基于学习者特征分析的个性化学习支持系统的研究

摘要

个性化学习支持系统是以网络技术和人工智能技术为基础的，它突破了传统教育中地域和时间的限制。本文研究网络环境中的学习者特征分析与个性化学习推荐，通过对学习者的特征分析，为学习者提供符合其个性特征的学习指导，引导学习者高效地进行知识建构。
　　论文以建构主义学习理论为基础，以学习者特征分析为中心，对学习者模型、学习者行为模型、个性化学习推荐模型以及个性化学习材料的生成等进行了研究，主要工作在于:
　　分析网络学习特征，构建学习者模型;研究学习者特征分析技术，获取学习者的综合特征信息;通过追踪学习者的行为过程，隐式方式下采集学习者特征信息;研究基于协同过滤的方法判断学习者所属特征类别来完成初步的个性化学习推荐;最后，进一步从宏观上引导学习者按知识点逻辑结构顺序进行学习，在单个知识点学习时，推荐学习材料供学习者自由选择，以提高学习效率。通过以上的研究工作基本解决了个性化学习支持系统中每部分的关键技术问题。

目录

声明

摘要

第一章 绪论

1．1 研究背景及意义

1．2 国内外研究进展及现状

1．3 研究内容

第二章 个性化学习者模型

2．1 传统的学习者模型

2．2 学习者模型规范

2．3 个性化学习者模型的构建

2．4 小结

第三章 学习者特征分析

3．1 学习者特征分析模型

3．2 显性方式的学习者特征信息采集

3．3 隐性方式的学习者特征信息采集

3．4 学习者特征信息采集技术的研究

3．4．1 WEB日志挖掘技术

3．4．2 数据挖掘

3．4．3 ID3算法

3．5 学习者个性特征分析实例

3．5．1 ID3算法实例

3．5．2 属性加权ID3算法实例

3．5．3 两种算法结果比较分析

3．6 小结

第四章 学习者的行为追踪模型

4．1 概述

4．2 学习者行为追踪系统的初步实现

4．2．1 系统分析与架构

4．2．2 技术实现

4．3 小结

第五章 个性化学习推荐

5．1 概述

5．2 基于协同过滤技术的推荐

5．2．1 协同过滤技术

5．2．2 优化的协同过滤推荐算法

5．3 基于ISM的个性化学习材料推荐

5．3．1 知识点学习序列的生成

5．3．2 基于知识点结构的学习材料生成

5．3．3 基于关联规则发现的学习材料生成

5．4 小结

第六章 总结与展望

6．1 全文总结

6．2 未来工作展望

参考文献

致谢

发表论文