共查询到20条相似文献，搜索用时 8 毫秒
1.
基于数据挖掘的个性化学习系统研究 总被引：1，自引：0，他引：1
本文针对网络学习行为和数据挖掘技术的特点．在适用性学习系统的基础上加入了数据挖掘处理和个性化推荐模块,提出了基于数据挖掘的个性化学习系统模型：重点讨论了个性化推荐模块和基于数据挖掘个性化学习系统的数据挖掘模块的处理过程。 相似文献
2.
支持个性化学习的e-Learning系统研究 总被引：3，自引：0，他引：3
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. 相似文献
3.
随着信息技术和学习理论的发展,教育研究的焦点逐渐从"以教为中心"向"以学为中心"转变,对学习的研究也逐渐从对学习者本身的研究转向对学习环境的研究。社交网络模拟了人类社会生活与社会关系,其理念契合了社会建构主义、关联主义、分布式认知等学习理论,更加符合网络时代学习的社会性、关联性、分布性、碎片化、个性化等特征。本研究在分析现有网络学习环境的基础上,提出以社交网络模型为资源聚合与推荐框架设计新型学习环境的思路,对个人学习空间、学习资源聚合模式和个性化推荐引擎构建等学习环境设计要素进行了分析。社交网络可以实现"网络学习空间人人通",学习环境内外资源的个性化聚合,并记录学习过程。通过对大量学习行为数据的分析,可以辅助教学决策,优化学习过程,推荐符合学习者个性的学习资源,实现个性化学习。最后,本研究基于开源社会性软件Sakai OAE构建了个性化学习环境并进行了实际应用,结果表明该学习环境在用户易用性和技术接受度等方面取得了较好效果。 相似文献
4.
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
5.
程南清 《宁波广播电视大学学报》2005,3(4):87-90
网络教育已成为我国教育的重要组成部分，但其发展还面临着若干瓶颈问题，网络教学缺乏个性化就是其中之一。本文针对这一问题，提出了在传统网络教学系统中引入个性化技术、数据挖掘技术，构建基于Web的个性化网络教学系统原型。系统通过实时跟踪学习者在线学习行为，动态掌握其学习进度和学习效果，以此向学习者和教师进行个性化推荐。 相似文献
6.
e-Learning自适应推荐系统是一种基于当前学习者联机行为,在线自动推荐学习对象而不需要学习者直接反馈的系统。该系统框架是由离线模块和在线模块构成。离线模块预处理数据建立学习者模型,在线模块使用这些模型实时识别学习者目标,运用基于协作过滤的一系列推荐策略预测推荐学习对象。实验证明:由于实现模型构建和模型应用的有效分离,该系统具有较强的伸缩性和较快的实时响应速度,适合为大规模e-Learning系统提供高质量的个性化推荐服务。 相似文献
7.
8.
基于语义网的自适应学习系统中用户模型的研究 总被引：5，自引：0，他引：5
随着计算机网络技术的飞速发展,网络学习系统的设计开发成为教育研究的热点领域;而“以学生为中心”的自适应学习系统正在逐步取代“以教师（系统）为中心”的网络学习系统。本文以认知心理学、建构主义和人本主义学习理论为基础,运用ASP．NET、SQL Server数据库技术及语义网挖掘技术,研究基于语义网的自适应学习系统中用户模型的构建,包括用户学习风格、认知水平和兴趣偏好;最后利用protege工具建立用户模型的本体,通过数据挖掘技术完善用户模型。 相似文献
9.
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
10.
在网络和海量信息的背景下,网络学习由于具有时空无限、资源共享等特点,正逐渐成为构筑终身教育的最有效手段。网络学习是信息教育的延伸,强调过程的个性化和专业化。其中个性化服务体现了"以人为本"和"因材施教"的理念,因而在信息教育中得到了广泛应用。针对当前信息教育中缺乏对学习兴趣研究的现状,文章提出了信息教育系统中一种动态兴趣识别方法,新方法应用人工智能技术和数据挖掘技术构建了一个基于网络用户兴趣的动态识别方法,在很大程度上弥补了网络教学中个性化缺失的问题。 相似文献
11.
12.
近年来,基于社交网络的推荐系统随着社交媒体和大数据的蓬勃发展,逐渐成为推荐系统重点研究方向。将社交网络用户社会化属性信息和评论内容与深度学习等技术结合,可有效解决传统推荐系统数据稀疏和冷启动等问题。首先回顾传统推荐系统常用方法,介绍社交网络推荐系统主要流程和基本框架,然后介绍最新相关研究方向和应用情况,最后对基于社交网络的推荐系统发展趋势进行分析与展望。 相似文献
13.
基于Internet的现代远程教育为学习者提供了极大的方便。而目前的远程学习系统缺乏智能化、个性化服务,为改善这一不足,本文提出了一个基于数据挖掘技术的个性化学习系统模型,并详细描述了应用决策树及BP神经网络算法对系统进行设计的方法。基于本模型实现的个性化学习系统真正体现了因才施教的教育理念。 相似文献
14.
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
15.
在线学习成为学生学习的新手段和途径.基于分布式认知理论,建立学生专业学习的自适应学习模型,使学生更有效地利用在线学习系统,根据自身的专业基础和兴趣爱好,更好地构建知识体系结构,达到个性化学习的目的.文章以计算机专业为例,对自适应在线学习系统模型进行了探究分析,提出了个性化、自适应的在线学习系统模型DC-ALM,对其功能模型及体系结构进行了研究,并以课程为例对模型进行了应用设计. 相似文献
16.
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
17.
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
18.
网络环境下基于Web的个性化学习是现代远程教育与智慧教育领域研究的热点,也是数字化学习E-learning未来发展的趋势。Web个性化学习环境构建主旨是针对学习者特征差异性"分析"与"判断"其个性化需求,并以此精准推荐适当的学习资源,其实现的关键在于用户特征模型构建与分析、结构化领域知识构建以及知识个性化推荐与呈现。其中,用户静态特征与动态行为特征是个性化学习需求的逻辑起点,结构化领域知识模型是个性化推荐的数据源基础,知识个性化推荐与呈现是E-learning的宗旨。 相似文献
19.
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. 相似文献
20.
网络新闻是目前最重要的网络应用之一,其巨大的信息量产生了信息过载问题。为有效缓解信息过载问题,通过网络调查、文献研究、对比分析等研究方法分析了网络新闻推荐中的相关策略,并利用系统分析的方法研究推荐系统模型。总结出可应用于网络新闻领域的个性化推荐系统的推荐策略,构建基于不同推荐策略的推荐系统模型,并分析了网络新闻个性化推荐系统存在的问题和难点,提出其未来发展方向。 相似文献