个性化学习

摘要： 应用大数据教学测评系统分析学生学习情况,提供个性化学习服务成为教育领域关注的热点。以广州市花都区七所试点学校的教师和学生为调研对象,采用问卷调查的方法对教师和学生应用大数据教学测评系统的现状进行了分析。数据结果显示,大数据测评系统在教学中得到一定程度的应用,但仍然处于浅层次,师生在应用过程中师生普遍对大数据教学测评系统持有肯定的态度。随后从理念先行、分类分层、协同发展、校企协同等四个方面提出大数据教学测评系统的应用策略,以期为推动区域个性化教学提供借鉴。

摘要： 应用大数据教学测评系统分析学生学习情况,提供个性化学习服务成为教育领域关注的热点。以广州市花都区七所试点学校的教师和学生为调研对象,采用问卷调查的方法对教师和学生应用大数据教学测评系统的现状进行了分析。数据结果显示,大数据测评系统在教学中得到一定程度的应用,但仍然处于浅层次,师生在应用过程中师生普遍对大数据教学测评系统持有肯定的态度。随后从理念先行、分类分层、协同发展、校企协同等四个方面提出大数据教学测评系统的应用策略,以期为推动区域个性化教学提供借鉴。

摘要： 区域学科教研联盟可联合开发有利于教师精品化教学、学生个性化学习的线上课程。本文以“儿童编程”课程资源开发为例,阐述如何利用区域学科教研联盟进行课程资源的开发。●课程资源开发流程1.确定主题,制订计划面对课程资源开发的需求,稳定型区域学科教研联盟承担了此项任务。通过发布“课程资源开发”集结令的形式(如表1),教师自主选择适合某一年级学生的编程课程并附上需要使用的工具,通过集结令的形式迅速将联盟内的教师集结成“课程资源开发”团队,由联盟内的骨干教师牵头,依据教师填写的意向表,在联盟内组织线下讨论,经过共同研讨后制订出“课程资源开发”的实施计划。

摘要： 文章采取文献计量分析方法与内容分析法开展研究,以2011—2020年10年间科学网核心合集数据库和中国知网中CSSCI数据库收录的、与适应性学习主题相关的期刊论文为研究对象,通过文献的关键词共现、聚类与突现分析等数据处理方式,揭示出国内外适应性学习的研究热点、演进路径与发展趋势,然后根据国内外数据库文献差异情况提出国内适应性学习模式的发展建议:一是政府统筹规划,促进区域交流与产学研融合;二是教育者迎接挑战,提升教研能力水平与学生信息素养;三是开发者注重研发,联合学校开展实证研究与应用推广。希望在梳理国内外适应性学习的现状、问题等基础上,为当前在线教育个性化学习提供积极的借鉴与启发,持续推进在线教育的健康发展。

摘要： Java程序设计教学内容主要涉及Java的基本概念、流程控制以及面向对象的思想,目的是培养学生运用Java语言作为一种工具解决实际问题的能力。传统的Java程序设计教学以教师讲授为主,忽略了学生的个性化学习需求。引入OBE的教育理念的可以弥补传统教学方法的不足,从市场需求开始,制定课程目标,不断优化教学模式、内容和考核方法,引导学生主动学习,来保证教学质量。

摘要： 目的根据学习者的学习特征,运用自适应学习技术,结合数字化交互手段,探究如何对儿童英语发音学习绘本进行交互设计,以增加儿童对学习内容的吸引力,并提升儿童的英语发音水平。方法分析目前英语发音学习绘本存在的设计痛点,从自适应学习、自适应训练、自适应测评和自适应反馈4个方面对儿童英语发音学习绘本进行设计实践与反思。结论儿童自适应发音学习绘本利用了数字媒体的特性,通过多感官交互设计,激发了学习者的学习兴趣。此外,儿童自适应发音学习绘本综合考虑了学习者的发音水平、学习动机、学习风格等因素,为学习者提供了个性化的发音课程、情景互动式的发音训练、精准化的发音检测和具有教学表现力的发音纠正反馈,实现了真正意义上的自适应学习。

