基于人类动力学的在线学习行为规律分析及建模仿真研究

来源 :东北师范大学 | 被引量 : 0次 | 上传用户:oncecao
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
近年来,在线学习作为人们学习生活中最为重要的一种学习方式被人们广泛应用。在线学习环境为学习者提供了更简单、更多样的学习方式,同时也为教师和相关研究者对在线学习进行分析提供了更广泛的素材。因此相关学者对在线学习环境中在线学习行为已经进行了广泛研究,但是对于学习者在线学习行为在时间上的规律性研究较少,并且对于不同教学活动下的学习者学习行为特点的相关研究同样较少。因此,本文采用人类动力学的理论和研究方法研究在线学习过程中学生在时间统计特性方面的行为特征,分析驱动其学习行为的主要因素,并通过构建模型与模型仿真挖掘其内在动力学机制,据此针对性地对具有不同学习规律的学生提出个性化的干预策略,为在线教学的发展提出合理化建议。基于学习者在线学习行为的统计分析,发现学习者的学习行为具有一定的周期性、阵发性等基本特征,并且在时间间隔分布方面具有显著的重尾特征。该分布服从幂律分布,其幂指数的大小会因学习者的活跃情况、教学活动设计对学生的影响情况等的不同而具有一定差异。分析发现每个学习者都具有自己独特的学习规律,学习者的学习行为越活跃,其幂指数越大。根据在线学习环境中学习者学习行为受到教学活动影响的特点,确定了教学活动驱动因素,发现学习者学习行为时间间隔分布的幂指数和学生在线学习过程中的活跃度具有显著的正相关,并且与教学活动驱动因素具有明显的正相关。根据学习者在线学习行为实证分析验证的规律特征,本研究构建了教学活动与兴趣双重驱动的动力学模型。通过对该模型进行仿真表明,学生在线学习过程中产生的学习行为在一定程度上被自身学习兴趣所影响。学习兴趣越大,在学习平台产生学习行为的时间间隔越短,并且学习兴趣呈周期性衰减。教学活动的发布能够有效地缓解学习兴趣的衰减,激发学习者在短时间内高频率的进行在线学习,且不同类型的教学活动对学习者学习行为的驱动作用不同。根据实证分析验证的结果,基于学习行为规律的幂指数对学习者进行聚类分析,对不同聚类的学习者提供精准的干预策略,并提出了在线教学和在线学习平台改进的相关启示,拓展了对在线学习行为进行分析的研究思路,能够有效地帮助学习者提高学习效率,为个性化教学提供研究依据。
其他文献
大规模在线公开课程(Massive Open Online Courses,MOOC)又译为“慕课”,是随着科技发展流行起来的新兴课堂形式。慕课不拘泥于时间、地点,又内容多样、资源丰富,自出现起就备受全世界学习者的喜爱和关注。然而慕课数量巨大,质量良莠不齐,如果不对慕课进行质量评估,不仅会浪费学习者的时间筛选慕课,同时也会对慕课平台的留存率产生负面影响。怎样充分地利用慕课属性及学习者的学习行为,合
学位
近年来,个性化的习题推荐一直是教育领域的重要研究课题,习题推荐通常分为两个过程,一是根据学生的做题记录来了解学生的知识点掌握情况,二是根据学生的知识点掌握情况结合相关学习策略为学生推荐合适的习题,以达到帮助学生学习的目的。根据学生的特点为学生个性化地推荐习题,可以提高学生学习效率,提升学生的知识水平,也可以帮助学生探索新的知识,复习遗忘的知识点。这对帮助学生更好地掌握、探索、学习与巩固知识点都有着
学位
