适应性教学系统中个性化教学策略研究

【作者】 柏宏权；

【导师】 李艺；

【作者基本信息】 南京师范大学 ， 教育技术学， 2006， 博士

【摘要】 现有的网络教学系统很少考虑到不同学习者因知识背景、学习目标、兴趣偏好、认知风格等因素的不同而引起的对课程材料的不同需求，更没有考虑到学习者的个人特征会随着学生的学习进展而发生变化，一般是所有的学生面对同一份静态的超媒体文档。 本研究构建了I-Tutor适应性智能教学系统原型。系统能够通过机器学习动态了解学生的学习水平与学习偏好，从而生成个性化的教学策略。系统根据学生的个性化特征，给他们提供适应性的学习材料。适应性的学习材料的生成是根据学生的学习水平和学生的学习偏好。系统中用贝叶斯分类器观察学生的学习行为来得到学生学习偏好。 学生对原型系统使用后的数据表明：学生的学习风格存在明显的差异；相同的教学策略不能支持所有的学生。因为，首先，数据表明学生的学习时间与测试成绩不存在固定的关系。有些学生学习时间越长学习结果越好，而有些学生则正好相反。其次，进行分类时，给所有的学生用同样的贝叶斯分类参数则不能获得好的分类结果。对于一个学生是较适应的教学策略，而对另一个学生则可能不适应。学生的许多与个性特征相关的因素需要在系统的设计与建构过程中综合考虑。这样系统可以根据不同的学生生成个性化的教学策略。更多还原

【Abstract】 Web-based instructional systems seldom concern learner’s knowledge background, learning object, cognize style, preference etc. The content of these systems cannot be changed based on learner’s individual characteristic. Therefore, we investigate ways in which personalized instruction can be delivered via adaptive intelligence instructional system.This study creates a prototype of I-Tutor. The system can use machine learning to know learner’s knowledge level and preferences, thus can give individualize instructional strategy. I-Tutor can consider those differences and adapt the information presented to each user. This adaptive content is achieved through a two phase approach which considers the user’s level of understanding and the content that matches the user’s preferences. A Naive Bayes Classifier is used to learn the student’s preferences by observing what type of content he chooses to see.An empirical study of the I-Tutor System was conducted. Results from this study show distinct differences in students’ learning styles and provide evidence that using the same teaching strategies for each student cannot adequately support all students. This is demonstrated through two examples. The first shows that there is not a consistent direction for the correlation between time spent studying and quiz performance. The second shows that using the same parameters for the Naive Bayes Classifier for更多还原