基于神经模糊方法的数字化学习路径的优化选择.pdfVIP

第29卷 第8期 情 报 杂 志 VoI．29 No．8 2010年 8月 JOURNALOFINTEL】LIGENCE Aug． 2010 · 信息技术 · 基于神经模糊方法的数字化 学习路径的优化选择水 ThePathOptimizationofE-LearningBasedonNeuro-FuzzyMethod 朱建东 刘名卓 蒋丽丽 (1．华东师范大学 上海 200062 2．南通农业学院 南通 226007) 摘 要 研究在改进已有技术的基础上提出一种神经模糊方法，为教师和学习者获取最佳的学习路径。利用这种 方法架构数字化学习过程中的学习诊断系统，系统可以借助神经模糊模型的协同作用，模仿教师分析学习者的特 点，并配置具有推理能力的智能学习环境。这些推理能力，可用于驱动基于学习者学习风格的教学策略。模型中神 经模糊方法的实施，一方面，有助于为教师编码结构化和非结构式的知识，另一方面，根据个别学习者的要求，可以 将神经网络方法应用于制作个性化的课程。 关键词 经模糊方法 数字化学习 模型 最优路径 中图分类号 TP183 文献标识码 A 文章编号 1002-1965(2010)08-0114-05 态度、知识或信仰。建模最困难的任务是解释所收集 0 引 言 的信息过程，它涉及大量的不确定性 ，以便对学生的行 互联网极大地促进了数字化学习的建立，它通过 为作出假设。神经网络非线性的统计数据模型或决策 提高信息容量和传输速度，简化知识管理和交换任 工具 ，适用于建立输入、输出数据之间复杂关系的模 务…。数字化学习将成为许多公司提供在职培训的替 型。 代形式，从而节省了资金、员工交通时间和其他支出 数字技术采用了各种用户和学生的模拟系统，处 (Chen，Yu，Chang，2005) 。数字化学习平台是一个 理由用户提供的不精确的信息以及不明确、不确定性 新兴的公司培训工具 。企业、员工和社会团体通过 的因素。例如，贝叶斯网络已经被成功地用于用户知 利用互联网在工作中进行学习，获取专业技能、提高解 识和用户行为特征的观察。贝叶斯网络模型成功的关 决问题的能力 。 键在于准确地表示了在任务域中的概率依赖关系 。 在实验领域 ，数字化学习得到进一步的挖掘，在许 第一次尝试用模糊学生模型的是 Hawkes和 Derry73， 多教师和学生之间，可以共享有限的一个或多个实验 模糊逻辑作为一个灵活的方法，可以轻松获取教师评 室资源。通过使用这些基础设施，学习者可以实现通 价学生和处理教学决策的方式 过操作真实仪表、重复多次同样的实验才能获得的实 这里提出的神经网络的模糊模型，根据如能力、态 际经验 。同时，访问互联网实验的配置和维护费用 度、知识水平、动机和学习风格等个性特征项 目，探讨 大大减低，购买设备的数量减少，操作条件得到更为有 学生在数字化学习系统中的最佳学习路径。模糊逻辑 是用来提供定性推理的一种模式，它更接近人类的决 效的控制。 策，通过结合模糊处理和模糊关系，进行不精确的模糊 为了实现计算机系统和人之间的个性化交互 ，用 加工。神经网络则提供一种方式，来实现