基于教育大数据的量化自我MOOC自适应学习系统研究

发布时间：2017-08-10 08:02

  本文关键词：基于教育大数据的量化自我MOOC自适应学习系统研究

  更多相关文章： 教育大数据 自适应学习 量化自我 QSLA

【摘要】：教育大数据创新性地完善了当前学习系统的架构,实现了基于数据流的学习分析和挖掘机制,让以往难以实现的精准分析成为了可能,而量化自我算法将成为教育大数据分析和实现自适应学习的关键所在。本文首先分析了教育大数据背景下作为个人级数据应用的量化自我概念。然后,讨论如何通过全面地记录、跟踪和可视化学习者的学习行为,促使量化自我算法更容易、准确地获得学习者的经验,实现以学习者的认知需求为中心来优化学习者的学习过程。进而提出基于量化自我算法的MOOC自适应学习系统的模型,并且对该模型的结构进行了详细分析。最后,结合基于网络学习行为分析的智能反馈策略和认知思维层次的在线学习行为分类,构建了量化自我学习算法QSLA(Quantified Self Learning Algorithm)作为实现基于教育大数据的自适应学习的基础。
【作者单位】： 首都师范大学教育技术系;
【关键词】： 教育大数据 自适应学习 量化自我 QSLA
【分类号】：G434
【正文快照】： 一、问题的提出自适应学习是一种复杂的、根据学习者的交互及其表现水平而调整的、大部分情况下非线性方法的教学与辅导。[1]自适应学习的重要目标是依据用户模型,基于数据驱动对学习者学习行为进行预测,并且向学习者推荐个性化学习对象。[2]而资源丰富、用户庞大的MOOC为学习

【相似文献】

中国期刊全文数据库 前10条

1 张荣华;徐春成;;自适应学习的网络课程内容设计探究[J];中国现代教育装备;2005年09期

2 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

3 李亦菲;自适应学习的理论与实践[J];天津师范大学学报(基础教育版);2004年04期

4 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

5 徐东丽;《人类的自适应学习──示例学习的理论与实践》简介[J];中国电大教育;1999年01期

6 姜强;赵蔚;王朋娇;;自适应学习系统中双向适应交互评价实证研究[J];现代远程教育研究;2013年05期

7 高虎子;周东岱;;自适应学习系统学习者学习风格模型的研究现状与展望[J];电化教育研究;2012年02期

8 李宇航;;基于网络环境下数学的个性化自适应学习方法[J];中学数学研究(华南师范大学版);2014年14期

9 姜强;赵蔚;王朋娇;;基于GALSRM模型的自适应学习系统体系结构研究[J];现代远距离教育;2013年01期

10 崔伟;杨雪;;基于虚拟现实技术的自适应实验教学系统的设计与实现[J];中国现代教育装备;2008年03期

中国重要会议论文全文数据库 前1条

1 朱新明;李亦菲;;人的自适应学习——示例学习的理论与实践[A];第八届全国心理学学术会议文摘选集[C];1997年

中国重要报纸全文数据库 前3条

1 李亦菲;实验自适应学习的支持系统[N];中国教育报;2004年

2 李亦菲;自适应学习对启发式的超越[N];中国教育报;2004年

3 李亦菲;自适应学习有哪些基本概念[N];中国教育报;2003年

中国博士学位论文全文数据库 前1条

1 姜强;自适应学习系统支持模型与实现机制研究[D];东北师范大学;2012年

中国硕士学位论文全文数据库 前8条

1 陈春映;农村中小学教师信息技术应用能力提升自适应学习系统设计研究[D];贵州师范大学;2015年

2 高晓红;基于网络的自适应学习系统研究[D];上海师范大学;2003年

3 李斯萌;自适应学习系统设计模型相关研究[D];吉林大学;2014年

4 张赛男;基于语义网的自适应学习系统中学生认知风格模型的设计[D];东北师范大学;2007年

5 赵晓航;自适应学习系统中学习风格模型的研究[D];东北师范大学;2010年

6 刘凤娟;基于语义网的自适应学习系统中领域模型的研究[D];东北师范大学;2007年

7 杜欣;自适应学习系统中用户学习风格模型修正研究[D];东北师范大学;2010年

8 冯井荣;PUSH机制下Web自适应学习系统设计与开发[D];云南师范大学;2015年

，

本文编号：649589