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。     

基于网络的自适应超媒体学习支持系统的研究

针对现有网络学习支持系统不能很好满足学习者个性化学习的需要,我院构建了基于网络的自适应超媒体学习支持系统模型,它是在现有的网络学习支持系统上增加了自适应交互处理模块、自适应教学处理模块、本体推理模块和规则推理模块。本文详细探讨了此模型的自适应支持功能,如为学习者创设动态的自适应学习环境,提供自适应的导航系统和自适应的内容支持等,并给出了自适应学习处理过程。     

网络环境下自适应学习系统研究

针对网络环境下自适应学习系统发展中遇到的新问题,如学习者个性特征的挖掘及自适应学习策略的生成等,提出了一种新的自适应学习系统,即在建立个性化学习者模型的基础上,进一步研究相应的数据挖掘算法在自适应学习中的应用,得到学习者的个性特征与学习行为之间的关联规则,并最终生成自适应的学习策略提供给学习者;仿真研究表明,本系统设计先进,较好地实现了学习过程的自适应性。     

基于贝叶斯网络的自适应系统建构

以认知学习理论为依据,运用贝叶斯网络建立学习者模型,提出了一种学习内容自适应呈现算法。学习内容的呈现适合学习者认知发展水平及个性特征,实现了一种智能化、个性化网络学习的自适应系统,为学习者提供一种更优化的学习途径。     

基于项目反应理论自适应测试系统的设计实现

根据自适应学习的特点,对项目反应理论的参数模型进行分析,提出极大似然估算法计算学习者能力参数。并在分析自适应测试系统的体系结构及系统主要功能模块的基础上,构建该测试系统;并提出了测试系统中首题估算策略、信息间隔量估算策略,从而提高出题速度和计算速度;并根据学习者的实际测试情况得出难度系数和特质水平,实现了难度系数算法和学习者特征水平计算算法。在此基础上开发了一个基于计算机应用基础课程的自适应测试系统。     

基于项目反应理论自适应测试系统的设计实现

根据自适应学习的特点,对项目反应理论的参数模型进行分析,提出极大似然估算法计算学习者能力参数。并在分析自适应测试系统的体系结构及系统主要功能模块的基础上,构建该测试系统;并提出了测试系统中首题估算策略、信息间隔量估算策略,从而提高出题速度和计算速度;并根据学习者的实际测试情况得出难度系数和特征水平,实现了难度系数算法和学习者特质水平计算算法。在此基础上开发了一个基于计算机应用基础课程的自适应测试系统。     

在线自适应测试系统的设计与实现

针对目前计算机自适应测试系统在远程网络测试中存在的局限性,提出了基于XML的在线自适应测试系统模型.通过题目自反应理论建立计算机自适应测试模型,并提出了一种约束试卷生成的参数模型,利用增量学习算法设计了组卷策略,解决了远程网络自适应测试系统中计算量大、易造成网络交互阻塞瓶颈等技术问题.最后给出了系统的设计模型,并描述了该系统的实现过程.     

大学英语诊断性练习系统中诊断性评价模型研究

在线学习系统中没有教师对学习者学习状态进行评价,大多需要学习者自主设定学习策略、调整学习步伐,这导致了学习者缺乏个性化的指导,使得部分学习者的学习效率不高.为了解决这个问题,本文在大学英语诊断性练习系统中提出了诊断性评价模型.该模型使用大量实际数据,从学习状态、题型关联分析、知识点关联分析和四级成绩预测这四个角度进行数据分析,并使用S-P表分析法、数据挖掘和机器学习等分别建模,最终将这四个模型结合得到了诊断性评价模型,并在大学英语诊断性练习系统中进行实现.实验结果表明,诊断性评价模型可以有效辅助学习者进行练习,提高四级成绩.     

基于学习风格的自适应式虚拟交互方法的研究

新工科教育的改革推进了自适应学习的发展,以往的自适应方式对学习者的主观能动性的重视不足,且大部分已有研究无法提供个性化程度较高的交互体验.针对这些问题,该研究基于学习风格模型提出了一种自适应式虚拟现实交互的新方法.该方法设计了适用于虚拟交互环境的学习风格判断方式,通过分析学习者的主客观数据来判断其学习风格,由此对交互环...     

基于自适应观测器的时滞系统执行器故障诊断

该文研究了一类含有未知输人干扰和模型不确定性的线性时滞系统的故障诊断问题。通过设计自适应诊断观测器，得到了一种新型的鲁棒执行器故障诊断方法。首先针对确定性系统分别设计了检测观测器和自适应诊断观测器，前者能够检测出故障的发生，后者能够理想地估计出故障随时间变化的形状。然后考虑系统的外部干扰和模型不确定，改进了自适应诊断观测器的算法，证明了故障诊断系统的稳定性，提高了故障诊断系统的鲁棒性。最后给出了故障检测过程中阈值的选取原则。仿真结果表明算法具有良好的诊断性能。     

基于本体的e-Learning环境个性化服务处理方法*

为了向e-Learning环境中的学习者提供符合其个性化需求的学习服务,结合本体论具有概念和关系定义明确的特性,提出了e-Learning环境中学习者的个性化情形本体模型和相应的学习者个性化服务处理方法,该方法综合考虑了学习者的认知状态和学习偏好,进行个性化的答疑和进一步学习的内容推荐。采用该方法实现的原型系统实验表明,可使学习者的学习更有针对性,可更及时有效地消解疑惑,从而提高了学习者的学习效果和效率。     

基于学习情境分析的E_Learning系统用户视图设计

设计符合学习者认知特性的E_Learning系统用户视图,有助于提高学习者的学习效率、促进组织的知识转移.给出了基于学习情境分析的E_Learning系统用户视图的设计框架,在设计过程中,通过学习情境更新方法获取学习者的认知特性,通过用户视图生成方法保证设计出的E_Learning系统用户视图符合学习者的认知特性.最后的实例说明了所给设计的具体实用和实际效用.     

