学习者学习的盲目性、提升学习者在线学习体验.文章提出了一种基于学习者画像的个性化课程推荐方法,首先,利用爬虫技术获得Bilibili网站30多万名学习者的数据,然后对学习者学习数据进行定量分析,尤其是在个性化特征最明显的情感表达方面,采用了基于注意力机制的双向长短时记忆网络进行情感分析,从而构建了包含学习者基本信息、行为和弹幕文本三个维度的学习者画像特征模型.在此基础上,利用深度神经网络建立了教学资源与学习者画像之间的关系模型,用该模型预测学习者新的学习需求.实验结果表明,当学习者登录后,输入要选择的课程,模型能够根据学习者画像推荐相似学习者学习过的课程,提供个性化课程推荐服务,且推荐评价指标也表明该模型能够提高推荐性能.     

基于终身职业教育的“学习云”构建

职业教育必须面向终身,为每位学习者在不同发展阶段提供相应的服务。基于终身职业教育的“学习云”秉承和传载了“交流共享、随时随地、资源丰富、个性定制”的教育理念,可以有效整合各类优质职业教育资源,通过搭建职业教育云平台,为受教育者提供优质、便利、灵活和个性化的配送式移动学习服务,实现终身职业教育。     

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。     

大数据学习分析支持个性化学习研究——技术回归教育本质

大数据时代的来临,引领学习者学习方式发生变革,基于大数据学习分析技术的个性化学习成为教育学和认知科学的研究趋势。提供给学生有针对性的个性化学习是教育发展方向,是技术回归教育本质的实践。大数据应用需要经历数据收集、数据分析和数据可视化等三个必要阶段;大数据学习分析对个性化学习中的教师、学生和教育管理者等利益相关者均产生积极的影响;大数据对实现个性化学习的价值体现在五个方面:完善个性化的学习者档案、分析预测个性化的学习行为、优化个性化的教育决策、改善个性化的学习评估、提供个性化的学习反馈及建议。最后采用德尔菲法、头脑风暴法构建了基于大数据的个性化学习体系框架。利用大数据学习分析反思教育现状,对推动个性化学习的研究具有重要意义,同时将大数据视为一种新的思维方式和学习路径,需要辩证地看待其优势和劣势。     

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.     

军事职业教育MOOC学习行为分析及教学设计研究

大规模开放式网络课程提供跨区域、个性化、多元灵活的学习机会和体验,是军事职业教育的重要支撑。本文以军事职业教育服务平台的学习数据为基础,结合“系统工程原理”MOOC课程,分析学习者视频观看数、完成测试、研讨互动等学习行为的统计规律,建立其与学习效果、课程知识、学习者学历背景等因素间的关联关系,从课程目标、教学内容、交互环节及评价方式等四个方面,开展军事教育MOOC的设计实证研究,为军事职业教育MOOC的设计优化提供有益参考。     

美国社区学院学分转换制度给我国的启示及行动思考

美国社区学院是美国中学后教育输送系统重要的组成机构,其学分转换制度为美国终身学习社会的构建提供了巨大的教育支撑,其贯穿社区学院教育教学全过程的终身学习理念、精心设置的学分转换体系、以学习者为中心的个性化指导服务,以及政府为主导出台的一系列政策保障支持,为我国现代职业教育体系下高职院校发展提供了学习与借鉴。     

基于用户体验蜂窝模型的MOOC学习APP体验优化研究

MOOC已成为我国教育信息化发展的热点,而移动教学平台是MOOC可持续发展的技术基础。基于用户体验蜂窝模型构建MOOC学习APP体验框架,以学习者视角体验国内外MOOC移动终端。研究发现,移动MOOC平台在学习支持服务方面进行了有益探索,但在整体功能完备性方面仍存在较大提升空间。从学习者视角提出优化建议,以构建强交互、重体验、个性化的学习环境：加强讨论区功能,建立实时互动功能;优化界面功能模块,明确目标定位;完善学习导航,明确学习任务;关注无障碍学习,满足终身学习需求;规范版权归属,保护用户隐私;提供个性化服务,满足个性化学习需求等。     

