移动学习环境下学习资源自适应技术研究

来源 :北京师范大学 | 被引量 : 0次 | 上传用户:h563268898
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
科技的发展影响和改变着人们的生活和学习方式。在强劲的技术发展驱动下,教育将从学校走向家庭、社区、乡村,走向任何信息及通信技术能够触及的地方。移动学习(m-learning)将网络教育和移动技术结合起来,已经成为网络教育(e-Learning)的一个新的发展方向。但移动学习中在发展过程中还面临着无线网络不稳定,移动终端能力有限、类型多样和e-learning资源利用率低等问题。所以要解决这些问题就需要用到自适应技术。   基于以上这些问题,笔者研究了移动学习环境下学习资源自适应技术,并设计了一个自适应移动学习系统。希望本文能在移动学习的自适应方面提供新的思路。   为了解决移动终端能力有限的问题,系统为每一个知识点赋予一个重要度值,根据知识点的难易程度对其进行分类。在资源下载的过程中,系统将根据资源的重要度值为其分配一定的客户端存储空间,使得每一个知识点的学习资源都可以得到一定的客户端存储资源。知识点的重要程度初始值是教师在制作课件时赋予知识点的。因此本系统随着学生访问数量的增加,可以对知识点的重要性程度进行动态的调整,使其更能客观体现学生对不同知识点的理解程度和掌握程度。   系统中定义了两种学习模式来保证更好的客户体验。一种是课程学习,主要指学生对整门课程的学习。在课程学习模式下,学习者通常要一门课程中所包含的所有知识点都下载到移动客户端上。因此,在基于课程学习的学习活动中,自适应系统主要目的是为学习者提供完整的课程内容供学生学习。在保证每一个知识点都有内容可以学习的情况下更好的考虑用户的偏好。另一种是知识点学习,主要是指学生对某个知识点的深入学习。在这种模式下主要是让学生对所要学习的知识点能有更深入的理解,所以学习资源要相对于课程学习时的学习资源内容更丰富。   在移动学习过程中,很多因素都可以影响移动学习的效果。因此,本系统从这四个基本的维度来考虑系统的自适应性:学习者、设备、连通性和环境。在确定这些维度在自适应过程中的权重时,系统采用了工程化的方式,使用了向量相似度计算的方法确定权重,使权重更加客观。
其他文献
随着互联网的迅速普及和计算机软、硬件功能的日益强大,人们对计算应用的需求开始朝着高性能、多样化发展,网格计算的概念也随之应运而生。网格是一个集成的计算与资源环境,
随着语义网概念在本世纪初的提出和广泛接受,作为其基础的领域本体成了计算机界的研究热点。手工构建领域本体耗时费力,寻找有效的半自动化构建方法,是语义网发展的一个瓶颈问题
随着互联网技术的高速发展,Web已经成为最重要的新闻媒体之一。通过浏览Web新闻,人们能在短时间内了解来自不同国家和地区近期所发生的各类事件。而在众多新闻当中,那些难以准确
互联网应用的日益普及,企业信息化得到越来越多企业的认同和重视,随着企业级信息系统规模的不断扩大和复杂度日渐升级,如何迅速开发出具有良好扩展性、维护性的企业应用是一个值
机器博弈作为人工智能研究的重要分支,可研究的内容极为广泛,而当前对中国象棋博弈的研究也在不断地发展着。通过对本人硕士期间完成的中国象棋程序“GoldFriend”的数据结构、
毋庸置疑,信息检索技术已经成为人们使用互联网的重要技术,并蕴含着巨大商机。问答系统作为信息检索技术日后发展的方向,也是国内外学者研究的热点。在国外,已经有许多对问答技术
近年来,游戏和动画已成为许多人主要的休闲娱乐方式之一,以至于游戏和动画制作迅速变成一个越来越热的新兴产业。人们对游戏与动画的需求也越来越趋于高质量,能够带来立体视觉效
随着信息数据化的深入发展,数据信息存储需求日益剧增,中小企业首当其冲成为存储需求市场的主力军。然而,遍观整个存储产品市场,还没有一种有效的解决方案能够在性能和价格比上切
随着软件规模的增大、运行环境的开放性和动态性,使得用户需求和系统资源环境的变化也变得异常频繁,导致软件开发变得越来越复杂。传统软件开发方法很少从体系结构层面将软件
隐写(Steganography)技术是信息安全(Information Security)领域中信息隐藏(Information Hiding)方向的一个分支,是关于将信息秘密地嵌入到数字图像等用于传输的媒介之中,使得