發(fā)布時間：2020-06-13 17:31

【摘要】：教育信息化飛速發(fā)展的今天,在線學習、移動學習已成為重要的學習手段,學習活動可以隨時隨地進行,學習者可以通過多種方式獲取形式多樣的網(wǎng)絡教育資源。然而,隨著網(wǎng)絡教育資源的爆炸式增長,學習者所面臨的“信息過載”和“學習迷航”等問題日益加劇。于是,教育資源推薦服務逐漸成為近幾年的研究熱點。教育資源推薦旨在為學習者提供智能化的資源推送服務,使得學習活動由傳統(tǒng)的“人找資源”的單一模式轉(zhuǎn)換為“人找資源、資源找人”的智能雙向模式,它能夠有效緩解海量資源所帶來的“信息過載”以及“學習迷航”等問題,已經(jīng)受到越來越多的研究人員的關(guān)注,成為教育信息化和人工智能等領(lǐng)域的重要研究課題。學習者在學習目標、知識水平、學習路徑、學習風格等方面的差異會導致其對教育資源的需求有所不同,這使得教育資源推薦變得異常復雜,在某種程度上,系統(tǒng)必須引導學習者完成其個性化的學習過程。因此,在教育資源推薦中,如何挖掘?qū)W習者的個性、生成適合學習者個性的學習路徑以及設(shè)計基于學習者個性的教育資源推薦方法等,成為教育資源推薦領(lǐng)域中迫切需要解決的難題。本文以小學三年級數(shù)學教育為研究切入點,以個性化教育中的基本理論為基礎(chǔ),研究學習者個性挖掘方法,并設(shè)計相應的教育資源推薦方法,對于提高教育資源推薦的精度、提升學習效率具有十分重要的理論價值和實用價值。論文主要研究內(nèi)容如下。(1)構(gòu)建了學習者個性模型與教育資源模型。對學習者個性等基本概念進行了詳細的分析與闡述,研究了學習者個性挖掘方法,并構(gòu)建了動態(tài)適應性學習者個性模型和基于模糊邏輯的教育資源模型。(2)提出了基于認知診斷模型的知識水平獲取方法。針對現(xiàn)有的學習測驗缺乏對測驗結(jié)果的深度挖掘,即無法診斷學習者內(nèi)在的認知結(jié)構(gòu),難以準確獲取學習者的知識水平。利用認知診斷理論中的規(guī)則空間模型,對小學三年級數(shù)學學習進行了編制診斷性測驗,并評估了測驗的有效性。結(jié)果表明,規(guī)則空間模型能夠有效診斷學習者在小學三年級數(shù)學減法運算中的認知結(jié)構(gòu),利用該方法可以獲取學習者的知識水平。(3)提出了基于貝葉斯網(wǎng)絡的學習路徑推薦方法。針對現(xiàn)有的路徑推薦算法的不足,利用貝葉斯網(wǎng)絡生成適應性學習路徑,為基于學習者個性的教育資源推薦提供了基本的依據(jù)。在真實學習環(huán)境中進行了實驗分析,驗證了該推薦方法的有效性。(4)提出了基于學習者個性的學習資源推薦方法。學習資源推薦需綜合考慮包括學習者的學習目標、知識水平、認知能力以及學習風格等多方面的個性,以滿足學習者個性化學習需求。同時,學習資源的分類伴有一定的模糊性,學習資源與知識點的關(guān)聯(lián),不是有無的關(guān)系而是關(guān)聯(lián)的深淺程度,本文利用模糊邏輯方法為學習資源進行建模。此外,學習者的知識水平也具有一定的模糊性,學習者對知識點的掌握程度不能簡單地定義為掌握或未掌握,而是掌握到什么程度。為此,本文利用模糊認知診斷模型更新學習者的知識水平,并根據(jù)學習者的學習目標、學習路徑以及學習風格等個性提取與其關(guān)聯(lián)度較高的學習資源推薦給學習者。在真實數(shù)據(jù)集上進行了對比實驗分析,實驗結(jié)果表明,該方法優(yōu)于其余三種經(jīng)典的推薦方法。同時,通過實際應用效果分析進一步驗證了該推薦方法的有效性。(5)提出了基于學習者個性的習題資源推薦方法。針對現(xiàn)有的習題推薦方法存在的主要問題:所推薦的習題是否符合學習者的學習目標,習題難度是否與學習者知識水平相一致等。提出了一種基于學習者個性的習題推薦方法,該方法同時考慮了習題的知識點覆蓋問題以及知識點的層次結(jié)構(gòu)等問題,并利用作業(yè)反饋模型更新學習者知識水平,再根據(jù)知識水平為其推薦合適難度的習題。在真實數(shù)據(jù)集上進行了詳細的實驗分析,結(jié)果表明,該方法在準確率(Precision)、召回率(Recall)以及F1指標上均優(yōu)于其余兩種經(jīng)典的推薦方法。最后,通過實際應用效果分析,進一步證實了該習題推薦方法是有效的。本文針對教育資源推薦服務中的一些關(guān)鍵問題,進行了系統(tǒng)的研究,構(gòu)建了學習者個性模型和教育資源模型,提出了學習者個性挖掘方法,并設(shè)計了基于學習者個性的學習資源和習題資源推薦方法。論文的創(chuàng)新性工作可以概括如下。(1)構(gòu)建了動態(tài)自適應學習者個性模型和基于模糊邏輯的教育資源模型。針對學習者個性動態(tài)更新的問題,構(gòu)建了動態(tài)自適應學習者個性模型;并利用模糊邏輯方法構(gòu)建了相應的教育資源模型,解決了教育資源模糊劃分的問題。(2)提出了學習者個性挖掘方法。本文詳細闡述了學習者個性的基本內(nèi)涵,并提出了基于認知診斷理論的知識水平獲取和基于貝葉斯網(wǎng)絡的學習路徑推薦等個性挖掘方法。(3)設(shè)計了基于學習者個性的學習資源推薦和習題資源推薦方法。所提方法彌補了現(xiàn)有的學習資源和習題資源推薦方法中的一些不足,可以為基礎(chǔ)教育領(lǐng)域其他學科的教育資源推薦系統(tǒng)的設(shè)計提供參考,研究成果可以推廣到其它相關(guān)學科領(lǐng)域。
【學位授予單位】：江西財經(jīng)大學
【學位級別】：博士
【學位授予年份】：2018
【分類號】：G434;G623.5

