王璋[1]2006年在《基于贝叶斯网络的评估导学方法研究》文中研究指明贝叶斯网络作为一种表达不确定性知识的有效工具，在许多领域都得到了广泛的应用，本文将贝叶斯网络应用到智能评估导学系统中，以实现对学生适应性评估和个性化导学。 本文首先对评估导学研究中学生模型的构建方法进行了比较分析，在两种常见的贝叶斯网络学生模型基础上，提出了基于知识关系、具有预测能力的覆盖型贝叶斯网络学生模型，通过量化知识项之间的不确定相关性，使得该学生模型具有很强的预测能力，能够很好地反映学生在特定领域内的知识结构。通过对学生模型特性的分析，本文提出了基于自适应测试学生认知能力的评估方法，其中主要提出了自适应选题算法，以确定适合学生认知水平的测试试题，并通过测试发现学生的非真实能力，减少了不正常反应的干扰，提高了对学生认知能力评估的准确度。进一步，本论文设计了相应的高层次教学策略和低层次教学策略，以提供导学建议，实现对学生的个性化指导。最后，本论文结合多Agent技术，在Jadex多Agent开发平台上开发了基于贝叶斯网络的评估导学系统，并对在校学生进行了实际测试，测试结果基本上符合学生的实际情况，而且给出了相应的指导意见。
张艳[2]2009年在《自适应教育超媒体系统中学生模型的研究》文中研究指明在自适应教育超媒体系统中,根据每个学生的学习目标、喜好、知识基础建立学生模型,系统与学生的交互建立在此学生模型基础之上,可以根据学生的需求做相应的调整。好的学生模型能够使系统结构清晰、易于维护,更重要的是系统能根据学生模型参数提供的服务满足自适应的要求,学生能通过自适应教育超媒体系统提高学习效率,这些都要依赖于所建立的学生模型。由于理论基础的限制,学生建模问题一直没有得到很好的解决。自适应教育超媒体系统中的学生模型不仅要记录学生的领域知识,为了突出自适应性,学生模型还必须包括学生的个性特点,如兴趣、偏好、背景知识等,并且现有的模型多数都是静态的,即学生模型一旦确定在系统运行期间就不可对其属性进行增删改的操作,这样限制了系统的适应性。因此,学生模型的建立就成为自适应教育超媒体系统研究中的一个重点和热点。论文研究自适应教育超媒体系统中的学生模型,目的是给出一种构建学生模型的方法。论文主要采用文献分析法、案例分析法、系统科学方法和面向对象的软件设计方法等研究方法,在以下四个方面做了一些研究工作。(1)自适应教育超媒体系统及学生模型的理论研究。分析国内外在此领域的现状、动态比较研究的基础上,探讨学生模型构建的原则,规划学生模型的构建。(2)学生模型的构建。根据学生模型构建方法的基本框架,对学生模型进行分析,实现对学生个性特征的挖掘和学生知识掌握程度的度量。(3)学生模型的实现和更新。讨论学生模型的实现方法和更新规则。(4)应用实例的开发。设计开发一个自适应教育超媒体系统的应用实例,验证学生模型的可用性和有效性。经过一系列研究工作,论文取得一定的研究成果。(1)总结了构建学生模型的理论基础,并分析了相关的系统案例。在此基础上,探讨学生模型构建的原则,规划学生模型的构建。(2)学生模型的构建。在学生模型构建的指导思想和设计原则的指导下,对学生模型的基本内容,扩展内容,学生的个性特征进行分析,对学生模型中学生个体特征信息进行深度挖掘,采用贝叶斯网络方法对学生模型中学生的知识水平,知识掌握程度等不确定因素进行推理,从而让学生进行学习过程的自适应导航和学习内容的自适应展示。进一步总结出一套构建学生模型的方法,为学生模型的实现和更新提供重要的依据。(3)学生模型的实现和更新。在学生模型构建方法的基础上,讨论了学生模型的内容,学习内容以及学生情绪变化和学生学习偏好的实现并对学生模型进行了初始化。探讨了学生模型的更新规则,对概念的更新,学习内容和主题的更新,学生掌握知识值的更新,学生偏好的更新进行了详细讨论。总结出学生模型的实现和更新方法,为实例系统的开发提供了理论基础。(4)应用实例的开发。在论文总结的学生模型的构建和实现方法的指导下,设计开发一个自适应教育超媒体系统的应用实例来验证学生模型的可用性。论文的创新之处在于:(1)研究出一套较为有效的自适应教育超媒体系统中学生模型的构建方法,同时为其他教育系统中学生模型的研究提供了方法上的参考。(2)论文中提出的学生模型的实现和更新方法,在一定程度上改进了原有自适应教育超媒体系统中学生模型更新不及时的弊端。未来的研究工作主要是进一步研究学生模型的构造问题。
