自適應(yīng)學(xué)習(xí)作為未來(lái)影響高等教育發(fā)展的關(guān)鍵技術(shù)之一,成為教育領(lǐng)域研究的新熱點(diǎn)。實(shí)施自適應(yīng)學(xué)習(xí)的基礎(chǔ)在于把每一位學(xué)習(xí)生當(dāng)作獨(dú)特的個(gè)體。傳統(tǒng)的教育方式并沒(méi)有考慮學(xué)習(xí)者對(duì)于知識(shí)的接納或吸收方式是不同的。影響最為重大的莫過(guò)于學(xué)習(xí)者的學(xué)習(xí)風(fēng)格。學(xué)習(xí)風(fēng)格是影響學(xué)習(xí)者學(xué)習(xí)質(zhì)量和效率的重要因素,它決定了學(xué)習(xí)者適合怎樣的學(xué)習(xí)路線和學(xué)習(xí)策略。契合的學(xué)習(xí)策略可以極大地提高學(xué)習(xí)者的學(xué)習(xí)興趣和學(xué)習(xí)效率。因此針對(duì)不同風(fēng)格的學(xué)習(xí)個(gè)體實(shí)施個(gè)性化輔助方式是教育大數(shù)據(jù)工作下的研究熱點(diǎn)之一。然而,現(xiàn)有研究大多基于問(wèn)卷調(diào)查或?qū)W習(xí)者各項(xiàng)網(wǎng)絡(luò)活動(dòng)的頻率統(tǒng)計(jì),對(duì)學(xué)習(xí)者群體進(jìn)行風(fēng)格判斷與分類。這些方法忽略了學(xué)習(xí)者學(xué)習(xí)過(guò)程中的行為規(guī)律,并且從結(jié)果出發(fā)得到的學(xué)習(xí)風(fēng)格無(wú)法體現(xiàn)學(xué)習(xí)者的真實(shí)行為規(guī)律。所以需要一種新的學(xué)習(xí)風(fēng)格模型和分析手段,去配合自適應(yīng)個(gè)性化學(xué)習(xí)的開(kāi)展。基于學(xué)習(xí)風(fēng)格模型的優(yōu)化,提出一種基于過(guò)程的等級(jí)偏好學(xué)習(xí)風(fēng)格模型。模型通過(guò)對(duì)學(xué)習(xí)者的在線學(xué)習(xí)行為數(shù)據(jù)進(jìn)行分析,計(jì)算其視聽(tīng)、讀寫(xiě)和互動(dòng)三個(gè)維度的偏好值,進(jìn)而按照等級(jí)劃分,對(duì)其學(xué)習(xí)風(fēng)格類型進(jìn)行判定。通過(guò)驗(yàn)證實(shí)驗(yàn)證明,等級(jí)偏好模型具有較為全面的覆蓋度,并且其分類結(jié)果與機(jī)器學(xué)習(xí)等聚類算法的...

【文章頁(yè)數(shù)】：76 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖1-1在線學(xué)習(xí)活動(dòng)分析框架

基于級(jí)聯(lián)過(guò)濾DTW的學(xué)習(xí)風(fēng)格挖掘算法研究2數(shù)據(jù)類型中應(yīng)用效果不佳[15]。由于采用歐式距離度量方式，使得無(wú)法較好地保留數(shù)據(jù)的時(shí)間特性，因此直接使用傳統(tǒng)機(jī)器學(xué)習(xí)算法的效果并不理想。而動(dòng)態(tài)時(shí)間歸整（DynamicTimeWarping，以下簡(jiǎn)稱DTW）算法可以在一定程度上彌補(bǔ)這一劣勢(shì)....

圖1-2個(gè)性化在線教育框架

基于級(jí)聯(lián)過(guò)濾DTW的學(xué)習(xí)風(fēng)格挖掘算法研究3目前已有大量基于學(xué)習(xí)者在線行為的時(shí)間序列數(shù)據(jù)出發(fā)，從多方面出發(fā)探索學(xué)習(xí)者線上學(xué)習(xí)行為與學(xué)習(xí)表現(xiàn)之間的關(guān)系。對(duì)現(xiàn)有研究方法進(jìn)行總結(jié)可以得出常用的分析路徑，根據(jù)當(dāng)前研究可以得出個(gè)性化在線教育框架如圖1-2所示[22-24]。除此以外，在不同的....

圖1-3動(dòng)態(tài)時(shí)間歸整與傳統(tǒng)算法融合形式

基于級(jí)聯(lián)過(guò)濾DTW的學(xué)習(xí)風(fēng)格挖掘算法研究6動(dòng)態(tài)時(shí)間歸整算法的思想是對(duì)傳統(tǒng)機(jī)器算法進(jìn)行核替換，然后將傳統(tǒng)算法應(yīng)用在時(shí)間序列數(shù)據(jù)中。例如，基于高斯DTW的SVM語(yǔ)音識(shí)別算法，利用高斯DTW核將變量特征投影至高維空間，投影后在高維空間中應(yīng)用SVM算法對(duì)語(yǔ)音數(shù)據(jù)進(jìn)行辨別與分類[57]；基....

圖2-1個(gè)性化在線教學(xué)框架

基于級(jí)聯(lián)過(guò)濾DTW的學(xué)習(xí)風(fēng)格挖掘算法研究10綜上所述，個(gè)性化的學(xué)習(xí)理論是以學(xué)習(xí)者的在線行為數(shù)據(jù)為出發(fā)點(diǎn)，從中挖掘具有分析價(jià)值的信息。通過(guò)這些信息的反饋幫助學(xué)習(xí)者以及教師了解學(xué)習(xí)者的實(shí)際情況、風(fēng)格類型以及適應(yīng)路線等，從而提供出準(zhǔn)確的輔助教學(xué)手段。而作為學(xué)習(xí)者本身，也可以通過(guò)這些數(shù)據(jù)....

本文編號(hào)：3942757