适应性教学系统中个性化教学策略研究

论文摘要

现有的网络教学系统很少考虑到不同学习者因知识背景、学习目标、兴趣偏好、认知风格等因素的不同而引起的对课程材料的不同需求，更没有考虑到学习者的个人特征会随着学生的学习进展而发生变化，一般是所有的学生面对同一份静态的超媒体文档。 本研究构建了I-Tutor适应性智能教学系统原型。系统能够通过机器学习动态了解学生的学习水平与学习偏好，从而生成个性化的教学策略。系统根据学生的个性化特征，给他们提供适应性的学习材料。适应性的学习材料的生成是根据学生的学习水平和学生的学习偏好。系统中用贝叶斯分类器观察学生的学习行为来得到学生学习偏好。 学生对原型系统使用后的数据表明：学生的学习风格存在明显的差异；相同的教学策略不能支持所有的学生。因为，首先，数据表明学生的学习时间与测试成绩不存在固定的关系。有些学生学习时间越长学习结果越好，而有些学生则正好相反。其次，进行分类时，给所有的学生用同样的贝叶斯分类参数则不能获得好的分类结果。对于一个学生是较适应的教学策略，而对另一个学生则可能不适应。学生的许多与个性特征相关的因素需要在系统的设计与建构过程中综合考虑。这样系统可以根据不同的学生生成个性化的教学策略。

论文目录

• 前言
• 一、课题研究的目的
• 二、课题的研究方法
• 三、主要成果
• 四、本研究的主要创新之处
• 五、论文的结构按排
• 第一章 绪论
• 1.1 研究的背景及意义
• 1.2 相关的概念
• 1.3 国内外研究的综述
• 第二章 本研究的相关理论基础及技术基础
• 2.1 教育学、心理学的理论基础
• 2.1.1 认知风格
• 2.1.2 学习风格
• 2.1.3 掌握学习
• 2.1.4 个性化的教学策略
• 2.2 技术基础
• 2.2.1 适应性系统
• 2.2.2 智能授导系统（ITS）
• 2.2.3 适应性学习系统
• 2.2.4 适应性超媒体（Adaptive Hypermedia）
• 第三章 I-Tutor原型系统设计
• 3.1 关于I-Tutor原型系统的设想
• 3.2 系统的需求
• 3.2.1 系统结构与性能分析
• 3.2.2 需求分析
• 3.3 系统的设计
• 3.3.1 系统总体结构的设计
• 3.3.2 系统主要功能模块的设计
• 3.4 系统的实现技术
• 3.4.1 选择 Java的原因
• 3.4.2 JDBC
• 3.4.3 数据库的设计
• 3.4.3.1 数据表
• 3.4.3.2 表关系模型
• 第四章 领域知识的组织
• 4.1 知识的建构模型
• 4.2 知识的表示方法研究
• 4.2.1 知识表示概况
• 4.2.2 基于XML的知识表示
• 4.2.3 面向对象的知识表示
• 4.2.4 语义网络的知识表示
• 4.2.5 基于对象与语义网络的知识表示
• 4.3 I-Tutor中领域知识的组织
• 4.3.1 内容对象
• 4.3.1.1 文本对象（Text Object）
• 4.3.1.2 图像对象（Graphic Object）
• 4.3.1.3 其它对象（Other Objects）
• 4.3.2 主题
• 4.3.3 概念
• 4.3.4 测试题
• 第五章 学生模型
• 5.1 学生模型
• 5.2 学生模型建模方法
• 5.2 学生模型中表示的内容
• 5.2.1 主题
• 5.2.2 概念
• 5.2.3 学生的偏好
• 5.2.4 学生模型中存放的其它信息
• 第六章 个性化教学策略生成与更新
• 6.1 适应性导航
• 6.1.1 开始学习一个新主题的算法设计
• 6.1.2 准备分的计算
• 6.2 适应性呈现
• 6.2.1 产生一个新页面的算法
• 6.2.2 第一阶段:学生的知识
• 6.2.3 第二阶段:学生偏好
• 6.2.4 一个具体的例子
• 6.3 建构群体模型
• 6.3.1 选择一个刻版实例空间
• 6.3.2 刻版空间的更新
• 6.4 关于测试
• 6.5 个性化教学策略的更新规则
• 6.5.1 时间信息
• 6.5.2 概念
• 6.5.2.1 内容对象
• 6.5.2.2 测试
• 6.5.2.3 学生偏好
• 6.5.3 主题评分
• 第七章 系统应用及结果分析
• 7.1 实验设计
• 7.1.1 假设
• 7.1.2 实验设计
• 7.2 结果
• 7.2.1 学生统计分析
• 7.2.2 朴素贝叶斯分类器的准确性
• 7.2.3 时间信息
• 7.3 结论
• 第八章 结论与进一步的工作
• 8.1 结论
• 8.2 进一步研究工作
• 8.1. 时间信息的运用
• 8.2. 预测的准确性
• 8.3 其它应用
• 参考文献
• 附录A
• 附录B
• 致谢