陈玲[3]2003年在《基于贝叶斯网络的学生模型的设计与实现》文中进行了进一步梳理本论文首先分析了远程教育的发展现状，指出个性化、适应性教学系统是今后远程教育研究领域中的热点与难点。鉴于学生模型的设计对适应性教学系统的重要作用，因此，如何利用计算机技术建立一个合理可用的学生模型来实现远程教学的个性化和适应性，对远程教育领域的研究有重要意义。 本论文以建构主义思想和认知灵活性的学习理论为基础，利用贝叶斯网络模型，建立了覆盖型的贝叶斯网络学生模型。在建立学生模型时，首先将学生的信息分为领域相关信息和领域无关信息两部分。领域相关信息的建模过程就是将学生所学的课程贝叶斯网络化的过程。论文中以《Java教程》为例，将该门课程划分成298个知识项，并为每个知识项定义了四个状态来表示学生对知识项的掌握程度，然后在这些知识项之间建立偏序关系以确定贝叶斯网络的因果推理关系，最后为每个知识项确定先验概率，这样就建立了覆盖型的贝叶斯网络学生模型。领域无关信息建模的作用主要是评估学生对所学知识项的掌握程度。 由于建立好的贝叶斯网络学生模型中存在无向环，使学生模型的推理成为一个NP难题。本论文在参考贝叶斯网络的更新算法的同时，改进了聚类算法，用联合树算法来实现对建好的贝叶斯学生模型的推理更新。通过建立道德图和叁角化的过程先将学生模型转化为联合树的结构。这样，当有学生的反馈信息时，模型能够通过贝叶斯网络的自学习能力，更新知识项之间的概率分布，从而完成对学生能力及学习状况的预测推理，实现个性化教学。
石磊[4]2011年在《基于贝叶斯和多Agent的远程智能教学系统的设计与实现》文中研究指明现代远程教学系统以网络为基础,可以不受时间、空间和地点限制为学习者提供图文并茂、丰富多彩的交互式人机界面;学习者可以足不出户地参加网上学习、网上考试、网上讨论以及网上答疑等;但是,目前的教学系统的动态交互功能不强,多以呈现教学材料为主,系统的智能性较低,缺乏有效的引导,系统的测试和评价功能不强。针对以上缺点,本文采用贝叶斯网络和多Agent技术构建的智能教学模型,该模型可因人而异制订和实施导学策略,主动地通过智能Agent代理服务器为学习者搜集最感兴趣的信息,自动生成各种问题和练习,合理规划和调整学习内容及进度,然后利用代理通信协议把加工过的信息按时推送给用户,并能随时跟踪学习者的学习过程,记录其兴趣、爱好等个性特征,并适时地调整对其采用的教学策略,使之更加符合学习者本人的知识基础和认知特点;有效地解决了目前的系统智能性较低的缺点。结合上述的教学模型,采用JAVA, SQL Server 2007, APACHE技术架设一个比较完整的远程教学系统平台。该系统模块分为六大部分:课件生成系统、学习系统、教学管理系统、考试系统、作业系统、答疑系统。系统面对的用户分为叁种:学生、教师和管理员。对于学生用户,系统能够实现在线学习,考试,答疑和完成作业;在线学习要实现个性化服务,即不同程度的学生浏览到的课程内容是不同的,而对后台每门课程只保存一次,这样,可以实现资源的共享;对于教师,可以进行课程编着、发布,进行答疑辅导,对相关课程进行作业管理、测试管理、题库管理、考试管理等;管理员则进行教师和学生信息的维护,管理课程,监督教学过程,维护系统正常运行。总之,基于贝叶斯网络和多Agent技术构建的远程教学系统可根据学生的知识、能力和学习方法来因材施教,激发学习者的学习兴趣,真正实现学习者主动构建知识、自己获取知识、自我更新甚至创新知识的目的;同时,系统也极大地优化和改善远程教学环境,延伸和拓宽学习服务领域,全方位增强远程教育的开放性。
