基于网络学习行为模式挖掘的用户学习风格模型建构研究

学习风格是影响学习者个性差异最主要的一个因素,深深地影响着学习过程。网络学习首要一个重要目标就是能够自动推测学习者的学习风格,然后实现所有学习者都能按着自己的学习风格去学习,实现网络个性化学习。文章首先提出了学习风格建构模型,然后说明了利用学习风格量表为辅的显性方法初始化学习风格,其次重点探讨利用贝叶斯网络方法挖掘学习行为模式为主的隐性方法推测学习风格。最后比较了利用设定条件的学习风格量表和贝叶斯网络两种方法分别推测学习者学习风格,结果还是值得肯定的,表明利用贝叶斯网络隐性方法为主挖掘网络学习行为模式推测学习风格具有很高的精确度。     

基于电子学档的网络学习评价系统设计与开发

电子学档是实现学习过程评价的有力工具，强调学生在网络学习环境下，自己完成对学习的自我评估、自我反思和自我管理过程。本分析了电子学档出现的必然性，提出了电子学档的基本内涵，阐述了电子学档的设计理念，并设计和开发了适用于网络学习的评价系统一电子学档，其中重点探讨了学生基于聊天室或电子公告板进行在线讨论学习的评价体系。     

基于Internet环境下流媒体同步技术的实现

随着宽频时代的来临，网上视频教学逐渐成为远程教育的重要途径，为解决视频、音频、导航区标题与电子讲稿(PowerPoint)三者同步问题，流媒体同步技术正发挥着重要作用。本文主要阐述如何利用Windows Media Tools和SMIL语言两种技术实现网上视频教学的同步问题。     

基于知识图谱的个性化学习模型与支持机制研究

近年来以人工智能为代表的产业技术为学习方式变革提供了契机,如何促进个性化学习已然成为教育领域关注的重要话题之一。知识图谱作为知识可视化发展的最新技术,拥有较强的表达能力,不仅能在不同知识点之间建立非线性的语义联系,还能解决在线学习中推荐、监控、评价、反馈等个性化学习支持问题,可以助力学习者系统高效地建构知识体系、优化学习决策,为个性化学习支持研究提供了新的视角。因此,该研究在分析个性化学习及相关研究现状基础上,立足学习者导向视角,在自我决定理论等指导下,构建了基于知识图谱的个性化学习模型,并从动机激发、知识建构、意志提升、能力增强四个维度出发,构建了基于知识图谱的个性化学习“四位一体”协同支持机制,设计了基于知识图谱的个性化学习系统原型,以期为给个性化学习研究提供一定参考。     

深度学习视域下认知偏差对知识建构的影响机制研究

知识建构是实现深度学习的有效途径,亦是各参与主体冲突协商、相互博弈的过程,而认知偏差作为学习者固有的认知心理现象,易对知识建构协同策略的选择产生影响.为深入揭示深度学习知识建构过程中学习者认知内在机制,基于演化博弈理论,利用结构方程模型对认知偏差、团队冲突与知识建构的关系迸行分析.研究表明,证实性偏差、自我维护偏差和敌对归因偏差显著正向直接影响知识建构,任务冲突在认知偏差和知识建构之间起中介作用,而关系冲突与知识生成的关系不显著.据此基于脑科学对认知偏差的阐释,从社会连接、心理契约、心智解读、自我意识与控制、情绪等五个维度提出了知识建构有效发生策略,拓展了深层次知识建构的研究范畴,助力深度学习的有效发生与良性发展.     

基于ASP技术开发的在线自测系统

与传统测试模式相比，网上在线自测具有智能化管理(如试卷的随机抽取和试卷的自动评分等)、教学评估客观准确可靠、教学效率高、学员可随时随地进行自测等优点。本文所介绍的是一个基于ASP技术开发的在线自测系统。     

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.     

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。     

运用激励性评价,提高初中数学教学效率

巧妙灵活地运用激励性评价,能够激发学生的学习兴趣。本文结合教学实际探究了如何在初中数学教学中发挥激励性评价的作用。     

基于人类动力学的在线学习行为规律分析及建模研究

探究在线学习行为,有助于明晰在线学习本质、改进在线学习过程。已有研究主要聚焦于在线学习行为的外显表征分析,还应关注在线学习行为发生的内隐规律与动因。文章采用人类动力学研究方法,挖掘在线学习行为时间上的规律性,构建教学活动和学习兴趣双重驱动的在线学习行为动力学模型。研究表明学习者群体与个体的在线学习行为规律都具有一定的周期性、阵发性等基本特征,并且在时间间隔分布方面具有显著的重尾特征。模型在解释学习行为发生动因方面具体表现为,学习兴趣的衰减与学习行为发生概率呈负相关,而教学活动的影响与学习行为发生概率呈正相关。在促进在线学习行为中,需考虑任务与协作驱动的教学设计、智能技术支持的资源推荐、基于学习规律的个性化干预等策略,以推动破解在线教育质量难题。