《虛擬學習社區的新型構建與能力測評模式》致力于探討新的虛擬學習社區構建及能力測評模式，旨在提升個性化、交互性教學效果。《虛擬學習社區的新型構建與能力測評模式》共分為8章，在第1、2章中對研究意義、研究內容、研究背景等進行概述；第3-6章基于對學習者的網絡學習行為，分別介紹如何進行面向虛擬學習社區的社區分組、個性化教學策略推理機制研究及基于教學策略推理機制的虛擬學習社區系統構建和基于學習者專業背景的虛擬學習社區建構與效能分析；第7章進一步介紹基于項目反應理論和Newton中值法的學習能力自適應評估方法；第8章對全書的研究工作進行總結。
《虛擬學習社區的新型構建與能力測評模式》適用于從事人工智能與數據挖掘、智能計算機輔助教育等交叉學科領域的科研人員，也可供高等院校計算機科學與技術、教育測量與評價、管理科學與工程等相關專業的研究生及本科生使用。
隨著社會經濟的快速發展，人們需要不斷提升自身的知識技能以跟上時代的步伐，網絡教育為人們的知識需求提供了新的途徑。近年來，計算機技術和互聯網得到迅速發展和廣泛普及，促使網絡教育迅速發展，以社區形式呈現的虛擬學習社區平臺等各種網絡教學環境應運而生。
虛擬學習社區是網絡教育一個新的發展趨勢，因而，近幾年虛擬學習社區成為教育領域的研究熱點之一。伴隨著虛擬學習社區理論研究的深入，探討新型虛擬學習社區的構建，成為個性化學習時代的發展要求。
虛擬學習社區注重師生、生生交互性教學。傳統網絡教育一般通過網絡來傳輸畫面、電子課件供學習者學習，學習者是知識的被動接收者，教師不能實時地掌握學習者學習的狀況，也感受不到教學的學習氣氛，仍然屬于填鴨式教學。虛擬學習社區具有交互性、開放性等特征。學習者是知識的主動建構者，學習者為了共同的學習目標進行交流與合作，具有較緊密的聯系。當學習上出現疑點困惑時，社區學習者可以及時地向教師反映、請教，有利于教學效率的提高。同時，虛擬學習社區注重個性化教學。傳統網絡教學屬于一對多教學、大眾化教學，一個教師面對著一群學習者，不注重學習者之間的差異性，對不同的學習者采用一致的教學方法，影響學習者的學習效率。虛擬學習社區為學習者、教師建立相應的學習者模型、教師模型，每個模型都有自身的特點，能適應環境的變化，可以為不同學習者提供不同的教學服務，實現個性化教學，滿足時代對人才培養方式的要求，是未來教育的一種趨勢。
本書圍繞虛擬學習社區構建及能力測評模式進行研究，旨在為虛擬學習社區更好地支撐個性化、交互性教學而努力。全書共包含8章內容，具體的章節安排如下。
第1章主要介紹網絡教育與虛擬學習社區的發展現狀及研究意義，并對本書的研究內容、組織結構進行簡單描述。第2章詳細介紹本書的相關研究背景。第3章簡要地介紹虛擬學習社區的基本概念，從四個方面綜述虛擬學習社區的相關應用研究；運用統計分析與可視化的方法，教育數據挖掘中改進的k-均值法、層次聚類法，開展基于虛擬學習社區的教學行為數據進行挖掘的案例分析。第4章基于學習特征的教學策略推理機制，構建學習特征的教學策略推理系統模型、教學策略推理機制；定義學習者的學習特征，并運用模糊C-均值聚類算法進行學習特征聚類分組以及實驗模擬和教學策略推薦。第5章闡述傳統網絡教學系統的缺陷和不足，應用多Agent技術構建基于教學策略機制的虛擬學習社區，并分析基于教學策略機制的虛擬學習社區的工作原理。構建教學策略推理機制，設計基于學習特征的教學策略推薦模型，運用余弦相似度來計算聚類中心點學習特征與教學策略規則的匹配度，較好地解決教學策略推薦智能推理的問題。第6章以學習者在群集智能化虛擬學習社區的實驗平臺活動產生的部分日志記錄及相關數據庫信息為研究數據，使用統計工具SPSS，初步探究學習者不同專業背景對學習效果是否有顯著性影響；通過進一步對學習者群體進行層次聚類分析，結合分析結果提出將結合學習者個性化的學習反饋信息不斷對社區內學習資源進行優化。第7章重點對基于項目反應理論（item response theory，IRT）的學習能力估計算法中極大似然估計方程的計算方法進行比較分析，提高能力估計的收斂性，達到探求一種快速收斂、高效的學習能力評估算法的目的。最后，第8章總結了本書研究的主要內容、工作，以及下一步的研究方向。
查看全部↓
第1章 緒論
1．1 引言
1．1．1 網絡教育的快速發展
1．1．2 虛擬學習社區是時代發展的要求
1．2 研究意義
1．3 虛擬學習社區的理論及實踐研究
1．3．1 國內外虛擬學習社區的基本概念
1．3．2 虛擬學習社區的學習共同體理論
1．3．3 虛擬學習社區的分類
1．3．4 虛擬學習社區的構建研究
1．4 本書的主要內容
1．5 本書的篇章結構
