武汉在线教育技术方案：智能学习系统+个性化提分课程

适应性和个性化学习系统研究前沿——与国际著名教育技术专家金书轲教授对话

适应性和个性化学习系统是近几年来教育技术研究和应用领域的热点问题之一.电子化学习不仅发生在课堂上,还发生在课堂之外的工作单位,休息场所及旅途中.在网络和泛在学习环境中,如何自动识别学习者的特性和学习风格,为之提供适当的内容,练习和指导,减轻教师和助教的工作负担,是适应化和个性化学习研究的主要问题之一.认知科学和心理学领域的最新研究成果,为这项研究奠定了理论基础和模型,泛在计算等则在网络技术的基础上,为这项研究提供了新的技术支撑.金书轲(Kinshuk)教授是目前国际上知名的年轻教育技术专家之一,他任加拿大阿萨巴斯卡大学(Athabasca University)计算机和信息系统学院院长,适应性和个性化系统工业教席教授.他是SSCI索引源期刊《教育技术与社会》(Journal of Educational Technology Society)的创办人和主编,国际电气电子工程师协会(IEEE)学习技术专业委员会(Technical Committee on Learning Technology)创始人和主席,主持和参与了众多大规模的适应性教育环境方面的研究项目,在国际知名刊物,会议和书籍著作中发表了230多篇研究论文.他发起,组织了学习技术方面的很多国际性的学术会议和工作坊,比如IEEE高级学习技术国际会议(ICALT),无线,移动和泛在学习技术(WMUTE)等等.本刊组织国内相关领域的研究者与其对话,探讨了适应性和个性化学习系统研究的前沿问题.

基于Agent的个性化学习系统设计与实现

随着网络技术的发展和智能教学系统的广泛应用,网上教学已经成为教育技术领域备受关注的研究内容,鉴于现有网上教学平台动态交互性不强,个性化不突出,导航不完善,学习记录情况跟踪不重视等问题,本文将智能Agent技术的特点与智能教学系统相结合,对上述缺陷进行研究与改进. 本文在设计个性化教学系统时,在传统的B/S结构体系中间加入一个多Agent代理层,形成B/A/S的三层结构模型,利用Agent管理学习者的信息,动态地跟踪学习者的学习记录情况,为建立学生模型提供更加可靠的依据;Agent的自主性和反应性,能够满足学生学习时系统主动给出个性化提醒和导航的需要;从教与学的角度出发,系统中包含学习者Agents和教师Agent,学习者Agents之间通过Agent的社会性完成协同;教师Agent可以主动和学生交流信息,随时掌握学生的学习状态. 贝叶斯网络是人工智能领域中一种将图论和概率论相结合的图形模型,用来模拟现实世界中的事物间的因果关系.利用贝叶斯网络对先验信息和后验信息的结合能力,编码学生知识点间的因果联系,通过不断加入信息,可以即时更新对学生能力的评测和把握,为系统提供个性化学习和准确实现出题策略提供良好的依据. 本文以《C语言程序设计》课程作为试验内容,给出了覆盖型的学生模型,系统的总体框架和工作流程,各功能模块及模块的设计方案,重点分析了多Agent代理层的设计和实现并给出了相应的关键代码,系统总体上实现了学习的个性化,主要体现为:学习风格的选择和个性化的学习内容呈现,个性化的提醒和导航,学习情况记录跟踪及教师个性化的学习指导等方面. 系统采用ASP技术,Java技术,结合软件Agent思想,完成了"基于Agent个性化学习系统(ILSOA)",运行结果表明设计基本达到了预期目标,在智能教学系统的个性化,交互性,智能性等方面有了较为明显的改进.

融入智能图元技术的学生个性化成长系统之构建与探索

近年来,"以学习者为中心"的个性化教育已然成为世界教育发展的主流,新技术也成为个性化人才培养的重要手段.然而,面对层出不穷的众多教学平台,学习平台,学生管理平台以及APP工具,一线教师和学生变得疲于应对;同时,长期以来,学生个性化成长的真实信息严重缺失,连续的电子信息资料缺少,特别是缺少电子图文,音视频等资料.智能图元技术的提出和应用,为有效解决上述问题提供了一种新的途径.智能图元技术指用基本的立体几何图形和颜色进行编码,以代替现有"0,1"数码模式,从而实现信息的有效识别,传播与高安全.基于智能图元技术,设计了学生个性化成长系统模型与平台架构,并通过成绩分析和问卷调研对该系统进行效果验证.研究结果表明:与传统的学生管理系统或者电子档案袋等相比,在实现学生的个性化学习与发展方面,基于智能图元技术的学生个性化成长系统,具有明显的整合性,便捷性,智能性,精准性,持久性以及连续性,安全性和防伪性等优势,可以为促进"智能+教育"时代学生的个性化发展,提供可借鉴的技术服务支持.

基于人工智能的中职信息技术个性化学习系统研究

文章针对中职信息技术课程教学中的个性化需求,构建了融合知识图谱与深度强化学习的个性化学习系统.该系统结合课程标准的细粒度知识图谱,通过改进的协同过滤算法实现学习资源推荐,同时支持个性化学习路径生成,有效提升了不同水平学生的学习完成度,为职业教育数字化转型提供了新范式.

护理情境模拟教学中学生团队协作能力多模态评估的范围综述

目的对护理情境模拟教学中学生团队协作能力多模态学习评估的相关研究进行范围综述,总结多模态学习评估的应用现状与局限性.方法系统检索中国知网,万方,维普,Web of Science,EBSCO,IEEE Xplore,ACM数据库建库至2025年11月12日收录的中英文文献及Google Scholar数据库中相关主题的前100篇文献,文献筛选后,进行资料提取和分析.结果共纳入13篇文献,护理情境模拟教学中学生团队协作能力的多模态学习评估最常采用音频,视频和空间数据组合的多模态评估形式.构建的多种评估系统实现了从描述性到预测性,解释性的多维度评估.所评估的团队协作能力可归纳为认知与沟通能力,执行与协调能力,空间行为模式及生理与情感状态4个维度.当前存在的主要研究局限为评估指标缺乏统一标准,数据整合与解读主观性强;评估系统在数据质量,自动化程度及可用性方面仍有待优化;研究设计存在场景普适性差,样本代表性不足及隐私伦理考量欠缺等问题.结论多模态学习评估能多方位捕捉学生在护理情境模拟教学中的团队协作能力,但其发展仍处于初级阶段.未来研究应致力于建立标准化的评估指标体系,利用人工智能技术提升数据处理的自动化与智能化水平,并在多场景,大样本中验证评估系统的有效性,同时加强隐私保护与伦理规范建设.