融入学习者模型在线学习资源协同过滤推荐方法

在线教育存在“信息迷航”问题,而传统的信息推荐方法往往忽视教育的主体—学习者的特征。本文依据教育教学理论,根据在线教育平台中的学习者相关数据,研究构建了适用于在线学习资源个性化推荐的学习者模型。以协同过滤推荐方法为切入点,融合学习者模型中的静态特征和动态特征对协同过滤方法进行改进,建立融入学习者模型的在线学习资源协同过滤推荐方法。以2020年3~7月时间段的东北石油大学“C程序设计”课程学生的真实学习数据和行为数据为数据集,对本文提出的方法进行验证和对比,最后证明本文提出的方法在性能上均优于对比方法。     

STEAM教育理念下高校人工智能课程教学模式研究——以“人工智能与Python编程基础”课程为例

STEAM教育着眼于复合型、创新型人才的培养,在知识结构方面注重培养学习者对跨学科知识的学习和综合应用,在能力培养方面注重学习者创新精神和实践能力相结合,这与人工智能课程交叉学科的性质非常贴切,是解决国内高校人工智能教学发展中所存在问题的一条有效途径。本文以“人工智能与Python编程基础”课程为例,探究在高校中如何运用STEAM教育理念开展人工智能课程教学,为高等教育中人工智能课程创新教学实践和教学改革提供参考和借鉴。     

基于学习风格的个性化自适应资源推荐算法研究

个性化自适应资源推荐是以学习者为中心、以人工智能和大数据技术为基础,模拟人类思维进行学习资源推荐的过程。论文在分析学习者和资源学习风格的基础上,分别构建学习者模型和资源模型,运用基于学习风格过滤推荐算法、协同过滤推荐算法、关联规则推荐算法,展开个性化自适应资源推荐研究。研究结果表明,以学习风格为基础的混合式自适应推荐的结果,更贴合学习者的个性化学习需求。     

程序设计类课程任务驱动式实践教学设计

在程序设计类课程教学中,如何提高学生的程序设计能力是教师一直非常关注的问题。鉴于大学学习的特点,提高学生的程序设计能力应从培养和提高学生的自主学习意识和能力着手。文章以C语言程序设计课程为例,介绍如何在程序设计类课程实践教学中实施任务驱动教学法。     

智慧教育研究现状与发展趋势

当前,以大数据分析、人工智能等信息技术为支撑的智慧教育模式已成教育信息化发展的趋势,也成为学术界热点的研究方向.首先,对教学行为、海量知识资源2类教育大数据的挖掘技术进行调研分析;其次,重点论述了导学、推荐、答疑、评价等教学环节中的4项关键技术,包括学习路径生成与导航、学习者画像与个性化推荐、智能在线答疑以及精细化评测,进而对比分析了国内外主流的智慧教育平台;最后,探讨了当前智慧教育研究的局限性,总结出在线智能学习助手、学习者智能评估、网络化群体认知、因果关系发现等智慧教育的研究发展方向.     

程序设计类课程微课教学研究

随着信息技术和混合式学习模式的发展,微课以其优势在教学改革中发挥着愈加重要的作用.文章基于程序设计类课程教学存在的问题,以Java编程语言为例,围绕继承层次设计知识点,设计了详细的实施方案并在实际教学中予以应用.实践结果表明,该类微课能够提升学习者的学习积极性,有助于教学效果的提高.     

基于知识点本体的个性化课程组织方法

基于本体技术和知识管理理论,提出了组织知识的5层结构和使用知识的4层结构.设计开发了知识点本体、学习者本体和学习策略本体,并基于这3个本体查找、选择合适的知识点,生成个性化课程推荐给学习者.实验结果表明:学习者使用该方法自动生成的个性化课程,能够提高自身的学习积极性,用户满意度达到84%以上.     

