挖掘?qū)W生的學習行為和自我評估的自適應(yīng)學習管理系統(tǒng)

1、挖掘?qū)W生的學習行為和自我評估的自適應(yīng)學習管理系統(tǒng)模式識別實驗室，計算機工程和信息學的部門，希臘佩特魯大學摘要：具體貢獻旨在提供一個基于web的自適應(yīng)的學習管理系統(tǒng)(LMS),名叫EVMATHEIA，于一體具體創(chuàng)新的基本方面,學生的學習風格和聰明 自我評估機制。更具體地說提出的自適應(yīng) 系統(tǒng)封裝了一個集成的學生模型,促進了這一決定 對學生的學習風格監(jiān)視他/她的行為。此外, 該平臺利用語義建模技術(shù)為代表 的知識、教育材料和智能語義注釋 自我評估和推薦過程的機制。關(guān)鍵字：學習管理系統(tǒng)、自適應(yīng)學習、用戶建模、 個性化學習、學習方式、評估。引言：眾所周知,電子學習環(huán)境廣泛分布在各級 人類的教育。實施了科學

2、研究的具體方面提高 工作領(lǐng)域的適應(yīng)性和智能學習平臺的目標作出貢獻 顯著的最終用戶提供高質(zhì)量服務(wù)的e -學習 系統(tǒng)。在過去年科學研究旨在提供集成系統(tǒng) 智能和自適應(yīng),并特別注意已經(jīng)給特定的關(guān)鍵 學生的學習風格的特點和自我評估機制。 擬議中的EVMATHEIA旨在提供個性化學習的平臺 適應(yīng)學生的接受能力。它的主要目標是提供知識,通過一個 網(wǎng)絡(luò)平臺,個人根據(jù)他們與系統(tǒng)的交互,減少 干擾的導(dǎo)師,與其他同學合作。系統(tǒng)的關(guān)鍵特征 學生的學習風格的識別提供教育嗎 內(nèi)容旨在更快的學習和更容易學習。此外,它提供了一種機制 通過智能評價檢測學生知識的弱點為了實現(xiàn)這些方面,EVMATHEIA封裝存儲學生模型 關(guān)于學生

3、的偏好信息,知識和學習風格。最后一個 學生更好的理解所提供的知識表示方法。學生模型 伴隨著學生的行為的監(jiān)控機制,決定 他/她的學習風格。系統(tǒng)的知識(教育)的主題上表示 語義模型作為基本知識單元設(shè)置命名這個概念。結(jié)果是一個 本體論的概念,描述了它們之間的各種關(guān)系網(wǎng)絡(luò)(即如果 另一個概念先決條件)。另一個關(guān)鍵要素是語義上的 帶注釋的教育材料包含適當?shù)男畔?個性化和推薦機制。最后,系統(tǒng)提供一個智能 機制與學生自我評估過程中,決定 每個概念的知識積累的程度。結(jié)果是 處理推薦機制,考慮了學習風格 對學生和教育材料提供建議進一步閱讀。第二節(jié)提供了一個簡短的參考過去幾年所做的工作相對 學習風格和個性化在線學

4、習系統(tǒng)中學習者評估。一個 提出EVMATHEIA架構(gòu)的概述在第三節(jié)中進行了描述。 部分4、5和6的實現(xiàn)學生建模、教育材料 個性化和學生評估系統(tǒng)中。最后,一些結(jié)論 第7節(jié)中給出。工作提出了部分開發(fā)的 框架項目的LOC PRO II-Support和當?shù)禺a(chǎn)品和推廣 中小企業(yè)通過信息通訊技術(shù)、運營計劃希臘,意大利2007 - 2013,南卡羅來納州。:I1.12.01。在LMS中的學習風格和自我評估集成學習方式的適應(yīng)學習管理的過程系統(tǒng)(LMS)已成為一個主要的研究領(lǐng)域的最后一年。許多模型 提出了學習風格和許多技術(shù)已經(jīng)用于推斷學習 從學生的行為風格。使用最廣泛的是鑲嵌地塊之一- 西爾弗曼學習風格模型(

5、FSLSM)1,提出了工程 學生。根據(jù)這個模型(鑲嵌地塊2002年修訂)學生分類 根據(jù)他/她的偏愛的一個類別的四個學習 風格維度2:a)傳感(具體、實用、面向事實和 程序)或直觀(概念、創(chuàng)新和面向理論和 含義)取決于他/她喜歡的類型信息感知。b)視覺 (喜歡的視覺表征材料:圖片、圖表、流 圖表)或口頭(喜歡)書面和口頭的解釋取決于 他/她喜歡接收信息。c)活動(通過努力學習,工作 與他人)或反射(學習通過思考事情,獨自工作)不同 在他/她喜歡的方式處理信息。d)順序(線性、有序,學習 一小步一小步)或全球(整體、系統(tǒng)思考者,學習大飛躍) 學習者(學習通過思考事情,獨自工作)根據(jù) 他/她喜歡處理

