《虚拟学习社区的新型构建与能力测评模式》致力于探讨新的虚拟学习社区构建及能力测评模式，旨在提升个性化、交互性教学效果。《虚拟学习社区的新型构建与能力测评模式》共分为8章，在第1、2章中对研究意义、研究内容、研究背景等进行概述；第3-6章基于对学习者的网络学习行为，分别介绍如何进行面向虚拟学习社区的社区分组、个性化教学策略推理机制研究及基于教学策略推理机制的虚拟学习社区系统构建和基于学习者专业背景的虚拟学习社区建构与效能分析；第7章进一步介绍基于项目反应理论和Newton中值法的学习能力自适应评估方法；第8章对全书的研究工作进行总结。
《虚拟学习社区的新型构建与能力测评模式》适用于从事人工智能与数据挖掘、智能计算机辅助教育等交叉学科领域的科研人员，也可供高等院校计算机科学与技术、教育测量与评价、管理科学与工程等相关专业的研究生及本科生使用。
随着社会经济的快速发展，人们需要不断提升自身的知识技能以跟上时代的步伐，网络教育为人们的知识需求提供了新的途径。近年来，计算机技术和互联网得到迅速发展和广泛普及，促使网络教育迅速发展，以社区形式呈现的虚拟学习社区平台等各种网络教学环境应运而生。
虚拟学习社区是网络教育一个新的发展趋势，因而，近几年虚拟学习社区成为教育领域的研究热点之一。伴随着虚拟学习社区理论研究的深入，探讨新型虚拟学习社区的构建，成为个性化学习时代的发展要求。
虚拟学习社区注重师生、生生交互性教学。传统网络教育一般通过网络来传输画面、电子课件供学习者学习，学习者是知识的被动接收者，教师不能实时地掌握学习者学习的状况，也感受不到教学的学习气氛，仍然属于填鸭式教学。虚拟学习社区具有交互性、开放性等特征。学习者是知识的主动建构者，学习者为了共同的学习目标进行交流与合作，具有较紧密的联系。当学习上出现疑点困惑时，社区学习者可以及时地向教师反映、请教，有利于教学效率的提高。同时，虚拟学习社区注重个性化教学。传统网络教学属于一对多教学、大众化教学，一个教师面对着一群学习者，不注重学习者之间的差异性，对不同的学习者采用一致的教学方法，影响学习者的学习效率。虚拟学习社区为学习者、教师建立相应的学习者模型、教师模型，每个模型都有自身的特点，能适应环境的变化，可以为不同学习者提供不同的教学服务，实现个性化教学，满足时代对人才培养方式的要求，是未来教育的一种趋势。
本书围绕虚拟学习社区构建及能力测评模式进行研究，旨在为虚拟学习社区更好地支撑个性化、交互性教学而努力。全书共包含8章内容，具体的章节安排如下。
第1章主要介绍网络教育与虚拟学习社区的发展现状及研究意义，并对本书的研究内容、组织结构进行简单描述。第2章详细介绍本书的相关研究背景。第3章简要地介绍虚拟学习社区的基本概念，从四个方面综述虚拟学习社区的相关应用研究；运用统计分析与可视化的方法，教育数据挖掘中改进的k-均值法、层次聚类法，开展基于虚拟学习社区的教学行为数据进行挖掘的案例分析。第4章基于学习特征的教学策略推理机制，构建学习特征的教学策略推理系统模型、教学策略推理机制；定义学习者的学习特征，并运用模糊C-均值聚类算法进行学习特征聚类分组以及实验模拟和教学策略推荐。第5章阐述传统网络教学系统的缺陷和不足，应用多Agent技术构建基于教学策略机制的虚拟学习社区，并分析基于教学策略机制的虚拟学习社区的工作原理。构建教学策略推理机制，设计基于学习特征的教学策略推荐模型，运用余弦相似度来计算聚类中心点学习特征与教学策略规则的匹配度，较好地解决教学策略推荐智能推理的问题。第6章以学习者在群集智能化虚拟学习社区的实验平台活动产生的部分日志记录及相关数据库信息为研究数据，使用统计工具SPSS，初步探究学习者不同专业背景对学习效果是否有显著性影响；通过进一步对学习者群体进行层次聚类分析，结合分析结果提出将结合学习者个性化的学习反馈信息不断对社区内学习资源进行优化。第7章重点对基于项目反应理论（item response theory，IRT）的学习能力估计算法中极大似然估计方程的计算方法进行比较分析，提高能力估计的收敛性，达到探求一种快速收敛、高效的学习能力评估算法的目的。最后，第8章总结了本书研究的主要内容、工作，以及下一步的研究方向。
查看全部↓
第1章 绪论
1．1 引言
1．1．1 网络教育的快速发展
1．1．2 虚拟学习社区是时代发展的要求
1．2 研究意义
1．3 虚拟学习社区的理论及实践研究
1．3．1 国内外虚拟学习社区的基本概念
1．3．2 虚拟学习社区的学习共同体理论
1．3．3 虚拟学习社区的分类
1．3．4 虚拟学习社区的构建研究
1．4 本书的主要内容
1．5 本书的篇章结构
