基于人格特质的大学计算机基础课程在线学习活动设计

针对当前大学计算机基础在线教学中存在的学习者参与活动积极性较低、学习活动设计缺乏有效性与针对性等问题,从人格特质视角出发,结合不同维度人格特质的特点,提出基于人格特质的在线学习活动设计模型,以某省级师范院校参加大学计算机基础在线课程的47名学习者为研究对象,介绍具体的在线学习活动设计,最后从小组作品成绩、在线测试成绩、学习过程调查3方面的数据分析,说明在线学习(活动设计)效果。

基于大五人格的在线学习行为与人格特质识别研究

在线学习作为一种新型学习模式在“互联网+教育”时代下应运而生。如何利用数据挖掘技术分析学习者行为数据,已成为重要的研究热点。本研究以某高校“大学摄影基础”在线课程学习者为研究对象,基于大五人格量表获取学习者人格特质类型,提出人格特质类型与在线学习行为的相关分析;探索机器分类算法对在线学习者人格特质识别;采用数据挖掘工具对不同人格特质学习群体进行聚类分析。结果发现:人工神经网络算法对人格特质的识别准确率优于其他几种算法,在人格特质的综合识别效果也最佳;人格特质五个维度的识别准确率不同,其中尽责性人格特质识别准确率最高,神经质人格特质识别准确率最差;学习者主要划分为四种不同的人格特质群体,针对不同人格特质群体,教师可实施不同的干预策略。

国内学习者模型研究热点与趋势分析

在智能教育背景下,如何为学习者提供精准化、个性化学习服务成为研究热点,而学习者模型作为实现个性化学习的核心部分,受到学者广泛关注。本文以中国知网(CNKI)数据库中学习者模型相关文献为研究对象,采用Bicomb 2.0、SPSS 22.0、Ucinet 6.0工具对其进行聚类分析和网络分析。结果表明,学习者模型主要应用于自适应学习系统中,学习者模型、学习资源推荐、学习路径推荐等是构建自适应学习系统的研究热点。最后,文章从完善学习者模型和搭建自适应学习系统两方面对未来研究趋势进行预测。