近年來,在線學習的人越來越多,在在線教學過程中教育者需要同時面對更多學習者,不可能了解每一個學習者的知識弱點與問題領域,并據此為學習者提供個性化的學習指導。本研究的目的是及時、準確推斷學習者的問題領域,讓學習者清楚自身的知識弱點,讓教育者更加了解每一個學習者的知識水平,讓在線學習系統(tǒng)自動向學習者推薦高效的學習路徑和恰當的學習資源。在實驗中,分析對比了知識追蹤模型及其擴展模型的預測精度,分析了擴展模型使用學習者的所有數據與每個學習者的部分數據的預測準確性差異。結果顯示:知識追蹤模型可以較好估計學習者知識掌握情況;知識追蹤擴展模型的預測精度更好;模型使用學習者部分數據可以獲得比使用全部數據更好的預測精度;在學習者學習過程中遺忘時時存在,擴展模型使用部分數據在加快運行進度的同時更有利于精確估計學習者知識水平進而推薦更有效的個性化學習資源與學習路徑。 

【文章來源】：中國遠程教育. 2019,(08)北大核心CSSCI

【文章頁數】：7 頁

【部分圖文】：

在驗證學習者學習過程遺忘參數存在的基礎上更準確地反映學習者真實知識水圖2數據集記錄結構e

【參考文獻】：
期刊論文
[1]基于貝葉斯知識跟蹤模型的慕課學生評價[J]. 王卓,張銘.  中國科技論文. 2015(02)
[2]基于“態(tài)度”的知識追蹤模型及集成技術[J]. 閭漢原,申麟,漆美.  徐州師范大學學報(自然科學版). 2011(04)



本文編號：3294192