基于学习分析的学生个性化学习资源推送

发布时间：2020-12-30 01:06

　　随着社会的发展,人们进行学习的方式也变的越来越多样化,随着移动学习、慕课等学习方式的出现,网络学习也进入人们的视野。由于互联网上的资源数量庞大、类型丰富,学习者检索困难,因此,对于个性化学习的资源推送的要求越来越高。本文构建了一个具有数据收集层、数据分析层和资源推送层的个性化学习资源精准推送模型,通过对学生的学习行为数据进行分析,进而找到最适合学习者特点的专属资源推送给学习者,来进行对学习效率的提高。 

【文章来源】：软件. 2019年12期

【文章页数】：4 页

【部分图文】：

基础运行原理

资源推送模型的作用是根据所收集到的学生在进行学习活动的时候所产生的学习行为数据，运用学习分析技术了解到学生的学习情况和特点，并自动为学生提供适应其个人特色的个性化学习资源。学生学习过程中产生的数据包括学习者的检测分数、累计线上学习时长、知识点的学习频次、不同课程间学生的成绩差异等可量化数据。以及学生浏览过的资源种类、学习者做过的题、学习者的错题记录等。本模型所推送的资源包括教师讲解视频、习题、案例、拓展知识等。如图2，模型总共包含三个层次结构。2.1 数据采集层

数据采集层是以可视化人机交互界面的形式呈现的，以便于学习者进行使用。数据采集层是学习者运用这个平台时填写的所罗门学习风格问卷以及进行学习的过程中进行人机交互的时候，记录下学习者的学习动态数据的层级。这些动态数据主要是学生在第一次使用平台时进行注册所填写的注册信息，比如基本的姓名、年龄、职业、收入、学历、学习动机、对学习的期望、社会背景等；学习者在使用平台的过程中使用搜索功能进行检索信息时所产生的搜索记录；学习者在使用平台的过程中浏览的感兴趣的学习资源所产生的浏览历史包括浏览次数、频率、停留时间等。系统依据这些数据构建出学习者模型，建立学习者模型的流程如图3所示。随着学习者在进行学习活动时，能够熟练运用的知识层次随时发生变化，数据采集层的数据采集系统需要不断跟踪学生的学习行为，并且保存这些数据到学生信息数据库中，不断根据最新的数据，为学生筛选出符合的资源并进行精准推送。


本文编号：2946675