基于认知负荷的适应性内容推送策略及其学习系统研究

近年来越来越多的课程通过网络来发布,远程教育、E-Learning逐步成为终身学习的重要手段。网络学习中隐藏了一部分教师的角色功能,相反凸显了学习者的自主性,应运而生的适应性学习及其系统研究成为一股热潮。适应性的体现层次、技术手段、系统模型等百花齐放,各有千秋。任何事物都有双面性,享受网络带来的信息丰富、共享等优越性的同时,学习者面临认知超载的困扰,大量的信息处理、过多的链接节点、不当是页面呈现设计等,都在一定程度上加重的认知超载的发生,从而引起适应的不充分。本课题将从避免认知超载发生的角度,使学习者学习不同的学习内容,从而体现适应性,增强适应性。 本研究宏观上以降低外在认知负荷和内在认知负荷,同时提高相关认知负荷为本,微观上通过学习者的认知负荷、概念掌握程度两个特征为主,设计内容推送策略,以学习内容难度的不同向学习者推送相关概念的知识点。本研究主要功能体现在教材概念知识点的提取及分析、形成性测验题的筛选、前期认知负荷水平测量和形成性测验的结果分析。研究的最终目的在于构建一种新的内容推送策略,其特点在于借鉴心理学理论研究成果——认知负荷理论,解决了网络学习中认知超载的问题,尽可能的通过概念累计积分等量化形式完成适应性推送；推送的学习内容偏重难易程度,而非仅强调学习内容的异同；并且在已有相关研究基础上,加大了对形成性测验的考察分析,权衡了学习者熟练程度引起的干扰影响。 最后本策略主要采用Silverlight技术和C#的编程语言开发,实现适应性推送的关键功能模块,以期为适应性及系统的研究提供理论和实践依据,为网络课程学习增强适应性的,以及利于后期对本策略的可行性、合理性分析。