马爱利[5]2008年在《贝叶斯网络在远程教学系统中的应用研究》文中指出信息技术的迅猛发展为人们的学习和教育方式带来了一场革命。网上现代远程教学以网络的开放性、广泛性和灵活性吸引着社会上越来越多的受教育者。基于Internet的教育方式及学习环境成为远程教学系统的研究热点。本文旨在研究贝叶斯网络技术在远程教学系统中应用。由于学生模型在系统中起决定性作用,所以本文主要研究贝叶斯网络技术在学生模型的构建中的应用。目的是能够找到一种将贝叶斯网络技术方便的应用于学生建模领域的方法,以此来提高系统中学生模型对不确定性信息的处理能力。本文首先分析了远程教学的发展现状与存在的问题,提出了个性化、适应性的远程教学系统是今后远程教学研究中的热点与难点。其次介绍了贝叶斯网络的相关理论,提出了利用贝叶斯网络和覆盖模型相结合建立学生模型的方法。从对不确定信息的处理能力和实用性的角度分析,比较了几种不同的系统学生建模技术,得出结论:用贝叶斯网络建立学生模型是可行的。然后利用贝叶斯网络对学生所学课程的掌握情况进行建模做进一步的研究和分析,给出相应的框架和参数。提出一种利用贝叶斯推理的算法-Pearls采样法。通过给出相应的实例,结果表明本文提出的算法设计简单,方法实用,应用有效。本文最后给出了系统的整体实现框架,并就系统的其它部分和系统的具体技术实现方法,进行了原则性的分析。
李唯实[6]2011年在《个性化教育中的学习者模型技术研究》文中指出现今,伴随着互联网的迅速普及和计算机技术的飞速发展,教育模式正逐渐由传统教育转向以网络和多媒体技术为基础的远程教育。远程教育打破了传统教育对时间和空间的限制,凭借快捷及时的信息交互能力和丰富的知识表现形式成为了人们获取知识、提升能力的重要方式,因此得到了越来越多的重视和研究。当前,远程教育系统研究的一个重要方面是教育系统的智能化和个性化,其中的一个关键问题在于如何对系统中的学习者进行建模。教育系统中的学习者模型能否准确、实时地反映学习者的实际情况,是教育系统能否根据学习者的学习信息和学习进度为学习者“量身定制”学习计划、选择教学策略以及推荐学习资源的基础。本文主要关注个性化教育中学习者模型的建模技术,主要研究成果包含:针对个性化教育对学习者信息的需求,提出了含学习兴趣模型SIMFPE、认知能力模型CoMFPE以及知识模型KMFPE叁个子模型的学习者模型LMFPE,在借鉴现有的研究成果的基础上,分别论述了叁个子模型的建模技术,并分析了其在个性化教育系统中的地位和作用。同时,针对反映学习者学习进度和知识掌握水平的知识模型,提出了采用贝叶斯网络构建的,以知识项和问题作为结点的学习者知识模型KMFPE。该模型支持通过学习者的作业/测试情况进行模型的在线演化以保持系统对学习者学习进度和掌握知识水平的准确描述。在线演化算法是在贝叶斯网络的缺值样本在线学习算法Voting EM算法的基础上,引入了置信因子和更新时间标记,使得算法更加适用于知识模型的在线演化,提高了知识模型的在线演化的效果和精确度。最后,设计并实现了一个基于LMFPE的个性化学习系统Istudy。基于Istudy,本文提出一个实验:通过某中学初叁年级52名学生对数学《二次函数》一章的学习,将Istudy中建立的知识模型所反映的学生知识掌握水平与学生的阶段测试情况进行对比、分析。通过实验结果,验证了KMFPE的有效性和在线演化算法的准确性。
