基于学生测评数据分析的个性化学习资源推送研究
发布时间：2022-01-21 12:43
新时代中国教育的主要矛盾是学生日益增长的个性化高品质的、灵活终身的教育需求和基于学校标准化的、班级单一渠道的服务供给方式之间的矛盾。传统教育以班级授课制为主,为不同学生提供相同的学习资源,忽视了学习者的个性化学习需求。随着教育大数据、人工智能和自适应学习等技术的发展,为个性化学习资源推送的实现提供了技术支持,该方法是解决教育矛盾,满足学习者个性化学习需求、提高学习效果和学习兴趣的有效途径。教育大数据存在采集困难、类型庞杂、分析难度较大的问题,而测评数据具备易采集、结构化程度高、分析难度小的优势。因此,本研究旨在通过对学生测评数据进行深入挖掘与分析,精准诊断学习问题,正确定位学习需求,构建个性化学习资源推送模型,促进学习效果的提升。核心研究问题为:如何基于学生测评数据的分析,精准定位学习者的学习需求,为学习者推送个性化学习资源?该问题被分解为三个子问题:（1）如何构建学科知识模型,绘制知识结构图、组织学习资源库与编制学科测验?（2）如何对学生测评数据进行分析,构建学习者模型并定位其学习需求?（3）如何设计推送策略,构建个性化学习资源推送模型并为学习者推送个性化学习资源?针对以上研究问题,...
【文章来源】：江南大学江苏省 211工程院校 教育部直属院校
【文章页数】：87 页
【学位级别】：硕士
【部分图文】：
研究路线图
表 2-2 具有代表性的推送系统定义27学者 定义oldberg et al协同过滤简单而言就是人们通过记录他们对自己阅读文协同帮助其他过滤snick，Varian它是借助电子商务网站为用户提供详尽的商品信息，模拟员辅助顾客完成购买过程，提供建议并帮助用户决定购买ke；Lops et al.推送系统就是将提供个性化推送作为输出或者产生这样的种个性化的方式在一大群可能的选择中引导用户接受有的对象Hung一个个性化推送系统可以根据客户为客户提供一对一服务过去的行为和拥有相似偏好的用户数据。送系统通用模型统主要包括三个重要的模块，即用户模型、推送对象模型、推送用户信息确定用户需求的关键模块；推送对象模型是为用户推法则是将用户需求与推送内容相匹配的原理算法。具体如图 3-1
第二章 文献综述平台，因此它可以采集学习者的在线学习过程数据，为学习者提供个性化学习配个性化高质量学习方案。智慧学伴更是采集学习者的全过程学习数据，致力者提供个方位的个性化学习服务，尤其是提供个性化学习资源包。3. 极课大数据系统推送流程与现状问题分析（1）推送功能分析“极课学生”端系统推送模块的功能如图 1 所示，包括三个模块：错题重做、、弱项精练。错题重做，即收集学生在测试/作业中的错题题目，学生可以重新；错题整理，即学生根据自身学习情况，对系统收集的错误题目进行操作，学握的错题从错题集中删除，对还需要继续巩固的错题添加到错题本中，以便将载使用；弱项精练，即极课系统根据学习者测试数据计算出学习者在某一知识误率，据其定义某一知识点是否为该生的薄弱知识点，以周为单位为学习者提弱知识点的 10 道题目，供学习者在线练习，练习结束之后学习者可以查看自情况，并时刻关注荣誉榜上其他学习者的学习情况，为学习者提供一定的督促
【参考文献】：
期刊论文
[1]区域性教育大数据总体架构与应用模型[J]. 余胜泉,李晓庆. 中国电化教育. 2019(01)
[2]基于教育大数据的学习习惯动力学研究框架[J]. 武法提,殷宝媛,黄石华. 中国电化教育. 2019(01)
[3]网络学习资源个性化推荐研究现状与发展趋势[J]. 耿楠,陈明选. 中国教育信息化. 2018(21)
[4]面向智慧教育的学习分析与智能导学研究——基于RSM的个性化学习资源推送方法[J]. 马玉慧,王珠珠,王硕烁,郭炯. 电化教育研究. 2018(10)
[5]基于设计的研究存在的问题与关键点[J]. 王志军,耿楠,陈明选. 开放教育研究. 2018(04)
[6]教育大数据背景下智能测评研究的现实审视与发展趋向[J]. 牟智佳,俞显. 中国远程教育. 2018(05)
[7]最近发展区理论下的学生实践能力发展及活动教学模式构建[J]. 吴志华,王思漪. 教育理论与实践. 2018(08)