6、信息。評估的偏好 四維FSLSM,鑲嵌地塊和所羅門學習風格指數(shù)(ILS),44個問題構(gòu)成的調(diào)查問卷,11為每個學習風格 維度3。根據(jù)答案,學生接收每個維度的得分: )平衡b)中度或c)強勁根據(jù)其偏愛的一個兩個類別。 學生自動建模中的一個關(guān)鍵問題是確定哪個學生的行為表明他/她的學習風格。伯爵等4和加西亞等5 利用FSLSM作為其基本的學習風格模型。Popescu6提出了學習風格模型的組合。這些方法描述大量的導(dǎo)航、時間和性能指標確定學習風格偏好 根據(jù)FSLSM并提出必要的分類閾值 學生的行為。此外,實驗研究進行了調(diào)查 不同學習風格的學生的行為在在線課程(7 8。有益的結(jié)論來自于這些研究的選擇 在線

7、學習文學的模式。 自適應(yīng)LMS的一個關(guān)鍵方面是與智能有關(guān)自我評估機制。 幾個一直努力朝著這個方向利用計算 智能技術(shù)來支持自我評估在LMS9。的主要思想 這背后的方法是使用貝葉斯網(wǎng)絡(luò)和遺傳算法簡化 評估通過預(yù)測學生的答案(10、11)。的幾個問題 提到的努力導(dǎo)致了目前的貢獻。還需要注意的是很重要的 努力在個性化學習和自主學習輔助系統(tǒng) 機制來幫助學習者提高他們自主學習的能力12。系統(tǒng)概述 圖1描繪了主要用于實現(xiàn)體系結(jié)構(gòu)組件 EVMATHEIA方法的主要概念。是一個完整功能的核心平臺 基于web的應(yīng)用程序提供的主要用戶(學生在線學習服務(wù) 和導(dǎo)師),如注冊、課程結(jié)構(gòu)、表示和管理。學生模型是數(shù)據(jù)庫部分存

8、儲所需的所有信息 系統(tǒng)對學生的特點和偏好。評估問題并 教育材料包含問題的相關(guān)概念和知識 數(shù)字分別真正的教育材料。兩個本體是為了使用 定義的知識和教育材料。知識本體包含 提供概念,定義學生的知識和之間的關(guān)系 教育材料和知識的概念。教育資料注釋 本體提供注釋層存儲材料。三個支持模塊執(zhí)行的額外功能 系統(tǒng)。學生建模模塊收集學生的行為和信息 更新學生模型。協(xié)助學生selfassessment學生評估模塊 過程通過提供適當?shù)膯栴}和評估結(jié)果。它 還評估答案并更新學生的知識積累。此外, 它將結(jié)果轉(zhuǎn)發(fā)到教育材料選擇模塊利用教育材料注釋本體建議額外的信息 材料對學生。第三個模塊還負責為學生提供 適當?shù)牟牧细鶕?jù)他/

9、她的學習風格。學生模型 學生模型包含的信息所需要的學生 EVMATHEIA模塊以提供所需的水平的個性化。的 基本的信息存儲在學生模型:1)學生的個人 信息保存數(shù)據(jù)如名稱、姓氏、年齡、b通信細節(jié)等) 語言知識描述學生的知識水平(平均,很好,非常 各種語言的好)。c)學生的知識的疊加系統(tǒng)的知識 描繪了水平的學生對每個概念的理解。d)可訪問性 包含特殊的信息訪問和研究學生的能力 數(shù)字教育材料。這組存儲信息,如視覺、聽覺、 物理和認知障礙。e)學習方式包括在每一個學生的分數(shù) FSLSM的維度。學生學習風格建模確定學生的學習風格EVMATHEIA起著關(guān)鍵作用 開發(fā)系統(tǒng),因此建模機制結(jié)合的基本教育 圍繞這

10、個問題和心理概念。建模過程 在兩個階段進行:1)一個初始近似的學生的答案 經(jīng)典的盲降問卷和b)的持續(xù)監(jiān)控學生的行為 re-calculation的體系和學生的學習方式。指示性行為模式的學生的學習風格偏好 基于文獻關(guān)于FSLSM和我們的系統(tǒng)的功能。一個在線 課程系統(tǒng)由幾部分,每部分提出了學習對象(LOs)一組的概念。為每個部分提供教育材料 包含不同類型的內(nèi)容(文本、視頻、聲音、圖像等),和練習 的例子。在每個部分的知識可以通過selfevaluation進行評估 測試。學生通過課程大綱導(dǎo)航過程中,導(dǎo)航 菜單和Next-Previous按鈕。因此,監(jiān)控的行為模式 由導(dǎo)航、時間和上述性能指標相關(guān)。系

