共查询到20条相似文献，搜索用时 230 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.
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
3.
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
4.
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。 相似文献
5.
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
6.
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。 相似文献
7.
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。 相似文献
8.
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
9.
在大规模在线学习中,个性化学习和信息导航越来越受到学习者的欢迎。由于学习者众多、学习需求多样化和学习资源海量,个体化支持服务已难以满足个性化学习和个性化资源推荐的需求。相关研究表明,将社会化支持服务引入在线学习中,能初步缓解支持服务不足的问题。文章以社会化支持服务的属性和内涵为基础,构建基于掌握学习理论的在线学习环境,深入探讨社会化支持服务框架,并结合学习资源、学习伙伴、领域专家等社会性因素对学习者在线学习产生的影响,设计了社会化支持服务流程和个性化推荐模型,旨在为学习者提供智能、精准的支持服务。最后提出“一体化”的社会化支持服务模式,为研究面向个性化学习的社会化支持服务提供参考。 相似文献
10.
面向虚拟学习社区的学习资源个性化推荐研究 总被引：3，自引：0，他引：3
虚拟学习社区中学习资源的极大丰富和不断扩充,在给学习者带来资源选择多样化和自主化的同时,也给满足不同背景和不同偏好学习者的个性化资源需求带来了不便,出现了在众多学习资源面前选择迷航的现象,因而无法做出正确的资源决策。为了提高社区中学习资源的使用效果和效率,满足不同学习者的个性化需要,本文借鉴个性化推荐的信息过载处理思想,提出了学习资源个性化推荐的研究框架,阐述了虚拟学习社区中个性化学习资源推荐的工作流程,分析了虚拟学习社区中学习资源个性化推荐的关键技术和存在的一些不足。 相似文献
11.
12.
Pragya Dwivedi Vibhor Kant Kamal K. Bharadwaj 《Education and Information Technologies》2018,23(2):819-836
With the rapid advancement of information and communication technologies, e-learning has gained a considerable attention in recent years. Many researchers have attempted to develop various e-learning systems with personalized learning mechanisms for assisting learners so that they can learn more efficiently. In this context, curriculum sequencing is considered as an important concern for developing more efficient personalized e-learning systems. A more effective personalized e-learning recommender system should recommend a sequence of learning materials called learning path, in an appropriate order with a starting and ending point, rather than a sequence of unordered learning materials. Further the recommended sequence should also match the learner preferences for enhancing their learning capabilities. Moreover, the length of recommended sequence cannot be fixed for each learner because these learners differ from one another in their preferences such as knowledge levels, learning styles, emotions, etc. In this paper, we present an effective learning path recommendation system (LPRS) for e-learners through a variable length genetic algorithm (VLGA) by considering learners’ learning styles and knowledge levels. Experimental results are presented to demonstrate the effectiveness of the proposed LPRS in e-learning environment. 相似文献
13.
数字学习时代,海量的学习资源不但没有促进学习效率的提升,反而加剧了资源获取的负担。该文针对数字学习资源过载现状,借鉴个性化推荐策略,就数字学习资源的服务效果提升进行研究。该文以北京师范大学泛在学习资源平台一学习元平台资源推荐设计为例,分别阐述了个体学习者与群体学习者的数字学习资源服务策略,并从推荐算法的角度阐述了学习资源个性化推荐效果提升策略。 相似文献
14.
为尊重学习者个体差异性,实现基于微信公众平台的泛在学习资源个性化推荐和个性化学习,增强学习者与学习资源的相关性,帮助学习者提高学习效率,论述了泛在学习的内涵,阐述了泛在学习公众平台相关研究现状。基于行为主义学习理论和因材施教理论设计了包含学习者层面、教师层面、系统层面和管理员层面的泛在学习资源个性化推荐微信公众平台相关功能模块,可为相关研究提供参考。 相似文献
15.
智慧学习环境下的教学更加关注学习者的个性化诉求,自适应学习系统能够为实现个性化学习提供技术支持。文章针对传统层状自适应学习系统模型未阐明学习系统内部运行机制的不足,基于自适应逆控制理论研制了一种自适应学习系统动力模型。学习者的学习目标选择促使学习系统开始运行,学习者的初始学习目标与其后的学习成效之间的差值是维系学习系统继续运行的内在动力。学习系统在领域模型、学习者模型、认知诊断和自适应模型四者的协同作用下向学习者不断推送适切的学习资源,旨在消除学习目标与当前学习成效之间的差值,从而使系统重新归于稳定。文章从系统动力机制视角,设计了自适应学习系统包含的领域模型、学习者模型、自适应模型和认知诊断模型。研究将为自适应学习系统的设计与实现提供理论借鉴。 相似文献
16.
画像技术在当前精准营销中的应用非常广泛,而其在教育领域尤其是在线学习者的特征识别方面研究较少。文章从学习者的一般特征、学习准备、学习风格、行为特征四个方面对学习者进行分析,提出在线学习者画像描述的总体框架。同时,通过机器学习对在线学习行为数据进行挖掘,文章分别从以上四个方面对学习者画像进行建模研究,重点讨论了学习风格的建模过程,并通过对在线学习者个案分析,阐述了学习者画像在指导学习资源精准推荐、评估在线学习者学业失败或退出风险等方面的应用,为个性化教育实施提供了实践案例。 相似文献
17.
18.
通过对网络学习中学习者在感觉通道、学习材料、学习环境和思维方式等方面偏好的分析,构建网络学习者学习风格特征结构模型。以此模型作为理论依据,提出对网络学习者学习行为进行采集、诊断和个性化引导的方法,并设计网络学习行为个性化引导系统。 相似文献
19.
Coursera作为开放在线课程的佼佼者,其教学成功之道无疑值得我们去思考与研究。该文通过跟踪学习＂混合学习＂课程,对其在资源、教学、学习及评价等方面的特点进行分析,挖掘梳理Coursera在教学方面的成功之道,并探讨其对我国在线课程发展的启示。研究得出为使我国在线课程迅速发展,在根据我国学习者特点和现有技术支持的前提下,其资源设计应满足在线学习者的个性化学习需求,教学上应提供完善的课程学习支持服务,学习上要打造空前开放的学习共同体,评价上需制定灵活多样的评价机制,进而开发出＂本土化＂的在线课程。 相似文献
20.
通过对学习者兴趣与资源的匹配度的分析比较,提出实现资源精确检索的算法模型,并在相关系统中进行了实证,同时该算法对实现资源的个性化推荐具有很好的借鉴价值. 相似文献