论文部分内容阅读
当前,大数据支持下的个性化学习已成为教育领域的研究热点。其中,有关个性化学习系统的研究是人工智能在教育领域中应用的体现,它集成了教育学、计算机科学以及认知科学等学科领域,属于交叉研究领域。传统远程教育中对学习者差异性的忽视使得学习者出现认知超载、学习无方向等问题,这在很大程度上影响了学习者的学习效果,导致学习者的学习体验不佳,进而影响远程教育的发展。而以学习者为中心,以提高学习者学习效率和改善学习者学习体验为目标的个性化学习,也有望成为改变现代远程教育发展现状的一个可行性方法。学习分析技术、数据挖掘、可视化分析技术等先进大数据技术的逐步成熟,更是为个性化学习的实现提供了可实现的契机。个性化学习系统的研究一般有学习者模型、领域知识库和管理模块三个方面,其中学习者模型是学习者在个性化学习系统中的抽象表示,它代表了系统对学习者的认知,是系统的核心组件,可根据学习者的个体差异,记录学习者特征,以此为系统进行个性化学习支持服务提供决策依据。因此,本文通过对文献的研究分析,梳理了现代远程教育的发展现状和大数据技术的应用状况,为个性化学习的相关研究提供研究背景。详细界定了现代远程教育中学习者和学习者特征的概念,总结了个性化学习的相关理论基础,个性化学习、个性化学习系统以及个性化学习者模型的研究现状,为个性化学习系统的设计和个性化学习者模型的构建提供了理论基础和研究方向。最终,设计出了基于现代远程教育背景的个性化学习系统,该系统以个性化学习者模型为核心,领域知识库、个性化服务模块、反馈模块共同运行;通过对比分析典型的学习者特征体系和问卷调查,确定了个性化学习者模型中学习者特征体系的要素,并建立了基于学习者特征的个性化学习者模型,该模型在以个体属性、认知能力、学习风格、学习态度为基本要素的个性化学习者特征体系下,以数据层为基础,以逻辑分析层为主要功能模块,以应用层为最终目标,为学习者提供个性化学习支持服务。在个性化学习者模型实现部分,本研究选择了江南大学继续教育与网络教育学院的网络教育平台作为模型的实现环境。以学习者特征中的个体属性和学习风格这两个静态属性的确定,来实现模型的初始化,其中个体属性的初始化是以学习者信息注册的方式而实现的,学习风格的初始化是利用Kolb学习风格调查表而实现的。以学习者特征中的认知能力和学习态度这两个动态属性的确定,来实现模型的动态更新,进而探索个性化学习者模型在现代远程教育中的应用。本研究是运用大数据技术充分挖掘学习系统中学习者相关信息的有用价值的尝试和探索,是个性化学习者模型在现代远程教育中的应用研究,可作为后续研究中实现全面、智能的个性化学习系统的基础,可为个性化学习和现代远程教育研究提供借鉴意义。