摘要： 微课将声音、图片、图像结合在一起,运用媒体优势,生动地呈现各种学习资料。同时,它也具有微型学习资源分点化、问题模块化的特点,能将各种知识分解成一个个独立的知识点,以此来满足学生个性化学习的需要。在初中语文教学中,要构筑高品质的课堂,教师就要适当地设计微课程,让学生能进行翻转课堂的自主学习,让学习变得更为个性化。一、精致选择,科学取舍高效的语文课堂必须是精细化设计的课堂,教学者要根据学生的实际情况,科学取舍,选择最适合他们的教学内容。

摘要： 混合式教学是当下高校教学改革和教学创新的重要方向。西北政法大学全校通识课程《社会调查与统计》提出“五学+四位”的混合式教学设计思路。通过构建“导学-教学-督学-辅学-互学”的五步教学过程与“学-用-拓-评”的四位教学导向,以学生为中心,实现“教-学”互动;延伸传统课堂空间,实现“课堂内-课堂外”互动;关注学生差异化需求,实现分层教学、个性化学习;学习过程、学习结果相结合,创新课程评价体系。

摘要： 近年来基于MOOC的在线学习方式开始大规模普及,但是,海量的MOOC资源纷繁复杂,各大MOOC学习平台之间的课程数据也并未实现整合共享,从而使学习者在挑选合适的学习资源时面临极大困难。因此,设计并实现了一个面向个性化学习的MOOC资源库系统。文章介绍了该系统的整体结构、课程数据分类与建模方法、课程资源与知识点的映射方法、资源爬虫的设计和系统集成情况。该系统具有良好的实用性和可扩展性,可为个性化学习的MOOC推荐平台提供关键的基础数据及相关资源。

摘要： 近年来以人工智能为代表的产业技术为学习方式变革提供了契机,如何促进个性化学习已然成为教育领域关注的重要话题之一。知识图谱作为知识可视化发展的最新技术,拥有较强的表达能力,不仅能在不同知识点之间建立非线性的语义联系,还能解决在线学习中推荐、监控、评价、反馈等个性化学习支持问题,可以助力学习者系统高效地建构知识体系、优化学习决策,为个性化学习支持研究提供了新的视角。因此,该研究在分析个性化学习及相关研究现状基础上,立足学习者导向视角,在自我决定理论等指导下,构建了基于知识图谱的个性化学习模型,并从动机激发、知识建构、意志提升、能力增强四个维度出发,构建了基于知识图谱的个性化学习“四位一体”协同支持机制,设计了基于知识图谱的个性化学习系统原型,以期为给个性化学习研究提供一定参考。

摘要： “互联网+”时代,在物联网、大数据、人工智能等新一代信息技术的推动下,数字教育转向智慧教育是当下教育信息化发展的趋势.智慧学习环境是数字学习环境的高端形态体现,而个性化学习则为教育与信息技术深度融合阶段,可促使学习者的个性及能力在学习过程中得到较好发展.通过文献分析梳理智慧学习环境与个性化学习的概念内涵,设计基于智慧学习环境下个性化学习的教学模式,并从不同角度提出智慧学习环境下的个性化学习策略,以期为后续相关研究提供借鉴与参考.

摘要： 在信息技术飞速发展的时代,技术融入课堂教育成为变革重点.以智能教育公共服务平台“智慧学伴”为依托,尝试探索一套基于“智慧学伴”的ELT教学模式,从课前、课中、课后三大维度着手,助力教师实现精准教学,帮助学生实现个性化学习.

