E-learning中的个性化服务研究

E-learning已经成为现代教育的重要手段,但是现有的E-learning系统的教学模式、教学过程还过分单一,缺乏个性化．如何根据学习对象的学习基础、掌握程度等建立个性化的学习环境,实施自适应学习成为E-learning重要的研究课题．为此提出了一种基于知识点管理的教育资源管理模式,建立了个性化的E-learning学习模型,并实现了学习过程的个性化推荐．     

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.     

E-learning中的创新--Blog的应用

Blog作为一种新兴的网络技术，越来越受到E-learning学习者的青睐，并逐步应用到E-learning中。对Blog动态的知识获取、自由和个性化的信息沟通以及强大的知识积累、过滤功能等进行了分析，同时指出了其在应用中应当注意的问题。     

基于改进C4.5的E-learning教学辅助系统的研究与实现

为提高E-learning(数字化学习)中学生自主学习以及教师管理学习的效率,提出将决策树C4.5算法应用于数字化学习平台中的决策分析,设计了基于决策树的E-learning教学辅助系统,根据学生的在线学习行为预测其学习效果,以尽早发现问题。基于Fayyad边界点判定原理和数学的等价无穷小理论,对传统C4.5算法作出两点改进,在E-learning系统中,运用改进的算法先训练出在线学习行为与学习效果间的决策树模型,导出分类规则,而后进行学习效果预测。实验结果表明,改进后的算法具有比较高的预测准确率,能够为学习者和教学者提供决策支持。     

学习资源网络模型构建及资源推荐策略设计

通过分析基于终身学习机制的个性化推荐系统与基于电子商务的个性化推荐系统的区别,确定基于终身学习机制的个性化推荐系统的关键问题就是如何为学习者获得想要具备的能力推荐满足他们个人需求、个人爱好以及目前已具备的知识结构的最佳学习路径.针对终身学习中正式学习和非正式学习不同的学习情况,构建了学习资源网络模型,在此基础上将基于本体的推荐技术和协同推荐技术相结合,为学习者的不同学习情况运用不同的推荐策略推荐最佳学习路径.最后通过实验对推荐结果进行分析,确定最优方案.     

浅谈E-learning对高职英语口语教学的辅助作用

E-learning是伴随着信息技术和多媒体技术发展起来的一种全新的学习方式。本文通过分析当前高职英语口语教学存在的问题以及E-learning个性化和交互性教学的优势,阐述了E-learning对高职英语口语教学的辅助作用。     

E—learining应用新进展及启示

今天,E-learning再次以一种不限时空和数字接收终端设备为学习者传递及时在线、综合学习内容的学习方式掀起了互联网应用的第三次浪潮。本文分析了目前E-Learning应用的新模式和一些院校和企业开始诉诸E-learning的电子化学习方式以帮助学习者或培训者快速有效获取信息知识的原因。最后,就多年来在探索学习策略应用和认知成果方面的经验教训进行分析总结。     

一个E-learning环境下基于专家系统的学习评价系统

目前的E-learning学习平台评价学习者时仅仅给出学习者最终的成绩,不能给出学习者全面的评价,比如学习者的学习态度和综合能力等．本文开发了一个E-learning环境下的智能评价系统,该系统使用了模糊综合评价方法和专家系统技术,它能够减少手工计算评价指标的复杂度并能够根据学习者各方面的表现客观,公正,自动的生成评语。     

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.     

学习者画像建构及应用研究

社会经济的发展对教育教学和人才培养提出了个性化和精准化的需求.随着互联网和大数据技术的发展,基于数据驱动的学习者画像为解决上述教育需求提供了思路.当前,我国对学习者画像的研究仍处于起步阶段,表现在缺乏教育理论对学习者用户建模过程的指导,忽视不同数据间动态关联价值等.首先从可行性和具体实施方法的角度,剖析学习者画像的建构流程.然后在社会学习理论和活动理论指导下,提出学习者画像标签体系,确保维度划分的合理性和标签提取的解释力.最后从学习者个体、资源供应方、学习共同体、教育管理者四个视角,对学习者画像的应用场景进行分析.     

