三维本体关联模型下的在线学习路径优化方法

针对目前在线学习路径优化方法存在学习资源关联性低等问题,提出一种三维本体关联模型下的在线学习路径优化方法(TDOCM-LPOM).首先利用本体技术构建三维本体关联模型(TDOCM),模型融合了课程本体、学习者本体以及学习资源本体特征信息;其次设计了种群多样性与映射函数协同更新的二进制粒子群算法(CUBPSO),依据种群多样性状态调整映射函数,使映射函数曲线斜率更符合粒子运动规律,提高在线学习路径优化能力;最后以TDOCM模型为核心融入CUBPSO算法提出TDOCM-LPOM学习路径优化方法,并与其他三个优化方法相比较.实验结果表明,TDOCM-LPOM方法具有更好的稳定性与精准性,可以有效优化在线学习路径.

基于多维信息特征映射模型的在线学习路径优化方法

针对目前在线学习路径优化方法存在学习路径与学习者匹配度不高的问题,首先构建在线学习路径的多维信息特征映射模型(MIFMM),该模型根据学习者与学习资源的多维信息特征建立,融合了kolb学习风格和学习资源类型信息;然后设计双映射二进制粒子群优化算法(DMBPSO), DMBPSO算法根据进化因子ef将学习路径推荐过程分为收敛和跳出局部最优两种进化状态,采用与进化状态特征相匹配的映射函数选择策略,并对惯性权重进行动态非线性调整,提高学习路径推荐性能;接着将MIFMM模型与DMBPSO算法相融合提出基于多维信息特征映射模型的在线学习路径优化方法(MIFMM-POA);最后将MIFMM-POA方法与其他4种粒子群算法为核心的学习路径优化方法相比较,从寻优精度、寻优过程与寻优时间3个角度进行分析,实验表明MIFMM-POA方法是优化学习路径的有效方法.

华南师范大学教授穆肃:针对性设计学习活动 促进在线深层次学习的发生

深层次学习是学习科学重点关注的内容,不论是常规教育还是在线教育领域,一直都在追求深层次学习的发生。