人工智能支持下的智适应学习模式

被引:58
作者
李海峰
王炜
机构
[1] 新疆师范大学教育科学学院
关键词
人工智能教育; 智适应学习; 在线学习; 自适应学习;
D O I
暂无
中图分类号
G434 [计算机化教学];
学科分类号
040110 ;
摘要
因材施教抑或因材促学一直是个性化学习追求的价值取向,然而如何获悉已学知识点的掌握程度以及学习者学习捷径的引领则是其亟需面临的挑战,基于人工智能技术的智适应学习系统为解决这一困境提供了有效参照。智适应学习以知识空间理论、信息流理论以及贝叶斯定理等为基础实现了人工智能技术支持下的高效个性化学习。智适应学习以纳米级的知识点作为学习内容形态,以最佳学习路径的引荐作为学习过程向导,以个性化学习和高效学习效率作为智适应学习的出发点和最终归宿。智适应学习系统呈现了一个完整的智适应学习运行流程,形成了"测、学、练、测、辅"五位一体的学习模式。智适应学习的应用案例表明,其在1:1教与学、精准学习评价以及O2O学习中具有突出的潜在优势。
引用
收藏
页码:88 / 95+112 +112
页数:9
相关论文
共 10 条
[1]   人工智能教育应用的现状分析、典型特征与发展趋势 [J].
梁迎丽 ;
刘陈 .
中国电化教育, 2018, (03) :24-30
[2]   自适应学习模型的构建及其实现策略 [J].
吴南中 .
现代教育技术, 2017, 27 (09) :12-18
[3]   自适应学习系统中基于Rasch的主题难度估计 [J].
王丽萍 ;
赵蔚 ;
魏久鸿 .
现代教育技术, 2017, 27 (06) :115-121
[4]   基于教育大数据的量化自我MOOC自适应学习系统研究 [J].
方海光 ;
罗金萍 ;
陈俊达 ;
杜婧敏 .
电化教育研究, 2016, 37 (11) :38-42+92
[5]   适应性学习路径推荐算法及应用研究 [J].
赵呈领 ;
陈智慧 ;
黄志芳 .
中国电化教育, 2015, (08) :85-91
[6]   基于用户模型的个性化本体学习资源推荐研究 [J].
姜强 ;
赵蔚 ;
杜欣 ;
梁明 .
中国电化教育, 2010, (05) :106-111
[7]   从条件句悖论看信息流理论的哲学基础 [J].
李娜 ;
娄永强 .
西南大学学报(社会科学版), 2009, 35 (01) :74-80
[8]   The New Trends in Adaptive Educational Hypermedia Systems [J].
Somyurek, Sibel .
INTERNATIONAL REVIEW OF RESEARCH IN OPEN AND DISTRIBUTED LEARNING, 2015, 16 (01) :221-241
[9]  
Knowledge spaces with graded knowledge states[J] . Eduard Bartl,Radim Belohlavek.Information Sciences . 2010 (8)
[10]  
Introduction to knowledge spaces: How to build, test, and search them[J] . Falmagne,Jean-Claude,Koppen,Mathieu,Villano,Michael,Doignon,Jean-Paul,Johannesen,Leila.Psychological Review . 1990 (2)