开放性社会学习者模型实证研究

为帮助学习者准确了解自己和其同伴在学习过程中进展,并引发学习者元认知和社会比较学习体验,笔者运用社会比较理论,设计并开发了基于表格的开放性社会学习者模型TableOSLM,其采用表格可视化形式呈现学习者本人、组和学习同伴的学习进展,在实证研究方面,通过问卷调查、实验研究法和面对面访谈等方式收集数据,评价结果表明:TableOSLM能引发学习者在学习规划和自我反思两个维度上的元认知学习体验和在比较方式和自我完善两个维度上的社会比较学习体验;学习者对TableOSLM在有用性、易用性和满意度3个方面都表现出较高的认可度.     

自适应学习系统中开放性学习者模型实证研究

为帮助学习者掌握自适应学习系统为学习者所定义的个性特征和学习信息,设计并开发了开放性学习者模型MindOLM。MindOLM 采用思维导图可视化形式将学习者模型中课程知识状态呈现给学习者,帮助学习者了解、查看自己的学习进展,以及章、节、知识点之间的关联关系,并引发学习者元认知学习体验。在实证研究方面,通过实验研究法、问卷调查和面对面访谈等方式收集数据,结果表明: MindOLM 能引发学习者在学习规划和自我反思两个方面的元认知学习体验; MindOLM 能很好地表示学习者学习进展和知识水平; 学习者对MindOLM 在有用性、易用性和满意度3 个方面都表现出较高的认可度。     

一种基于个体趋势分析和评价算法的个性化学习模式

针对传统E-learning系统的不足,本文提出了一个新的基于推拉模式的交互式个性化学习评价环境。在拉模式中,通过信息采集和分析算法来发现学习过程中的弱点。在推模式中,选择合适的算法来建立个性化的学习评价模型。最后通过决策树理论提供给用户合理的建议。实验结果表明了本文所提出的评价算法的有效性和准确性。     

基于属性相关的智能学习指导模型的设计与实现

决策树分类算法是智能指导系统实现"智能"的一种有效工具。通过对数据的分析和挖掘,能够实现对数据的精确分类。另外,对于决策树和产生式规则集的计算相对简单而且高效。提出了智能指导系统,并介绍了该系统的主要功能模块。在比较了ID3算法和C4.5算法后,结合个性化教学的需求,提出了新的基于规则属性相关的C4.5r算法。同时,给出了系统的计算评估模块。实验结果表明,新的C4.5r算法在运算时间、产生式规则集的规模及计算产生式规则的开销方面明显优于传统的C4.5算法。     

一种基于个体趋势分析和评价算法的个性化学习模式

针对传统E-learning系统的不足,本文提出了一个新的基于推拉模式的交互式个性化学习评价环境.在拉模式中,通过信息采集和分析算法来发现学习过程中的弱点.在推模式中,选择合适的算法来建立个性化的学习评价模型.最后通过决策树理论提供给用户合理的建议.实验结果表明了本文所提出的评价算法的有效性和准确性.