一种在线课程适用性评价方法技术

本发明专利技术公开了一种在线课程适用性评价方法，属于智能推荐技术领域。所述方法在统计分析学习者个人学习特点、在线课程教学策略的基础上，通过对大量学习者的个人学习特点和对在线课程的学习效果进行统计计算，建立学习者个人特点与学习效果之间的关联模型，然后采用所述关联模型对学习者在待选课程中的学习效果进行预测，根据预测结果帮助学习者挑选出最适合的课程进行学习，即挑选预测结果最佳的课程进行学习。通过所述方法，可以使学习者从大量的课程资源中更容易地找到适合于个人特点的课程，使其学习效果得到提升。另外，所述方法可以帮助学习者更好地了解所选课程在教学风格等方面的细节，从而在学习中能够有效地克服自身的弱点。

【技术实现步骤摘要】

本专利技术属于智能推荐
，具体涉及一种在线课程适用性评价方法。
技术介绍
随着信息技术的发展，越来越多针对个人学习的个性化学习系统和课程得到了开发。在线学习在不同阶段的学校教育以及各类成人教育的教学过程中逐渐发挥出了重要的作用。涉及各个学科的在线学习资源，甚至是同一科目的在线课程资源大量地出现在网络上，虽然大量的学习资源为学习者提供了更多的选择，但这也使得学习者在如何选择适合于自己的在线课程方面出现了新的困惑。为了提升在线课程的学习效果，世界各地的研究者开展了大量的研究。其中最主要的方面是如何提升教学资源的质量，例如在课件中加入大量多媒体元素可以更生动的表现教学内容从而降低学习难度并提升学习者的兴趣。另一个研究热点是增加教学间的互动与引导，例如许多学者采用不同的评价方法来评价各种影响因素和学习效果，进而对教学资源进行有针对性的改进。另外，人工智能和数据挖掘技术的应用也可以帮助教育者获得更有针对性的教学数据，从而为提升学习效果提供新的新途径。尽管提升在线学习效果已经得到了越来越多的重视，但是辅助学习者从众多的在线课程中选择合适课程的方法却鲜有报道。随着在线学习的发展，越来越多的教育机构和教育工作者致力于开发在线课程，使得大量相同主题却具有不同教学风格和教学策略的课程向学习者开放。显然，不是每一门课程都适合于每一个学习者。根据前人的研究，像学习风格、学习动机、学习行为方式和基础知识等学习者特点会显著影响在线学习效果。换句话说，如果课程的教学风格和教学策略与学习者的个人特点相一致，则在线学习效果会得到提升。所以，设计一种可以帮助学习者进行合适课程选择的适用性评价方法是一种提升在线学习效果的有效途径。OCAA(On-linecourseapplicabilityassessment，在线课程适用性评价)是基于学习者特点统计分析的在线学习效果预测方法。根据前人的研究，学习风格、学习行为方式和基础知识是影响在线学习效果的重要的可定量因素。1、学习风格对在线学习效果的影响学习风格是指学习者个性化的学习方式，包括在进行创造性思维、信息处理、知识记忆和问题解决时所具有的倾向性特点。大量的研究表明当学习者的学习风格与课程教学策略相一致时学习效果将得到提升。根据学习者学习风格所设计的教学内容可以提高学习效率并使学习者具有更好的表现。对学习风格的适当分类可以有效地对学习者进行区分并为其提供有针对性的帮助。如上所述，对于学习风格不同的学习者，通过选择合适的学习内容可以提升其在线学习的效果。所以，本专利技术采用学习风格评价方法对学习者的学习风格进行评价，从而获知是否所选择的课程与其学习风格相一致。前人的研究表明，在线学习环境中Felder-Silverman的早期模型在区分不同风格学习者方面的准确性高达71％。另外，与传统学习相比，在线学习具有其独特的性质。例如学习与交流过程基本都是通过视觉和听觉的方式完成，并且学习者的自主学习在整个学习过程中占有主导地位。因此，“视觉&听觉型学习者”的分类更符合在线学习特点，并且“归纳&推理”型的学习在自主学习过程中也会有明显的不同。基于以上分析，本专利技术中学习风格评价将根据1988年发表的Felder–Silverman风格模型进行设计。2、学习行为方式对在线学习效果的影响在线学习对学习者的限制较少，学习者可以根据需求在任何时间和地点进行学习。但是，无约束的学习环境需要学习者有明确的学习动机并要求更高的自律性。自律性的学习要求学习者主动的管理和调节复杂的学习行为。Heikkila和Lonka认为自律型学习者会设置明确的学习目标并制订详细的学习计划，会保持学习的主动性并能很好的执行学习计划。研究表明自律性对于提升学习者的在线学习效果具有重要的作用。根据Hu和Gramling的研究，自律性对提升学习者在线学习过程中的积极性是非常重要的。相反地，拖延会导致在线学习效果的降低并可能引发各种学习问题。根据Pintrich的研究，自律型学习主要包括以下三种学习策略类型：1)认知学习策略：这一类型可以应用于简单的记忆性学习(例如对单词、表格等的记忆)或者是较复杂的需要理解的知识。2.自律型策略：自律型策略用于管理、控制学习者自身的认知活动和实践行为。3.资源管理策略：这一策略应用于学习者管理和控制其所在的环境。本专利技术中，采用基于Pintrich评价模型的学习行为方式评价以评估学习者的自律性行为和学习动机。根据这一评价结果，自律性高的学习者可以选择约束较少的在线课程，并且这些学习者可以自主的制定学习计划。而对于自律性较差的学习者，则需要选择有更多指导和详细教学计划的在线课程。3、基础知识对在线学习效果的影响基础知识是影响学习效果的最主要因素之一。相关领域的基础知识可以影响学习者的学习成效。一般认为较好的基础知识水平可以帮助提升学习效果，同时错误的或是不完善的基础知识会影响学习效果。Mitchell等的研究发现具有不同水平基础知识的学习者会对在线学习内容产生不同的认知，从而影响他们的学习效果。基础知识较差的学习者在学习新知识时将面临更大的挑战，他们需要更多的辅助和引导。Thompson和Zamboanga认为学生和教师都可以从基础知识评价中获益，它可以使教师获得更多有用的信息从而能够根据学生的情况有针对性地调整教学策略。所以在学习开始之前进行基础知识评价有助于预测学生的学习表现。同时，基础知识评价可以提供学生在学习课程前的优势与不足等相关细节信息，从而使教师知道在哪些环节需要特别进行关注。基础知识评价的关键是确定哪些类型的基础知识是需要进行评价的。Dochy将基础知识分为陈述性和过程性知识两种类型。Anderson将陈述性知识解释为“知道是什么”，而过程性知识解释为“知道为什么”。研究发现不同的评价方法适合于不同类型的基础知识。因此，可以采用不同的评价方法对不同类型的基础知识进行评价。本专利技术将对学习者的陈述性和过程性基础知识分别进行评价。
技术实现思路
为了克服学习者在如何选择适合于自己的在线课程方面出现的困惑，帮助学习者选择适合自己特点的在线课程，本专利技术提供一种在线课程适应性评价(OCAA)方法，所述方法能够分析在线课程教学策略与学习者学习特点之间的关联性，进而预测学习者对该课程的学习效果，从而帮助学习者选到适合自己的在线课程。为实现上述目标，本专利技术采用以下技术方案：一种在线课程适应性评价方法，所述方法在统计分析学习者个人学习特点、在线课程教学策略的基础上，通过对大量学习者的个人学习特点和对在线课程的学习效果进行统计计算，建立学习者个人特点与学习效果之间的关联模型，然后采用所述关联模型对学习者在待选课程中的学习效果进行预测，根据预测的结果帮助学习者挑选出最适合的课程进行学习，即挑选预测结果最佳的课程进行学习，从而提升学习效果。所述学习者个人学习特点包括学习风格、学习行为方式和基础知识。所述在线课程教学策略包括教学内容、学时、教学计划、学习周期、指导方式、讨论与交流方式、练习与作业方式、考核方式。采用学习风格评价方法对学习者的学习风格进行评价，从而获知是否所选择的课程与其学习风格相一致。优选的，根据1988年发表的Felder–Silverman风格模型设计学习风格评价办法。采用基于P本文档来自技高网...

