人工智能支持下自适应学习路径构建

发布时间：2022-02-23 19:04

　　"互联网+教育"时代的来临使得e-Learning学习模式被广泛接受,如何为e-Learning学习者提供个性化学习支持服务成为学界关注的焦点。自适应学习路径能够根据学习者特征,为其推荐个性化的学习资源与学习活动序列,是实现个性化学习的重要手段。为提升自适应学习路径构建的智能化程度,提出了包含学习者模型库、学习过程数据库、自适应学习路径构建引擎等核心功能模块的人工智能支持下的自适应学习路径构建模型。在该模型的实现过程中,首先,从认知风格及知识水平两个维度对学习者特征进行向量化描述和相似度计算;而后,提取相似学习者群体的历史学习路径和测试成绩构建学习路径图谱;最后,采用改进的蚁群算法从学习路径图谱中挖掘出最优学习路径推荐给目标学习者。实验结果表明:该方法可以从繁复的学习资源和活动中生成简洁、精准的自适应学习路径,既能有效解决学习者的学习迷航与认知过载问题,还能促进学习资源的高效利用;通过该方法构建的自适应学习路径可有效提升学习者的学习效率、学习成绩和学习满意度,有利于学习者对知识的主动建构、内化及迁移。 

【文章来源】：现代远程教育研究. 2020,32(03)北大核心CSSCI

【文章页数】：10 页

【文章目录】：
一、引言
二、相关研究现状
三、自适应学习路径构建模型
四、模型的实现过程
    1. 数据预处理阶段
    2. 相似学习者选择阶段
    3. 学习路径图谱构建阶段
    4. 自适应学习路径挖掘阶段
五、自适应学习路径绩效实验分析
    1. 实验设计
    2. 实验结果分析
    3. 学习满意度分析
六、总结与思考


【参考文献】：
期刊论文
[1]学习风格用户模型分类及其自适应策略[J]. 乔兴媚,杨娟.  现代教育技术. 2019(01)
[2]人工智能教育应用的现状分析、典型特征与发展趋势[J]. 梁迎丽,刘陈.  中国电化教育. 2018(03)
[3]大数据背景下的精准个性化学习路径挖掘研究——基于AprioriAll的群体行为分析[J]. 姜强,赵蔚,李松,王朋娇.  电化教育研究. 2018(02)
[4]学习活动设计:内涵、意义与策略[J]. 邵丽.  江苏教育研究. 2018(01)
[5]非物质文化遗产资源自适应推送系统的用户模型构建研究[J]. 庄文杰,谈国新,侯西龙,李莎.  情报杂志. 2017(11)
[6]基于词频统计规律的文本数据预处理方法[J]. 池云仙,赵书良,罗燕,高琳,赵骏鹏,李超.  计算机科学. 2017(10)
[7]协同推荐:一种个性化学习路径生成的新视角[J]. 赵学孔,徐晓东,龙世荣.  中国远程教育. 2017(05)
[8]学习者数据肖像支撑下的个性化学习路径破解——学习计算的价值赋予[J]. 牟智佳.  远程教育杂志. 2016(06)
[9]面向用户需求的自适应学习系统个性化学习路径推荐研究[J]. 赵学孔,岑磊.  中国教育信息化. 2016(21)
[10]基于结构方程模型的高校教育信息化学生评价研究[J]. 陈巧云.  电化教育研究. 2016(08)

博士论文
[1]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

硕士论文
[1]基于学习分析的适应性学习路径推荐系统设计与开发[D]. 陈智慧.华中师范大学 2016



本文编号：3641183