【參考文獻】

相關(guān)期刊論文 前10條

1 范士青;劉華山;;小學三年級學生整數(shù)減法計算錯誤的認知分析[J];教育研究與實驗;2015年05期

2 徐琳;楊姝;;基于改進的協(xié)同過濾算法的練習測試推薦系統(tǒng)[J];沈陽師范大學學報(自然科學版);2015年02期

3 冷亞軍;陸青;梁昌勇;;協(xié)同過濾推薦技術(shù)綜述[J];模式識別與人工智能;2014年08期

4 李孟;曹晟;秦志光;邱丹;;一種網(wǎng)絡導航學習路徑生成方法[J];電子科技大學學報;2014年04期

5 陳耀華;陳琳;;教育信息化提升教育公平研究[J];中國電化教育;2014年07期

6 鄭云翔;;信息技術(shù)環(huán)境下大學生個性化學習的研究[J];中國電化教育;2014年07期

7 郭磊;馬軍;陳竹敏;姜浩然;;一種結(jié)合推薦對象間關(guān)聯(lián)關(guān)系的社會化推薦算法[J];計算機學報;2014年01期

8 張宏毅;王立威;陳瑜希;;概率圖模型研究進展綜述[J];軟件學報;2013年11期

9 戴海琦;羅照盛;;項目反應理論原理與當前應用熱點概覽[J];心理學探新;2013年05期

10 楊興耀;于炯;吐爾根·依布拉音;廖彬;錢育蓉;;融合奇異性和擴散過程的協(xié)同過濾模型[J];軟件學報;2013年08期

相關(guān)博士學位論文 前9條

1 王麗萍;自適應學習系統(tǒng)中學習者模型與教學模型研究[D];東北師范大學;2017年

2 錢研;基于BCLRHK模型的大學生個性化在線學習資源推送研究[D];東北師范大學;2017年

3 丁繼紅;個性化教育資源主動服務模式研究[D];華中師范大學;2016年

4 董君武;構(gòu)建個性化學習系統(tǒng)的研究[D];華東師范大學;2016年

5 黃志芳;面向E-Learning的適應性學習路徑推薦研究[D];華中師范大學;2015年

6 檀曉紅;基于推薦及遺傳算法的個性化課程生成與進化研究[D];上海交通大學;2013年

7 姜強;自適應學習系統(tǒng)支持模型與實現(xiàn)機制研究[D];東北師范大學;2012年

8 劉菊;關(guān)聯(lián)主義學習理論及其視角下的教與學組織研究[D];東北師范大學;2011年

9 楊巍;適應性學習系統(tǒng)若干關(guān)鍵技術(shù)方法研究[D];武漢大學;2010年

相關(guān)碩士學位論文 前1條

1 譚鳳;基于概率矩陣分解的個性化推薦系統(tǒng)研究[D];西南大學;2015年

，

本文編號：2711506