《智慧型學習環境中的學習風格動態預測模型及其套用研究》是依託四川師範大學，由楊娟擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：智慧型學習環境中的學習風格動態預測模型及其套用研究
- 項目類別：青年科學基金項目
- 項目負責人：楊娟
- 依託單位：四川師範大學
項目摘要,結題摘要,
項目摘要
將學習者學習風格的偏向性整合進智慧型學習環境中的研究是一個處於計算機、心理學、教育學領域交叉中心的研究熱點。但是現有智慧型學習推薦系統均存在學習風格預測模型準確率低以及基於學習風格用戶模型的資源推薦模型性能差等問題。本課題對此展開研究，主要內容包括：(1)動態學習風格預測模型研究，包括認知受限多標籤分類、多維度特徵空間提取、動態聚類等；(2)跨學習風格分類族的學習資源推薦研究，包括學習資源的自組織、跨學習風格分類族的學習資源推薦模型以及學習行為引導等。本課題擬採用基於相互相似關係模式識別的方式來強制將多標籤分類問題轉化為單標籤分類問題；採用自動編碼器進行多維度特徵空間提取；採用加入樣本可靠性檢測的動態聚類算法對學習者進行聚類；採用改進的多向SLN來建立可演化的學習資源自組織結構；採用學習資源推薦推理樹、推理規則動態排序和路徑推薦規則來實現跨學習風格分類族的資源和學習路徑推薦。
結題摘要
隨著教育信息化的不斷深入，如何利用信息學技術更好的為教育服務，使學習者能夠在多樣化的學習模式下獲得更好的學習效果，是當前科學教育提出的主要主張。信息科學與教育領域深入融合可有效推動教育活動從經驗教學轉變為事實教學，但前提必須是使用信息技術發現肉眼無法發現的學習者在特定學習環境中的認知特徵以及學習模式。本課題研究如何通過採集學習者在多模式學習環境下的認知/學習行為，發現其湧現學習特徵、認知特性以及學習行為模式，並據此動態提出可能的認知/學習理論模型。項目從立項至今已完成內容有：判別組件的特徵空間減維；認知受限多標籤分類；學習資源的自組織；個人知識構建及演化的仿真以及學習風格在線上學習環境中的套用等內容。項目主要成果之一是提出了一個可模擬個人知識構建過程的計算模型。該計算模型基於深度信念網路，依賴深度信念網路的無監督學習能力，完成了特徵空間的減維。同時保留了人工神經網路解決非分類問題特有的多輸入多輸出的學習功能。 該模型不僅可以實現學習風格判別的特徵空間減為，同時在該計算模型中發現並提取非分類問題規則的過程則更符合學習者語言認知發展規律，為計算機在語言認知方面模擬類腦提供了途徑。該模型具有廣泛的科學套用前景，除了在人工智慧領域具有仿真複雜學習過程的用途，還可以被用於研究第一語言（英語）認知障礙和第二語言（英語）學習障礙的干預仿真。項目其他成果包括設計了基於SLN的學習對象和學習設施語義圖以及學習者的個人知識空間語義圖；可模擬個人知識構建過程的認知評估模型，在模擬個人知識構建的過程時，使用豐富的語義關係進行必要的語義推理；以多學習風格模型族中學習風格偏向性為索引的線上學習行為模式挖掘等內容。