摘要： 自适应学习系统是指能够为学习者提供一种个性化学习服务,实现用户适应系统和系统适应用户的双向适应,而要做到这点,构建学习者模型就显得尤为重要.本文主要通过文献分析法,研究国内外自适应学习系统中关键的模型——学习者模型,并以案例说明学习者模型维度,以期为后续自适应学习系统的设计研究和开发提供帮助.在学习者特征的获取上，采用新的技术和算法，如先进的人工智能技术、贝叶斯网络、遗传算法和模糊评估算法等各种有效的计算机技术和算法。这样，在学习者初始特征获取后，利用各种技术和算法，能够实现学习者特征的动态获取和更新，有利于系统进行动态的学习诊断。在学习者特征分析上，充分考虑到不同学习者的个性化差异，尤其是更加重视学习者学习风格的研究和探索。在现有的学习风格模型的基础上，构建切实符合自适应学习系统开发的学习者学习风格模型，更有助于学习者个性化学习。

摘要： BYOD(自带设备)是将自己的移动设备带入到学习中,帮助解决学习问题的一种新的学习方式.自带设备应用于中学语文教学的优势在于创设学习环境、激发学习兴趣、促进个性化学习.本文从理论上分析了自带设备应用于中学语文教学需要注意的几个问题.最后以《琵琶行》(并序)为例设计了一节基于自带设备的中学语文教学的课,期望能够改善语文教学方式提高教学效果.

摘要： 在中国中小学教育体系中,在线作业具有传统纸质作业本无法比拟的优势,在线作业平台能够提供学生和教师个性化学习的解决方案,并连接教师、学生和家长三方及时反馈和实时交流.小学在线作业与中学在线作业内容及科目有很大不同,中学在线作业需要实现更多学科覆盖、更复杂的内容输入、更专业软件工具支持,目前技术解决方案还不成熟.国内智能文档技术(ScienceWord)在数据化结构题库、在线作业的无障碍输入、自动化阅卷及有痕迹批改方面实现了技术突破,为在线作业全流程应用实践奠定了基础.

摘要： 2011年,美国硅谷掀起了一股席卷全球的MOOC,它不同于以往基于互联网的在线学习或网络课程学习,其因独特的微课程加小测试的授课形式及大规模开放的学习形式备受欢迎,被称之为一场教育和学习的革命.《大学计算机基础》课作为大学生的公共基础课，在学生掌握先进的信息技术并学会用新技术解决问题有着重要的意义。为了解决课程中学生基础参差不齐、教学内容宽泛而课时有限、教师教学工作量大而教学内容重复讲授产生的倦怠感的矛盾，开展基于MOOC的课程改革，采用混合模式教学使传统教学和网络学习有机结合，从线下学习走向线上学习，让学生自主选择内容进行个性化学习，实现翻转课堂，对学生的学习积极性有明显的提高，将达到更好的教学效果。

摘要： 现在学习的更多的是社会的东西，这是一个非常重要的问题。用数据的范式，就是大数据的一个方式来刻画它，比如对数据的刻画，通过大数据搜集人的行为、价值观、能力、素养，包括人的情感的状态等等。这些东西都要刻画。学习者的动力学问题，包括两个空间的问题:一个是物理空间的动力学问题，一个是虚拟空间的动力学问题。在这个方面，要推进学习者的社会化学习。最后就是教育的可定制，这里边包括资源的供给、精准的服务，还有智能的岛区，这三个关键的核心的东西要研究清楚，比如资源的供给，其实教育信息化2.0就谈到了这个问题，就是大资源而不是小资源的概念。现在的资源都是为了教育、为了所谓的课程所搜集和准备的资源，包括慕课。慕课现在这几年发展非常快，它已经打破了界限，开始使用大资源，但是大部分的教育信息化包括基础教育的信息化，还没有一个大资源的概念，大资源的概念是整个的互联网都是资源，都应该是资源。教育规模化的同时是可以实现教育个性化的，这是大数据得出的结论。最后一个建议，要把教育作为系统科学来看，教育不仅仅是人文，更重要的是一个系统科学。

摘要： 教育技术学作为一个发展不成熟的独立学科,它的研究现状值得研究者关注.文章采用共词分析法,以中国知网(CNKI)2014-2018年间中国教育技术学CSSCI期刊载文为数据来源,分析文献的高频关键词,研究中国教育技术学的研究热点与发展趋势.结果显示,中国教育技术学研究主要集中在以下几个方面:互联网时代下的学习研究、大数据时代下的教师专业发展和学生个性化学习的研究、技术支持的学习方式研究、高等院校的在线教育研究以及技术支持的教学模式研究.