11、統(tǒng)使用三十(30)行為模式,分析后選定 的方法4,5,6。被監(jiān)控的主要選擇標準 沒有合作的模式在系統(tǒng)功能的可行性。一些例子 的行為模式是:時間比例的例子,相對時間 花由學生對文本內(nèi)容類型和相關(guān)研究內(nèi)容的時候了 類型文本和相對內(nèi)容類型的訪問視頻和總相對 內(nèi)容類型的視頻課程中可用。對于每個模式,兩個閾值 定義三個范圍值,得出模式的分數(shù)低,中,高。 此外每個模式與權(quán)重代表象征 在在線課程各自的行為識別學生的學習 偏好。這些權(quán)重主要來源于7,8。一組N相關(guān)模式(j)已經(jīng)被分配在每個維度(Dj) FSLSM。自從兩類相關(guān)的每個維度FSLSM反對,如果 高價值的模式是與特定維度的一個類別, 低價值相同的模

12、式是與其他相關(guān)類別相同的維度。 因此計算只能做每個維度的一個類別。 方程1定義了計算分數(shù)Sj,對應(yīng)的維度Dj FSLSM。j是i的數(shù)值模式j(luò)特定類別的維度 Dj。低的數(shù)值(-)1、(-)2為媒介和(-)3 高值。積極的值如果模式對應(yīng)于特定的類別 并為相反的一個負值。模式的重量維琪枚舉 0.2、0.5和1,分別表明了低、中、高度重視。計算 Sj數(shù)量從3 - 3所示。根據(jù)Sj的絕對值 學生是指出分類類別平衡(0Sj1),溫和 (1 < Sj2)或強(2 < Sj3)偏好。知識和教育材料該系統(tǒng)利用語義注釋定義知識和教育 材料,允許他們的結(jié)合學生模型來推斷 對學生個性化的教育材料。知識表示

13、一個本體論的方法是用于表示知識結(jié)構(gòu), 僅僅是基于概念和它們之間的關(guān)系。本體 使用來自教育領(lǐng)域本體在13提出的三個 種關(guān)系有:a)HasPart(一個包含關(guān)系),b)IsRequiredBy(一個 順序關(guān)系)和c)SuggestedOrder(“疲軟”的順序關(guān)系)。這些關(guān)系形成一個 圖,節(jié)點和邊緣的關(guān)系的概念。圖2 描述了知識語義表示圖的一個例子。教育資料注釋EVMATHEIA教育材料/注釋使用OWL LOM本體定義 提出Hartonas c14利用IEEE(IEEE學習對象元數(shù)據(jù) LOM)15標準。LOM是最常見的標準用于的描述 學習材料。LOM的結(jié)構(gòu)由9個類別的教育 材料:一般情況下,生命周

14、期,元-元數(shù)據(jù)、技術(shù)、教育、權(quán)利,關(guān)系, 注釋和分類。系統(tǒng)中使用的模式是LOM的子集, 組成的元數(shù)據(jù)主要來自教育范疇。元數(shù)據(jù)實體 支持適應(yīng)機制如下:語言、格式、典型 年齡范圍、語義密度、交互類型,典型的學習時間和相關(guān) 的概念。語言是一種通用特征指的是語言或語言 在教育中使用的材料。通常的技術(shù)數(shù)據(jù)類型格式 學習材料,但是我們在這里借貸16中定義的值的集合。 這些值的文本、圖像、流媒體和應(yīng)用。典型的年齡范圍 面向的用戶是一個教育與學習者的年齡特征。 語義教育材料的密度是簡潔的程度及其價值 空間:非常低,低、中、高、很高?；宇愋透鶕?jù) LOM需要價值觀:活躍、說明的和混合。的典型的學習時間 材料代表

15、的平均時間學生需要學習它。這個特點 鏈接到主動/反思學生的學習風格的特點。因此, 對于一個學生主動學習風格將更準確的建議 “活躍”材料,如一個問卷調(diào)查。相關(guān)概念定義的關(guān)系 特殊材料的相對的概念知識本體圖。 每個材料描述了至少一個概念。學生個性化教育材料教育材料結(jié)合的注釋允許學生模型 系統(tǒng)為每個學生來決定最好的材料。利率的決定機制 可用材料基于定義的一組規(guī)則FSLSM維度 和學生的偏好。首先系統(tǒng)選擇相對,一個特定的 概念、教育材料考慮學生的先前知識和 他/她的語言。LSi值定義的特點對學生的教育材料 FSLSM維度得分。LS1描繪了主動/反思維度, LS2傳感/直覺和LS3視覺/語言。各自的權(quán)重

