一种基于分辨函数的属性约简算法及其应用

针对个性化网络学习中影响学习策略种采用分辨函数进行属性约简的算法.应用分辨函数原理,逐次比较论域中的对象,以获取核集和非核集;利用逻辑运算求取最佳约简,并对约简集合的属性进行影响因子的排序,提取出关键个性特征属性.在西安交通大学英语学习网站平台上的实验结果表明,所提算法得出的学习者关键个性特征维数仅为原始维度的1/4,并可自动发现学习者关键个性特征知识,揭示个性特征和学习策略间的客观关系,精简50%的数据量.     

一种面向个性化网络学习的协同学习任务生成方法

提出了一种面向个性化网络学习的协同学习任务自动生成方法.该方法以学习目标与学习小组中学习者的个性特征为输入,通过基于学习者认知水平的协作成员分组和基于耦合度的协同学习模式分配,生成符合学习者群体个性特征的协同学习任务,从而有效地解决了网络学习中个性化学习与协同学习相结合的问题.该方法已在实时教学系统中进行了测试,结果表明,相对无指导的协同学习,根据此方法所生成的学习任务的协同学习可有效提高学习效率.     

基于关联规则的网站个性化服务

从大量顾客在线购买历史记录中挖掘出有用的关联规则，是一种及时有效的向顾客推出个性化服务的重要技术．对网上书店的顾客在线购买行为进行挖掘分析，采用Apriori算法找到其中的关联规则，采用支持度过滤方法获取频繁的顾客购买行为模式，提出根据用户的兴趣度和规则的置信度产生相应的推荐候选集，实现网上书店的个性化推荐服务。     

关联规则挖掘在高校图书馆个性化服务中的应用

在高校图书馆进行数字化建设的今天,图书馆个性化服务已成为迫切需要。高校图书馆开展个性化服务的一个关键之处是如何有效自动获取读者的个性化信息需求,从而指导个性化服务。使用关联规则技术对图书馆服务过程中产生的事务数据进行挖掘,能够全面获取各类型读者的信息需求模式。个性化服务系统通过学习这些需求模式知识,可以为读者提供准确的服务。     

基于学习风格理论的网络教学模型构建

就网络教学的本质和技术特质而言,网络教学的目的是为学习者提供一种不受时空限制的个性化教学,但网络教育忽略了学习者的个体差异,从而影响了网络教育的质量．通过分析学习风格理论与网络教育的特殊性及学习者的个性特征的关系,提出并构建了运用学习风格理论的网络教育个性化模型,以对网络教学实践有一定的启示,真正实现网络教育的个性化．     

一种采用偏最小二乘回归的情绪调节策略预测模型

针对目前个性化网络学习中重知识轻情感的现状,从学习者负面情绪调节入手,提出采用偏最小二乘回归方法,以采集的学习者的个性特征为自变量,负面情绪调节的策略特征作为应变量,建立学习者的情绪调节策略预测模型.通过实例验证,此模型具有较好的拟合预测能力.实验结果表明,个性对情绪调节策略的解释能力达70%,揭示出学习者负面情绪补偿的方法与个性相关联.     

基于目标设置理论的个性化网络学习模式研究

目标设置理论是近年来研究最多、影响最大的一种激励理论.将该理论引入到个性化网络学习平台的设计与实践中,并利用该平台在实践中积极探索基于目标设置理论的个性网络学习模式,很好地激发了教师对学习者学习的引导以及学习者的学习动机和学习情趣,提高了课程学习的实效性.     

基于模糊粗糙集的一种知识获取方法

将粗糙集理论与模糊集理论相结合，提出了一种基于模糊粗糙集的知识获取方法．该方法利用模糊集理论对决策表中连续属性进行模糊化；通过定义模糊等价类得到模糊粗糙近似空间的上、下近似，从而获取决策规则．实例验证了此方法的有效性．     

对流式视频进行注释网络点播学习系统的设计

针对当前视频点播学习系统的不足,提出了学习者对流式视频学习内容进行注释这一想法,对网络视频进行注释的行为类似于在课本的空白处作笔记,这种把注释内容与视频内容实时关联起来的系统,旨在更好地促进学习者的个性化学习和协作性学习。文中重点分析了对流式视频进行注释的网络点播学习系统的特点和功能,并提出了相应的系统模型,为创设有利于学习者个性化和协作性学习的网络环境提供了参考。     

对流式视频进行注释网络点播学习系统的设计

针对当前视频点播学习系统的不足,提出了学习者对流式视频学习内容进行注释这一想法,对网络视频进行注释的行为类似于在课本的空白处作笔记,这种把注释内容与视频内容实时关联起来的系统,旨在更好地促进学习者的个性化学习和协作性学习.文中重点分析了对流式视频进行注释的网络点播学习系统的特点和功能,并提出了相应的系统模型,为创设有利于学习者个性化和协作性学习的网络环境提供了参考.     