摘要： 分析目前教育学研究者对于认知诊断模型的观点,指出基于试题知识点关联矩阵的DINA模型难以适应学生解题的海量数据呈现出的不同粒度层次问题,提出多粒度知识点表示模型并改进认知诊断模型,说明模型可以构建知识点之间的关联关系、解决数据稀疏问题和不同粒度的知识点表示问题.

摘要： 分析目前教育学研究者对于认知诊断模型的观点,指出基于试题知识点关联矩阵的DINA模型难以适应学生解题的海量数据呈现出的不同粒度层次问题,提出多粒度知识点表示模型并改进认知诊断模型,说明模型可以构建知识点之间的关联关系、解决数据稀疏问题和不同粒度的知识点表示问题.

摘要： 本发明公开了一种基于深度强化学习的个性化学习推荐方法，包括以下步骤：定义知识点及题目的难度属性，根据知识点之间的关系构建知识点网络图；根据知识点之间的关系确定知识点下题目之间的关系，构建题目网络图；根据用户行为数据，在题目网络图中得到针对指定用户当前状态下的子图，作为学习边界；进而使用深度强化学习算法，利用用户历史记录建模，训练得到在用户当前状态下的子图中如何选取割集策略。本发明方法可智能化地为用户推荐最佳题目，节省用户学习时间，使其学习效率提高，学习体验提升。

摘要： 本发明提供的是一种基于学习者偏好建模的个性化学习资源推荐方法。其特征是：将从在线学习平台中获取学习者相关学习日志文件，包括学习者的历史课程注册记录、对应课程分数以及课程相关属性等数据作为输入数据，通过嵌入注意力机制来更好地获取学习者的历史课程偏好，将其作为自动编码器神经网络的编码输入，然后构建课程知识图谱获得课程先决知识关系，根据课程之间的关联性进行解码，最后计算出学习者学习目标课程的概率，根据概率由大到小来生成学习者的目标推荐列表，以此提高推荐结果的个性化和准确性。

摘要： 一种基于在线学习行为分析的个性化学习推荐方法，包括以下步骤：步骤1，收集数据，获取在线学习平台的学习者日志数据、学生成绩数据，学生性格数据；步骤2，特征提取与挖掘；步骤3，准备数据集进行BP神经网络的训练和测试模型的准确度；步骤4，利用训练好的模型，对新的学习者进行成绩预测；步骤5，向学习者发放调查问卷，并收集问卷数据；步骤6，对问卷数据进行k‑means聚类分析；步骤7，结合不同学习者的性格特征，进行个性化学习方法的推荐。本发明提供一种预测精度较高、较为全面分析学习者线上学习时间规律性的BP神经网络预测方法。并且能够对学习者进行性格分析，为学习者做出个性化学习方法推荐。

摘要： 本发明涉及学习系统技术领域，公开了基于深度强化学习的个性化学习系统及方法，包括个性化学习终端、个性化数据分析处理端以及个性化学习服务端，所述个性化学习终端还包括电子教材交互模块、作业与考试模块、个人学习档案管理模块、疑难问题互动交流模块与资源查询模块，所述个性化数据分析处理端包括个性化学情数据预处理模块、学习内容个性化推荐模块和学习结果智能测评模型构建模块，优点在于：通过整合了学习交互活动终端、个性化模型分析端、个性化学习服务端等多环节的系统资源，支撑学习者依据学习目标，应用个性化学习服务中心提供的服务，快速获取合适的学习资源和学习策略，完成学习目标并进行自我评价，实现自我导向学习。

摘要： 本发明公开了一种基于深度强化学习的个性化学习推荐方法，包括以下步骤：定义知识点及题目的难度属性，根据知识点之间的关系构建知识点网络图；根据知识点之间的关系确定知识点下题目之间的关系，构建题目网络图；根据用户行为数据，在题目网络图中得到针对指定用户当前状态下的子图，作为学习边界；进而使用深度强化学习算法，利用用户历史记录建模，训练得到在用户当前状态下的子图中如何选取割集策略。本发明方法可智能化地为用户推荐最佳题目，节省用户学习时间，使其学习效率提高，学习体验提升。