董晓丽[7]2005年在《贝叶斯网络在适应性教学系统中的应用研究》文中研究指明近年来,网络教学平台不断涌现,但许多网络教学平台的个性化教学并不能令人满意,教学质量不高。这样,网上适应性教学就成为现代远程教学发展的必然趋势,而其中学生模型作为适应性教学系统的组成部分,对开展适应性的教学起着重要的作用。因此,在远程教育领域,研究如何设计和利用学生模型来实现远程教学的个性化和适应性有着重要的意义。 教学资源的适应性组织是进行适应性网络教学的关键内容,适应性教学系统要求根据学生模型进行适应性教学资源的组织。经过研究认为,根据适应性教学的需要定义教学资源有利于教学资源的适应性组织,是网络教学系统中实现适应性教学的一种可行的途径。同时,适应性教学系统要求能够准确的评估学生所学内容的认知状态,根据学生的认知状态组织适应性的教学资源,即学生模型中应当包含学生对于所学教学内容的认知状态。基于上述分析,本文将教学资源融合到学生模型中,并将学生模型分为与领域知识(教学资源)相关模型和与领域知识无关模型,而由于学生学习过程存在大量的不确定性因素和不确定性信息,在学生模型的构建过程中,将考虑寻求一种能够处理不确定性知识的模型及方法。 贝叶斯网络是目前不确定知识表达和推理领域最有效的理论模型之一,适用于不确定性和概率性的知识表达和推理。它用一种基于网络结构的有向图描述,能进行双向并行推理,并能综合先验信息和后验数据,使推理结果更为准确可信。因此,
陈晓湘[8]2008年在《基于贝叶斯网络的AIBNS系统建模研究及其应用》文中研究指明智能授导系统ITS研究的重点在于增加远程网络教学系统的适应性和智能性。学生模型是ITS的基础和核心,是其他模块进行工作的前提。论文针对目前国内ITS中学生模型构建偏于简单而缺乏智能性的不足,结合人工智能领域的一些成熟技术,研究开发了一个基于贝叶斯网络的智能授导系统AIBNS。论文首先分析了基于前提关系和继承关系的两种建模方式的优缺点,在划分知识项后,经过网络结构和参数学习,提出了一种构建覆盖型贝叶斯网络学生模型的方法。通过对领域相关及无关信息分别建模,构建出学生在特定领域内的知识结构,使模型具备较强的预测能力。针对学生认知状态评估上存在的不确定性,以及测试过程中不正常反应的干扰问题,论文提出了一种自适应选题算法,以期用尽量少的试题完成对学生认知状态的精确评估,并减少评估测试中的噪声。此外设计了一个基于模糊变换原理的学生认知状态评估模型,不仅可以对相关知识项进行认知评估,而且可以进行多级别的综合评价,提高了对学生认知状态评估的准确度。论文应用贝叶斯网络面向对象的知识表达方式,实现了AIBNS原型系统,对贝叶斯网络理论在ITS领域的实际应用提供了有益借鉴。AIBNS系统区别于传统“以教为主”教学模式,实现了个性化自主学习与交互协调学习相结合,不仅能够根据学生的不同个性自适应地提供教学资源,而且可以针对学习目标提出建议,呈现给用户学习知识的步骤序列。验证表明基于贝叶斯网络的智能授导系统具有良好的智能性、交互性和适应性。
刘艳[9]2009年在《基于贝叶斯网络的学习评估模型研究及其在E-learning系统中的应用》文中指出本论文首先分析了E-learning技术的发展现状,指出现有E-learning系统在个性化、适应性方面的不足。构建一个能准确反映学生个性特征信息的学生模型是提供个性化教学的关键,而学习评估又是构建学生模型至关重要的一环。只有确切地了解学生对不同粒度层次知识的掌握水平,系统才能对学生的综合能力进行准确判断,从而给出适当的教学策略。因此利用计算机技术、AI技术建立一个合理有效的学习评估方法来实现对个性化教学的支持具有重要意义。本文对学生模型的几种典型评估方法进行了比较分析,提出了基于知识关系的覆盖型贝叶斯网络学习评估模型。通过量化知识项之间的不确定相关性,使模型能够很好地反映学生在特定领域内的知识结构,进而能较准确地评估学生的知识掌握程度。