Learning activity sequencing in personalized education system

Personalized education provides an open learning environment which enriches the advanced technologies to establish a paradigm shift, active and dynamic teaching and learning patterns. E-learning has a various established approaches to the creation and sequencing of content-based, single learner, and self-paced learning objects. However, there is little understanding of how to create sequences of learning activities which involve groups of learners interacting within a structured set of collaborative environments. In this paper, we present an approach for learning activity sequencing based on ontology and activity graph in personalized education system. Modeling and management of learning activity and learner are depicted, and an algorithm is proposed to realize learning activity sequencing and learner ontology dynamically updating.     

自适应过滤算法在基于社区E-learning的个性化知识服务系统中的研究

针对学习型社区中的教育需求,在传统算法上加以改进提出了一种基于向量空间模型的教育资源自适应过滤算法。首先通过训练算法,提取特征向量和伪反馈建立初始模板,设置初始阈值。然后通过过滤算法根据用户的反馈信息自适应地调整模板和阈值。该算法在执行过程中,不需要大量的初始文本,同时在过滤的过程中可不断地进行自主学习来提高过滤精度。该算法已在项目中进行验证,结果表明是有效的。     

谈建构主义学习理论对信息化学习的促进作用

现代信息技术的发展,给我国教育带来了深刻的变革; 资源共享、知识的公共性带来了教育的开放,教育的开放又必然导致学习理念的变更; 建构主义教学理论指导下的教育信息化正在引领社会进入开放的学习型社会,建构主义的学习理论对于开放教育环境下个人自主的信息化学习(E-learning)有着重要的促进作用.     

远程教育中基于粗糙集的聚类算法

针对目前远程教育中个性化教学水平较低的问题,提出了一种基于粗糙集的Web学习者聚类算法,并应用粗糙集的约简方法解决了学习者特征数据中的属性冗余问题,提高了聚类算法的效率,从而提高了远程教学网站的个性化教学水平.     

数据驱动下的个性化自适应学习研究综述

智能教育环境下的教学更加关注学习者的个性化诉求，而自适应学习能够为实现个性化教育提供技术和方法支持.文章从数据驱动的视角出发，通过开展国内外个性化自适应学习研究的综述分析，对其系统框架和相关组件进行阐述和解读.其中，重点从领域知识模型、学习者特征模型和教学模型三方面对其实现机制进行探析，提出当前研究存在的问题和不足，并在此基础上介绍了近年来可促进解释性提升的相关组件技术研究，奠定进一步深入个性化自适应学习研究的基础.     

泰国高等教育中远程学习的一个新阶段——移动学习

文章通过远程学习发展五个阶段的论述,指出了通过远程通信网络集成并管理学习媒体是远程学习新的发展变革。作者在文章指出,当今,移动电话的功能不断扩展、全球数量超过了数十亿部,已可以作为一种使用方便、有效的远程学习工具。这种工具和六种学习技能的有机结合形成了一种新的远程学习模式,即“移动学习”。     

现代远程教育的个别化教育探讨

科学技术的的突飞猛进 ,教育体制与教学方法将以新的形式适应信息社会的发展 ,现代远程教育是一种利用计算机网络技术实现交互式学习的新型教育模式 ,在这种新型的教育模式中 ,从它的特点和传输方式以及信息再现的个别化方面 ,论述了现代远程教育中怎样体现出个别化教育 ,达到因材施教 ,充分体现以学习者为中心的自主式学习     

面向虚拟学习社区的学习行为特征挖掘与分组方法的研究

虚拟学习社区作为网络教育的一种新兴模式,越来越受到人们的关注.如何为不同的学习者提供良好的个性化教学服务是虚拟学习社区研究的重要问题,而学习者的学习特征的提取与分析是个性化教学的基础.以虚拟学习社区为背景,从学习者的学习过程和学习特征入手,运用模糊c均值聚类算法(FCM)挖掘并分析学习过程中学习者的学习特征,进而根据学习者的知识水平、自主学习和协作学习积极性等学习特征进行精确分组划分,以达有针对性的教学指导,实现个性化教学,提高学习者学习效率.     

一种新颖的协作式自组织学习社区算法

远程教育为学生和教师提供了巨大的方便，但同时也导致了许多“孤独”的学习者．提出一种基于信任奖励和动态交换机制的协作式自组织学习社区算法．该算法是基于动态学习行为，将具有相同兴趣的学生自动组成学习社区，帮助其分享学习资源．实验证明，本算法具有较高的效率和良好的可扩展性．