自适应学习系统设计模型相关研究

发布时间：2017-10-11 02:16

  本文关键词：自适应学习系统设计模型相关研究

  更多相关文章： 自适应 学习系统 自适应学习系统 设计模型

【摘要】：自适应学习系统（如：iWeaver，AHA!和InterBook等）通过其自身的领域知识库、用户特征库和专家库来对于学习者的知识能力进行评估与调节，实现了一种由计算机系统依据用户特性而主动推送适应性资源的智能型教学方式。该类系统在为学习者提供策略支持服务的同时，亦可以在一定程度上解决普遍存在于一般性学习系统的认知过载问题。 然而，尽管多数自适应学习系统在一定程度上具备适应性呈现及知识导航等相关功能，其设计思路仍主要采用面向资源的获取型策略，由此对于学习者特征刻画不够精确；此外，在模型研究方面，以往的模型构建多见于认知模型或学习者风格模型，而对于领域模型、知识与能力的度量以及触发自适应机制的区间界定方面的研究并不完整。 本文围绕知识量大小及学习者技能水平高低提供度量方法，提出知识熵的概念，用对于学习者解惑作用的程度高低来度量领域知识的大小；用静态测量与动态测量相结合的方式推断学习者技能水平层级，并以此为依据结合齐克森特米哈伊心流模型的动态平衡配适思想与斯金纳程序教学相关原则适应性地调节学习任务的难度与粒度。界定知识之间的独立、直接依赖和间接依赖等相互关系，以专家设定及用知识量计算两种方式设定知识依赖度，用来规范和指引学习流程。以专家指定和统计测量两种形式确定知识难度，讨论知识难度及知识粒度的等级划分方法与变迁过程，得出领域知识粒度等级变迁示意图，用于指导自适应学习系统进行学习对象的难易程度及任务量的相应调整，并通过阈值法和测试法对于学习者能力水平进行整体性判断来分析自适应调节的触发时机。提出自适应学习系统设计模型，用于创建标准及对系统中各部分的角色和责任进行定位，并为系统组件提供参考依据。通过学习系统来自动调节知识的粒度和难度，从而使之与学习者的水平能力动态匹配，进而使得学习效率得以提升。 依据研究内容及结构安排，本文五个章节的主要内容如下： 第一章从整体上概述全文主要的研究问题，阐释研究背景、自适应学习系统等相关基本概念以及当前研究现状，在确立选题依据的同时，对于主要工作及内容安排做出规划整理； 第二章的内容通过结合齐克森特米哈伊多通道心流理论模型及斯金纳程序教学理论，对于影响学习效果及知识粒度调节的相关理论模型进行分析阐释，同时为领域知识与学习者技能水平度量研究提供基础理论支持； 第三章围绕领域知识与学习技能水平度量而展开。将依据香农信息熵而提出的知识熵概念应用于领域知识度量当中，同时，采用静态测量与动态测量相结合的方式量化学习者的技能水平。此外，对于知识关系及知识依赖进行分析，探讨知识难度与粒度的等级划分与变迁； 第四章首先讨论知识难度与知识粒度的等级划分与变迁问题，得出领域知识粒度等级变迁示意图；阐释触发自适应调节机制的相关问题，采用领域专家设置阈值或实验统计估计阈值，以及测试法来实现判断评估；在其他参考模型的基础上，，提出自适应学习系统设计模型，用于表达通过学习系统来自动调节知识的粒度和难度，从而使之与学习者的水平能力进行动态匹配。 第五章首先对已有研究成果进行全面梳理与总结，并对下一步研究动向进行了展望与分析。
【关键词】：自适应 学习系统 自适应学习系统 设计模型
【学位授予单位】：吉林大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：G434
【目录】：

• 摘要4-6
• Abstract6-8
• 目录8-10
• 第1章 绪论10-19
• 1.1 选题背景10-11
• 1.2 自适应调节11-13
• 1.2.1 自适应调节的必要性11-12
• 1.2.2 自适应调节的方法12-13
• 1.3 自适应学习系统13-17
• 1.3.1 自适应学习系统概述13-14
• 1.3.2 自适应学习系统的研究现状14-17
• 1.4 本文工作及论文结构17-19
• 第2章 影响适应性学习效果的相关理论基础19-25
• 2.1 影响学习效果的因素19
• 2.2 齐克森特米哈伊心流理论模型19-23
• 2.2.1 心流多通道模型概述20-22
• 2.2.2 心流理论模型的启示22-23
• 2.3 斯金纳程序教学理论23-25
• 2.3.1 程序教学理论概述23-24
• 2.3.2 程序教学理论的启示24-25
• 第3章 领域知识度量与学习者技能水平测量25-33
• 3.1 领域知识度量25-28
• 3.1.1 知识与知识粒度25-26
• 3.1.2 信息论概述26-27
• 3.1.3 学习系统与知识熵27-28
• 3.2 学习者技能水平测量28-30
• 3.2.1 静态测量28-29
• 3.2.2 动态测量29-30
• 3.3 领域知识依赖度30-33
• 第4章 触发时机分析与自适应学习系统设计模型讨论33-43
• 4.1 知识难度及粒度的等级划分变迁33-35
• 4.1.1 知识难度等级划分33
• 4.1.2 知识粒度等级划分与变迁33-35
• 4.2 自适应调节触发时机35-38
• 4.3 自适应学习系统模型概述38-39
• 4.4 自适应学习系统设计模型39-43
• 第5章 全文总结43-45
• 5.1 研究成果43-44
• 5.2 研究不足及展望44-45
• 参考文献45-48
• 致谢48-49
• 导师及作者简介49

【参考文献】

中国期刊全文数据库 前10条

1 李斯萌;杨雪;;虚拟实验系统的自适应调节机制研究[J];吉林大学学报(信息科学版);2012年04期

2 菅利荣,达庆利,陈伟达;基于变精度粗糙集的分层知识粒度[J];管理工程学报;2004年02期

3 芮玎玎;;自适应学习系统中适应模型的构建[J];高等继续教育学报;2013年03期

4 余胜泉;适应性学习——远程教育发展的趋势[J];开放教育研究;2000年03期

5 郑志高;贺宝勋;;教育游戏难度调节因素及调节策略探究[J];中国教育信息化;2012年20期

6 陈品德,李克东;适应性教育超媒体系统——模型、方法与技术[J];现代教育技术;2002年01期

7 张家华;张剑平;;适应性学习支持系统：现状、问题与趋势[J];现代教育技术;2009年02期

8 任俊;施静;马甜语;;Flow研究概述[J];心理科学进展;2009年01期

9 姜强;赵蔚;;自适应学习系统述评及其优化机制研究[J];现代远距离教育;2011年06期

10 刘凤娟;;高校自适应学习系统中领域模型的设计策略[J];中国成人教育;2011年11期

中国博士学位论文全文数据库 前1条

1 陈仕品;适应性学习支持系统的学生模型研究[D];西南大学;2009年

本文编号：1009925