基于约束聚类的学习共同体智能构建与应用研究

在线学习共同体改变了传统在线学习中的"孤岛式"学习结构,为智慧共享与知识协同构建提供了有效的支撑环境。构建良好的在线学习共同体,已成为目前在线学习研究领域中的核心问题。研究将在线学习共同体的构建抽象为带约束聚类问题,并结合Kolb学习风格分类模型,提出了基于约束聚类的在线学习共同体智能构建方法,通过学习者在认知加工维度和感知维度的偏好进行学习风格建模,然后结合均值飘移算法和改进层次聚类算法对学习者风格进行带约束聚类,实现学习共同体在学习风格层面的"组内异质性"和"组间同质性"。最后,将研究成果应用于教学实践中,结果表明:相对于随机构建方法,智能构建方法更有利于高层知识的协同建构和学习成绩的提高。