共查询到20条相似文献，搜索用时 31 毫秒
1.
2.
为尊重学习者个体差异性,实现基于微信公众平台的泛在学习资源个性化推荐和个性化学习,增强学习者与学习资源的相关性,帮助学习者提高学习效率,论述了泛在学习的内涵,阐述了泛在学习公众平台相关研究现状。基于行为主义学习理论和因材施教理论设计了包含学习者层面、教师层面、系统层面和管理员层面的泛在学习资源个性化推荐微信公众平台相关功能模块,可为相关研究提供参考。 相似文献
3.
情境感知是泛在学习的本质特征,为学习者提供情境化、个性化与差异化的资源服务已成为泛在学习领域一个新的研究议题。文章采用个性化推荐视角,研究了泛在学习情境的形式化表征,构建了情境化的学习资源推荐模型,阐述了情境化资源推荐的一般过程,并就情境化资源推荐的关键问题进行了分析。 相似文献
4.
学习资源推荐作为解决学习者信息迷航和支持个性化学习的重要途径已受到越来越多学者的关注。随着泛在学习的发展,仅在学习开始时向学习者推荐感兴趣的资源已难以满足学习的需求,学习过程中推荐资源、指导专家、辅导服务等显得更加重要。未来的推荐系统应以支持学习为目的,从单纯的资源推荐向将资源推荐与学习过程结合的方向发展,从以用户兴趣为主推荐向感知学习情境推荐发展。文章从学习过程情境的角度出发,对泛在学习环境下的推荐系统进行重新定位与设计,并介绍了学习元平台中的推荐系统,试图为相关研究者提供新的思路与参考。 相似文献
5.
6.
I普适计算技术推动下的泛在学习已成为下一代e-Learning的重要发展方向,泛在学习环境的构建是泛在学习成功实施的基础和保障。传统的e-Learning资源仍然是当前大多数泛在学习原型系统的核心,但忽视了适合泛在学习自身特性和需求的学习资源的设计与建设。针对此问题,本研究在联通主义学习理论、知识建构理论和生态学习理论的指导下,以泛在学习资源组织模型"学习元"为核心设计开发了一种新型的泛在学习系统——学习元平台(Learning Cell System,LCS)。该系统采用基于本体的资源组织方式,通过开放内容编辑实现资源内容的持续进化发展,可以在多种移动终端上自适应地呈现资源,实现资源之间的动态语义关联,支持社会认知网络的动态生成与共享,并可以基于过程性信息开展个性化的学习评价。最后,对LCS潜在的应用场景进行了分析。 相似文献
7.
数字学习时代,海量的学习资源不但没有促进学习效率的提升,反而加剧了资源获取的负担。该文针对数字学习资源过载现状,借鉴个性化推荐策略,就数字学习资源的服务效果提升进行研究。该文以北京师范大学泛在学习资源平台一学习元平台资源推荐设计为例,分别阐述了个体学习者与群体学习者的数字学习资源服务策略,并从推荐算法的角度阐述了学习资源个性化推荐效果提升策略。 相似文献
8.
9.
10.
张静 《中国教育技术装备》2014,(18):39-40
泛在学习环境中,学习资源自适应推荐模型尝试将情境感知技术和数据挖掘技术引入泛在学习环境下的学习资源推送服务领域,通过感知学习者周围的环境、设备的变化,挖掘学习者的过往情境数据,借助个性化的推送规则库,在海量的学习资源中快速定位到最适合学习者的资源,并推送给学习者,帮助学习者建立真正无缝的泛在学习体验。 相似文献
11.
泛在学习数字化资源技术标准的设计原则研究 总被引：2，自引：1，他引：1
泛在学习是普适计算环境下未来的学习方式.本文通过分析泛在学习的特征,研究了支持泛在学习的数字化资源的技术标准,对现有数宁化资源技术标准与泛在学习所需的技术标准进行了差距分析,提出支持泛在学习的数字化资源未来技术标准的设计原则. 相似文献
12.
苏雪 《深圳职业技术学院学报》2012,11(1):8-14
提出一种泛在学习平台中个性化内容推荐机制,以帮助学习者在泛在学习环境下获取个性化的学习内容．该机制在综合个性化信息的基础上,按内容相似度的顺序生成个性化的搜索结果,使用学习历史信息、当前地理位置信息及输入查询信息等,试图过滤掉不相关的搜索结果,以达到泛在环境下学习内容获取效率． 相似文献
13.
14.