在建立学习评估模型时,首先将和学生有关的信息分为领域相关信息和领域无关信息两部分,本文主要讨论领域相关信息的建模。领域相关信息建模的过程就是将学生所学课程贝叶斯网络化的过程。论文中以《人工智能原理及其应用》教程为例,将该门课程的知识结构按知识项进行划分,然后在这些知识项之间建立组合依赖关系以确定贝叶斯网络的因果推理关系,最后为每个知识项确定先验概率。这样就建立了覆盖型的贝叶斯网络学习评估模型。本论文用联合树推理算法来实现对贝叶斯学习评估模型的推理更新。此外通过化简网络结构和优化叁角化过程中的结点删除次序来实现算法时间和空间复杂度的降低。这样,当学生的个性特征信息发生变化时,模型能够通过贝叶斯网络的自学习能力,实时更新知识项之间的概率分布,从而完成对学生能力及学习状况的预测推理,为个性化教学提供依据。最后,作者在Microsoft Visual Studio 2005平台上应用C#语言开发了基于贝叶斯网络的E-learning系统,并进行了模拟测试,模拟实验结果说明了该模型能较准确的判断出学生对知识的掌握程度,能够为学生提供个性化导学策略。
叶小芹[10]2014年在《贝叶斯网络及其在个性化教学中的应用研究》文中研究指明近年来，随着科学技术的突飞猛进，多媒体技术、计算机软件和网络技术都得到了蓬勃发展，这些都促进了网络教学的发展，同时社会需要大量的创造性人才，为了适应社会这种需求的变化，逐步出现了个性化教学，它是网络教学更深层次的发展方向，直接关系到网络教学的有效性，已经引起了人们的广泛关注。论文主要研究贝叶斯网络在个性化教学中的应用，其中学生模型是个性化教学系统的重要组成部分，因此论文重点研究贝叶斯网络在学生建模中的应用，主要是在学生模型建模过程中应用贝叶斯网络技术来解决教学中存在的不确定性问题。论文在参考大量文献的基础上，对个性化教学的发展及存在的问题进行了阐述，分析了国内外的研究现状，提出个性化教学的发展方向；对贝叶斯网络和个性化教学的相关理论知识进行了研究，强调贝叶斯网络是处理不确定信息的有力工具及其在个性化教学中的应用；在对以上相关理论研究的基础上，设计了学生模型及其评估过程，并以《Visual Basic程序设计》这门课程为例，分析学生在学习过程中的知识点掌握状态以及适合该生的学习步骤，真正起到个性化教学的效果；实现了一个简单的个性化教学系统，该实验系统表明基于贝叶斯网络构造的个性化教学系统能给学生提供适应性的学习资源，从而推动个性化教学的发展。
参考文献：
[1]. 基于贝叶斯网络的评估导学方法研究[D]. 王璋. 浙江工业大学. 2006
[2]. 自适应教育超媒体系统中学生模型的研究[D]. 张艳. 山东师范大学. 2009
[3]. 基于贝叶斯网络的学生模型的设计与实现[D]. 陈玲. 太原理工大学. 2003
[4]. 基于贝叶斯和多Agent的远程智能教学系统的设计与实现[D]. 石磊. 电子科技大学. 2011
[5]. 贝叶斯网络在远程教学系统中的应用研究[D]. 马爱利. 西安电子科技大学. 2008
[6]. 个性化教育中的学习者模型技术研究[D]. 李唯实. 国防科学技术大学. 2011
[7]. 贝叶斯网络在适应性教学系统中的应用研究[D]. 董晓丽. 太原理工大学. 2005
[8]. 基于贝叶斯网络的AIBNS系统建模研究及其应用[D]. 陈晓湘. 中南大学. 2008
[9]. 基于贝叶斯网络的学习评估模型研究及其在E-learning系统中的应用[D]. 刘艳. 首都师范大学. 2009
[10]. 贝叶斯网络及其在个性化教学中的应用研究[D]. 叶小芹. 石家庄铁道大学. 2014
标签：自动化技术论文; 贝叶斯论文; 超媒体论文; 相关性分析论文; 网络模型论文; 能力模型论文; 测试模型论文; 自适应学习论文; 系统学习论文; 测试过程论文; 认知过程论文; 推理论文; 概率论论文;