个性化教育中的学习者模型技术研究

论文摘要

现今,伴随着互联网的迅速普及和计算机技术的飞速发展,教育模式正逐渐由传统教育转向以网络和多媒体技术为基础的远程教育。远程教育打破了传统教育对时间和空间的限制,凭借快捷及时的信息交互能力和丰富的知识表现形式成为了人们获取知识、提升能力的重要方式,因此得到了越来越多的重视和研究。当前,远程教育系统研究的一个重要方面是教育系统的智能化和个性化,其中的一个关键问题在于如何对系统中的学习者进行建模。教育系统中的学习者模型能否准确、实时地反映学习者的实际情况,是教育系统能否根据学习者的学习信息和学习进度为学习者“量身定制”学习计划、选择教学策略以及推荐学习资源的基础。本文主要关注个性化教育中学习者模型的建模技术,主要研究成果包含:针对个性化教育对学习者信息的需求,提出了含学习兴趣模型SIMFPE、认知能力模型CoMFPE以及知识模型KMFPE三个子模型的学习者模型LMFPE,在借鉴现有的研究成果的基础上,分别论述了三个子模型的建模技术,并分析了其在个性化教育系统中的地位和作用。同时,针对反映学习者学习进度和知识掌握水平的知识模型,提出了采用贝叶斯网络构建的,以知识项和问题作为结点的学习者知识模型KMFPE。该模型支持通过学习者的作业/测试情况进行模型的在线演化以保持系统对学习者学习进度和掌握知识水平的准确描述。在线演化算法是在贝叶斯网络的缺值样本在线学习算法Voting EM算法的基础上,引入了置信因子和更新时间标记,使得算法更加适用于知识模型的在线演化,提高了知识模型的在线演化的效果和精确度。最后,设计并实现了一个基于LMFPE的个性化学习系统Istudy。基于Istudy,本文提出一个实验:通过某中学初三年级52名学生对数学《二次函数》一章的学习,将Istudy中建立的知识模型所反映的学生知识掌握水平与学生的阶段测试情况进行对比、分析。通过实验结果,验证了KMFPE的有效性和在线演化算法的准确性。

论文目录

• 摘要
• ABSTRACT
• 第一章绪论
• 1.1 课题背景
• 1.1.1 个性化教育
• 1.1.2 个性化教育中的学习者模型
• 1.2 国内外研究概况
• 1.3 课题主要研究工作
• 1.4 本文组织结构
• 第二章智能授导系统中的学习者模型技术研究
• 2.1 学习者学习兴趣模型研究现状
• 2.1.1 兴趣模型的表示方法
• 2.1.2 兴趣模型的学习
• 2.2 认知能力模型研究现状
• 2.3 学习者知识模型研究现状
• 2.4 学习者模型的开放性研究
• 2.5 学习者模型的构建以及关键问题
• 2.6 本章小结
• 第三章个性化教育中的学习者模型LMFPE
• 3.1 LMFPE 总体结构
• 3.2 认知能力子模型CoMFPE
• 3.3 学习兴趣子模型SIMFPE
• 3.3.1 教育系统中的学习兴趣
• 3.3.2 个性化教育中的学习兴趣模型
• 3.3.3 基于SIMFPE 的兴趣预测
• 3.4 知识子模型KMFPE
• 3.4.1 贝叶斯网络介绍
• 3.4.2 KMFPE 的构建
• 3.5 个性化教育中LMFPE 的运用
• 3.6 本章小结
• 第四章KMFPE 的在线演化研究
• 4.1 知识模型在线演化的重要性和存在困难
• 4.2 基于测试的在线演化
• 4.3 在线演化算法执行效率的优化
• 4.4 引入置信因子和更新时间标记的在线演化算法
• 4.4.1 置信因子
• 4.4.2 更新时间标记
• 4.4.3 比较分析
• 4.4.4 引入置信因子和更新时间标记后的KMFPE 在线演化算法
• 4.5 KMFPE 定义
• 4.6 本章小结
• 第五章基于LMFPE 的个性化教育系统Istudy 的设计与实现
• 5.1 个性化教育系统Istudy 总体介绍
• 5.1.1 Istudy 中的学习内容的分类与组织
• 5.1.2 Istudy 中的学习者的学习流程
• 5.2 LMFPE 的设计与实现
• 5.3 KMFPE 的有效性实验
• 5.3.1 实验设计
• 5.3.2 实验环境
• 5.3.3 实验流程
• 5.3.4 实验结果分析
• 5.4 与现有模型的对比
• 5.5 本章小结
• 结束语
• 致谢
• 参考文献
• 作者在学期间取得的学术成果
• 附录A《二次函数》知识项
• 附录B《二次函数》领域知识模型
• 附录C《二次函数》问题项及对应知识项
• 附录D《二次函数》作业、综合练习答题情况及成绩对比