參考文獻
第2章 相關研究背景
2．1 網絡教育起源
2．2 虛擬學習社區
2．2．1 虛擬學習社區的性質
2．2．2 虛擬學習社區的優缺點
2．2．3 虛擬學習社區的研究綜述
2．3 虛擬學習社區的社會網絡結構的應用研究
2．4 個性化推薦
2．4．1 個性化推薦的基本原理
2．4．2 個性化推薦技術
2．4．3 個性化推薦算法的研究綜述
2．4．4 個性化教學
2．5 虛擬學習社區的發展階段
2．6 虛擬學習社區的形式化定義
2．7 本章小結
參考文獻
第3章 基于社會網絡行為分析的虛擬學習社區分組構建研究
3．1 虛擬學習社區的社會網絡結構的含義
3．2 層次聚類法
3．2．1 層次聚類法研究綜述
3．2．2 基于層次聚類法的改進算法研究
3．2．3 層次聚類法的優缺點
3．3 k-均值法
3．3．1 k-均值法基礎理論
3．3．2 k-均值法研究綜述
3．3．3 k-均值法的優點
3．4 簇間距離度量準則
3．5 sPss分析工具
3．5．1 SPSS簡介
3．5．2 SPSS的功能
3．6 網絡行為挖掘與分析
3．6．1 研究樣本與研究思路
3．6．2 數據準備
3．6．3 教育數據挖掘內容
3．6．4 總體學習時間分布特點
3．6．5 學生學習時間偏好分析
3．7 興趣分組與個性化資源推薦
3．7．1 基于知識點的個性化推薦探索
3．7．2 知識點模型
3．7．3 學習者興趣模型
3．7．4 知識點的個性化推薦
3．8 社會網絡結構分析
3．8．1 聚類因子的選取
3．8．2 層次聚類法分析數據
參考文獻
第4章 基于學習特征挖掘的虛擬學習社區個性化教學策略推理機制
4．1 相關理論基礎
4．1．1 教育數據挖掘概述
4．1．2 聚類分析算法
4．1．3 模糊聚類分析
4．1．4 模糊G-均值聚類算法
4．2 基于學習特征挖掘的教學策略推理機制系統模型
4．2．1 數據預處理模塊
4．2．2 學習者學習特征分析模塊
4．2．3 教學策略推理模塊
4．3 虛擬學習社區中學習者的學習特征提取
4．4 教學策略推理機制
4．4．1 幾種典型的知識表示法
4．4．2 教學策略的產生式表示法模型定義
4．4．3 基于學習特征的教學策略推理機制
4．4．4 基于學習特征的教學策略推理分析
4．5 基于模糊C-均值聚類的學習特征分析
4．5．1 聚類分組策略
4．5．2 模糊C-均值聚類分析學習特征的具體過程
4．6 基于模糊C-均值聚類的學習特征聚類的模擬實驗
4．6．1 學習特征的數據來源
4．6．2 學習行為記錄采集
4．6．3 算法初始參數設置
4．6．4 模糊D均值聚類分組實現過程
4．6．5 實驗結果及教學策略推理分析
參考文獻
第5章 基于教學策略推理機制的虛擬學習社區系統構建
5．1 虛擬學習社區的構建概述
5．2 虛擬學習社區與復雜系統
5．2．1 虛擬學習社區與復雜系統的內在耦合性
5．2．2 自上而下與自下而上的設計方法
5．3 Agent在基于教學策略機制的虛擬學習社區中的應用概述
5．3．1 Agent的定義
5．3．2 Agent的基本結構
5．3．3 Agent在基于教學策略機制的虛擬學習社區中的應用概述
5．4 虛擬學習社區系統結構與設計
5．4．1 多Agent教學系統的優點
5．4．2 基于教學策略機制的虛擬學習社區結構圖
5．4．3 基于教學策略機制的虛擬學習社區學生Agent的設計
5．5 虛擬學習社區交互評價模塊的實現
5．5．1 教學策略推理模塊的設計思想
5．5．2 教學策略推理模塊的實現
5．6 小結
參考文獻
第6章 基于學習者專業背景的虛擬學習社區建構與效能分析
6．1 虛擬學習社區中的個性化支持
6．2 研究樣本選取及數據收集
6．3 不同專業背景的學習者學習效能差異性分析
6．4 不同專業背景的學習者的聚類構建分析
6．5 本章小結
參考文獻
第7章 基于項目反應理論和Newton中值法的學習能力自適應評估方法
7．1 CNT的概述
7．2 項目反應理論
7．3 Logistic模型的基本理論
7．3．1 Logistric函數
7．3．2 特征曲線
7．4 自適應能力評估模型
7．4．1 簡化項目參數取值
7．4．2 能力估計算法
7．4．3 計算方法
7．5 測試終止條件
7．6 取題算法
7．6．1 項目與測驗的信息函數
7．6．2 選題策略及實現
7．7 模擬結果及分析
7．7．1 仿真系統的設計
7．7．2 收斂速度對比分析
7．7．3 計算時間的對比分析
7．8 小結
參考文獻
第8章 結論與展望
8．1 總結
8．2 展望
查看全部↓
新書資訊