新書推薦：
《
傻钱：社交浪潮与散户革命
》
售價：HK$
78.2
《
猎头高情商沟通实务
》
售價：HK$
56.4
《
桃花夭夭，灼一世芳华：古代蕙心女子的诗情词韵
》
售價：HK$
48.3
《
生活在低处
》
售價：HK$
64.4
《
长颈鹿与少年（全球销量超过50万册。基于真实历史事件创作）
》
售價：HK$
57.4
《
近代早期海洋文化史
》
售價：HK$
112.7
《
怪诞行为学2：非理性的积极力量
》
售價：HK$
78.2
《
锦衣玉令
》
售價：HK$
112.7
|
| 內容簡介： |
《面向学习者个性的教育资源推荐策略》以互联网时代的智慧教育为研究背景，研究并论述了教育资源推荐的基本理论，对学习者个性进行了分析和挖掘，提出了基于学习者个性的学习资源推荐以及基于学习者个性的习题资源推荐策略，并在研究的基础上进行了总结与展望。
《面向学习者个性的教育资源推荐策略》可作为高等学校教育技术学、信息科学等专业学生的参考书，也可供相关技术人员参考。
|
| 關於作者： |
|
李光泉，副教授，博士，江西农业大学计算机与信息工程学院硕士研究生导师。研究方向是智慧教育、信息管理与信息系统。
|
| 目錄：
|
第1章 绪论
1．1 研究背景与意义
1．2 概念界定
1．3 研究现状
1．4 内容与结构安排
第2章 相关理论基础
2．1 个性化学习理论
2．2 教育公平理论
2．3 多元智能理论
2．4 建构主义学习理论
2．5 认知诊断理论
2．6 贝叶斯网络及其推理
2．7 概率矩阵分解
2．8 本章小结
第3章 学习者个性挖掘与教育资源模型
3．1 知识点
3．2 学习目标与知识水平
3．3 学习路径
3．4 学习风格
3．5 学习者个性模型
3．6 教育资源模型
3．7 本章小结
第4章 基于学习者个性的学习资源推荐
4．1 问题的提出
4．2 相关研究
4．3 推荐模型
4．4 算法设计
4．5 实验与评测
4．6 实证分析
4．7 结论
4．8 本章小结
第5章 基于学习者个性的习题资源推荐
5．1 问题的提出
5．2 相关研究
5．3 融合Q矩阵理论的作业反馈模型
5．4 推荐模型
5．5 实验与评测
5．6 实证分析
5．7 结论
5．8 本章小结
第6章 总结与展望
6．1 总结
6．2 展望
参考文献
|
| 內容試閱：
|
教育信息化飞速发展的今天，在线学习、移动学习已成为重要的学习手段，学习活动可以随时随地进行，学习者可以通过多种方式获取形式多样的网络教育资源。然而，随着网络教育资源的爆炸式增长，学习者所面临的信息过载和学习迷航等问题日益加剧。教育资源推荐服务逐渐成为近几年的研究热点，它能够有效缓解海量资源所带来的信息过载学习迷航等问题，已经受到越来越多研究人员的关注，成为教育信息化和人工智能等领域的重要研究课题。
学习者在学习目标、知识水平、学习路径、学习风格等方面的差异会导致其对教育资源的需求有所不同，这使得教育资源推荐变得异常复杂，在某种程度上，系统必须引导学习者完成其个性化的学习过程。因此，在教育资源推荐中，如何挖掘学习者的个性、生成适合学习者个性的学习路径以及设计基于学习者个性的教育资源推荐方法等，成为教育资源推荐领域中迫切需要解决的难题。本书以个性化教育的基本理论为基础，介绍了学习者个性挖掘方法，以及相应的教育资源推荐方法，对于提高教育资源推荐的精度、提升学习效率具有十分重要的理论价值和实用价值。本书的内容及特色主要体现在如下几个方面。
（1）学习者个性模型与教育资源模型。对学习者个性等基本概念进行了详细的分析与阐述，研究了学习者个性挖掘方法，构建了动态适应性学习者个性模型和基于模糊逻辑的教育资源模型。
（2）基于认知诊断模型的知识水平获取。针对现有的学习测验缺乏对测验结果的深度挖掘，即无法诊断学习者内在的认知结构，难以准确获取学习者的知识水平，本书利用认知诊断理论中的规则空间模型，对小学三年级数学学习进行了编制诊断性测验，并评估了测验的有效性。结果表明，规则空间模型能够有效诊断学习者在小学三年级数学减法运算中的认知结构，利用该方法可以获取学习者的知识水平。
（3）基于贝叶斯网络的学习路径推荐。针对现有路径推荐算法的不足，利用贝叶斯网络生成适应性学习路径，为基于学习者个性的教育资源推荐提供了基本的依据。在真实学习环境中进行了实验分析，验证了该推荐方法的有效性。
（4）基于学习者个性的学习资源推荐。学习资源推荐需综合考虑学习者的学习目标、知识水平、认知能力以及学习风格等多方面的个性，以满足学习者个性化学习需求。同时，学习资源的分类伴有一定的模糊性，学习资源与知识点的关联，不是有无的关系而是关联的深浅程度，本书利用模糊逻辑方法为学习资源进行建模。此外，学习者的知识水平也具有一定的模糊性，学习者对知识点的掌握程度不能简单地定义为掌握或未掌握，而是掌握到什么程度。为此，笔者利用模糊认知诊断模型更新学习者的知识水平，并根据学习者的学习目标、学习路径以及学习风格等个性，提取与其关联度较高的学习资源推荐给学习者。在真实数据集上进行了对比实验分析，实验结果表明，该方法优于其余三种经典的推荐方法。同时，通过实际应用效果分析进一步验证了该推荐方法的有效性。
（5）基于学习者个性的习题资源推荐。针对现有的习题推荐方法存在的主要问题：所推荐的习题是否符合学习者的学习目标，习题难度是否与学习者知识水平相一致等，本书提出了一种基于学习者个性的习题推荐方法，该方法同时考虑了习题的知识点覆盖问题以及知识点的层次结构等问题，并利用作业反馈模型更新了学习者知识水平，再根据知识水平为其推荐合适难度的习题。在真实数据集上进行了详细的实验分析，实验结果表明，该方法在准确率（Precision）、召回率（Recall）以及F1指标上均优于其余两种经典的推荐方法。同时，通过实际应用效果分析，进一步证实了该习题推荐方法是有效的。
本书得到了江西省教育厅科技计划项目（GJJ180199）、江西省社会科学规划项目（19TQ05）、江西省教育规划项目（19ZD024）的支持，在此，表示感谢！
由于时间仓促，加上笔者水平有限，书中疏漏错误之处在所难免，恳请广大读者批评指正。
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