基于OBE理念的人工智能程序设计类课程教学改革研究

针对人工智能程序设计类课程教学设计、考核评估方式、教学方法上存在的问题,提出一种基于OBE理念的人工智能程序设计类课程教学改革方案,介绍教学改革过程并说明效果。     

个性化学习资源精准推荐系统设计研究

随着我国教育信息化进程的不断推进,学习者获取学习资源的方式逐渐从主动检索转变为学习系统自动推荐。智能化的学习内容推荐行为极大地提高了用户获取个性化资源的效率,但是内容推荐在教育领域中的应用仍存在着许多方面的不足。该研究分析了推荐系统在教育领域中的应用现状,介绍了主流的推荐算法及其实现原理,并采用混合推荐模式和不同的推荐策略,设计出个性化学习资源精准推荐系统的系统模型,以期助力学习者的个性化学习。     

面向智能教育的自适应学习关键技术与应用

本文是关于我们获得2020年度吴文俊人工智能科学技术奖主要工作的一个介绍。该成果针对自适应学习中面临的教学资源表示困难、学习状态诊断困难以及学习策略设计困难等关键技术难题,首先构建数据驱动的教学资源无监督表示新框架,提高了教学资源质量评估和内容检索的精度和效率。其次提出基于深度学习的学习者认知诊断新方法,突破了以量表为基础的教育测量理论研究范式。然后设计基于知识匹配的个性化推荐技术以及多目标匹配的自适应推荐技术,满足了智能教育场景的复杂约束与学习者的多样目标需求。最后,本文成果研发了面向基础教育的智能教育系统——智学网,已在全国推广使用,对我国智能教育发展具有积极意义。     

基于粒子群优化算法的学习资源推荐方法

针对学习者的能力、学习目标、学习时间的个别差异,提出以粒子群优化（PSO）算法为基础的学习资源推荐方法,提供每位学习者个性化的数字课程。综合概念图和知识结构相关理论构建知识点网络结构图,运用项目反应理论（IRT）分析不同学习者的学习目标和能力程度,再应用PSO算法从多样性的学习资源中挑选学习内容,形成个性化的课程推荐给学生。初始化粒子时考虑学习者的学习时间上下限,过滤掉一些不必要的粒子来提高算法效率,在确定最优解位置时,使用Sigmoid函数修正粒子更新速度,保证其在有效范围内。实验结果表明,随着迭代次数增加,所推荐的内容与学习者预定目标差异为0,挑选出的课程与学习者能力差异为0.6,整体差异为0.25,说明所使用的方法具有较好的收敛性,推荐的学习资源能够满足学习者要求。     

面向未来学校的初中信息技术“高度感知”实践探索

《新一代人工智能发展规划》明确指出,“人工智能成为国际竞争的新焦点,应逐步开展全民智能教育项目,在中小学阶段设置人工智能相关课程,逐步推广编程教育”。机器人课程包含控制器、传感器、机器人设计及程序编写等知识,是涉及学科门类最为广泛的知识载体。它是一门理论和实践紧密结合的课程,强调知识的构建性和系统性,机器人教育是培养提升学生创新思维和综合实践能力的有效途径。因此,机器人教育逐步成中小学开设人工智能和综合实践类课程的首选。     

非计算机专业程序设计类课程实验教学模式的改革与研究

程序设计实验是非计算机专业程序设计类课程教学中的一个重要环节。针对当前非计算机专业程序设计类课程实验教学中存在的问题,提出了一些教改方法。实践表明,这些方法有助于激发学生学习自觉性和主动性,提高实验教学质量。     

基于在线开放课程+OJ的程序设计类课程教学模式探索与实践

为提高高校学生程序设计能力,构建了基于在线开放课程+OJ的程序设计类课程教学模式。以网络平台资源建设、课堂和课下教学活动设计、教学评价方法和实践教学方法为主要内容,并探讨该模式在程序设计类课程教学中的应用效果。实践结果证明,该模式激发了学生的学习兴趣和热情,改善了课堂教学质量,很大程度的提高了学生的编程能力。     

