基于项目的学习过程建模与研究

运用构建主义理论,分析了基于项目学习(Project Based Learning即PBL)的学习过程;从控制理论的视角,实现了开环、与闭环PBL学习过程分析,并比较了其优劣;在此基础上,应用分散控制策略,构建了一种PBL复杂任务学习模型.仿真结果表明,基于分散控制策略的PBL复杂任务学习模型较好地模拟了复杂任务的学习过程.

一种形式化的学习过程建模

目前对E-learning技术进行深入的研究对于丰富我国教育方式和提高总体教育水平有着重要的意义。学习过程的建模则是为实现学习管理系统,将E-learning的相关理念运用于实际,打下坚实的理论基础。本文首先介绍了学习设计理念以及Petri网的概念。其次,依次描述了学习活动和活动构件、技能、学习过程的建模过程,并在在此基础上补充了活动结构的概念。最后,对学习过程建模在学习管理系统中的应用提出了展望。

序列特征与学习过程融合的知识追踪模型

知识追踪是人工智能技术与教育相结合的新兴领域,旨在通过学生过去完成习题的交互序列对学生的知识状态进行评估,是实现大规模个性化学习服务的关键核心技术。随着深度学习在计算机视觉、自然语言处理、推荐系统等领域的广泛应用,知识追踪领域也出现了大量基于神经网络的方法,简称深度知识追踪(DKT)模型。针对目前已有DKT模型在可解释性和准确性方面的不足,提出一种序列特征与学习过程融合的知识追踪模型SLKT,模型包括知识状态模块、序列特征模块、预测模块。知识状态模块用以模拟学生学习过程,序列特征模块捕捉学习者近期学习状况。通过序列特征和学习过程的融合,有效解决了基于知识状态建模方法无法考虑学习者近期学习状况的问题,同时提出一种带约束的动态Q矩阵表示练习和知识点之间的关系,从而更好地进行学习者学习过程建模,在确保较好可解释性的同时有效提升模型的准确性。在3个知识追踪领域公共数据集上的实验结果表明,相比DKT、动态键值记忆网络(DKVMN)、自注意力的知识追踪(SAKT)、卷积知识追踪(CKT)等深度追踪模型,SLKT模型在曲线下面积(AUC)、准确率指标评估中表现较优。