学习情境个性化教学论文.doc

《学习情境个性化教学论文.doc》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、学无止境学习情境个性化教学论文1引言本文第二部分讨论个性化参数及其在E-learning教学系统当中的应用，第三部分讨论目前自适应E-learning系统及其提供个性化策略功能的状况。第四部分重点探讨了两层的通过构建个性化策略创建不同的学习情境方法。第五部分总结该方法的特点。2个性化参数个性化参数是创建个性化学习情境的基本要素，本节将讨论E-learning领域中常用的15种个性化参数及其参数值。⑴学习者知识水平为学习者呈现学习资源或设计学习过程时，需要考虑学习者的知识背景。⑵学习目的需要根据学习者想要获得的最终学习目的为学习者制定学习

2、计划，提供相应的学习资源。⑶媒体偏好为不同媒体偏好的学习者提供不同的资源呈现形式。⑷语言习惯根据不同学习者的语言偏好以不同语言呈现学习资源。⑸Kolb学习循环理论Kolb于1984年提出经验学习模式亦即经验学习圈理论(experientiallearning)。他认为经验学习过程是由四个适应性学习阶段构成的环形结构，即具有经验、反复观察、抽象概括和积极实践。⑹Honey-Mumford学习风格[1]类似KOLB学习模型，Honey和Mumford于1986年提出学习者的四种学习风格，即积极主动型、反思型、理论型及实践型。⑺Felder-

3、silverman学习风格[2]Felder和silverman于1988年认为学习者在获取和处理学习资源所采用的方法通常表现出四维空间的学习风格。⑻LaGaranderie学习风格[3]LaGaranderie于1993年提出基于心理学研究的六种学习风格。⑼参与度学习者参与学习活动过程中通过监控学习者对于小组的动态关注情况从而判断其学习需求。⑽任务进度通过观察和搜集学习者的学习进度，每次学习活动的任务完成量判断其学习需求。⑾等待回复在学习过程中，当经过一定时间后学习者没有按下学习完成度按钮（如“完成”、“没完成”、“不确定”）或系统没

4、有给学习者回复学习效果时。⑿诱导程度[4]Keller于1983年提出ARCS模型，认为诱因由四个因素组成。⒀导航偏好根据学习者浏览学习资源的偏好制定深度优先或广度优先的导航机制。⒁3学无止境认知特质[5]Kinshuk和Lin于2004年提出认知特质模型，该模型由四种认知特质组成，即方法记忆能力，直觉推理能力，信息处理能力，关联学习技巧。⒂教学方法[6]Essalmi等人于2007年提出一种基于个性化参数的教学方法，并定义三种教学方法，目标教学方法，竞争教学法，协作学习法。3个性化自适应E-learning系统及其使用个性化策略的状况

5、根据个性化参数把自适应E-learning系统分类如表1所示。上表可知，使用最多的个性化参数为“学习者知识水平”“、媒体偏好”“、学习目标”。另外，越来越多的研究偏向结合多种参数制定出某种个性化策略。4个性化教学策略的定义及其应用在个性化网络学习系统，往往通过合并个性化参数构建个性化策略。实际上，如果我们考虑从15种参数中选择10种进行合并，那么其合并的组合方式可达到种，其中，Ci15表示从15种参数中选择的参数i的子集。为了解决该问题，本文提出两层的个性化策略机制。4.1第二层E-learning个性化学习ELP2为教学者提供不同的基

6、于学习情境的个性化教学策略。例如，学习者学习使用MicrosoftWord该学习过程中可根据“学习者知识水平”建立相应的学习策略。图1中，教学者首先为具体的课程选择个性化参数子集，通过合并各参数，并根据参数的值制定其学习内容。该过程称为个性化学习策略的建立。4.2第一层E-learning个性化学习3学无止境EPL1主要为EPL2建立的个性化学习策略的应用结合EPL1+EPL2的目的是能够灵活地构建并应用个性化策略，通过在构建个性化策略过程中选择参数子集，并以值集合的形式进行存储，在选择多个参数时，需要对其进行合并，下面利用数学方法以语

7、义变量的形式定义其个性化参数的合并情况。个性化策略的建立的过程为：选取个性化参数SPP，再合并个性化参数CPP，并运用该策略构建学习情境LS，其中，SPP和CPP构成EPL2。其中，SPP表示学习情境集合（SLS）中的学习情境LS与个性化参数PP的子集SubSP的关联方法。即如何选择个性化参数的过程，如公式1和图4所示：假设LS为包含各学习目标内容（LO）的一棵树，则CPP表示为LS当中的LO选取的参数值及其该情境构建的适合程度A。其中，A表示衡量该LO是否适合已选参数值体现的学习者的特征，即学习情境与学习者状况是否相符。SPP和CPP

8、为两层个性化学习策略的理论基础，尤其为个性化参数的结合使用起到重要作用。5EPL1+EPL2机制个性化学习系统通常根据预定义的个性化参数子集确定学习者特征，并以此提供重要功能，这些功能的结合能够构建出新的个