基于学习分析的自适应学习设计及应用研究

发布时间：2020-07-26 23:57

【摘要】：经济、科技的飞速发展不断向人们提出新的要求,传统“一刀切、齐步走”的流水线式教育模式已无法满足学习者的需求。互联网时代下,学习者对个性化服务的需求日益增强,他们倾向于在任何时间、地点,以自己喜欢的方式展开学习,终身学习、移动学习、碎片化学习等新型学习方式为个性化学习提供了强有力的支持。然而,我们淹没在网络信息的海洋中,却又在忍受着知识的饥渴,那么如何在繁杂的信息中精准找到所需的信息,实现意义建构;如何让互联网学习环境成为促进自我实现、让学习者的创造性和好奇心得以自由生长的空气、阳光和土壤成为目前亟待解决的问题。大数据、学习分析技术、人工智能的发展与广泛应用为教育变革创造了新的发展途径,自适应学习正从学术驱动转向应用驱动,从学术牵引式发展迅速转变为需求牵引式发展。鉴于此,提出基于学习分析的自适应学习设计的研究主题。自适应学习设计研究有助于为自适应学习系统的设计与开发提供理论依据,实现在线学习的个性化和智能化。文章采用文献研究法总结梳理了国内外学习分析和自适应学习的研究现状。为了解学习者对在线学习平台的个性化需求,对在线学习者进行问卷调查,据此总结学习者对在线学习平台的期望。为对自适应学习设计有整体地规划,文章从数据环境、利益相关者、方法、目的、时间五个维度出发,构建基于学习分析的自适应学习设计框架,融合教育信息化时代的新技术、新理念对各维度解释说明。将框架运用于真实情境中,并着重考虑问卷调查所得到的结果,设计“跟它学”自适应学习系统,聚焦于自适应学习系统的学习风格、时间管理、学习路径及情感支持功能的实现,结合跟它学的实际案例,进一步为“互联网+教育”时代自适应学习平台的设计与开发提供参考建议。最后,探讨人工智能时代下自适应学习未来发展趋势,并分析了本研究的局限及未来的研究方向。本研究是运用学习分析等新兴技术充分挖掘自适应学习设计中相关因素的价值与意义的尝试与探索,是自适应学习设计框架在在线教育中的应用研究,可以作为后续研究中实现全面个性化学习平台的基础,可以为构建个性化、数字化、网络化、智能化、终身化的教育生态系统提供借鉴意义。
【学位授予单位】：东北师范大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：G420
【图文】：

趋势图,分析研究,趋势,学习行为

图 1-1 国内学习分析研究趋势徐鹏等人指出学习分析是通过对教育大数据的获取、存储、管理和分析，构建学习者学习行为相关模型，分析学习者已有学习行为，并对学习者的未来学习趋势进行科学预测[13]；祝智庭等人探究了学习分析的缘起以及相关技术，提出学习分析对智慧教育的重要性体现在它回答了关于学习和教学的不同问题，通过探讨学习分析模型及重要环节，提出学习分析过程维度模型，最后阐述了学习分析的现状及面临的技术、安全性和隐私性等问题的挑战[14]；胡艺龄等人剖析了学习分析的研究现状，提出自己的建模思想并基于具体的案例进行数据挖掘设计，从数据、机制和结果三方面展示学习行为研究的过程，揭示了学习分析对于网络行为研究的意义[15]；吴青等梳理了学习分析的形成过程从利益相关者、研究目标、研究对象、技术方法四个维度，回顾了近五年来国内外学者在学习分析方面的研究成果，并提出未来发展趋势和可能遇到的挑战，便于相关人员制定教育决策、优化教育管理过程以及完善学习过程[16]；魏顺平等抓住学习分析“数据”和“方法”两个关键点，通过“格”框架、“学习”要素框架和学习行为要素框架演绎得出学习分析数据模型，并采用实际案例介绍了数据模型的处理方法[17]；姜强等人采用文献分析法对国内外学习分析仪表盘发展现状进行了梳理，综述了 10 个学习分析仪表

自适应学习,实时学习,适应性学习,行为数据

中不断收集学习者的行为数据，实时学习者学生的学习活动，有针对地推送之后的学习活动。（2）国内研究现状相较于国外，国内的自适应学习研究处于稳步上升趋势，如图 1-2 所示，以“自适应学习”或“适应性学习”为关键词在中国知网检索，时间范围为 2013 年 9 月至 2018年 9 月，共检索到 284 篇论文。

自适应学习,学习辅导,全科,团队

效应用于自适应学习环境[38]。《新媒体联盟 2015 地平线报告》认为，“实现个性化学习”是一个困难的挑战，自适应学习技术为提供灵活的教育机会提供了一条路径[39]，而在《新媒体联盟 2017 地平线报告》指出自适应学习将有望在 2017 年获得显著发展，可见自适应学习正在成为教育界日益关注的问题，以期实现学习者的个性化发展[40]。自适应学习应用研究方面，国内处于稳步发展状态。东北师范大学赵蔚、姜强老师研究团队多年来致力于“个性化自适应学习”研究，强调理论与实践相结合，主要研究成果如图 1-3 所示。例如研发个性化自适应学习系统 SOALS（Service- OrientedAdaptiveLearning System），基于贝叶斯网络和 Felder-Silverman 量表构建学习风格模型；依据Dublin Core 和 IEEE LOM 元数据标准，利用本体技术设计用户模型和知识模型的参考规范；基于 GALSRM 模型设计自适应学习系统体系结构，并分析其设计思想、适应过程及功能；基于布鲁姆认知理论、项目反应理论构建认知水平模型；利用 AprioriAll 关联规则算法推荐个性化学习路径等，用以根据学习者的学习风格向其提供自适应学习服务，改善在线学习质量，解决“认知过载”、“学习迷航”等问题[41]。

【相似文献】