基于RSS技术的个性化网络学习策略研究

个性化学习一直是教育者所追求的理想境界。计算机多媒体技术和网络通信技术的飞速发展。网络所具有的强大交互性和分布式特点为个性化学习提供了技术上实现的可能。网络学习为学习者提供了大量个性化学习资源,但学习者经常无法快速准确地找到自己所需的学习资源。而通过RSS技术提供的个性化信息推送服务．可以解决这一问题。     

基于RSS技术的个性化网络学习策略研究

<正>个性化学习一直是教育者所追求的理想境界。计算机多媒体技术和网络通信技术的飞速发展,网络所具有的强大交互性和分布式特点为个性化学习提供了技术上实现的可能。网络学习为学习者提供了大量个性化学习资源,但学习     

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。     

网络个性化学习路径与学习绩效研究——以《远程教育原理与技术》课程为例

网络和多媒体等技术的迅猛发展为学习者提供了丰富的信息资源和多样化的信息传播工具,也为网络环境下个性化学习的发展奠定了现实基础。个性化学习不仅对教学具有指导性意义,也对研究学习者的学习成绩产生了重要影响。以《远程教育原理与技术》课程为例,通过实验的方法对网络个性化学习路径与学习绩效进行研究,揭示出个性化学习路径能够反映学习绩效,并分析了个性化学习路径与学习绩效的关联性。     

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.     

人工智能时代的个性化学习:内涵、技术支持与实现路径

利用人工智能技术实现个性化学习是当前教育改革发展的现实诉求.个性化学习的内涵包括以学习者的个性化需求和特征为前提、以学习者个性化的学习过程为核心、以学习者的个性化发展为最终目标等三个要点.人工智能技术为个性化学习的实现提供了强有力的支持,主要体现在智能识别、智能分析与处理、智能测评等方面.人工智能时代个性化学习的实现路径包括精准识别学习者的个性化特征、动态生成个性化的学习目标、智能推荐个性化的学习资源、灵活设计个性化学习策略、数据驱动个性化学习评价等.     

自适应的学习推荐模型研究

针对目前网络教学中,学习者缺乏个性化指导、学习效率低下的问题,提出了以知识点为核心进行资源组织的个性化学习推荐模型。该模型可以为学习者提供一个"因材施教"的网络教学环境,为学习者推荐有针对性的学习材料,提高学习者的学习效率。构造了用于表示知识点间关联度的客观和主观知识点关联表,给出了个性化知识点序列提取算法和针对特定知识点的个性化学习材料的推荐算法,能根据学习者模型提供适应学习者的教学方法和学习资源,并且学习者模型定期的利用关联规则挖掘进行完善更新。该模型能有效地提高学习者的学习质量和学习兴趣。     

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。     

高中数学混合式学习资源开发与应用调查报告——基于网络调查问卷的分析

网络学习平台的出现为学生提供了更多的学习选择和机会,同时也提高了学习效果和效率,是当前基础教育领域不可或缺的一部分。通过对网络调查问卷的分析,网络课程学习平台在基础教育行业有比较广泛的影响力和认知度,这表明学习者对于网络学习资源的需求和认可度在逐步提高。随着网络学习资源的不断增加,学习者往往会面临着“相对过剩”的情况,难以找到满足自身需求的优质资源。这需要网络学习平台在资源的开发和分类上下更多的功夫,让学习者能够更加方便地找到自己所需的资源。为了进一步提高网络学习资源的效果和质量,需要构建以学习者为中心的个性化学习资源体系。这需要学习平台根据学习者的学习特点和需求,提供个性化的学习服务和支持,让学习者能够在自己的学习路径和节奏上更加自主和灵活地进行学习。     

Web数据挖掘在个性化网络学习中的应用研究

进入到新世纪以来,随着我国国民经济水平的提升,我国的科学技术也有了广阔的发展空间.近几年来,我国的网络用户群体的数量日益增加,越来越多的学习者也开始通过网络获取他们所需要的知识,然而由于网络中的数据库和信息量过于庞大,所以很多的学习者都还没能找到适合自己的科学合理的学习模式.数据挖掘技术是一种信息资源广泛并且更加智能化的前沿技术,将其与传统的网络资源以及WWW网络学习的实际特点相结合,对传统的网络学习模式进行了一定程度的改进,从而创建了一个新型的个性化的网络学习模型,从而真正地满足学习者的各式各样的学习需求.基于此,对个性化网络学习模型提出的背景、Web数据挖掘技术的概念,以及个性化网络学习模型的构建三个方面的内容进行详细的探讨,从而详细地分析了Web数据挖掘在个性化网络学习中的应用情况.     