Probabilistic Student Modelling to Improve Exploratory Behaviour

This paper presents the details of a student model that enables an open learning environment to provide tailored feedback on a learner's exploration. Open learning environments have been shown to be beneficial for learners with appropriate learning styles and characteristics, but problematic for those who are not able to explore effectively. To address this problem, we have built a student model capable of detecting when the learner is having difficulty exploring and of providing the types of assessments that the environment needs to guide and improve the learner's exploration of the available material. The model, which uses Bayesian Networks, was built using an iterative design and evaluation process. We describe the details of this process, as it was used to both define the structure of the model and to provide its initial validation.     

Cooperative behavior acquisition for mobile robots in dynamically changing real worlds via vision-based reinforcement learning and development

In this paper, we first discuss the meaning of physical embodiment and the complexity of the environment in the context of multi-agent learning. We then propose a vision-based reinforcement learning method that acquires cooperative behaviors in a dynamic environment. We use the robot soccer game initiated by RoboCup (Kitano et al., 1997) to illustrate the effectiveness of our method. Each agent works with other team members to achieve a common goal against opponents. Our method estimates the relationships between a learner's behaviors and those of other agents in the environment through interactions (observations and actions) using a technique from system identification. In order to identify the model of each agent, Akaike's Information Criterion is applied to the results of Canonical Variate Analysis to clarify the relationship between the observed data in terms of actions and future observations. Next, reinforcement learning based on the estimated state vectors is performed to obtain the optimal behavior policy. The proposed method is applied to a soccer playing situation. The method successfully models a rolling ball and other moving agents and acquires the learner's behaviors. Computer simulations and real experiments are shown and a discussion is given.     

基于学习者个性因素的多Agent协同学习系统

未解决当前的远程教育系统存在形式单一和被动教学等问题,该文提出了一个基于学习者个性因素的多Agent学习系统模型。该模型结合智能代理技术,通过分析学习者个性因素,给出了个体Agent能力描述语言,提出了新的个性化分组策略和学习任务分配策略,采用补偿机制鼓励agent合作,结合状态空间搜索理论使M AS系统具有更强的解题能力,并可满足学习者主动学习的要求,还能在一定程度上节约系统的通讯。     

基于自适应学习率的背景建模方法

针对高斯混合模型中均值和方差的学习,提出基于自适应学习率的背景建模方法。统计每个像素模型被匹配的次数,在线更新学习率。在初始化背景时,分配一个全局的学习率,采用传统高斯混合模型的学习方式;在更新背景时,为每个像素分配一个学习率,采用自适应的学习方式。实验结果表明,该方法与传统高斯混合背景模型相比,有较好的学习能力与稳定性,能提高运动目标检测的正确率。     

Theory Change via View Application in Instructionless Learning

IE is a model of learning by experimentation in the domain of complex devices. In this paper we describe view application,the principal component of that model. This mechanism combines abstract knowledge structures into the learner's theory of the device. View application organizes complex changes in the learner's theory, thus ensuring that the space of theories is searched rapidly and that only coherent theories are tried. We evaluate the mechanism along three dimensions – its psychological validity, its generality, and its ability to constrain search. We also compare view application to other knowledge-rich learning techniques.     

基于Petri网的知识空间建模方法与学习路径控制

对学生学习路径的控制和学习状态的了解在自主学习系统中是一个重要的问题,以知识空间理论为基础建立了学习状态空间,并通过Petri网对该学习状态空间进行了建模,利用Petri网实现了学习状态空间中所有可能的学习路径控制和学生学习状态的了解,在此模型中学生可以利用Petri网的变迁实现自由的学习控制,并通过Petri网库所标识来了解学生的学习状态,达到个性化学习路径的目的。     

一种基于网格的协作学习系统的研究

该文针对协作学习系统存在的协作应用服务层适应性差,不能按照学习者需求动态组合虚拟群组,以及工作流式服务的适应性关联等问题,提出了一种采用CSCL原理、WebServices技术和知识库技术建构适应性协作学习平台的解决方案。重点探讨了协作学习平台的体系结构、适应性协作学习建模以及支持协作学习的知识库建构等问题。     

基于主题学习的学习伙伴推荐算法

学习伙伴是开放虚拟学习社区的重要资源,学习伙伴中的助学者可以帮助普通学习者克服学习障碍,相互提高沟通交流能力。在构建出基于本体的知识库后,综合学习者的兴趣、认知和热心度特征,提出了一种基于主题学习的学习伙伴推荐算法。实验结果表明,学习者在提供学习经历后,算法可以计算出它与其他学习者之间的伙伴评分,评分差异较好反映了真实学习环境中的最佳学习伙伴经验,有效地提高了开放虚拟学习社区构建的个性化和智能化,从而提升开放学习社区中学习者的学习效率和效果。