论文基于大数据分析远程学习者建模和个性化学习应用是关于数据分析方面的的相关大学硕士和相关本科毕业论文以及相关数据分析的四个步骤论文开题报告范文和职称论文写作参考文献资料下载。
【摘 要】 E-learning已发展到大数据时代.远程学习者模型构建是学习大数据分析和个性化教学的核心.本研究首先对国内外的学习者建模理论进行分析,国外比较著名的覆盖模型、铅板模型、贝叶斯模型等学习者模型理论比较注重运用计算算法和人工智能技术获取学习者学习特征,而国内远程学习者建模注重从学习者特征要素的分析出发,由于视角不同,建模方法多种多样.本研究着眼于远程学习行为的大数据分析及个性化教学需要,从个人信息、学习风格、学习兴趣和知识模型四方面构建远程学习者模型,并围绕该模型从个性化资源推送、个性化学习路径和远程督导服务等方面提出相应的个性化教学应用思路.
【关键词】 e-learning；大数据；学习分析；学习者模型；个性化学习
【中图分类号】 G420 【文献标识码】 A 【文章编号】 1009-458x（2017）07-0034-06
一、E-learning的大数据时代和学习分析
随着移动网络通信技术的飞速发展和智能终端设备的大规模普及,学习者手持平板电脑或手机可随时随地开展电子化学习,学习行为和学习轨迹被无处不在的网络所捕捉和全面记录,日益完善的云平台数据存储技术为学习数据大规模存储提供了便利.E-learning的大数据时代来临.对学习行为的精细化分析有助于获取学习者的学习兴趣或需求等个性化特征,为大规模远程分散教学背景下的个性化教学服务提供了可能.
首届学习分析和知识大会将学习分析定义为 “测量 、收集 、分析和报告有关学生及其学习环境的数据,用以理解和优化学习及其产生的环境的技术”（张艳霞, 2015）.通过对e-learning平台中零散学习行为数据的收集、汇总、归纳和分析,可对学习者的学习状态和学习绩效做出全面评估和预测,进而为之提供不同的个性化服务.教师可以按照不同学习者的学力水平、年龄和性别特征、职业岗位特点、专业技能水平、兴趣爱好等,有针对性地提供学习内容、辅导和督促,实现个性化教学指导.对学习者而言,大数据能及时跟踪学习信息并反馈实时分析结果,使学习者能了解自身学习状态,及时查漏补缺,选择个性化学习路径.对教学机构来说,通过学习分析可以预测学习者兴趣和需求,调整相关政策或教学策略.总之,学习分析可广泛应用于学习需求挖掘、决策数据支持和个性化教学.
二、远程学习者模型理论
大数据分析的关键是用户模型的建立,对学习分析来说,只有首先建立适当的学习者模型,才能对学习数据进行合理分类分析,进而为学习者提供有针对性的服务.所谓学习者模型是对学习者特征的抽象表示和描述,是个性化教学的核心和关键.学习分析的过程就是围绕学习者模型对学习行为大数据进行分类、整理和呈现的过程.
如何科学构建远程学习者模型为大数据分析提供有力支持?国外影响比较大的建模理论是覆盖模型（将专家知识和学习者知识进行比较）、铅板模型（简单描述学习者知识状态）、贝叶斯模型（编码知识之间的因果关系,根据学习数据推导学习者的知识掌握程度）等,这些理论模型注重通过计算算法或人工智能技术实现学习者特征的获取和建模（张舸, 2012）.在国内,学习者模型研究不够广泛,也没有形成相对成熟的理论体系,以“学习者模型”為关键词检索CNKI数据论文库仅得63篇检索结果,且这些论文涉及的学习者模型构建主要围绕学习者特征要素的分析来进行.教育部教育信息化技术标准研究委员会制定的网络学习者模型标准——CELTS-11将学习者信息分为八类：个人信息、学业信息、管理信息、关系信息、安全信息、偏好信息、 绩效信息和作品集信息（庄科君, 2015）.这些特征信息包含静态和动态信息,涉及人口学特征、教学、管理及安全等所有内容.但基于建模视角和目的不同,学习者模型构建方法多种多样.相对比较有代表性的研究包括：丁兴富提出远程学习者特征理论分析体系包含人口学、社会学、地理学、情境状态、动机动力、评价等维度（张舸, 2012）,王迎等（2006）提出学习者模型包含人口学特征、支持性特征、动力特征和策略特征.二者比较概而全,对教学实际操作价值不强.邱百爽等（2008）提出的学习者模型主要考虑用户学习风格、认知水平和兴趣偏好三大因素,庄科君等提出学习者模型包含基本信息、学习偏好、学习目标、认知状态和知识水平（高虎子, 2012）.二者对个性化教学实操更有指导意义.本研究在国内外研究基础上,从和远程教和学密切相关的个性化特征要素出发构建远程学习者模型,注重解决各特征要素的数据收集方式和如何应用等实操问题,各特征都可基于大数据分析技术和相关算法来获取.
