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.     

融合用户画像的在线学习伙伴推荐方法研究

融合用户画像为学习者推荐学习伙伴,有助于解决在线学习者的孤独感问题,提高学习者的参与度和忠诚度。分析学习者特征,从基本信息、学习准备、学习风格、学习行为四个方面设计画像标签,采集网络教学平台数据,进行建模处理,利用相似度区分相似、互补学习者画像,从而为学习者推荐同、异质学习伙伴。实验结果验证了学习者画像和推荐方法的可行性。融合学习者画像推荐学习伙伴的方法更具个性化、动态化等特点,更适合网络教学环境。     

数据挖掘技术在MOOC中的应用研究

MOOC是旨在进行基于网络的开放式大规模学生交互参与的在线课程,以其自主学习、易于使用、注册门槛低、学习资源丰富等独特优点和优势吸引了全球大量的学习者,这些学习者来自世界各地,有着不同的教育文化背景和不同的学习特征,有着不同的学习目的,只有满足了这些学习者的个性化需求和目的,才能获得MOOC的可持续发展,并最大化其存在价值。借助数据挖掘技术,能从大量信息中获取隐藏在数据之中的有用信息,从而为决策提供支持。将数据挖掘技术应用在MOOC中,挖掘学习者的学习行为特征,提供更优良的教学资源和教学策略,才能实现MOOC存在价值最大化。     

基于用户画像的学生学习质量评价方法研究

针对学生学习质量持续跟踪并支持个性化评价问题，文章研究基于用户画像技术的评价方法.从技术角度出发，主要讨论了用户画像数据的采集、数据的处理、画像模型的构建等技术，在此基础上讨论了学生学习趋势的预测应用.综合利用多源异构数据，对学生用户进行个性化建模，实现了数据驱动的学习质量评价，因此，本研究对提高学生学习质量具有一定的实用价值.     

在线学习平台资源画像的模型构建研究

随着在线学习平台的不断应用,大量的数字化资源数据被积累。如何利用资源背后的大数据,为教学资源建设和在线学习者学习提供优化服务,已经成为新的研究热点。本文通过对在线平台数据资源的基本属性和行为属性以及在线用户的行为属性等数据信息进行深层次挖掘,提出了一套资源画像和用户画像构建方法,并在两种画像之间建立关联,从而为教学资源建设和在线用户个性化学习提供数据支持,为在线用户推荐个性化学习资源提供数据基础。     

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.     

基于物联网的环境教育系统设计与实现

针对当前环境教育在课程文化转型过程中面临的诸多问题,采用物联网技术设计了虚实融合的探究性环境教育系统(EOILS).通过部署若干个能实时采集温度、湿度等十余项环境气象要素的采集点构成区域性环境信息采集网络,实现了数据采集、上传算法.在真实环境数据基础上构建了探究性环境教育学习平台,并根据学习者属性特征和学习行为设计了资源推送策略,提高了学习资源的利用效率,减少学习过程中信息迷航,实现学生个性化学习.     

英语教学过程中的错误分析

从应用语言学的的角度上来看,语言学习者在学习一门外语的过程中所表达出来的所有的语言都叫做过渡语言(interlanguage).学习者在构建这种非标准语言的过程中,伴随着这样那样的错误发生.错误表明学习者在进步,这贯穿于过渡语言的整个过程.不同的错误代表过渡语言的不同阶段.错误分析能显示语言学习者对语言的欠系统性的使用,对外语教学中研究学习者的学习英语的过程意义重大.本文详细阐述了英语教学过程中错误分析的四个步骤分别为(1)错误识别;(2)错误描述;(3)错误解释;(4)错误更正.     

移动互联在校园信息化中的探索与应用

移动校园是一种基于传统Internet与移动互联网技术,以手机、PDA和平板电脑等移动通信设备为信息传播载体,为学习者营造情景交互式的学习氛围．实现在学习环境、学习资源和学习活动上均以学习者为中心的虚拟校园。将移动互联技术引入到校园数字化建设中来．可以促进学习环境下优质资源共享与整合、为教育发展带来更为广泛的参与性,从而实现教学方法和手段的创新。文章在结合移动互联的新特性．分析了移动通信技术对我校校园数字化建设的影响,并基于移动校园环境分析其全新的学习方式、构建条件、移动学习模型,以及三网融合平台下的数字校园设想。     

国家开放大学课程非教学支持的设计及运行

国家开放大学之下最基本的单位应是其专业规则所规定的课程,它是远程及开放教育教学设计的基础,确定了国家开放大学远程的开放的教育教学的基本方向.立足于国家开放大学背景之下的课程非教学支持设计,其定位应置于教学主体、教学资源和教学环境之范畴,突出教学、管理、技术三位一体,形成对学习者学习过程的全方位、立体化的支持,最终构建远程开放教育课程的非教学支持模式.从学习者学习的整个过程考量其学习效果,对学习者学习的不同阶段任务进行量化总结和评价,有利于以激励方式推动学习者取得更多的学习成果.     