[8]教育大数据视角下的学习分析应用研究与思考[J]. 刘清堂,王洋,雷诗捷,张思. 远程教育杂志. 2017(03)
[9]“最近发展区”的多重动态关系解读与澄清[J]. 黄春梅. 教育科学研究. 2016(12)
[10]教育大数据的核心技术、应用现状与发展趋势[J]. 孙洪涛,郑勤华. 远程教育杂志. 2016(05)
博士论文
[1]面向E-Learning的适应性学习路径推荐研究[D]. 黄志芳.华中师范大学 2015
[2]自适应学习系统支持模型与实现机制研究[D]. 姜强.东北师范大学 2012
本文编号：3600280
【文章来源】：江南大学江苏省 211工程院校 教育部直属院校
【文章页数】：87 页
【学位级别】：硕士
【部分图文】：
研究路线图
表 2-2 具有代表性的推送系统定义27学者 定义oldberg et al协同过滤简单而言就是人们通过记录他们对自己阅读文协同帮助其他过滤snick，Varian它是借助电子商务网站为用户提供详尽的商品信息，模拟员辅助顾客完成购买过程，提供建议并帮助用户决定购买ke；Lops et al.推送系统就是将提供个性化推送作为输出或者产生这样的种个性化的方式在一大群可能的选择中引导用户接受有的对象Hung一个个性化推送系统可以根据客户为客户提供一对一服务过去的行为和拥有相似偏好的用户数据。送系统通用模型统主要包括三个重要的模块，即用户模型、推送对象模型、推送用户信息确定用户需求的关键模块；推送对象模型是为用户推法则是将用户需求与推送内容相匹配的原理算法。具体如图 3-1
第二章 文献综述平台，因此它可以采集学习者的在线学习过程数据，为学习者提供个性化学习配个性化高质量学习方案。智慧学伴更是采集学习者的全过程学习数据，致力者提供个方位的个性化学习服务，尤其是提供个性化学习资源包。3. 极课大数据系统推送流程与现状问题分析（1）推送功能分析“极课学生”端系统推送模块的功能如图 1 所示，包括三个模块：错题重做、、弱项精练。错题重做，即收集学生在测试/作业中的错题题目，学生可以重新；错题整理，即学生根据自身学习情况，对系统收集的错误题目进行操作，学握的错题从错题集中删除，对还需要继续巩固的错题添加到错题本中，以便将载使用；弱项精练，即极课系统根据学习者测试数据计算出学习者在某一知识误率，据其定义某一知识点是否为该生的薄弱知识点，以周为单位为学习者提弱知识点的 10 道题目，供学习者在线练习，练习结束之后学习者可以查看自情况，并时刻关注荣誉榜上其他学习者的学习情况，为学习者提供一定的督促
【参考文献】：
期刊论文
[1]区域性教育大数据总体架构与应用模型[J]. 余胜泉,李晓庆. 中国电化教育. 2019(01)
[2]基于教育大数据的学习习惯动力学研究框架[J]. 武法提,殷宝媛,黄石华. 中国电化教育. 2019(01)
[3]网络学习资源个性化推荐研究现状与发展趋势[J]. 耿楠,陈明选. 中国教育信息化. 2018(21)
[4]面向智慧教育的学习分析与智能导学研究——基于RSM的个性化学习资源推送方法[J]. 马玉慧,王珠珠,王硕烁,郭炯. 电化教育研究. 2018(10)
[5]基于设计的研究存在的问题与关键点[J]. 王志军,耿楠,陈明选. 开放教育研究. 2018(04)
[6]教育大数据背景下智能测评研究的现实审视与发展趋向[J]. 牟智佳,俞显. 中国远程教育. 2018(05)
[7]最近发展区理论下的学生实践能力发展及活动教学模式构建[J]. 吴志华,王思漪. 教育理论与实践. 2018(08)
[8]教育大数据视角下的学习分析应用研究与思考[J]. 刘清堂,王洋,雷诗捷,张思. 远程教育杂志. 2017(03)
[9]“最近发展区”的多重动态关系解读与澄清[J]. 黄春梅. 教育科学研究. 2016(12)
[10]教育大数据的核心技术、应用现状与发展趋势[J]. 孙洪涛,郑勤华. 远程教育杂志. 2016(05)
博士论文
[1]面向E-Learning的适应性学习路径推荐研究[D]. 黄志芳.华中师范大学 2015
[2]自适应学习系统支持模型与实现机制研究[D]. 姜强.东北师范大学 2012
本文编号：3600280
本文链接：https://www.wllwen.com/jiaoyulunwen/jsxd/3600280.html