利用LSTM网络和课程关联分类的推荐模型

在线学习课程数量庞大,存在明显的信息过载问题,个性化智能推荐是解决这一问题的有效方式。根据学习者所学习的课程往往具有时间序列性这一特点,提出了基于LSTM网络的在线课程推荐模型。从大量学习者所学习的课程序列中提取学习行为特点,进而预测学习者将要学习的课程。该算法是基于课程之间的时序性而提出的,因此按照课程之间关系的紧密程度将课程分类后推荐的准确率更高。由于在线课程不断更新,人工维护课程分类的工作量较大,同时分类也不够科学,利用GSP算法和谱聚类算法,挖掘出课程间隐藏的时序联系,提出了更合理的课程自动分类方法。实验结果证明,与传统的协同过滤算法以及基于RNN的课程推荐算法相比,该算法推荐准确度更高。     

个性化学习推荐研究综述

个性化学习推荐是智能学习的一个研究领域,其目标是在学习平台上给特定学习者提供有效学习资源,从而提升学习积极性与学习效果。虽然现有的推荐方法已被广泛用于教学场景,但教学活动自身的科学规律,使个性化学习推荐在个性化参数设置、推荐目标设定、评价标准设计等方面具有一定的特殊性。针对上述问题,在调研大量文献的基础上对近年来个性化学习推荐的研究进行了综述。从学习推荐通用框架、学习者建模、学习推荐对象建模、学习推荐算法、学习推荐评价五方面对个性化学习推荐的相关研究进行了系统的梳理和解读。首先提出了学习推荐系统的通用框架,其次介绍了学习者建模的思路和方法,接着讨论了学习推荐对象建模的思路和方法,然后归纳了学习推荐的算法与模型,接下来总结了学习推荐评价的设计与方法。并对这五方面现有研究的主要思想、实施方案、优势及不足进行了分析。最后还展望了个性化学习推荐未来的发展方向,为智能学习的进一步深入研究奠定了基础。     

基于Online Judge与ACM_ICPC模式的课程探究

通过对语言程序设计类课程教学和学生学习的种种观察,发现了一些问题和不方便之处,又对发现的问题和不方便作了综合分析,采取了Online Judge、ACM/ICPC与课程教学的发展方向。实践表明,该模式有效的提高学生的水平,改善学生语言类课程的设计思想,促进学生提高了自己的程序设计能力。     

融入设计思维和跨学科理念的人工智能课程设计与实践

在人工智能时代,中小学开展人工智能教育成为提升学生智能素养的重要抓手,但现有课程存在偏重编程教学、缺乏真实情境等问题。因此,作者引入设计思维方法,融合跨学科的学习理念支持,并以智能硬件开发项目为载体,设计人工智能课程教学模式开展教学实践。这种方法能使学生全面理解人工智能的本质和应用,让学生在实践创造中学习,深入思考人工智能对社会和人类的影响,促进学生核心素养的形成和发展。     

事件驱动编程类课程教学案例的设计与应用

针对事件驱动编程类课程的特点和以往程序设计类课程教学中存在的问题,研究教学方法和教学模式的改进措施,引入基于项目驱动的案例教学方法,探讨教学案例的内容设计、表现及应用形式,并投入教学实践加以检验。实践证明,紧密结合课程教学目标和教学要求,将传统教学和案例教学有机结合,同时加强实践教学环节,可激发学生的学习兴趣,促进学生学习的主动性,提高事件驱动编程类课程的教学效果和教学质量,增强学生综合应用能力,培养创新性人才。     

基于情境感知的学习资源个性化推荐机制研究

面对海量的学习资源,如何为学习者推荐与情境相匹配的学习资源是亟需解决的问题。文章在详细描述学习资源个性化推荐情境要素的基础上,构建了包含情境感知层、资源管理层、学习诊断层、个性推荐层及学习者界面的学习资源个性化推荐系统,并阐述了系统的推荐流程及实现。在情境感知理论的基础上,构建以情境感知技术为核心的学习资源个性化推荐系统,能提高学习资源与学习者之间的动态适应性,更好地服务于学习者的个性化学习需求。