本文探究了推荐系统在学习科学中学习资源方面的可行性。主要讨论了推荐系统的组成部分(集体责任,集体智慧,用户控制,导航,个性化)与学习科学理论的良好适应,并分析设计了基于网络学习资源的智能推荐系统的整体框架结构,实现了推荐系统从商业背景到教育背景的转换,提高学习资源利用率,满足学习者的个性化需求。 相似文献
15.
e-learning的调查发现,e-learning支持系统中学习资源推荐主要有Top-N和关键词检索两种方式,都无法向学习者个性化地推荐学习资源。受电子商务研究领域中相关研究成果启发,我们尝试将协同过滤推荐技术引入学习资源的个性化推荐研究中。通过综述学习资源个性化推荐中三种常用的推荐技术,介绍了协同过滤推荐技术的工作原理、实现方法及存在问题。在此基础上,提出了一个优化的基于协同过滤技术的学习资源个性化推荐系统的理论模型,重点讨论了模型的结构、隐式评分机制和算法的实现,并讨论了个性化学习资源推荐模型中的三个关键技术。以启发e-learning研究人员从不同的层面和角度探索协同过滤技术在e-learning中的应用,提高学习资源个性化推荐的精度和效率。 相似文献
16.
随着信息技术和学习理论的发展,教育研究的焦点逐渐从"以教为中心"向"以学为中心"转变,对学习的研究也逐渐从对学习者本身的研究转向对学习环境的研究。社交网络模拟了人类社会生活与社会关系,其理念契合了社会建构主义、关联主义、分布式认知等学习理论,更加符合网络时代学习的社会性、关联性、分布性、碎片化、个性化等特征。本研究在分析现有网络学习环境的基础上,提出以社交网络模型为资源聚合与推荐框架设计新型学习环境的思路,对个人学习空间、学习资源聚合模式和个性化推荐引擎构建等学习环境设计要素进行了分析。社交网络可以实现"网络学习空间人人通",学习环境内外资源的个性化聚合,并记录学习过程。通过对大量学习行为数据的分析,可以辅助教学决策,优化学习过程,推荐符合学习者个性的学习资源,实现个性化学习。最后,本研究基于开源社会性软件Sakai OAE构建了个性化学习环境并进行了实际应用,结果表明该学习环境在用户易用性和技术接受度等方面取得了较好效果。 相似文献
17.
刘朋 《中国科教创新导刊》2012,(31):103-103
随着信息时代的兴起与发展,高校校园泛在学习也广泛的应用开来,同时,人们对其内容个性化推荐模型的设计也越来越重视.本文作者基于多年关于高校校园泛在学习的内容个性化推荐的实践经验,以“学习元”平台为例,对高校校园泛在学习的内容个性化推荐研究现状、对个性化推荐的支持以及个性化推荐模型设计等内容进行浅谈,以期在个性化推荐的实际应用中具有借鉴作用,更好的促进高校校园泛在学习的发展. 相似文献
18.
大数据环境下,从海量学习资源中为学习者提供个性化的资源推荐服务可提高学习效率。考虑到不同区域的人具有不同的文化背景,人们对事物的喜好具有区域性,以及提供个性化推荐通常面临数据稀疏和冷启动的问题,提出使用因子分解机,综合考虑学习者的知识基础、兴趣、文化和时间因素,借助学习者所处区域的文化背景,选出与其有相同或相似文化背景的学习者,并结合学习者最佳学习时间及学习体系结构,以提高个性化学习资源推荐的质量。实验结果表明,该方法在一定程度上提高了推荐准确率。 相似文献
19.
开放式e-Learning解决方案个性化推荐服务——一种面向终身学习的数字化学习服务模式的探索思路 总被引：3，自引：0，他引：3
个性化e-Learning系统一直是数字化学习研究的重要主题,然而在终身学习环境下,个性化e-Learning系统必须要考虑如何提高学习者兼容性、资源充足性、智能挖掘性和推荐整合性,才能最大限度地满足海量的差异化学习者的个性化需求.作为对终身学习的数字化学习服务模式的一种探索思路,本文构建了一个开放式e-Learning个性化推荐服务,通过向学习者推荐完整的e-Learning解决方案,提出多种个性化机制,构建开放性学习社区,并通过Web数据挖掘技术挖掘解决方案,来解决传统个性化e-Learning系统所面临的这几个挑战.本文对该服务的概念体系和技术应用进行了详细阐述,以对终身学习环境下的数字化学习体系建设提供参考. 相似文献
20.
泛在学习环境下的学习资源进化模型构建 总被引：1，自引：0，他引：1
学习资源是泛在学习生态系统的核心要素,泛在学习需要动态生成、持续进化发展、结构开放的学习资源.文章阐述了泛在学习资源进化的概念和内涵,在综合分析当前e-Learning领域的资源进化发展现状的基础上,提出了泛在学习资源的进化模型,并对资源的生命周期、资源进化的动力及养料来源、资源进化过程中的保障机制环境和关键技术等进行了阐述,最后依据进化模型预设了泛在学习资源的两种进化模式,期望为接下来泛在学习资源进化的系统研究提供宏观指导. 相似文献