智能网络学习系统中个性化学习研究

网络学习提倡以学生为主体,智能网络学习系统则以学生的个性化学习为特征．领域知识的组织和智能导航是智能网络学习系统中实现个性化学习的基本问题。探讨智能网络学习系统中的领域知识组织和管理,研究一种个性化学习路径的动态生成算法和个性化学习的页面合成算法,为智能网络学习系统的设计和开发提供基础。     

网络学习管理系统中智能学习导航研究

网络学习导航的目的是避免学习者在学习过程中"迷航"和提高学习效率,并能在一定程度上实现个性化学习,其关键是学习系统能够提供智能化的学习导航,指导学习者完成学习任务。论文探讨了网络学习管理系统中学习导航的设计原则,研究了在本体概念网模型的知识组织结构基础上的智能学习导航机制及其实现算法,并着重强调个性化学习,为基于B/S三层结构的学习管理系统实现个性化学习提供了基础。     

自适应算法在网络学习系统的应用研究

随着现代信息技术与教育产业的深度融合,建设远程开放式的网络学习平台已成为构建智慧校园网的核心;同时也为构建学习型社会,实现终身教育提供了环境支撑和技术保障。主要着手于自适应算法研究,以网络学习者为对象,针对网络学习平台中存在的问题,设想将自适应算法引入到网络学习平台中,设计一个包含自适应网络学习模型、学习者信息模型、智能学习诊断模型的网络学习系统。以期系统能够有效地完善现有网络学习在动态导航、智能诊断、师生交互、因材施教等方面存在的不足,并从根本上改变传统按部就班式的学习模式,实现将资源按照学习者的个体特征和学习需求自动地生成学习内容序列,从而实现个性化的学生学习与教师辅导,以此来提升远程教育的服务质量。     

自适应网络教学系统中知识表示模型的设计

针对知识库是教学系统的核心,是实现系统智能化的关键。为了提高网络教学系统的决策和诊断能力,满足自适应学习的需要,设计了一个基于层次结构的语义网络和产生式的二级知识表示模型,提出了广度优先的知识点剪枝算法和深度优先的知识点遍历算法,对所学习知识点进行选取及对相应的知识网络遍历,并通过采用知识点学习的智能导航算法仿真学生在系统中自适应学习的全过程。实验结果表明,知识模型的设计有助于实现网络教学资源动态组织和教学策略的动态调整,能够更好地为学生提供个性化的学习参考需要,为系统决策分析提供参考依据。     

设计过程主动信息服务及其基于智能导航的实现

讨论了基于智能导航的主动信息服务实现。以设计过程固化下来形成CAD系统的静态智能导航结点，通过内部指针对系统设计过程的动态跟踪，实现设计过程中的动态智能导航。将智能导航技术与CAD技术有机结合，利用模块化、构件重用技术及面向对象的可视化开发工具Delphi5．0，解决了设计资料的分布式查询、容错和纠错、启发式设计、设计结果动态生成、设计过程动态存储等问题。     

自适应学习模型在智能教学系统中的应用研究

在分析自适应学习内涵的基础上,深入地研究了自适应学习模型的结构和功能。探讨了自适应学习模型对智能教学系统实现教学内容动态呈现和智能导航两个方面的理论支持。最后,指出自适应学习模型的分析和研究是构建智能网络教学系统的关键。     

《自己去吧》学习工具制作综述

特色与亮点1.精美的动画情境整个学习工具共有九个界面,画面美观、生动形象,集知识性、趣味性、参与性、激励性为一体。动画制作精美流畅,指向性强,能起到寓教于乐、启智无形的作用。2.智能交互结构学习工具支持教师、学生双入口,既可作为教师上课的教具,又可作为学生自学的学具。导航精准,学习内容取舍自由,学习过程即开即停,学习效果及时采集,克服了传统     

基于本体的个性化智能答疑系统的设计

针对目前智能答疑系统存在着没有充分考虑学生个体差异性的现象,本文提出了一个基于本体的个性化智能答疑系统,利用本体构建专业领域知识库,使系统实现在语义层次上检索学生的提问,系统同时通过网络教学系统获取学生的学习行为特征,并以此为条件过滤系统检索的结果,以向学生提供适合其学习的答案集。经实验表明,本系统能提供较强的个性化智能答疑服务。     

基于Web的个性化学习系统的设计

为改善基于Web学习系统存在的不足,提出了一个基于数据挖掘技术的个性化学习系统模型,并详细描述了应用决策树及BP神经网络算法对个性化导航模块设计的方法.应用决策树方法,根据学生初始注册信息,为学生的学习能力进行分类;应用BP神经网络算法,对经过预处理的有用的教学数据进行挖掘,以得出学生对知识点的掌握情况;在分析对比学生的学习状态与课程要求的基础上为学生提供下一步学习的导航信息.基于该模型实现的个性化学习系统真正体现了因材施教的教育理念.     

隐马尔科夫模型在智能学习系统中的应用

智能学习系统中,用户希望在学习的过程中系统能够根据知识点之间的内在关系自动给出学习引导.要实现智能引导的功能,就要找到所有知识点之间的内在关联.使用大量学习记录作为训练集,建立隐马尔科夫模型,并且利用该模型得到最优观察序列,实现了知识点学习的智能引导.