采用料浆渗铝法在T92钢上开展了渗铝工艺研究,测试了700℃料浆层厚度约80μm渗铝层生长动力学,采用XRD、SEM及EDS对渗铝层表面物相结构和渗铝层截面形貌、厚度和成分进行研究。结果表明:渗铝的前3 h活性Al原子([Al])向内扩散形成Fe2Al5 (η)相;随后[Al]开始在料浆层与渗铝层界面堆积,此时,Fe以较快的速度向外扩散并形成Fe2Al5 (η)和FeAl3 (θ)混合相外层;10
期刊
目前,自然语言处理是人工智能的热门研究领域之一,它涉及的研究方向很广泛,如文本分类、机器翻译、信息抽取等。其中,信息抽取旨在通过算法实现自动从文本中获取各种各样的信息。文本的形式各种各样,一般可分为结构化文本,半结构化文本和非结构化文本。本文研究的信息抽取任务主要是从非结构化的文本中抽取相关信息构建结构化的数据。文档是保存信息的一种主要方式,并且文档中的绝大多数信息是以无结构的纯文本形式存在,它们
学位
在科学研究中,同时具有数值属性和分类属性的混合数据是有着重大意义的。经科学研究证明,与单视图学习方法相比,多视图学习方法对新样本适应能力更强、更有效。然而,现有的大多数多视图聚类算法只能处理单一类型属性的数据。本文在多视图学习框架的基础上,综合考虑混合属性数据的取值特点和分布特征,提出了两种新的多视图聚类算法对混合属性数据进行聚类分析。(1)本文提出了混合数据的多视图聚类算法MKP(Multi-v
学位
行为识别是视频理解领域中的一个重要分支,其目的是通过识别一段视频中包含的行为进而分析视频中人的意图以及预测其下一步的动作。随着计算机硬件技术的快速发展,可穿戴的电子产品逐渐走入各个领域,为各个领域提供了大量第一人称视频数据。由于通过对第一人称视频数据进行分析可以实现对穿戴者的实时监控和状态检测,因此第一人称视频的行为识别算法在智慧课堂、智慧康养、自动驾驶、虚拟现实等相关领域具有广泛的应用价值。针对
学位
派生性妨碍了身份权在立法上被统一确权,诱发身份权保护漏洞填补机制失范。但派生性也提示了一条因循身份权与基础性人格权之间派生关联性的分类确权进路,即依据获益性身份权、利他性身份权与互益性身份权的不同派生条件,分别厘定其对维护有关身份关系所必须的权利内容与保护范围。由此,也澄清了《民法典》第1001条中关于身份权利保护“没有规定”“可以根据其性质”参照人格权保护规定的法教义,明确了司法裁判中关于身份权
期刊
随着科技的发展,智能化的摄像头已经普及,目标检测也因此得到了广泛应用。例如,在无人驾驶、视频监控和智慧城市等领域都可以看到它的身影。尽管目标检测算法在正常光照的数据集上取得了良好的效果,但是在低照度情况下进行目标检测仍然是一个难题。最主要原因是:目标检测算法的训练集往往是正常光照的图像,而在低照度情况下获得的大多是亮度偏低的图像,因此训练集和测试集之间就存在了巨大且复杂的数据偏差,不仅体现在像素级
学位
跨膜蛋白与非跨膜蛋白的交互是多种生命活动实现的关键环节,更是多数已知药物及其信号进入生物细胞组织内部发挥作用的重要途经。研究跨膜蛋白-非跨膜蛋白交互作用对于研究跨膜蛋白功能、疾病发生原理、药物作用机制等方面都具有非常重要的意义。目前,虽然酵母-双杂交实验技术的出现大幅提升了实验方法检测水溶蛋白质交互作用的能力,但跨膜蛋白交互作用的检测仍难度较大,并且成本高、周期长,不能满足相关研究的需要。因此,采
学位
随着人工智能的发展,智能服务机器人应用的场景越来越多,包括医院和养老院的护理机器人、银行的前台服务机器人、家用服务机器人等。实时检测人物目标并能持续地关注服务对象是上述服务机器人的一个重要功能。现实环境中,光照变换、物体遮挡、尺度变换、目标丢失等问题会影响目标的定位跟踪,降低人机交互的体验,同时制约着智能服务器人的进一步发展。提高人物目标检测、定位、跟踪的精度和鲁棒性是本文的研究重点,研究内容包括
学位