基于最近发展区的个性化练习系统设计与实现

发布时间：2020-09-12 12:59

　　个性化学习不仅是“互联网+教育”的核心优势,更是教育未来的趋势。随着“互联网+教育”的日益发展与深度融合,个性化学习不断走向更加全面个性、精准个性、服务个性的深层次阶段。通过对传统练习方式与平台的研究分析,存在一些重复性、应试性、低效性等问题亟待解决;同时在高效性、反馈性、便捷性、指导性、启发性方面也有继续改善的空间。维果茨基提出的最近发展区理论对了解学习者的现有发展水平,关注学习者的未来,挖掘学习者的潜力,培养学习者的创造力等具有重要意义。构建基于最近发展区的个性化练习系统,不仅能够高效地进行练习,而且能够做到学练紧密结合,形成一个完整的学习空间,对挖掘学习者的潜力,培养学习者解决问题的能力、创造能力都有帮助。基于此,本文主要研究内容如下:(1)提出基于最近发展区设计个性化练习系统。通过研究最近发展区的特征内涵、启示意义,突出以学习者为中心的思想,关注和尊重学习者个性差异的思想理念设计,针对信息化系统网络环境下最近发展区难确定、难实施等问题,研究使用项目反应理论来表示学习者的能力水平,通过学习者的能力水平变化来表示最近发展区的宽度,并利用最近发展区宽度稳定性特征,实现最近发展区的动态确定。(2)对基于最近发展区的个性化练习系统进行需求分析与设计。主要应用功能包括提供多题型、多模式的个性化练习服务,实现最近发展区的动态确定,针对学习者差异给予及时的针对性帮助与指导。最终实现高效练习、意义学习,个性化练习、学习、指导资源之间紧密联系,形成一个完整、系统的学习空间。(3)以计算机基础课程为例,实现基于最近发展区的个性化练习系统,建立了能够直观地体现出知识之间的纵向、横向关系知识层级树,同时基于层次树完成了优质的习题资源、知识点资源、以及相应的学习指导资源的设计与开发,从而为基于最近发展区的个性化练习提供支持。
【学位单位】：华中师范大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TP3-4;G434
【部分图文】：

原理图,原理,新资源,解释性

图２．１基于内容的推荐原理逡逑可以看出，基于内容的推荐，算法准确度相对比较高，推荐结果容易被人接受较好的解释性。对于新资源也可以有效地推荐给用户，而不必依赖大量的用也存在一定的局限性，适宜文本资源的推荐，对于多媒体等资源不太适宜；

协同过滤,原理,算法

图２．２基于模型的协同过滤推荐原理逡逑２．２．３基于关联规则的推荐逡逑基于关联规则，主要是通过数据挖掘，发现数据之间的依赖关系，一个较为典逡逑的案例就是“购物篮”逦这种算法蕴含了“大众化”的思想，在“个性上”稍逡逑不足。并且关联规则一旦制定，则不能更改，不便于维护。逡逑２．２．４混合推荐逡逑从前面介绍的几种推荐算法可以看出，每种算法都有优劣之分，需要根据实际逡逑景和应用需求选取。为了提高推荐的准确度，充分利用每种算法的优点，人们提逡逑了混合推荐［４１］，混合推荐不是一种单纯的算法，而是以上算法的“混合”。具体逡逑以下几种方式［４２］，见表２．３。逡逑