自适应学习系统中基于学生知识和能力评价的资源推荐算法研究

发布时间：2021-05-05 23:29

　　自适应学习系统在现代教育领域中逐渐普及,目前绝大部分学习系统的功能仍是辅助学生知识学习,以培养学生能力为目标的学习系统尚无案例。在当代社会趋势下,以能力提升为目标的自适应学习系统将代表教育技术发展的未来。本文将智能控制和数据分析引入高等教育工科教育过程,创建了能力导向的自适应学习系统。该系统是一个MIMO控制系统,以学生学习动力为系统输入,学习过程为被控对象,学科能力为系统输出和系统的反馈参量,学生知识和能力画像为系统参数调节提供依据。能力导向的自适应学习系统存在若干关键问题,本文研究了其中最为基础和重要的两个。第一是建立科学、客观以及具有实时性的能力测评系统,第二是建立结合能力和知识的学习资源推荐引擎。针对这两个关键问题,本文开展了如下主要工作:1、提出了基于思维层、学科层、知识层的三层能力空间,以及基于知识地图技术的知识空间。2、结合能力空间与知识空间,采用多维项目反应理论和贝叶斯网络等技术,提出了一种新的能力测量评价方法。3、在测评方法的支撑下,以基于内容的推荐算法为核心,提出了基于学生知识模型与能力模型的学习资源推荐算法。本文将能力导向的自适应学习系统应用于某高校自动化专业一门... 

【文章来源】：北方工业大学北京市

【文章页数】：60 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 自适应学习系统概述
    1.2 高等教育下的能力概念和培养问题
    1.3 教育测量理论
    1.4 自适应学习系统中的推荐引擎
第二章 理论基础
    2.1 项目反应理论
        2.1.1 Logistic模型
        2.1.2 极大似然估计法
    2.2 贝叶斯网络
        2.2.1 定义和结构
        2.2.2 高斯贝叶斯网络与多维高斯线性分布
    2.3 推荐算法
        2.3.1 基于内容的推荐算法
        2.3.2 基于知识的推荐算法
第三章 自适应学习系统的设计与实现
    3.1 学科能力的定义
    3.2 知识地图
        3.2.1 知识地图结构
        3.2.2 知识地图中心度
    3.3 系统结构设计
    3.4 系统软件实现
第四章 学生能力测量和评价方法
    4.1 试题标注方法
    4.2 学科能力的测量方法
    4.3 学科能力的评价方法
    4.4 系统应用实例
第五章 学习资源与试题推荐算法
    5.1 关键词贝叶斯网络的构建
        5.1.1 关键词贝叶斯网络结构
        5.1.2 关键词贝叶斯网络节点先验分布
        5.1.3 贝叶斯网络节点条件概率分布
        5.1.4 学生关键词掌握程度后验概率计算
    5.2 推荐引擎
        5.2.1 运行流程
        5.2.2 计算关键词掌握程度
        5.2.3 计算推荐度
        5.2.4 计算匹配度
    5.3 实验与分析
第六章 结论与展望
    6.1 本文工作总结
    6.2 展望
参考文献
致谢



本文编号：3170793