语义网自适应学习系统中基于学习风格教学策略模型探究.doc

《语义网自适应学习系统中基于学习风格教学策略模型探究.doc》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、语义网自适应学习系统中基于学习风格教学策略模型探究摘要：研究证明，学习风格是影响学习效果的重要因素。本文对当前多种学习风格模型的特点和应用情况进行了深入分析，选定FSLSM作为自适应学习系统的学习风格模型，并提出了学习风格显性诊断和隐性修正的具体方案，针对学习者的学习风格差异，从学习资源的提供、学习路径的安排、自适应规则等方面构建出语义网环境下的自适应教学策略模型。关键词：语义网；自适应学习系统；学习风格；教学策中图分类号:G434文献标志码：B文章编号:1673-8454(2014)06-0024-04研究证明，许多因素包括学习环境、学习风格等都可以对学习产生影响。主流的课程管理系统大多

2、忽视学习者的个性特征，为其提供同样的资源和活动，也无法根据学习者知识背景、学习结果的改变而作出智能调整，大大降低了网络学习的效率。自适应学习系统(AdaptiveLearningSystem),是针对个体学习过程中的差异性而提供适合个体特征的学习支持的学习系统，能够为学习者提供个性化的资源及学习过程和学习策略等。［1］本文主要是对自适应学习系统中基于学习风格的教学策略模型作出详细的介绍。该模块的研究主要涉及以下几个问题：1.采用何种学习风格模型作为自适应学习系统的标准，以及如何选择或设计一个有效的、定量的学习风格测量量表；2.学习风格的诊断方法、学习风格中的哪些特征需要被诊断及被适应、学习

3、行为中的哪些信息可以用于确定学习者的学习风格；3.自适应学习系统如何实现自适应，即基于学习风格的自适应教学策略的生成。一、学习风格模型的确定在测量学习者的学习风格之前，要选择一个学习风格模型，并设计一个可供量化的学习风格测量量表。目前存在多种类型的学习风格模型，Coffield等人［2］从模型的设计角度出发将学习风格模型分为五类。第一类主要是将学习风格和偏好分为四个模块：视觉、听觉、动觉和触觉，例如FelderandSIivermano第二类认为学习风格是认知结构的深层次特征，包括能力模式等。第三类认为学习风格是一个相对稳定的个性特征的组合，例如Myers-Briggso第四类学习风格被看

4、作是一种弹性的基本稳定的学习偏好，例如HoneyandMumford,Kolb等。最后一类将学习风格看作是学习方法、策略，例如Pask、Entwistle、Grasha-Riechmann等。这些模型在教育超媒体系统中都已经有广泛的应用。在本研究进行之初，我们对主流的自适应教育超媒体系统(AdaptiveEducationalHypermediaSystem,AEHS)中学习风格模型的选择进行了调查，并对各系统所采用的学习风格维度、针对各维度采取的自适应教学策略等进行了深入的分析。目前主流的学习风格模型在教育超媒体系统中的应用情况如表1所示。我们选择FSLSM(Felder&Sliverm

5、anLearningStyleModel),首先是基于它的可靠性。截至目前为止，FSLSM已经被其作者和多位专家所证实(Zywno,2003)(Felder&Spurlin,2005),[3]并且成功应用到了多种自适应超媒体教育系统中。这些成功的案例都表明了该模型具有良好的有效性和可靠性。其次在于FSLSM提供了一个定量的学习风格测量量表ILS(IndexofLearningStyles),该表是一个可计算的模型，通过对四个维度分别进行量化，其测量结果容易理解并具有很强的可操作性。同时FSLSM重视媒体类型的差异，对网络学习中基于学习风格的教学策略的制定也有很强的指导性。基于以上三点优势，

6、我们选择FSLSM作为自适应学习系统的学习风格模型，并采用该模型自备的学习风格测量量表对学习风格进行诊断。二、学习风格的诊断学习风格的诊断包括显性和隐性两种方式。显性方式主要是指学生填写学习风格调查问卷，隐性方式主要是通过在学习过程中监控学习者的各种行为进而确定其学习风格。在自适应学习系统中，我们采用了显隐性相结合的方式对学习风格进行诊断。在进入知识学习之前，建议学习者参与学习风格测试，如果学习者对测试结果提出异议，系统提供“学习风格切换”接口，可以在知识学习过程中随时对学习风格做出适当的调整。在学习过程中，制定了一套基于学习者学习行为的隐性的学习风格修正方案。1.显性诊断在学习风格的显性

7、诊断阶段，我们采用FSLSM中自带的学习风格测量量表ILS,分别从信息加工、感知、输入、理解四个方面将学习风格分为4个维度8种类型。四个维度彼此独立，分别是：活跃/沉思，感悟/直觉，视觉/言语，序列/综合。（1）学习风格前测学习风格前测主要是对学习者模型中“学习风格"模块中部分字段的初始化。ILS具有很强的可操作性，学习者在回答ILS中设置的问题后，系统通过问题答案分析学习者的学习风格倾向和每种风格的强弱程度，进而推断出