共查询到20条相似文献,搜索用时 718 毫秒
1.
《实验室研究与探索》2013,(11)
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。 相似文献
2.
3.
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。 相似文献
4.
在“互联网+教育”时代,学习者模型是实现个性化网络教学的关键。通过对学习者模型研究现状的分析,在知识模型、认知模型、情感模型和行为模型的基础上,提出一种融合社交特征的学习者综合模型。首先,对模型的特征选择和形式化表征进行了详细说明;然后,针对该模型在学习资源推荐、学习路径推荐、学习伙伴推荐、学习督导和预警中的应用进行了分析。最后,研究认为该模型能够为新型互联网学习环境下的个性化教学服务提供良好的支持。 相似文献
5.
个性化推荐作为解决学习者信息迷航的重要途径已成为研究热点。以生成性学习资源中学习者的个性化学习特征为基础,构建用户模型。根据布卢姆认识理论,采用贝叶斯网络评估学习者认知状态,并基于Felder-Silverman模型,利用TAN贝叶斯网络预测学习者学习风格,依据学习者的认知水平和学习风格推荐不同的学习策略,以有效提高学习效率。 相似文献
6.
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。 相似文献
7.
e-learning的调查发现,e-learning支持系统中学习资源推荐主要有Top-N和关键词检索两种方式,都无法向学习者个性化地推荐学习资源。受电子商务研究领域中相关研究成果启发,我们尝试将协同过滤推荐技术引入学习资源的个性化推荐研究中。通过综述学习资源个性化推荐中三种常用的推荐技术,介绍了协同过滤推荐技术的工作原理、实现方法及存在问题。在此基础上,提出了一个优化的基于协同过滤技术的学习资源个性化推荐系统的理论模型,重点讨论了模型的结构、隐式评分机制和算法的实现,并讨论了个性化学习资源推荐模型中的三个关键技术。以启发e-learning研究人员从不同的层面和角度探索协同过滤技术在e-learning中的应用,提高学习资源个性化推荐的精度和效率。 相似文献
8.
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. 相似文献
9.
10.
从知识管理的角度看远程教育中个性化资源库的建设 总被引:13,自引:1,他引:13
本文从知识管理的角度分析探讨个性化资源库的建设问题,提出在远程教育中资源库建设不仅包括网络课件、教学材料等静态资源建设,学习者在学习过程中生成的有价值的个性化流动性动态资源也应成为资源库建设的重要内容,资源库建设应看做是知识积累、挖掘、不断更新、动态流动的循环过程。 相似文献
11.
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。 相似文献
12.
13.
当今时代,网络远程教育在蓬勃发展的同时也出现了“课本搬家,教室搬家”等许多问题。提高网络远程教育的质量要求网络远程教学设计密切关注学习者的心理因素,对学习者的个性因素与网络远程教育效果相关性进行研究。文章就如何根据学习者的个性因素进行远程教学设计进行了一些探讨,提出了基于学习者的个性因素建构个性化教学环境,个性化资源库、个性化学习系统和个性化学习支持服务系统的远程教学设计策略。 相似文献
14.
适合大规模网络学习的个性化导学系统 总被引:1,自引:0,他引:1
为了对大规模网络学习中参差不齐的学习者实现有效的学习控制和个性化的学习指导,设计并实现了一种个性化的智能导学系统.该系统以结构化知识域为基础,组织所有学习对象;通过分析学习者基于知识域的各种学习活动,产生基于知识结构的评价结果,形成个性化学习记录;通过学习路径挖掘对学习者进行学习引导和控制;根据学习者的学习评估状态进行聚类,由教师作学习资源的类内权威推荐、学习策略调整等个性化的指导.实践证明,该系统的使用显著提高了学习者的学习速度和学习效果. 相似文献
15.
面向"服务"视角的自适应学习系统设计与实现 总被引:1,自引:0,他引:1
自适应学习系统是当今乃至今后教学系统的研究热点,它是学习者实现远程个性化学习的前提条件.本文针对目前自适应学习系统的用户模型建模问题以及常见的一些网络学习服务平台实现学习者获取资源策略存在不足之处,提出了面向"服务"视角的个性化推荐策略,设计与实现了面向"服务"的自适应学习系统(SOALS,Service-Oriented Adaptive Learning System),分别从系统的架构流程(程序驱动和用户自主选择学习路径)、核心组件(用户模型和领域模型)、学习资源建设标准及实现技术和部分功能实现等方面做了深入剖析,为同行研究者提供了理论依据和实践参考. 相似文献
16.
基于个性化的网络远程教学设计策略探讨 总被引:2,自引:0,他引:2
当今时代,网络远程教育在蓬勃发展的同时也出现了“课本搬家,教室搬家”等许多问题。提高网络远程教育的质量要求网络远程教学设计密切关注学习者的心理因素,对学习者的个性因素与网络远程教育效果相关性进行研究。文章就如何根据学习者的个性因素进行远程教学设计进行了一些探讨,提出了基于学习者的个性因素建构个性化教学环境,个性化资源库、个性化学习系统和个性化学习支持服务系统的远程教学设计策略。 相似文献
17.
本文从Web2.0的角度来分析探讨网络教育中个性化资源库建设的有关问题。提出网络教育资源库的建设不仅包括网络教学课件、公共资源等由网络教育学院资源部门以及学科教师所提供的静态性资源的建设,还应包括学习者在学习交往互动过程中所产生的有价值的个性化动态性资源的建设。Web2.0环境下的资源库建设应体现社会化、以学习者为中心、知识的聚合与创新、开放性、动态性。 相似文献
18.
本文探究了推荐系统在学习科学中学习资源方面的可行性。主要讨论了推荐系统的组成部分(集体责任,集体智慧,用户控制,导航,个性化)与学习科学理论的良好适应,并分析设计了基于网络学习资源的智能推荐系统的整体框架结构,实现了推荐系统从商业背景到教育背景的转换,提高学习资源利用率,满足学习者的个性化需求。 相似文献
19.
开放式e-Learning解决方案个性化推荐服务——一种面向终身学习的数字化学习服务模式的探索思路 总被引:3,自引:0,他引:3
个性化e-Learning系统一直是数字化学习研究的重要主题,然而在终身学习环境下,个性化e-Learning系统必须要考虑如何提高学习者兼容性、资源充足性、智能挖掘性和推荐整合性,才能最大限度地满足海量的差异化学习者的个性化需求.作为对终身学习的数字化学习服务模式的一种探索思路,本文构建了一个开放式e-Learning个性化推荐服务,通过向学习者推荐完整的e-Learning解决方案,提出多种个性化机制,构建开放性学习社区,并通过Web数据挖掘技术挖掘解决方案,来解决传统个性化e-Learning系统所面临的这几个挑战.本文对该服务的概念体系和技术应用进行了详细阐述,以对终身学习环境下的数字化学习体系建设提供参考. 相似文献
20.
基于用户模型的个性化本体学习资源推荐研究 总被引:4,自引:1,他引:3
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. 相似文献