个性化学习资源推荐中文本情感识别的作用及关键技术

基于数据智能分析的学习资源推送是精准支持个性化学习的教学服务方式之一。随着人工智能技术和学习分析技术的发展，通过对行为数据、测评数据和日志数据等的分析进行资源推送虽已有较成功应用，但未能实现学习者个人情感状态为引导的资源推送。为此，该研究针对个性化学习资源推荐中情感价值、情感控制理论和实践的缺失，以实现个性化学习多维度情感识别为目标，采用BERT模型和TextCNN构建个性化学习资源推荐文本情感识别模型，并提出了基于学习者作业、论坛内容等的文本情感识别模型实现过程。学习资源推荐文本情感识别模型和实现过程可为真实应用提供方法支持和技术路线指引。     

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。     

Web挖掘技术在适应性网络学习中的应用

Web挖掘技术在网络学习中应用,能够有效地为学习者提供个性化的服务.在分析数据挖掘技术的基础上,针对网络学习中学习者的个性化需求,提出了一种基于Web挖掘技术的适应性网络学习模型.     

网络学习中个性化学习服务策略研究

网络学习是构建终身学习体系的重要学习模式之一.为了提高网络学习的有效性,关注个体间的差异,有针对性提供全方位个性化学习服务是必须重视的问题.本文从个性化网络学习资源服务和个性化学习过程服务两个角度,对个性化学习服务的策略进行了探讨,提出了建立统一的学习资源标准,解决资源异构问题;动态更新学习资源,保证学习资源服务可持续性发展;关注个体差异性,提供自主学习导学服务;建立电子学档,以过程性评价促个体发展;提供低成本的手机短信移动学习服务;实施个性化督学服务,提高学习者自主学习能力等一系列策略.     

基于Google Apps的协作式个性化学习环境(cooperative PLE)

近年来,教育界利用计算机辅助学习呈改变的趋势:越来越多的面向学习的应用程序都将其重心从以官方开发(即:资源提供者或者教育工作者)的学习平台转向以学习者为中心的学习平台。提出了由学习者自主订阅学习资源甚至开发各自的个性化学习环境,将通过iGoogle个人门户平台来构建个性化学习环境。其包括了提供能够支持各个系统之间的协作以及个人学习活动的网络应用软件以及服务。在很大程度上改变了单一的灌输式学习资源获取,为学习者提供了一个可以创造个性化学习环境的平台。通过与学校资源的共享,教育工作者与学生之间,学习者与学习者之间,可以通过此环境进行协作性交流学习。     

基于在线学习行为的个性化学习需求智能挖掘技术研究

随着数字化学习的普及和发展,如何及时发现网络学习过程中学习者的个体学习需求,并实时地提供满足他们需求的数字化学习资源和学习服务已日渐成为E learning研究领域的关键问题之一。利用人工智能技术,通过提取数字化学习资源中的核心概念和对在线学习行为的自动捕获,建立基于概念图的知识模型,在此基础上智能地挖掘学习者个体认知状态和学习需求,为个性化学习服务提供支持。     

数据挖掘在网络学习者学习特征分析系统中应用

目前我国的网络远程教育只突出了它的信息传播功能，即网络资源的共享和学习者远程学习的时空灵活性，而忽视了另外一个重要的特点——个性化教学。建立学习者学习特征分析系统是实现个性化教学的重要保障。本文讨论了如何应用数据挖掘技术进行学习者学习特征分析的过程，并结合实际工作，绘出了学习者学习特征分析系统的结构图。     

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。     

个性化虚拟学习社区关键技术研究

个性化虚拟学习社区实现了学习者个性化自主学习的目的,对现代远程教育具有重要意义。提出了构建个性化虚拟学习社区的技术路线,研究了虚拟现实技术、门户技术和网络爬虫等关键技术在构建个性化虚拟学习社区中的应用。     

泛在学习的学习资源探微——以教育技术类网站的社会网络分析为例

伴随着信息化进程的不断深入,网络学习环境已经成为在线学习的重要组成部分,而学习资源则是网络学习环境能否发挥作用的关键因素。学习者在网络学习环境中如何利用学习资源,网络学习环境如何为学习者提供更加个性化、符合数字化学习特征的学习资源?现有学习资源的提供方式、资源流转途径是否符合网络化学习特点?教育技术类网站作为提供数字化学习资源的主要渠道,通过对其链接分布和交互结构分析,有助于了解各资源平台学习资源的分布情况。利用网络链接分析方法,以教育技术类网站为研究对象,从密度、中心度和派系三个方面对相关网络学习平台进行交互结构的社会网络分析。实验结果表明,网络学习者在学习资源的多样性获取方面存在不足,对学习资源获取渠道的依赖性较强。据此提出基于泛在学习的数字化学习资源建设方案。