基于Web2.0的协作学习平台的应用研究

随着信息技术的迅猛发展,基于Web2.0技术实现的协作学习平台作为网络环境下的重要教学模式,不但保证了教学效果,更培养了学习者的能力。本文阐述了Web2.0技术在协作学习中的应用,并提出了一种基于Web2.0协作学习平台的设计方案。     

使用UCenter Home构建基于Web2.0的协作学习系统

基于Web 2.0的协作式学习是教育技术领域的一个重要研究方向。首先分析了现有基于网络的协作学习系统及Web 2.0与协作学习相结合的可行性,然后以Web 2.0的理念与技术为依托,使用开源SNS软件UCenter Home构建了基于Web 2.0的协作式学习系统模型,并在教学实践中进行了应用。教学实践应用表明该系统不仅可以提高学生的学习成绩,而且对培养学生的综合素质等方面具有一定的作用。     

基于自组织社区发现的协作学习算法

远程学习者通常很难判断哪些学习资源最适合他们的阅读需要,同时对教师来说,针对每个学习者重新组织不同的学习资源几乎是不可能的。基于此,提出一种新颖的学习偏好建模方法,通过将动态学习数据映射为“资源、评估”的方式实现对学习特征的综合评估;通过构建智能代理来监控学习者的动态学习行为;提出组隶属度奖励机制和组成员交换机制,实现对分布式环境下的相似学习者的社区自组织;同时,基于JADE智能代理平台开发了一个协作学习平台,使得具有相似学习偏好的学习者能够进行学习资源和经验的共享。实验证明,算法具有较高的匹配准确性和社区构建效率,并能够切实提高协作学习的有效性。     

Web2.0环境下的高校虚拟学习社区设计

虚拟学习社区作为一种数字化的学习环境,在高校中广泛应用于正式学习和非正式学习,利用Web2.0技术进行改造,可以解决传统虚拟学习社区中寻找学习伙伴与归属感难、分享学习资源难等问题.综合分析了Web2.0具有实现个性化、明确归属感、变革信息源等技术特性,结合了学习者的需要和虚拟学习社区的基本结构.设计了虚拟学习社区的五大功能模块,提出了高校虚拟学习社区的结构模型.基于Web2.0技术构建的虚拟学习社区模型基本可以通过开发实现,并能在高校有效应用     

基于自组织社区发现协作学习算法

远程学习者通常很难判断哪些学习资源最适合他们的阅读需要,同时对教师来说,针对每个学习者重新组织不同的学习资源几乎是不可能的.基于此,提出一种新颖的学习偏好建模方法,通过将动态学习数据映射为"资源、评估"的方式实现对学习特征的综合评估;通过构建智能代理来监控学习者的动态学习行为;提出组隶属度奖励机制和组成员交换机制,实现对分布式环境下的相似学习者的社区自组织;同时,基于JADE智能代理平台开发了一个协作学习平台,使得具有相似学习偏好的学习者能够进行学习资源和经验的共享.实验证明,算法具有较高的匹配准确性和社区构建效率,并能够切实提高协作学习的有效性.     

现代远程协作学习系统的设计与实现

目前的远程教学中主要依赖的信息共享、个体学习、有限交互的模式,已经不能满足学习者对学习质量越来越高的期望。在此,提出一个协作学习模型。这种协作方式可以使学生在信息交流的过程中,更好地了解他人的观点、方法和建议,促进自己的学习。同时,这种模型也为基于Web的信息交流提供新的协作方式。     

基于Web Services的CELTS学习者模型

通过分析现有网络教学管理模式在多个异构平台间数据共享方面的不足,基于CELTS规范提出了一个学习者模型,并讨论了在该模型支持下学习者行为数据如何通过Web services技术在异构子系统之间实现交互与集成。最后以一个学习行为评估子系统为例,使用SOAP和XML技术给出了该模型在Web services平台下的一种实现。     

基于Agent的Web教学系统模型研究

传统的Web教学系统存在一些明显的缺点和不足，本文提出一个基于Agent技术的Web教学系统模型，突出教学系统对学习者的主动引导功能。实现学习者之间一定程度的协作，并能对学习者的学习效果的按照某种评价策略做出即时评价。     

基于Agent的Web学习协同组的构建

协同学习有助于完善学习者的个性，促进学习者的学习效率，使学习者变得强大。本文提出了一种基于Agent实现Web学习协同组构建的方法，是建立在利用Agent特点的基础上，目的是为了改善学习效果。     

基于Agent联盟的协作学习系统研究

为了在协作学习系统中实现学习者Agent之间的有效合作,通过引入一种新的合作机制--同学关系网模型(Schoolmate Relation Web Model),来构建学习系统中学习者Agent之间的同学联盟,并且基于学习者Agent之间的同学联盟来实现多个学习者Agent之间的协作学习.在每个同学联盟中,任意两个Agent之间都具有同学关系,并且联盟中的所有Agent相互协作,共同完成学习任务.另外,联盟中的学习者Agent之间的通信不是直接进行的,而是通过一个黑板来进行,这可以显著地提高Agent之间的通信效率.由于同学关系网模型可以避免Agent联盟形成的盲目性,并且可以提高学习者Agent之间的交互效率,从而使得我们基于Agent同学联盟的协作学习系统可以实现学习者Agent之间的有效合作,弥补了现有协作学习系统的不足.     

