Knewton:学习分析支持下的自适应学习平台

发布时间：2022-01-02 04:55

　　随着大数据技术、学习分析技术的发展,一大批基于数据分析的自适应学习平台应运而生,Knewton就是其中的一个。从学习组织、资源组织两个方面对"Knewton"进行了深层次剖析,得出了一些启示。 

【文章来源】：成人教育. 2019,39(07)北大核心

【文章页数】：6 页

【文章目录】：
一、引言
二、Knewton学习支持服务
    (一) 数据收集与处理
        1.自适应本体
        2.模型引擎
    (二) 学习分析
        1.项目反应理论 (IRT)
        2.概率图形模型 (PGMs)
        3.凝聚层次聚类 (HAC)
    (三) 学习推荐
三、Knewton自适应组织机制
    (一) 资源组织机制
    (二) 学习组织机制
        1.动力机制
            (1) 丰富的学习资源:
            (2) 积极的学习体验:
            (3) 终身化的学习档案:
        2.基于“连续统”的个性化学习机制
        3.反馈与强化机制
四、总结与反思
    (一) “社会化”的交互组织机制亟待发展
    (二) 多维度的评价机制亟待建构


【参考文献】：
期刊论文
[1]“互联网+”背景下的学生个性化学习系统开发:现状与启示[J]. 周皖婧,辛涛,刘拓.  清华大学教育研究. 2016(06)
[2]学习者数据肖像支撑下的个性化学习路径破解——学习计算的价值赋予[J]. 牟智佳.  远程教育杂志. 2016(06)
[3]“互联网+”测评:自适应学习之路[J]. 张华华,汪文义.  江西师范大学学报(自然科学版). 2016(05)
[4]基于大数据的牛顿平台自适应学习机制分析——“教育大数据研究与实践专栏”之关键技术篇[J]. 万海鹏,汪丹.  现代教育技术. 2016(05)
[5]国内外自适应学习平台的现状分析研究[J]. 郭朝晖,王楠,刘建设.  电化教育研究. 2016(04)
[6]多学科领域视角下网络聚合单元概念框架构建研究[J]. 马翠嫦,曹树金,郑建瑜.  情报科学. 2015(10)
[7]自适应学习的方法论探析[J]. 时龙.  教育科学研究. 2015(09)
[8]一种改进的凝聚层次聚类法[J]. 刘文军,游兴中.  吉首大学学报(自然科学版). 2011(04)
[9]数据挖掘中分类方法综述[J]. 钱晓东.  图书情报工作. 2007(03)

硕士论文
[1]以评价为中心的适应性网络课程设计与开发[D]. 杜龙辉.华东师范大学 2008
[2]基于网络的自适应学习系统研究[D]. 高晓红.上海师范大学 2003



本文编号：3563516