E-Learning环境下个性化推荐学习研究

E-Learning环境下,网络是在线学习者在线学习,在线交流的重要方法和手段。目前在线学习平台为在线学习者提供被动的学习模式,在线学习者的学习需求具有个性化的不同,学习者希望学习平台能够依据个体的差异提供不同的学习模式,在此背景下,依据学习者的不同背景研究个性化的知识推荐系统具有重要意义。本文探讨了个性化学习的基本模式,并构建了一个个性化学习模型。     

WEB日志挖掘在远程开放教育中的应用

构建了WEB日志挖掘技术在远程开放教育网站和网上教育平台建设中的应用模式，通过WEB日志挖掘可以掌握学习者个性化学习的特点和要求，从而为建设适合的现代远程教育网站和在线教育平台提供WEB页面结构设计、资源建设、教学互动等方面的依据。     

个性化网络学习支持系统的构建

现代远程教育存在＂两个远距离＂。一个是教师和学习者的＂物理远距离＂,另一个是教师和学习者共同面对的与无生命的计算机的＂心理远距离＂。物理和心理上的远距离导致教师和学习者、学习者与学习者之间相互沟通困难,学习者与资源之间沟通困难。这种远距离的状态使得现代远程教育缺乏传统教育中师生面对面的交互及情感交流。因此要使学习者的个性化网络学习能顺利进行必须克服这两个远距离。而克服＂两个远距离＂最有效的办法是为学习者的个性化自主学习提供有效支持和人文关怀。个性化网络学习支持系统是指整合了现代网络技术和个性化支持技术的网络学习支持系统,它的本质是为学习者提供个性化的学习服务,使学习者的个性化网络学习顺利进行。概括地说,个性化网络学习支持系统就是为学习者的个性化网络学习提供支持的软件系统。     

基于云计算的个性化网络学习空间研究

网络学习空间作为一种虚拟的学习环境,为学习者的个性化学习提供了场所,而云计算又为网络学习空间提供了强大的技术支撑。针对个性化网络学习空间建设的需求,文章综述了国内外有关教育云和网络学习空间的研究成果,并以PST(Pedagogy-Space-Technology,教学法—空间—技术)框架为基础,构建了个性化网络学习空间的要素模型——PST-SDC(Stakeholder-Data-Content,利益相关者—数据—学科内容)模型。在此基础上,文章设计了基于云计算的个性化网络学习空间体系架构,并对其关键实现技术进行了阐述。     

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。     

教肓虚拟社区应用于远程职业教肓的理论模型与实践模式

为探索如何将教育虚拟社区引入远程职业教育,改善和提高远程职业教育质量,为发展有中国特色的远程职业教育提供理论依据和工作思路,本文以为学习者服务为核心价值,构建了教育虚拟社区应用于远程职业教育的理论模型和实践模式.理论模型揭示了在外围资源的参与和支持下,教育虚拟社区创设职业情境,为学习者提供六项支持服务,使学习者在教育虚拟社区中体验过程,进行知能建构,生成智慧,养成高尚的职业情操,最终实现个性完满和自我建构.实践模式是以就业或职业发展为导向,包含学习系统、支持服务系统以及质量监控与评价系统的系统架构.本文为探索如何使远程职业教育的发展不至于落入”远程职业教育就是远程教育+职业教育”的窠臼,发展有中国特色的远程职业教育提供了理论依据和工作思路.     

人工智能赋能个性化学习评价：价值意蕴与实践路径

个性化学习评价是教育评价改革的内在要求和重要趋势。人工智能为个性化学习评价的实现提供了技术支撑,其价值体现在促进对学习者多模态数据的采集、实现学习过程与状态的智能分析、支持学习评价结果的智能化反馈、推动人机协同评价等方面。人工智能支持下个性化学习评价的实现,需要推进学校智能教育环境建设及其应用、构建人工智能支持下个性化学习评价的实施框架、制定个性化学习评价中人工智能的应用规范、提升教师应用人工智能开展个性化学习评价的能力。