因材施教抑或因材促學一直是個性化學習追求的價值取向,然而如何獲悉已學知識點的掌握程度以及學習者學習捷徑的引領則是其亟需面臨的挑戰(zhàn),基于人工智能技術的智適應學習系統(tǒng)為解決這一困境提供了有效參照。智適應學習以知識空間理論、信息流理論以及貝葉斯定理等為基礎實現(xiàn)了人工智能技術支持下的高效個性化學習。智適應學習以納米級的知識點作為學習內容形態(tài),以最佳學習路徑的引薦作為學習過程向導,以個性化學習和高效學習效率作為智適應學習的出發(fā)點和最終歸宿。智適應學習系統(tǒng)呈現(xiàn)了一個完整的智適應學習運行流程,形成了"測、學、練、測、輔"五位一體的學習模式。智適應學習的應用案例表明,其在1:1教與學、精準學習評價以及O2O學習中具有突出的潛在優(yōu)勢。

【文章頁數(shù)】：9 頁

【文章目錄】：
一、自適應學習的挑戰(zhàn)與智適應學習的興起
二、人工智能支持下的智適應學習基本原理
    (一) 智適應學習的基本內涵
    (二) 智適應學習的基本理論
        1. 知識空間理論
        2. 信息流理論
        3. 貝葉斯定理
    (三) 智適應學習的基本機制
        1. 納米級的知識粒度分解
        2. 個性化的學習路徑薦引
        3. 促進粘性的社區(qū)化支持
        4. 快速精準的知識狀態(tài)監(jiān)測
        5. 多元化的在線學習內容推薦
        6. 系統(tǒng)自適應功能的智能優(yōu)化
三、人工智能支持下的智適應學習模式
    (一) 智適應支持的“五星”學習過程模式
    (二) 智適應學習系統(tǒng)結構模型
四、人工智能支持下的智適應學習案例——以初中物理“光現(xiàn)象”學習為例
    (一) 智適應學習案例簡介
    (二) 智適應學習基本過程
        1. 信息完善與學前智檢
        2. 推送資料與開展學習
        3. 難度分層與靶向練習
        4. 課后測試與學習分析
        5. 攻克漏洞與學習輔導
    (三) 智適應學習效果與優(yōu)勢
        1. 知識點掌握的精準度顯著提升
        2. 學習者的興趣明顯增強
        3. 學習效率得到迅速提高
    (四) 研究局限與對策
        1. 模式應用范圍
        2. 知識點的表征
五、結語與展望



本文編號：3869273