面向虚拟学习社区的兴趣驱动个性化学习新模式研究-以江西教育为例

Currently, great employment pressure and lack of talents are especially prominent phenomenon in China, so it is urgent to cultivate individualized talents. Combining psychometrics, cognitive diagnosis, system dynamics, controlling theory, artificial intelligence and computer science organically, new efficient individualized patterns and deep laws between teaching and learning in virtual learning community are explored so as to make breakthroughs in theory and methods. Adopting methods of behavior dynamics, a behavior dynamic model driven by interests is built to reveal the interaction mechanism between interest and behavior and to predict potential interest. The model, on the basis of Item Response Theory(IRT)and DINA model in cognitive diagnosis, shows the relationship and difference between interest and ability, thus a quantitative model. A behavior network model, based on agent and behavior control, and behavior control mechanism driven by interest is also adopted to explore an efficient calculation method. Through individual and group behavior characteristics, and the description of online behavior system and logic, we are seeking for an efficient interaction mechanism to make out the deducing laws of interest among individuals in self-organized system. The analysis of learning behavior dynamics in virtual learning community provides research cases for human behavior non-poisson property as well.

当前我国"就业难"和"人才荒"两难并存的现象尤为突出，个性化人才的培养迫在眉睫。面向虚拟学习社区，有机结合心理测量学、认知诊断、系统动力学、控制理论、人工智能和计算机科学等多学科知识，探寻高效的个性化新模式，以求理论与方法上的新突破，探究教与学的深层规律。借用行为动力学方法，建立兴趣驱动的行为动力学模型，揭示兴趣和行为相互作用机制，进行潜在兴趣预测；基于项目反应理论(IRT)与DINA认知诊断模型，建立兴趣与能力两者之间关联关系模型，厘清兴趣与能力之间的关系，建构定量模型；基于agent建模和行为控制方法建立兴趣驱动行为控制机制，构建行为网络模型，探寻高效行为选择算法。通过研究个体和群体行为特征，描述行为网络体系的复杂行为特征及逻辑关系，探寻个体与群体高效交互机制，揭示个体之间自组织产生的系统整体兴趣演化规律。面向虚拟学习社区的学习行为动力学分析也为人类行为非泊松特性提供实证研究案例。

依托搭建的虚拟学习社区实验平台，有机结合计算机科学、心理测量学、认知诊断、行为动力学、控制理论等多学科知识，探寻新技术下个性化人才培养新型模式。开展了数据挖掘技术和学习分析技术在教与学中的应用研究，挖掘分析学习者在线学习行为记录，从多维角度考虑周期性、频数分布、时间间隔分布等多个因素，运用人类行为动力学方法，对学习者进行知识点学习的学习行为间隔时间分布特征进行研究，从个体和群体水平上，验证学习行为间隔时间的幂律分布特征，并构建知识点影响因子作用下的兴趣驱动学习行为动力学模型，对在线学习者的行为模式背后的生成机制进行解释，为提高个性化网络教学效果探寻新的方法突破，也为人类行为非泊松特性提供了实证研究案例；基于改进的K-means算法挖掘分析学习者学习兴趣特征，基于关系模型知识表示方法构建知识点模型，并根据学习者知识点兴趣特征构建学生兴趣模型；基于项目反应理论(IRT)与DINA认知诊断模型，面向虚拟学习社区学习，研究学生的兴趣度与学习能力之间存在的关联关系，构建兴趣度与能力之间的关系模型；通过对学生的个体认知特征和学习行为进行分析，采用认知决策树判断学生的学习能力和学习偏好，为学生推荐合理的学习资源和学习策略；建立并提出社区异常行为检测算法，运用聚类方法将相似行为模式的学习者聚集在一个簇中，再对每个簇进行异常行为检测；分析研究了兴趣与个体及群体行为之间的关系，构建双层行为驱动下的多Agent协同评分模型准确地进行个性化学习资源推荐；运用模糊综合评价方法及教育数据挖掘方法分析虚拟学习社区中的用户交互行为数据，探讨学习社区中个体与个体、个体与群体、以及群体与群体之间的涌现性现象，揭示不同个体自组织产生的系统整体兴趣演化规律。最后，深化理论成果，建构兴趣驱动的个性化虚拟学习平台，探索个性化学习新模式，为新技术下个性化发展水平提供理论和技术支撑。