基于多Agent的个性化协作学习系统研究与实现

远程教育技术的高速发展为远程学习者提供了极大的便利,使得学生可以在任何时候任何地点学习适合自己的内容。然而远程学习者地理上的分散性,也不可避免地产生了大量的孤独学习者。因此怎样提供一种有效的方法,将具有相同兴趣的学生组织到一起,并帮助他们在学习过程中能够共同分享学习经验、交流学习资料,已逐渐成为革新E—Learning技术中的一个研究热点。该文构建了一个基于多Agent机制的个性化协作学习系统,并提出了一种新颖的打分／交换的用户动态聚类算法,从学生的资源请求中发现学生兴趣,并有效地将具有相同兴趣的学生自动组成学习社区。实验证明,该算法具有较高的效率和良好的可扩展性。     

Community-organizing agent: An artificial intelligent system for building learning communities among large numbers of learners

Web-based (or online) learning provides an unprecedented flexibility and convenience to both learners and instructors. However, large online classes relying on instructor-centered presentations could tend to isolate many learners. The size of these classes and the wide dispersion of the learners make it challenging for instructors to interact with individual learners or to facilitate learner collaborations. Since extensive literature has confirmed that the substantial impact of learner interaction on learning outcomes, it is pedagogically critical to help distributed learners engage in community-based collaborative learning and to help individual learners improve their self-regulation. The E-learning lab of Shanghai Jiaotong University created an artificial intelligence system to help guide learners with similar interests into reasonably sized learning communities. The system uses a multi-agent mechanism to organize and reorganize supportive communities based on learners’ learning interests, experiences, and behaviors. Through effective award and exchange algorithms, learners with similar interests and experiences will form a community to support each others’ learning. Simulated experimental results indicate that these algorithms can improve the speed and efficiency in identifying and grouping homogeneous learners. Here, we will describe this system in detail and present its mechanism for organizing learning communities. We will conduct human experimentations in the near future to further perfect the system.     

一种自组织的虚拟学习社区构建算法

远程教育已趋向于网络化,而学习者之间如何进行协作式学习已成为一个关键问题。本文提出一种自组织的学习社区构建算法。该算法是基于学习者的兴趣,将具有相似兴趣的学生自动组成学习社区,以进行协作式学习。实验证明,本算法具有较高的效率和良好的扩展性。     

大规模在线协作学习分组方法及应用研究

学习孤独感问题是造成MOOC课程学习完成率低的原因之一,构建与学习者学习特征相适应的协作学习小组,可以有效解决学习孤独感问题。利用自编码神经网络提取在线学习者的关键特征,根据同质分组原则,利用模糊C均值算法对在线学习者进行迭代分组,使在线学习者从独自学习转变为以团队的形式进行协作学习,从而改善在线学习者的学习体验,降低学习孤独感。以edX平台上选择计算机科学与编程入门课程的19?846名在线学习者为实验对象,进行在线协作学习分组。实验结果表明,基于该分组方法,每个小组内学习者都有较高的同质性,可以很好地解决学习孤独感问题。     

基于注意力机制和集成学习的网页黑名单判别方法

搜索引擎作为互联网主要应用之一,能够根据用户需求从互联网资源中检索并返回有效信息。然而,得到的返回列表往往包含广告和失效网页等噪声信息,而这些信息会干扰用户的检索与查询。针对复杂的网页结构特征和丰富的语义信息,提出了一种基于注意力机制和集成学习的网页黑名单判别方法,并采用本方法构建了一种基于集成学习和注意力机制的卷积神经网络（EACNN）模型来过滤无用的网页。首先,根据网页上不同种类的HTML标签数据,构建多个基于注意力机制的卷积神经网络（CNN）基学习器;然后,采用基于网页结构特征的集成学习方法对不同基学习器的输出结果执行不同的权重计算,从而实现EACNN的构建;最后,将EACNN的输出结果作为网页内容分析结果,从而实现网页黑名单的判别。所提方法通过注意力机制来关注网页语义信息,并通过集成学习的方式引入网页结构特征。实验结果表明,与支持向量机（SVM）、K近邻（KNN）、CNN、长短期记忆（LSTM）网络、GRU、结合注意力机制的卷积神经网络（ACNN）等基线模型相比,所提模型在所构建的面向地理信息领域的判别数据集上具有最高的准确率（0.97）、召回率（0.95）和F₁分值（0.96）,验证了EACNN在网页黑名单判别工作中的优势。     

Structural model of team-based learning using Web 2.0 collaborative software

This study examines the phenomena occurring among team members during their participation in team-based learning using Web 2.0 collaborative software. Based on the Grounded Theory approach, this study analyzes students' feedback related to team collaborative learning using Web 2.0 collaborative tool. Data analysis yields a structural model of team-based learning facilitated by Web 2.0 collaborative software. This study draws inferences to suggest that Web 2.0 collaborative learning environment uncovers diverse communication media in support of synchronicity and group awareness. Subsequently, synchronicity and group awareness promote team-based learning. This study also reveals that four factors, namely, synchronicity, group awareness, learner autonomy and collective intelligence, support team-based learning facilitated by Web 2.0 technology.     

基于Web的学习环境模型及发展趋势

从课件、协作学习、教学共同体、可视语言和远程教育等五个方面详细阐述了基于Web的教学模型及发展趋势,对课件开发技术和远程教学模式作了进一步探讨。     

基于CSCL的课程网站研究

针对目前精品课程网站主要以展示课程资源为主的情况,应用CSCL网络工具和实体模型,提出了一种基于CSCL的课程网站的结构模型,该模型主要由协作学习和个体学习组成。协作学习包括协作学习工具、考试质量综合评价;在个体学习中,应用最小二乘法对个体学习成绩进行数据挖掘,实现计算机自动判断每位个体学习者的学习情况,并反馈给个体学习者以达到智能学习的目的。