网络环境下的基础教育个性化学习系统研究.docVIP

网络环境下的基础教育个性化学习系统研究 　　随着知识经济时代的到来，社会竞争日益激烈，社会对教育和教育所培养的人才，提出了更高、更严格的要求。实施素质教育把发展学生个性列为重要培养目标，提倡“让学生主动发展”，尊重学生的主体地位，调动学生的积极性，因材施教，给学生创造一个自主的发展空间，使他们的个性得到充分的发展。因此素质教育的核心在于实施个性化教育，让每个学生都获得个性化的学习，取得最优的学习效果。 　　网络环境下个性化学习系统的理论 　　基于网络的个性化学习，是在以个性化支持技术和Web技术、数据库技术为依托所建立起的个性化网络学习环境中展开的。个性化学习是以学生为主体的学习方式，它是指在学习过程中根据学生自身智力、学习进度和对知识点掌握程度的不同，给出相应学习策略、学习内容的教学模式。 　　基础教育个性化学习的理论基础有素质教育、个性化教学、人本主义、建构主义。个性化学习不但要求教学设备和手段的个性化主动性，更要求学习主体在网络环境下的学习过程中的主动性。建构主义与人本主义学习理论，都强调要为学生自主探究学习创设理想的学习环境，提供丰富的学习资源，营造良好的学习氛围。 　　网络环境下个性化学习系统的技术基础 　　网络教育个性化一直是教育界和教育技术领域的理想目标，采用个性化学习系统实现对学生的指导已经成为网络教育发展的必然趋势。人工智能领域中Agent技术的出现为实现这个目标提供了良好的契机。 　　20世纪70年代的人工智能研究领域中首次出现Agent概念，随着Internet和WWW的广泛普及和增加，Agent的应用也越来越广泛。Web上信息资源的飞速增长使得许多Web用户感到信息超载，这种超载使得人们希望智能Agent技术能够减轻Web用户的负担，在智能Agent的帮助下，用户可以只关注自己最感兴趣的那些信息。 　　同时，随着信息社会的来临，大量信息在给人们带来方便的同时也带来了信息的消化、信息的辨识、信息的安全、信息形式的一致性等问题。人们开始考虑：如何才能不被信息淹没，而且从中及时发现有用的知识，提高信息利用率，最终避免“数据爆炸但知识贫乏”的现象。数据挖掘技术（data mining）为实现上述目的提供了可能。 　　“数据挖掘”（Data Mining）是一种新的信息处理技术，其主要特点是对数据库中的大量业务数据进行抽取、转换、分析和其他模型化处理，从中提取辅助决策的关键性数据和潜在的、有价值的知识（模型或规则）的过程，是一类深层次的数据分析方法。它是一门交叉学科，包括机器学习、数理统计、神经网络、数据库、模式识别、粗糙集、模糊数学等相关技术。数据挖掘技术包括三个主要部分：算法和技术、数据、建模能力。 　　网络环境下个性化学习系统的体系结构与特点 　　专业的基于教学资源库的个性化学习系统采用开放、动态的系统架构，以大型的综合教学资源库为基础，将传统的考试、学习模式与先进的网络应用及个性化分析技术相结合，实现快速查找教学资源、分析学习状态、安排学习计划、构建考试平台系统、网络课件管理系统等功能。真正实现网络教学“自主性、交互性、个性化”的特点。个性化学习系统包含三大模块，即个性化学习模块，个性化答疑模块，资源库模块。 　　网络环境下个性化学习系统的需求分析与设计 　　个性化学习系统是以资源库为基础，将传统的考试、学习模式与先进的网络应用相结合。首先，学生根据自身需要，使用个性化学习系统进行测试、练习、作业、网络课件学习等；其次，个性化学习分析系统收集每位学生的测试、练习、作业成绩以及网络课件的学习进度，分析学生的学习状况，并提出建议和收集相应的学习资源供学生参考学习，教师结合实际的教学情况及个性化学习分析的信息调整教学手段；最后，系统根据用户（包括学生，教师）对资源的使用情况，不断改进资源库，从而更好地适应学生学习的需求。 　　系统为在线考试、在线课程学习、学习状况分析、网络课件管理系统提供资料基础，通过教学资源库对资源做综合分类及多重定义，个性化的学习分析系统不仅能记录学生在线考试、在线学习的成绩及进度，而且可以根据学生的记录自动分析学习状态，调整考试出题及学习重点，并提出相应的学习建议及收集资源库相关的资料供学生参考学习。 　　在此学习系统中，学生登录系统后看到的界面不再是千篇一律的，而是与其个人密切相关的个性化的学习环境：课件学习进度、作业完成及批改情况、提问解答情况（做过的试卷、常错的题目及知识点）、系统建议重点学习的知识点等都是针对该学生个人特点的。学生从登录到退出系统的整个学习过程中，所有的动作及产生的结果都被及时记录到本人的用户库中，供下次登录时系统产生用户界面作参考。系统收集显示学生在线考试、练习、作业及课程学习的成绩及进度信息，根据以上的信息分析学生各科的进度及未