摘要： 本发明提供的是一种基于学习者偏好建模的个性化学习资源推荐方法。其特征是：将从在线学习平台中获取学习者相关学习日志文件，包括学习者的历史课程注册记录、对应课程分数以及课程相关属性等数据作为输入数据，通过嵌入注意力机制来更好地获取学习者的历史课程偏好，将其作为自动编码器神经网络的编码输入，然后构建课程知识图谱获得课程先决知识关系，根据课程之间的关联性进行解码，最后计算出学习者学习目标课程的概率，根据概率由大到小来生成学习者的目标推荐列表，以此提高推荐结果的个性化和准确性。

摘要： 本发明公开了一种基于学习情况相似度的协同过滤个性化学习推荐方法，引入了知识点掌握程度相似性因子、平均分相似性因子和知识点难度系数修正因子来衡量学习者的学习情况，由此形成基于学习情况的相似度计算公式。知识点掌握程度相似性因子考虑了学习者在不同知识点掌握程度的相似性；平均分相似性因子则是考虑了学习者在该课程中，知识点的总体掌握程度；知识点难度系数修正因子减小了用于考查同一个知识点的不同题目存在难度上的差异。通过引入三个因子形成基于学习情况的相似度计算公式，在计算学习者之间的相似度时，能够考量学习者之间学习情况的相似性，使得筛选的邻居更加准确。

摘要： 本发明提供了一种基于学生个性化学习的智能动态分组学习系统，包括云服务器、教师终端和学生终端：云服务器包括云服务端数据库和云服务端软件，云服务端数据库存有多种形式的教学资源，云服务端软件用于信息交互逻辑处理及提供多种应用功能接口；教师端与学生端通过与云服务器交互组织课堂教学；其中，教师用户可通过教师端智能动态分组系统在实时课堂模块中对学生用户进行分组教学，所述分组系统通过采集学生的学习习惯、与同学合作情况及对不同类型问题的反应等参数，结合老师布置的问题进行智能匹配，并自动对学生进行分组，同时教师和学生也可在自动分组的基础上进行手动调整。本发明使分组教学既具快捷性又具个性化，同时又保留了教师的主动性。

摘要： 一种基于在线学习行为分析的个性化学习推荐方法，包括以下步骤：步骤1，收集数据，获取在线学习平台的学习者日志数据、学生成绩数据，学生性格数据；步骤2，特征提取与挖掘；步骤3，准备数据集进行BP神经网络的训练和测试模型的准确度；步骤4，利用训练好的模型，对新的学习者进行成绩预测；步骤5，向学习者发放调查问卷，并收集问卷数据；步骤6，对问卷数据进行k‑means聚类分析；步骤7，结合不同学习者的性格特征，进行个性化学习方法的推荐。本发明提供一种预测精度较高、较为全面分析学习者线上学习时间规律性的BP神经网络预测方法。并且能够对学习者进行性格分析，为学习者做出个性化学习方法推荐。

摘要： 本发明公开了一种基于学习地图与协同过滤的员工个性化学习推荐方法，根据在线学习平台的学习资源内容与学习者（企业员工）实际情况，分别提取资源特征和员工属性，建立数学模型，然后根据相似度计算推荐列表产生推荐结果，并收集学习者的反馈情况用于改进相似度计算，优化推荐过程。本发明方法对半结构化、非结构化数据、多媒体学习资源在推荐内容上具有一定普适性，将员工学习地图与协同过滤相结合，一方面修正、优化了推荐结果，另一方面能有效解决评分矩阵稀疏与新员工的学习资源推荐即冷启动问题，使得在线学习平台的学习内容推送更加个性化，有效帮助企业员工迅速成长，节约了员工培训、学习成本，提高了员工学习效率。