elearning中基于聚类算法的多维度学习社区的分析word格式论文.docxVIP

学习的过程中，学生们不但可以利用虚拟社区提供的多种互动方式进行交互，能力水平接近、学习需求类似的学习共同体群组这样一个网络环境，还可以有效的消除网络学习的孤独感，因此，本研究提出的新型的虚拟学习社区具有重要的现实意义和普适性。1.2智能学习系统的研究发展与启示在研究本文提出的新型虚拟学习社区理论之前，我们应该先调研国内外现有的一些个性化E-learning智能学习系统，分析总结现有系统的个性化与智能型体现在何处，它们的特性与优点分别是什么，能够帮助我们获得构建学习社区的启示与好的思路。目前出现的一些主流的智能学习系统，分别是智能导师系统（ITS--IntelligenceTutor System），智能教学代理系统（Agent），适应性智能教学支持系统（AILSS--Adaptive IntelligenceLearningSupportingSystem）和E-learning个性化推荐系统（Personalized E-learningRecommendationSystem）。智能导师系统（ITS Intelligence Tutor System），是指具有某一领域学科知识和相关的教学知识，能对学生进行个别化教学（即能根据学生对知识、技能掌握的不同程度而选择相应的教学策略进行教学），在一定程度上模拟人类教学专家或有经验的教学导师进行教学活动的计算机软件系统[4]。一个典型的智能导师系统的系统结构如图1-1 所示：图1-1典型的智能导师（ITS）系统结构Fig.1-1The architectureof atypical IntelligenceTutor System(ITS)国内外对ITS进行较多应用研究的是欧美和日本，以斯坦福、麻省理工学院、卡内基梅隆为代表的众多大学在近几年来相继开发出了近百种学科覆盖范围广，智能化程度高的ITS 应用系统，其中比较具有代表性的有SQL-Tutor, German Tutor,ActiveMath,VC-Prolog_tutor 等。智能教学代理系统（IntelligenceTutorAgentSystem），一般的智能导师系统仅仅实现了教师因材施教和进行有针对性的指导，而没有很好考虑如何帮助学生自主的“学”。智能代理技术正是在这样的背景下，为弥补ITS的缺陷而逐渐被教育技术所关注的一种实现智能化的新技术。在远程教学中，师生之间的信息和情感交流无法做到像面授那样充分，远程教学中的助学手段还十分有限，助学服务还是缺乏主动性、针对性和策略性。智能代理技术恰好为解决这个问题提供了支持，所以在教学领域特别是远程教育领域，尽管开发智能代理教学系统还处于起步阶段，相关技术还不够成熟，但是，代理技术在远程教育领域所蕴涵的潜力，值得研究人员去继续探索，它也将提升整个智能教学系统的智能化程度。一个典型的智能教学代理系统模型如图1-2 所示[5]：图1-2典型智能教学代理系统的模型Fig.1-2The model ofa typical IntelligenceLearningAgent System适应性智能教学支持系统（AILSS--AdaptiveIntelligence LearningSupporting System）的运行机制源于匹兹堡大学的Peter Brusilovsky所提出的“适应性系统中用户建模与适应性的经典循环”[6]。Brusilovsky建议使用适应性超媒体1（Adaptive1超媒体是超级媒体的简称，是超文本和多媒体在信息浏览环境下结合的跨媒体平台。Hypermedia,简称AH）来支持学习者开展个别化学习。适应性超媒体是超媒体与用户模型的组合，它能够根据用户模型来调整超媒体，以适应特定的用户需求。实现Brusilovsky 所提出的适应性超媒体系统必须满足三个基本条件：（1）内容必须采用超媒体表示；（2）系统必须要建立用户模型；（3）系统能够根据用户模型来调整超媒体内容。适应性学习支持系统的运行机制是：系统收集学生的相关数据建立学生模型、初始化学生模型；适应机制调用教学策略模型、学生模型和领域知识模型，生成个性化服务；系统监控学生的学习过程，动态更新学生模型。整体流程如图1-3所示。图1-3典型的适应性教学支持系统Fig.1-3AtypicalAdaptiveIntelligence Learning Supporting SystemE-learning个性化推荐系统（Personalized E-learning Recommendation System），它属于目前发展的比较成熟的一种智能学习系统，该系统是将E-learning理念与个性化推荐技术进行整合的一种技术实现。个性化推荐技术能够根据用户的个性化学习需求，通过应用web挖掘和Ontology2技术,使