共查询到20条相似文献，搜索用时 15 毫秒
1.
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
2.
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
3.
王嵬 《安阳师范学院学报》2023,(2):23-27
个性化学习内容推荐是提升学习者个性化学习质量的关键,建立个性化学习内容推荐模型,以提升学习者个性化学习满意度。通过对学习者个性化标签进行分析,构建了学习者学习状态监测指标体系,提升学习者个性化学习效率和质量。在此基础上结合学习者个性化学习内容生成框架得到个性化知识图生成规则,最终得到学习者个性化学习内容。将提出的基于学习状态的个性化学习算法与传统算法进行对比,结果表明,基于学习状态监测的个性化学习算法得到的个性化学习内容能够大大提升学习者个性化学习的满意度。基于学习状态监测的个性化学习算法所得到的个性化学习内容针对性更强,对提升学习者个性化学习质量具有一定的参考价值。 相似文献
4.
在线学习资源建设已经成为了当今数字化学习研究的热点问题.本文以学习过程中学习者学习行为和在线学习资源的特点为基础,结合协同过滤算法,设计了基于协同过滤技术的在线学习资源个性化推荐系统模型.实践证明,该模型可以更好地为学习者创造数字化学习环境,提高学习者的自主学习效率. 相似文献
5.
E-Learning环境下,网络是在线学习者在线学习,在线交流的重要方法和手段。目前在线学习平台为在线学习者提供被动的学习模式,在线学习者的学习需求具有个性化的不同,学习者希望学习平台能够依据个体的差异提供不同的学习模式,在此背景下,依据学习者的不同背景研究个性化的知识推荐系统具有重要意义。本文探讨了个性化学习的基本模式,并构建了一个个性化学习模型。 相似文献
6.
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
7.
随着移动终端的普及和无线网络的飞速发展,移动学习成为一个研究热点。针对传统学习资源利用率低、用户针对性不强、个性化学习不够突出等问题,提出了改进大学英语移动学习的方案。该方案充分利用4G网络环境下的学习资源,实现随时随地高效率、个性化的学习。将云技术应用到4G移动学习中,利用本体论,设计用户的兴趣模型,满足大学生英语学习的个性化需求。结合本体理论,研究本体类层次结构和语义推理的理论方法,设计专家本体用户兴趣模型。 相似文献
8.
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
9.
自适应学习系统述评及其优化机制研究 总被引：1，自引：0，他引：1
一些网络学习系统如Blackboard、Moodle、SaKai等提供给学习者都是千篇一律的学习资源,不能根据用户特性动态适应地呈现个性化学习内容。因此,构建自适应学习系统是解决学生需求的个性化与教学资源的静态化的有效方案。本文对国内外一些常见的自适应学习系统进行了研究分析,总结出其特点和不足,设计与实现一个面向服务的自适应学习系统,分别在系统参考模型设计、用户模型和领域模型构建、个性化学习资源推送策略、多元化学习资源建设以及系统依据学习风格模型适应性呈现学习活动序列和学习资源等方面做了大量的优化研究。 相似文献
10.
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
11.
《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
12.
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。 相似文献
13.
14.
15.
16.
MOOC以其独特特点和独特优势如低注册门槛、资源开放在线及使用异步无限制等,吸引了来自世界各地的、大量不同背景、不同特征和不同目的学习者。这就使得MOOC要获得可持续发展,并最大化其存在价值,必须满足学习者的个别化需求和目的,支持和促进学习者的自主个性化学习过程和学习结果,因而MOOC学习环境必须支持和促进学习者的个性化学习。该研究对支持和促进学习者自主个性化学习的MOOC学习环境设计的策略进行了深入探究,以期对MOOC研究和实践的发展有所裨益。 相似文献
17.
以网络教育为核心的远程教育正在飞速发展,而混合学习可以有效地提高其教学质量。为了解决远程教育学习者在混合学习中学习进度、兴趣等方面存在差异的问题,我们在混合学习中引入数据挖掘知识,研究并设计了一个结合Web日志的个性化推荐混合学习模式。该模式可以根据学习者的实际情况为其推荐个性化学习方案,包括学习目标、学习内容、习题测试等,为系统全面地进行远程教育的教学设计与实践、提高教学质量提供帮助。 相似文献
18.
程光胜 《深圳职业技术学院学报》2022,(1)
伴随着大数据和人工智能在教育领域的渗透和融合,个性化学习成为当前和未来教育关注的焦点,而自适应学习系统为个性化学习提供了一种实践路径.在分析自适应学习基本模型的基础上,结合自适应超媒体系统通用模型AEHS,引入了学习情境,构建了基于情境感知的自适应学习系统模型.为了提高自适应结果的精准性,根据学习情境中的学习者要素、时间要素、空间要素和设备要素,对学习者进行学习情境分组,以此为基础,通过学习者模型、领域模型和教学模型的协同作用,在自适应引擎的驱动下,生成自适应学习结果.最后,结合动态变化的时间因素,提供了个性化资源推荐的实现思路. 相似文献
19.
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
20.
丛春瑜 《四川教育学院学报》2004,20(7):16-17
本文论述了基于Web的学习环境中 ,学习者个性化学习信息模型的构建方法。提出了实现个性化学习信息服务的参考模型 ,并描述了模型中的关键构成要素。基于agent的个性化学习信息服务将是未来远程学习环境发展的一个新热点。 相似文献