智能在线教育平台，个性化学习路径与高效辅导系统

基于知识推送的在线学习辅导系统的设计与实现

基于知识推送的在线学习辅导系统的主要目标有两个:一是主动将学生关注的知识推送给具有相似情况的学生;二是利用在线测试系统自动将与学生未掌握的知识相关联的知识推送给学生。近年来,随着远程教育的快速发展,如何利用现代网络与信息技术提高在线学习辅导的有效性与针对性,使老师能够及时掌握学生学习状况,对学生进行个性化高效、快捷的指导工作,是现代远程教育亟待解决的问题,也是当前专家、学者关注和研究的重要内容。本文在对知识推送相关文献整理、分析和研究的基础上,结合远程教育最新理论和本人的教学实践,设计和实现新型"学习辅导系统",体现"知识推送"的理念。系统创新运用适合成人学生并能在全日制学生中推广的教学理念和教学方法,将知识推送、在线选择资料、学生提交材料、网上测试、知识拓展、团队学习、老师对学生实时个性化辅导和管理集为一体,在准确分析学习者需求的基础上,充分利用网络及数据挖掘技术的优势,从知识库中选取恰当、适量的知识,实时主动地向学习者推送量身定制的知识,真正体现对学习个体的主动适应和智能化支持,可以显著地提高老师和学校的工作效率和学生的学习质量。本文还对学习者及知识推送者利用辅导系统实施教学过程后获得的业绩进行了展示。本文的研究目标与研究内容主要包括:(1)理论研究方面,"思、学、做、创"的定义,知识推送及知识推送平台的概念,自主学习理论,关联主义理论;学习者学习过程监测与分析体系;(2)教育方法研究方面,"诱导性教育"与"实用性教育"的协调;(3)实践研究方面,通过本课题研究,最终开发出基于知识推送的在线学习辅导系统(系统由学习者、知识推送者、课程信息资源、学习测试、资源管理、系统管理6个子系统24个模块构成),帮助学生自动获取感兴趣的知识,并能够利用该系统进行自我测试,发现在课程学习中未掌握的知识,并自动获得由系统自动推送的与未掌握信息相关的学习资料。

人格特质对学习者在线学习行为影响的LSA分析

人格特质已被证明对学习者在线学习行为有重要影响,但目前鲜有学者进行相关实证研究.针对线上线下混合式教学的某课程,本研究采集了学习者一个学期的线上学习行为数据,采用滞后序列分析(lag sequential analysis,LSA)方法,基于大五人格量表简化版(NEO-FFI)比较不同人格特质学习者的线上学习行为序列差异.结果显示,人格维度得分高的学习者更倾向于参与双向互动交流的学习活动;神经质,尽责性学习者倾向于遵循常规的知识获取路径;具备谨慎,探索特质的学习者倾向于运用高效的在线学习策略.基于研究发现,为线上学习平台提出"优化讨论问答区域,为学习者设置良好的互动交流平台"和"开发智能导引系统,为学习者提供个性化学习路径选择"两条建议,以期对优化课程平台设计和提升在线学习质量有所帮助.

在线教育平台的个性化学习资源推荐系统设计和实现

为保证平台学习资源推荐的精准性和高效性,方便学习者快速从海量信息数据中分析和挖掘出所需要的学习资源,本文在参照在线教育平台的基础上,设计一款功能完善,实用性强的个性化学习资源推荐系统.首先,介绍了协同过滤推荐算法相关概念.其次,完成系统架构和系统数据库设计.最后,分别设计用户登录,数据采集,数据预处理,数据分析,个性化推荐等多个功能.结果表明:本文系统具有操作简单,智能高效,推荐精确度高,安全可靠等特点,完全符合预期设计标准和要求.

面向在线智慧学习的教育数据挖掘技术研究

随着教育信息化进程的深入,学生在线学习数据得到不断积累,为数据驱动的教育评估和智能辅助教学提供良好条件.然而,已有的面向在线智慧学习的教育数据挖掘模型很难从海量,稀疏,高噪的数据中准确分析试题特征和学生学业水平,也较少考虑学生及教师的个性化需求.文中针对上述问题开展若干面向在线智慧学习的教育数据挖掘技术研究工作,以教育学习所涉及的试题,学生,教师为对象,以个性化推荐等技术同教育领域知识相结合为手段,以提高学生学业水平为目标.具体介绍用于试题分析和检索的试题文本表征模型,基于认知诊断的个性化学习资源推荐方法,针对教师的教学建议和指导等方法,以及这些技术所依托的应用平台——科大讯飞在线教育系统