基于知识地图的在线学习支持服务研究

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。     

个性化网络学习服务研究

网络学习者特征对网络学习平台提供个性化学习服务具有重要影响。个性化学习服务指为学习者提供适应性的学习内容。基于学习者的学习风格和学习目标设计了个性化的知识组织、知识呈现和学习导航。以C语言课程为实例,针对不同类型的学习者设计出个性化的学习界面,实现了一种学习者与学习平台之间的新型交互模式。     

基于数据的在线学习个性化学习支持服务模式构建与实现途径

后疫情时代在线学习的地位得到进一步提升。基于文献研究与开发研究,构建了基于数据的在线学习个性化学习支持服务理论模型,并探讨了其实现途径,指出基于大数据的在线学习个性化学习支持服务能有效提升学习质量,提高学习支持服务与学习者需求的匹配程度,实现“类同伴”的陪伴效果,减少在线学习参与的孤独感,提高情感体验,实现高品质学习。基于此,构建了人、大数据、资源、时机、方式和途径为作用元素的学习支持服务模型,实现数据支持的精准决策和智能服务。提出实现基于大数据的在线学习个性化学习支持服务需要关怀生命,系统培育大数据驱动的积极学习支持服务理念;完善基础,构建大数据收集平台对学习者精准画像;建设资源,围绕学习者个性化学习支持服务形成优质学习支持资源;强化体验,围绕“高品质学习”优化学习支持服务机制。     

网络课程资源支持下基于语义Web的个性化主动学习服务研究与实现

针对个性化学习的需求,本文提出了一个网络课程资源支持下基于语义Web的个性化主动服务系统。系统以学习者、课程和资源对象语义建模为基础,从学习者的学习水平、学习目标、学习偏好和学习状态四个方面出发,分别与课程知识、学习资源对象等方面的语义进行匹配和推荐,设计了主动时机和方式决策机制,以实现学习路径与资源对象等的个性化主动服务。实验表明,该系统可以较好地促进学习者课程知识建构,有效地提高学习效率和学习效果。     

个体高效率网络学习的支持服务策略分析

基于信息加工的认知主义学习理论,分析影响个体网络学习的内部心理因素,提出个性化知识呈现、学习策略支持服务、元认知调控支持服务和个体动机激发等4种促进学习者个体高效率网络学习的支持服务策略.     

基于Bayesian Network的学习资源库推荐系统构建与实现

针对学习资源使用者的特点和当前网络学习模型的不足,提出运用贝叶斯网络建立一种个性化学习者模型。基于用户决策方案指导资源库的建设,提出了一种新的学习资源推荐算法,使学习资源的呈现符合学习者认知发展水平和个性特征,改善资源库的组织结构,实现智能化、个性化的学习资源库推荐系统。实践证明,对于本系统所推荐的学习资源,学习者非常满意。     

桌面学习环境：优势、系统架构及技术

传统的基于浏览器的网络学习环境在画面呈现、操作交互、信息更新等方面有一定局限性。基于富媒体技术架构的桌面学习环境具有强大、便捷的操作交互和信息交互功能,能整合多种媒体,实现桌面集成化、信息推送与更新、本地数据存储和离线操作等功能,开发简易,部署方便。凭借良好的系统架构和各种创新技术,桌面学习环境将改变信息资源组织形式,丰富学习支持服务工具和手段,增强学习者学习体验,提升学习活动的交互层次和水平,更大程度地满足学习者个性化学习需求。     

试论数据挖掘技术下推送式学习模型的构建

推送式学习模型构建的主要目的在于实现个性化学习.这种学习不是被动而是主动呈现的,尤其是在大数据时代背景下,利用数据挖掘技术,根据学习者的学习行为和信息素养、信息习惯,在海量的信息数据中将知识主动推送给学习者,提高学习效率和兴趣.其模型构建主要包括数据采集、数据关联和主动推送等三大模块:数据采集模块意在获取学习者学习特征;数据关联模块意在将采集到的数据作同类合并处理,得出数据间的联系,研判学习者学习特征;主动推送模块则根据知识库与学习特征的匹配度,将学习资源主动推送给学习者,最终实现个性化学习.     

远程教育中Moodle平台的学习支持服务研究

以学习者为中心的远程教育,强调个性化、跟踪式的学习支持服务。Moodle平台是目前应用最广泛的网络教学平台之一,通过充分挖掘分析学习者学习需求、资源浏览点击、学习者静态和动态行为数据,教师及时调整学习支持服务策略,为学习者提供个性化、全程跟踪式的学习支持服务,从而有效促进学习者的学习与发展。     

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。