[发明专利]一种在线课程适用性评价方法

说明书

技术领域

本发明属于智能推荐技术领域，具体涉及一种在线课程适用性评价方法。

背景技术

随着信息技术的发展，越来越多针对个人学习的个性化学习系统和课程得到了开发。在线学习在不同阶段的学校教育以及各类成人教育的教学过程中逐渐发挥出了重要的作用。涉及各个学科的在线学习资源，甚至是同一科目的在线课程资源大量地出现在网络上，虽然大量的学习资源为学习者提供了更多的选择，但这也使得学习者在如何选择适合于自己的在线课程方面出现了新的困惑。

为了提升在线课程的学习效果，世界各地的研究者开展了大量的研究。其中最主要的方面是如何提升教学资源的质量，例如在课件中加入大量多媒体元素可以更生动的表现教学内容从而降低学习难度并提升学习者的兴趣。另一个研究热点是增加教学间的互动与引导，例如许多学者采用不同的评价方法来评价各种影响因素和学习效果，进而对教学资源进行有针对性的改进。另外，人工智能和数据挖掘技术的应用也可以帮助教育者获得更有针对性的教学数据，从而为提升学习效果提供新的新途径。

尽管提升在线学习效果已经得到了越来越多的重视，但是辅助学习者从众多的在线课程中选择合适课程的方法却鲜有报道。随着在线学习的发展，越来越多的教育机构和教育工作者致力于开发在线课程，使得大量相同主题却具有不同教学风格和教学策略的课程向学习者开放。显然，不是每一门课程都适合于每一个学习者。根据前人的研究，像学习风格、学习动机、学习行为方式和基础知识等学习者特点会显著影响在线学习效果。换句话说，如果课程的教学风格和教学策略与学习者的个人特点相一致，则在线学习效果会得到提升。所以，设计一种可以帮助学习者进行合适课程选择的适用性评价方法是一种提升在线学习效果的有效途径。

OCAA(On-line course applicability assessment，在线课程适用性评价)是基于学习者特点统计分析的在线学习效果预测方法。根据前人的研究，学习风格、学习行为方式和基础知识是影响在线学习效果的重要的可定量因素。

1、学习风格对在线学习效果的影响

学习风格是指学习者个性化的学习方式，包括在进行创造性思维、信息处理、知识记忆和问题解决时所具有的倾向性特点。大量的研究表明当学习者的学习风格与课程教学策略相一致时学习效果将得到提升。根据学习者学习风格所设计的教学内容可以提高学习效率并使学习者具有更好的表现。对学习风格的适当分类可以有效地对学习者进行区分并为其提供有针对性的帮助。

如上所述，对于学习风格不同的学习者，通过选择合适的学习内容可以提升其在线学习的效果。所以，本发明采用学习风格评价方法对学习者的学习风格进行评价，从而获知是否所选择的课程与其学习风格相一致。前人的研究表明，在线学习环境中Felder-Silverman的早期模型在区分不同风格学习者方面的准确性高达71％。另外，与传统学习相比，在线学习具有其独特的性质。例如学习与交流过程基本都是通过视觉和听觉的方式完成，并且学习者的自主学习在整个学习过程中占有主导地位。因此，“视觉&听觉型学习者”的分类更符合在线学习特点，并且“归纳&推理”型的学习在自主学习过程中也会有明显的不同。基于以上分析，本发明中学习风格评价将根据1988年发表的Felder–Silverman风格模型进行设计。

2、学习行为方式对在线学习效果的影响

在线学习对学习者的限制较少，学习者可以根据需求在任何时间和地点进行学习。但是，无约束的学习环境需要学习者有明确的学习动机并要求更高的自律性。自律性的学习要求学习者主动的管理和调节复杂的学习行为。Heikkila和Lonka认为自律型学习者会设置明确的学习目标并制订详细的学习计划，会保持学习的主动性并能很好的执行学习计划。研究表明自律性对于提升学习者的在线学习效果具有重要的作用。根据Hu和Gramling的研究，自律性对提升学习者在线学习过程中的积极性是非常重要的。相反地，拖延会导致在线学习效果的降低并可能引发各种学习问题。根据Pintrich的研究，自律型学习主要包括以下三种学习策略类型：

1)认知学习策略：这一类型可以应用于简单的记忆性学习(例如对单词、表格等的记忆)或者是较复杂的需要理解的知识。

2.自律型策略：自律型策略用于管理、控制学习者自身的认知活动和实践行为。

3.资源管理策略：这一策略应用于学习者管理和控制其所在的环境。