【技术保护点】
一种在线课程适应性评价方法，其特征在于：所述方法在统计分析学习者个人学习特点、在线课程教学策略的基础上，通过对大量学习者的个人学习特点和对在线课程的学习效果进行统计计算，建立学习者个人特点与学习效果之间的关联模型，然后采用所述关联模型对学习者在待选课程中的学习效果进行预测，根据预测的结果帮助学习者挑选出更适合的课程进行学习，即挑选预测结果最佳的课程进行学习，从而提升学习效果。

【技术特征摘要】
1.一种在线课程适应性评价方法，其特征在于：所述方法在统计分析学习者个人学习特点、在线课程教学策略的基础上，通过对大量学习者的个人学习特点和对在线课程的学习效果进行统计计算，建立学习者个人特点与学习效果之间的关联模型，然后采用所述关联模型对学习者在待选课程中的学习效果进行预测，根据预测的结果帮助学习者挑选出更适合的课程进行学习，即挑选预测结果最佳的课程进行学习，从而提升学习效果。2.如权利要求1所述的一种在线课程适应性评价方法，其特征在于：所述学习者个人学习特点包括学习风格、学习行为方式和基础知识。3.如权利要求1所述的一种在线课程适应性评价方法，其特征在于：所述在线课程教学策略包括教学内容、学时、教学计划、学习周期、指导方式、讨论与交流方式、练习与作业方式、考核方式。4.如权利要求1或2所述的一种在线课程适应性评价方法，其特征在于：采用学习风格评价方法对学习者的学习风格进行评价，从而获知是否所选择的课程与其学习风格相一致。5.如权利要求1、2或4所述的一种在线课...

【专利技术属性】
技术研发人员：任毅，戴朝霞，赵晓欢，费明明，甘文田，
申请(专利权)人：中国地质大学北京，
类型：发明
国别省市：北京;11