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.     

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.     

基于聚类算法的线上学习行为分析

为了有效利用线上学习平台记录的学生学习行为数据,从多方面刻画学习者画像,充分发挥线上教学的作用。在人工智能技术的驱动下,首先统计学生学习时间和视频内容数据,分析他们的观看习惯和对重点、难点内容的重视程度;然后在k-means++ 聚类算法的基础上,分析课程视频、章节检测、学习次数、作业和签到等特征对学习效果的影响。上述方法可以帮助总结学生的学习态度、偏好和习惯,将相似学习风格的学生聚为一类。老师可以通过线上学习行为的分析调整教学内容,改进教学方法,从而改善线上教学效果。     

基于DedeCMS的网络学习共同体的教学环境设计实践

教学环境对于网络学习共同体的构建有着极其重要的意义,它实质上是学习者在学习过程中进行学习活动的情况和条件。文章以《数字摄影技术与艺术》课程为例,论述了以DedeCMS内容管理系统为平台的网络学习共同体的教学环境设计对当今信息社会师生学习的重要性,为教育提供了更广阔的空间。     

智能教育背景下个性化学习特征及保障机制

智能教育时代为学习者个性化学习的实现提供了无限可能,智能技术的高速发展及智能教育产品的不断优化为个性化学习赋能.从个性化学习的历史回溯、基本内涵两方面探明个性化学习的本质,指出当前智能教育背景下,个性化学习进程中呈现出学习分析可预测性、资源推送针对性以及学习诊断精准性、学习评价科学性等特征.未来要进一步实现智能技术对个性化学习的赋能,需建立规范的个性化学习体系,创设完备的个性化学习设施,构建个性化学习协同共同体,探索高效个性化学习路径.     

远程教育与个别化学习

个别化学习随着现代远程教育的发展而日渐突出 .其原因有四个 :教育信息传播媒体的演进引发教育方法和模式的演变 ;现代教育理论和学习理论提出最好的学习是自主的个别化的探索学习 ;现代社会的发展要求人才具有个性和创造性 ;网络技术的运用利于学习者构建个性化学习环境 .个别化学习可以从宏观和微观两方面去定义 .从微观上看 ,个别化学习是指具有不同学习风格和学习策略的学习者在个性化的学习环境中所进行的自主学习 .远程教育中的个别化学习需要五个要素 :明确的学习目的 :学习的元学习、元认知能力 ;学习者的自我管理能力 ;构建完整的个性化学习环境 ;反馈评价机制     

探索基于在线学习平台的学习行为数据模型研究分析

信息时代的来临,现代教育事业的发展过程中也更加注重教育信息化的建设,利用互联网进行在线教育也成为现代教育的常态,越来越多的在线学习平台在提高教学质量以及学生学习水平上发挥出巨大的作用。基于在线学习平台的学习行为数据模型构建主要就是通过学习者学习数据的分析来进一步完善在线学习平台的建设,以便满足现在学习者越来越高的学习需求。     

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MOOC的“软件工程”自主学习系统的设计与实现

应用ASP.NET编程技术与SQL-Server2005数据库,采取B/S三层体系架构,设计并实现了一个基于MOOC(大规模开放式网络课程)的高校"软件工程"课程自主学习系统,具有为教师提供发布课程学习主题和活动、实现在线测评、组织与协调学习者之间的交流讨论来推动学习进程等功能,为学习者提供可以选择课程论坛、博客、虚拟教室等多种社会性学习工具来实现网上交流与互动,达到课程学习的目的。此学习系统的构建不仅为学生异时异地学习"软件工程"课程带来方便,而且对传统教学方式的改革,以及探索与发展当前高校计算机及相关专业各类MOOC课程建设等方面也具有积极意义。     

基于资源库建设的版式设计课程设计

资源库建设是实现教育信息化和学习型社会的重要手段.它依托网络技术、教学资源和大数据,构建"互联网+教育"新生态,让教育迈进"个性化"时代."职业教育数字化学习中心"(亦称"智慧职教"网站)是由高等教育出版社建设和运营的职业教育数字教学资源共享平台和在线教学服务平台.版式设计课程作为国家职业教育广告艺术设计专业教学资源库的子项目,依托智慧职教平台,通过"一体化设计、结构化课程、颗粒化资源"的建设思路,开发与设计符合学习者需求的课程资源,是资源库建设的有益尝试,有助于推动"互联网+教育"建设.