三、远程学习者模型的构建
基于学习者特征信息的相对稳定和动态属性,着眼于大数据分析发掘学习者兴趣并为之提供个性化服务,本研究提出从个人信息、学习风格、兴趣模型和知识模型四个方面构建远程学习者模型,如图1所示.
(一)个人信息
个人信息属于静态信息,主要是学习者的个人身份信息及和学习相关的学业信息,包括用户名、年龄、性别、民族、职业、地域、专业、学历层次等,是基本稳定的用户属性,是开展个性化教学的必要基础,比如年龄、性别、地域等可作为协作学习方式中异质分组的重要指标,学历层次在一定程度上决定了学习者的学前知识水平.
(二) 学习风格
学习风格亦称“学习方式”,指学习者个体在其心理、生理特征基础上形成的接受和加工信息的持久性偏好（陈丽, 2005）,是学习策略和学习倾向的总和.学习者对资源呈现方式接收的偏好及对自主学习或协作学习方式的偏好都和学习风格这种持续一贯的个性特征高度相关.有研究表明,学习者学业成绩也和学习风格显著相关（陈丽, 2005）.了解远程学习者的学习风格,有助于在资源呈现和教学方式上投其所好,实现个性化服务.
陈丽（2005）在综合研究的基础上,从生理、经验和心理三个层面构建了远程学习者学习风格框架.其中,生理维度包含视、听、动三种感官通道偏好；经验维度包含原理型、经验型、实践型和思考型四种学习方式偏好；心理维度包含内向和外向、现实和幻想、理性和感性、计划和随意八种人格心理特征类型,具体如图2所示.
总结:本论文为免费优秀的关于数据分析论文范文资料，可用于相关论文写作参考。
参考文献：
1、 大数据时代高职动物繁殖课程混合式学习探究 摘 要：混合式学习是借助于数字化学习平台，线上与线下相融合的新型学习模式。本文基于“混合式学习”理念，对高职“动物繁殖”课程教学进行改革与实践，。
2、 大数据引领高校思想政治教育个性化服务转型 21世纪，人类已经全面进入了信息化时代，通过互联网，云计算和未来物联网的普及，将会产生海量的数据，并且数据的增长呈现出指数级的加速，人类开始迈向。
3、 大数据和人工智能视角下，银行业如何风险防控 近期，央行发文，要求全国性商业银行于2017年8月底前，其他商业银行于2017年12月底前，完成基于大数据技术的银行卡风险防控系统建设，提升磁条。
4、 基于产业链视角传统征信和大数据征信良性互动 摘 要：征信是金融运行的基石。我国在改革开放后建立的征信业为金融体系的健康运行提供了有力的保障。近年来金融借助互联网技术不断纵深发展，互联网金融。
5、 城市规划如何用好大数据 理论上，庞大且多元的数据为精准的城市规划带来了福音，但城市建设者在实际收集和使用这些数据时却阻力重重。在寸土寸金的大城市，精细规划变得越来越重。
6、 硅谷死敌玛格丽特·维斯塔格:并购审查重点关注大数据垄断 因一系列针对科技巨头公司的处罚，欧盟委员会竞争专员玛格丽特·维斯塔格被称为西方世界最有权力的反垄断者、欧盟竞争秩序的“守护者”和大公司“死对头”。