性格差异对外语习得的影响及其语言教学革新

学习者学习生活中体现出的不同的性格类型是学习者个性差异中最显著的特性,这些性格类型可根据目前国际上应用最为广泛的性格测评理论MBTI(Myers Briggs Type Indicator)加以测评判定。每种性格的外语学习者都有其不同的注意力焦点和盲区,一旦性格类型被确定,即可知道每种外语学习者在决策时会关注什么,而习惯性会忽略什么,这一点对做出正确决策非常重要。为了能成功地提供教学指导,外语教师必须时刻存在一种意识——学生们是存在着差异的个体,为了让教学满足学生个性化需求,教学者应进行针对性的教学策略革新以增强学习指导效果、提高学生学习效率。     

学习者性格类型与教师修正性反馈形式研究

目前,大学英语写作教学中的教师修正性反馈方式与学生需求差距甚大,且不同性格类型的学习者对反馈方式的偏好有显著差异：内向型学习者倾向获得语言提示反馈,其次是标记反馈,而外向型学习者对反馈的明晰度要求更高,偏爱直接反馈。因此,教师应对不同性格学习者进行针对性反馈,这将有助于学生对习作进行积极有效的修改。     

基于数据挖掘的网络教育资源库构建

随着网络教育的蓬勃发展, 网络资源库的建设正向智能化、个性化方向发展, 以满足学习者不同的学习需求. 通过分析目前学习者在利用资源库进行学习时所遇到的问题, 提出运用数据挖掘技术(DM)指导资源库的建设, 并就如何改善资源库的组织结构、提高资源库的利用率、适应个性化学习等问题进行分析探讨.     

基于双路聚类的在线学习行为分析研究

为有效地利用日志文件,更有深度地刻画学习者画像,提出了双路聚类建模方法(Two-way Clustering, TWC),分析挖掘了万余人次学习者在某大学网络教育学院的大量学习行为数据,力图更深刻地展现远程教育学习者的风貌. 考虑到教育数据具有隐含性这一特点,该方法以细粒度数据为核心,通过双角度的聚类计算得到了各学习者在不同模型中的类别,最后基于融合后的模型对学习者进行刻画. 4种经典聚类算法与TWC算法的对比实验结果和TWC算法的聚类结果表明:TWC算法能够增强簇的内聚性,更准确地对学习者进行聚类,从而更深刻、更全面地刻画学习者轮廓.     

面向知识发现的数据分类技术在网络教学中的应用研究

提出将数据挖掘技术应用于网络教学平台的设计,采用决策树分类方法从学习者的大量信息中分析学习者的学习能力,构建学习者特征模型,提高网络教学对不同学习者个体的针对性,为实施个性化教学提供决策支持.     

基于元胞自动机的学习者行为模拟

本文提出一种基于元胞自动机模拟学习者行为取向的模型,并进行了单一的和2个影响因素对不同类型学习者的模拟。演化结果显示,该模型能够有效地模拟学习者的行为取向,影响因素对不同学习者人群的影响规律与实践中观察到的现象相符合,在复杂系统科学领域具有良好的应用前景。     

影响外语习得的学习者因素

外语习得的研究应主要研究成功的学习者:考查学习者的学习动机、学习机会和学习能力三方面。动机是学习者从事外语学习的根据,是影响外语习得的最重要因素,多数外语学习者的动机是交际需求和对外语国家态度综合作用的结果。外部环境提供的学习机会中,正规教学并非必须,语言材料也应当适合学习者的自然习得机制。学习能力方面主要分析语言认知的一些特点,理清个性及年龄对外语习得的影响,并归纳成功学习者的一些策略。对学习者因素的分析,可为调整我们外语教学的方式方法提供新的思路。     

自主学习中的情感因素

培养学习者的自主学习能力是大学英语的教学目标之一，自主学习的真正实现受到诸多因素的影响。本文就影响自主学习的情感因素进行探讨．并在此基础上提出了一些建议．希望能进一步帮助他们提高学习效果和学习效益，成为真正的自主学习者。