个性化学习中适应性引擎的研究

发布时间：2020-03-29 08:33

【摘要】：教育部在2016年发布的《教育信息化“十三五”规划》中提到,到2020年,基本建成“人人皆学、处处能学、时时可学”与国家教育现代化发展目标相适应的教育信息化体系。个性化学习是教育信息化发展的必然趋势。如何根据学习状态动态地为不同的学习者提供适合的学习内容、测试内容和呈现方式;如何根据学习者的认知水平推荐适应性的学习路径,一直是个性化学习的核心问题和难点问题。论文以适应性引擎为主要研究内容,研究使用规则引擎技术为适应性引擎提供决策解析支持,利用适应性引擎内容自适应和知识导航自适应的特点,探索适应性引擎在个性化学习环境下的应用,提出并设计了一种新型的适应性引擎结构,并使用个性化学习支持系统进行了实现与验证。论文主要的工作以及创新在于:首先,论文针对学习者模型和领域知识模型是适应性引擎的研究基础,结合个性化学习的需求与理念,完善了该类模型的构建规范。论文将学习者模型的构建过程分为动态部分和静态部分,同时为了实现模型的共享与互通,提出了模型的设计原则,基于相关的约束和适应性引擎的需要,给出了模型的结构。然后,论文提出使用规则引擎作为适应性引擎中决策解析组件,用来为适应性引擎处理决策匹配过程,并优化了匹配网络的生成算法。利用规则引擎技术中业务决策与技术实现分离的特点,解决个性化学习场景中策略频繁变化导致的维护问题。针对规则引擎在个性化学习场景中存在的规则顺序不合理和事实改变频繁导致的匹配网络内存占用空间大的问题,提出了规则预排序与事实索引的解决方法对规则引擎核心算法RETE进行了优化与改进,并对比验证了改进后的规则匹配效率。最后,论文针对个性化学习的场景,设计了一种新型适应性引擎结构。论文设计了适应性引擎中内容呈现、知识导航和模型维护功能组件的结构和工作流程,给出了适应性引擎的结构图和各部分功能块的工作原理,并基于适应性引擎给出了系统的设计方案,在网络英语教学系统中进行了应用,验证了论文提出的方案的可行性。
【图文】：

结构图,引擎,适应性,结构图

江苏大学硕士学位论文的核心算法，论文首先分析了规则引擎的相关特点和它引擎在大型复杂业务场景下的表现，解决规则引擎技术变化和规则模式顺序不合理导致的匹配网络内存空间占 RETE 算法进行了改进和优化。最后指出了规则引擎技不足之处，对匹配网络生成过程进行了优化，使其更适适应性引擎的基本结构，和工作原理做了相关研究工作智能化学习环境的特征，本文研究内容集中于知识内容航和学习者模型的动态维护等方面，然后对提出的新型导航模型

学习者模型

该类教育技术规范的制定的国际组织有 IEEE 下hnology Standards Committee)和国际学习协会。构建规范中常用的学习者模型侧重于记录个人信息、成绩信息、奖惩特征进行描述，，也没有记录学习者学习过程中产生的数据，的过程信息。当前，我国正在进行教育改革，计算机辅助教求学习者模型能够提供更多的，更全面的学习者信息，并且。所以，学习者模型构建规范应该给出学习者信息的收录标、体现个体特征的学习者模型。下面介绍国内外的学习者模习者模型EE 学习技术标准委员会提出的 IEEE 1484.2PAPI（Pu者模型规范[45]。IEEE 1484.2 PAPI
【学位授予单位】：江苏大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP18;G434

【参考文献】