自适应学习算法的应用研究进展

被引：5

作者：

汪存友 ^{[1
]}

赵燕飞 ^{[2
]}

王亚青 ^{[2
]}

机构：

[1] 山西师范大学传媒学院

[2] 山西师范大学教育科学学院

来源：

开放学习研究 | 2020年 / 25卷 / 02期

关键词：

自适应学习; 算法; 机器学习; 心理测量学; 自适应学习平台;

D O I：

10.19605/j.cnki.kfxxyj.2020.02.006

中图分类号：

G434 [计算机化教学];

学科分类号：

040110 ;

摘要：

自适应学习是个性化学习的实现方式,通过分析收集到的学习者实时交互数据来自主引导学习者学习。目前自适应学习还处在弱人工智能水平,而实现自适应学习向强人工智能水平转变的突破口在于自适应学习算法的突破。同时,自适应学习算法是实现自适应学习的关键支撑,因此,有必要对自适应学习算法及其应用进展进行深入分析。本研究首先梳理了当前主流自适应学习平台使用的自适应学习算法,将自适应学习算法归为心理测量类和机器学习类,并详细介绍了这几类算法的具体应用,从而总结出各类算法的优缺点,最后提出将两类算法进行结合,根据优势互补原则组合多种自适应学习算法的应用策略和建议。

引用

页码：40 / 46

页数：7

共 10 条

[1] 面向智慧教育的学习分析与智能导学研究——基于RSM的个性化学习资源推送方法 [J].

马玉慧 ;

王珠珠 ;

王硕烁 ;

郭炯 .

电化教育研究, 2018, 39 (10) :47-52+82

[2] 个性化学习资源推荐算法研究 [J].

卫文婕 ;

付宇博 .

中国教育信息化, 2018, (18) :91-96

[3] 国外典型自适应学习平台的基本框架及其关键技术分析 [J].

王硕烁 ;

马玉慧 .

开放学习研究, 2018, 23 (01) :48-54

[4] 自适应学习技术研究现状与展望 [J].

董晓辉 ;

杨晓宏 ;

张学军 .

电化教育研究, 2017, 38 (02) :91-97+121

[5] 基于大数据的牛顿平台自适应学习机制分析——“教育大数据研究与实践专栏”之关键技术篇 [J].

万海鹏 ;

汪丹 .

现代教育技术, 2016, 26 (05) :5-11

[6] 基于遗传算法的聚类与协同过滤组合推荐算法 [J].

冯智明 ;

苏一丹 ;

覃华 ;

邓海 .

计算机技术与发展, 2014, 24 (01) :35-38

[7]

Integrating machine learning into item response theory for addressing the cold start problem in adaptive learning systems[J] . Konstantinos Pliakos,Seang-Hwane Joo,Jung Yeon Park,Frederik Cornillie,Celine Vens,Wim Van den Noortgate.Computers & Education . 2019

[8]

A novel adaptive e-learning model based on Big Data by using competence-based knowledge and social learner activities[J] . Marouane Birjali,Abderrahim Beni-Hssane,Mohammed Erritali.Applied Soft Computing . 2018

[9]

Hybrid Recommender Systems: Survey and Experiments[J] . Robin Burke.User Modeling and User-Adapted Interaction . 2002 (4)

[10] A GENETIC ALGORITHM TUTORIAL [J].

WHITLEY, D .

STATISTICS AND COMPUTING, 1994, 4 (02) :65-85

← 1 →