16、wsi公司 特定軸表示學生的趨勢,即強大的語言。權(quán)重值是0,0.5 1“平衡”,“溫和派”和“很強”分別得分然后, LS1,分配值等于1,以防學生的分數(shù)來主動/反光 維度是中等或以上在相應(yīng)的軸材料的交互性 值類型(積極或說明的)。在其他情況下0分配。的教育 材料的定義0.5的值被分配。LS2分配值等于1 時該參數(shù)組合是正確的:一個)學生傾向于傳感, 材料的互動類型是活躍和語義密度較低或極低 b)學生傾向于直覺,材料的交互類型說明的語義 密度高或非常高。否則值等于0。的條件是 來源于假設(shè)直觀的學生更喜歡高語義和非活性 密度教育材料,而傳感學習者喜歡活躍和低 語義密度材料。最后,LS3分級與1當教

17、育的格式 材料對應(yīng)學生的學習風格視覺/語言 維度。當一個學生口頭喜歡文本格式。在相反的情況下, 當一個學生視覺更形象,流媒體或應(yīng)用程序的格式 材料。Lns參數(shù)值為0.5,1和2對學生的知識水平 (一般,好,很好)材料的語言。的值設(shè)置為0.5 如何,學生的年齡是包含材料的典型的年齡范圍,否則為0。 最后,教育材料對學生提出了更高的Sck。學生評估和建議自我評估機制旨在精確地識別學生的獲得知識 并找到他/她的概念已經(jīng)弱了。提出了評估 程序由一組問題,相關(guān)的部分 知識的概念,每個部分的結(jié)束。評估問卷是 從池中動態(tài)創(chuàng)建的每個概念的問題。隨機選擇的問題,盡量避免重復(fù),當一個學生進行問卷調(diào)查 好幾次了。該

18、算法識別學生的理解水平在每一個概念。這個想法是提供他/她的問題,預(yù)測答案;如果 答案是類似于預(yù)測算法總結(jié)有關(guān) 學生如何理解一個概念。在這個算法試圖成為概念 對學生的隨機的答案是正確的,給一個準確的結(jié)果, 考慮到概念和事實之間的相關(guān)性 “真誠”的學生,他/她將越快完成自我評估。問題回答的預(yù)測簡單多數(shù)投票為特定的學生k,該算法將問題的狀態(tài)設(shè)置為+ 1,如果問題 回答正確,1如果問題已經(jīng)回答了 不正確。接下來,我由學生k算法選擇一個懸而未決的問題 反復(fù),并設(shè)置其狀態(tài)si - 1或+ 1按照下列規(guī)則:倪在哪里的數(shù)量從學生k正確或回答問題嗎 錯誤和屬于同一概念,尚待解答的問題是,sj 哥哥j和的狀態(tài)是一

19、個激活閾值。屬于的問題 相同的概念和問題我之前已經(jīng)從學生回答k 是我的“兄弟”問題。右邊方程計算 之和的問題我的兄弟,如果將其狀態(tài)設(shè)置為+ 1 總和>,否則1。在這個實現(xiàn)中激活閾值 為每個學生獨立和概念選擇和被設(shè)定為一個整數(shù)值 在交叉驗證測試中,取得最好的F-measurement得分。最后,算法 預(yù)測一個問題的答案是“正確”的學生k如果狀態(tài) 計算被設(shè)置為+ 1。此外,該算法結(jié)合了信息鏈接的概念 改進算法的預(yù)測性能。對于每一個回答 氣問題,特定問題qj的狀態(tài)設(shè)置為+ 1,如果問題是回答 學生正確的k和屬于同一概念,屬于或者 問題是回答正確的學生k和屬于一個概念 與氣所屬的概念。否則沒有回答問題的狀態(tài) 氣將1(如果答錯問題,屬于 氣的概念或概念有關(guān)的氣)。接下來,沒有回答 氣的問題是分配一個+ 1的狀態(tài)或1使用相同的規(guī)則?，F(xiàn)在, 兄弟(ni)回答問題對學生選擇k氣的問題 與氣屬于同一概念或概念與氣,和 從學生回答k之前正確或錯誤。最后, 懸而未決的問題氣預(yù)計k如果回答正確的學生 狀態(tài)設(shè)置為+ 1。激活閾值進行優(yōu)化為每個學生/概念 單獨使用交叉驗證。激活規(guī)則的聯(lián)系 概念修改如下:倪在哪里的問題屬于同一概念與氣和mi問題嗎 分配給一個概念與氣。我們假設(shè)的概念 問題是更重要的概念與問題。作為一個結(jié)果 我們定義兩個權(quán)重wn = 0.8和w