参考文献
第2章 相关研究背景
2．1 网络教育起源
2．2 虚拟学习社区
2．2．1 虚拟学习社区的性质
2．2．2 虚拟学习社区的优缺点
2．2．3 虚拟学习社区的研究综述
2．3 虚拟学习社区的社会网络结构的应用研究
2．4 个性化推荐
2．4．1 个性化推荐的基本原理
2．4．2 个性化推荐技术
2．4．3 个性化推荐算法的研究综述
2．4．4 个性化教学
2．5 虚拟学习社区的发展阶段
2．6 虚拟学习社区的形式化定义
2．7 本章小结
参考文献
第3章 基于社会网络行为分析的虚拟学习社区分组构建研究
3．1 虚拟学习社区的社会网络结构的含义
3．2 层次聚类法
3．2．1 层次聚类法研究综述
3．2．2 基于层次聚类法的改进算法研究
3．2．3 层次聚类法的优缺点
3．3 k-均值法
3．3．1 k-均值法基础理论
3．3．2 k-均值法研究综述
3．3．3 k-均值法的优点
3．4 簇间距离度量准则
3．5 sPss分析工具
3．5．1 SPSS简介
3．5．2 SPSS的功能
3．6 网络行为挖掘与分析
3．6．1 研究样本与研究思路
3．6．2 数据准备
3．6．3 教育数据挖掘内容
3．6．4 总体学习时间分布特点
3．6．5 学生学习时间偏好分析
3．7 兴趣分组与个性化资源推荐
3．7．1 基于知识点的个性化推荐探索
3．7．2 知识点模型
3．7．3 学习者兴趣模型
3．7．4 知识点的个性化推荐
3．8 社会网络结构分析
3．8．1 聚类因子的选取
3．8．2 层次聚类法分析数据
参考文献
第4章 基于学习特征挖掘的虚拟学习社区个性化教学策略推理机制
4．1 相关理论基础
4．1．1 教育数据挖掘概述
4．1．2 聚类分析算法
4．1．3 模糊聚类分析
4．1．4 模糊G-均值聚类算法
4．2 基于学习特征挖掘的教学策略推理机制系统模型
4．2．1 数据预处理模块
4．2．2 学习者学习特征分析模块
4．2．3 教学策略推理模块
4．3 虚拟学习社区中学习者的学习特征提取
4．4 教学策略推理机制
4．4．1 几种典型的知识表示法
4．4．2 教学策略的产生式表示法模型定义
4．4．3 基于学习特征的教学策略推理机制
4．4．4 基于学习特征的教学策略推理分析
4．5 基于模糊C-均值聚类的学习特征分析
4．5．1 聚类分组策略
4．5．2 模糊C-均值聚类分析学习特征的具体过程
4．6 基于模糊C-均值聚类的学习特征聚类的模拟实验
4．6．1 学习特征的数据来源
4．6．2 学习行为记录采集
4．6．3 算法初始参数设置
4．6．4 模糊D均值聚类分组实现过程
4．6．5 实验结果及教学策略推理分析
参考文献
第5章 基于教学策略推理机制的虚拟学习社区系统构建
5．1 虚拟学习社区的构建概述
5．2 虚拟学习社区与复杂系统
5．2．1 虚拟学习社区与复杂系统的内在耦合性
5．2．2 自上而下与自下而上的设计方法
5．3 Agent在基于教学策略机制的虚拟学习社区中的应用概述
5．3．1 Agent的定义
5．3．2 Agent的基本结构
5．3．3 Agent在基于教学策略机制的虚拟学习社区中的应用概述
5．4 虚拟学习社区系统结构与设计
5．4．1 多Agent教学系统的优点
5．4．2 基于教学策略机制的虚拟学习社区结构图
5．4．3 基于教学策略机制的虚拟学习社区学生Agent的设计
5．5 虚拟学习社区交互评价模块的实现
5．5．1 教学策略推理模块的设计思想
5．5．2 教学策略推理模块的实现
5．6 小结
参考文献
第6章 基于学习者专业背景的虚拟学习社区建构与效能分析
6．1 虚拟学习社区中的个性化支持
6．2 研究样本选取及数据收集
6．3 不同专业背景的学习者学习效能差异性分析
6．4 不同专业背景的学习者的聚类构建分析
6．5 本章小结
参考文献
第7章 基于项目反应理论和Newton中值法的学习能力自适应评估方法
7．1 CNT的概述
7．2 项目反应理论
7．3 Logistic模型的基本理论
7．3．1 Logistric函数
7．3．2 特征曲线
7．4 自适应能力评估模型
7．4．1 简化项目参数取值
7．4．2 能力估计算法
7．4．3 计算方法
7．5 测试终止条件
7．6 取题算法
7．6．1 项目与测验的信息函数
7．6．2 选题策略及实现
7．7 模拟结果及分析
7．7．1 仿真系统的设计
7．7．2 收敛速度对比分析
7．7．3 计算时间的对比分析
7．8 小结
参考文献
第8章 结论与展望
8．1 总结
8．2 展望
查看全部↓
新书资讯