唐晶晶，王海燕

陜西師范大學(xué)教育學(xué)院， 西安　710062

新課改第一個十年是通過行政自上而下的改革，第二個十年是自下而上深入課堂的改革，該改革的本質(zhì)是希望普適教育向適合教育轉(zhuǎn)變。但在第一個十年，課改的超前性導(dǎo)致了在現(xiàn)實實踐中出現(xiàn)諸多對立的現(xiàn)象，因此在第二個十年深入課堂的課改中我們更注重適應(yīng)性的改革[1]?！秶抑虚L期教育改革和發(fā)展規(guī)劃綱要(2010—2020)》提出“尊重教育規(guī)律和學(xué)生身心發(fā)展規(guī)律，為每個學(xué)生提供適合的教育”[2]。我國教育學(xué)會會長顧明遠(yuǎn)教授也指出，“最適合的教育才是最好的教育”[3]。

近年，隨著人工智能技術(shù)以及認(rèn)知科學(xué)在智能教育系統(tǒng)中應(yīng)用研究的深入，我們越來越重視適合個體特征的學(xué)習(xí)支持。其中，自適應(yīng)學(xué)習(xí)系統(tǒng)是智能學(xué)習(xí)環(huán)境下促進(jìn)學(xué)習(xí)者個性化學(xué)習(xí)的關(guān)鍵?！缎旅襟w聯(lián)盟地平線報告》(2016高等教育版)提出，個性化學(xué)習(xí)是一項艱難的挑戰(zhàn)，適應(yīng)性學(xué)習(xí)技術(shù)、情感技術(shù)被列為重要的技術(shù)之中[4]。學(xué)生模型作為自適應(yīng)學(xué)習(xí)系統(tǒng)的核心組件，它表示個體認(rèn)知能力的一種數(shù)據(jù)結(jié)構(gòu)[5]。這種數(shù)據(jù)結(jié)構(gòu)代表的是計算機(jī)系統(tǒng)對學(xué)生的認(rèn)知。

1　研究方法與過程

該研究采用文獻(xiàn)分析法、內(nèi)容分析法梳理國內(nèi)外自適應(yīng)學(xué)習(xí)系統(tǒng)中有關(guān)學(xué)生模型的研究與應(yīng)用現(xiàn)狀。通過比較分析國內(nèi)外對學(xué)生模型的研究，以期為自適應(yīng)學(xué)習(xí)系統(tǒng)的設(shè)計和開發(fā)提供參考。一般說來，期刊論文與研究報告、學(xué)位論文等相比，更能敏銳、直觀地體現(xiàn)研究的熱點和前沿[6]。所以，選取期刊作為該文文獻(xiàn)的研究對象。

1.1　文獻(xiàn)來源

中文期刊的選取來源于中國知網(wǎng)(CNKI)，英文期刊來源于全文數(shù)據(jù)庫Web of Science。

1.2　時間區(qū)間

2000年1月—2017年5月。

1.3　檢索項

中文檢索條件主題詞為“自適應(yīng)學(xué)習(xí)系統(tǒng)學(xué)生模型”“適應(yīng)性學(xué)習(xí)系統(tǒng)學(xué)生模型”“智能教學(xué)系統(tǒng)學(xué)生模型”“個性化學(xué)生模型研究”；英文檢索項為Title“Adaptive e-Learning Systems Student Model”“Ada- ptive Education Systems Student Model”“Adaptive Education Hypermedia Student Model”。

1.4　樣本篩選

找出與自適應(yīng)學(xué)習(xí)系統(tǒng)學(xué)生模型研究有關(guān)的期刊作為樣本，經(jīng)過篩選，選取中文期刊89篇，英文期刊95篇。分別把這184篇文獻(xiàn)作為初始樣本進(jìn)行分析，主要包括文獻(xiàn)發(fā)表分析、學(xué)生模型建模分析以及技術(shù)采用量分析。

2　文獻(xiàn)內(nèi)容分析

2.1　文獻(xiàn)發(fā)表分析

2.1.1文獻(xiàn)量年度分析我們對所選取的文獻(xiàn)進(jìn)行年度出版量分析，得到圖1“年度文獻(xiàn)出版量分布趨勢圖”。從文獻(xiàn)出版數(shù)量的趨勢可以看出，從2000年至2011年，國內(nèi)外對學(xué)生模型的研究關(guān)注度一直保持增長的趨勢，基本保持同步。從2011年往后，國內(nèi)外學(xué)生模型研究都有相對的減少。國外在2013年的相關(guān)研究有所增加，國內(nèi)則一直在減少。究其原因，可能與近些年出現(xiàn)的MOOC、翻轉(zhuǎn)課堂、電子書包等研究領(lǐng)域有關(guān)。根據(jù)文獻(xiàn)出版量趨勢圖我們可以看出，國外對于學(xué)生模型的研究要多于國內(nèi)的研究。

圖1　年度文獻(xiàn)出版量分布趨勢圖

2.1.2期刊來源分析我們對所選取的中外文獻(xiàn)進(jìn)行期刊的來源統(tǒng)計，發(fā)現(xiàn)期刊的來源不僅僅集中于一些我們專業(yè)領(lǐng)域的研究期刊，這也表明對于自適應(yīng)學(xué)習(xí)系統(tǒng)中學(xué)生模型的研究很多領(lǐng)域都有涉及。圖2為中文文獻(xiàn)來源比例圖，圖3為英文文獻(xiàn)來源比例圖。

圖2　中文文獻(xiàn)來源

圖3　英文文獻(xiàn)來源

2.2　學(xué)生模型建模分析

對于學(xué)生模型，不管國內(nèi)還是國外的學(xué)者都做了很多研究。有學(xué)者從學(xué)生模型內(nèi)部要素的構(gòu)成對學(xué)生模型建模進(jìn)行了分析。首都師范大學(xué)的楊卉、王陸等采用廣義模糊綜合評判方法對學(xué)習(xí)者的二級特征進(jìn)行評價，提出了兩層動態(tài)學(xué)生模型[7]；西華師范大學(xué)陳仕品和浙江大學(xué)張劍平提出了一種基于認(rèn)知狀態(tài)和學(xué)習(xí)風(fēng)格的學(xué)生模型(CS-LS學(xué)生模型)[8]。國外一些學(xué)者認(rèn)為對學(xué)習(xí)者知識狀態(tài)的表示從知識水平的角度來說，主要有覆蓋模型、鉛版模型、基于約束的模型等。有研究者則根據(jù)不同模型之間的特點提出基于認(rèn)知、偏差和覆蓋模型或者是其他幾種模型的綜合[9]；還有學(xué)者根據(jù)學(xué)生的個性特征來構(gòu)建學(xué)生模型，比如像學(xué)習(xí)風(fēng)格和學(xué)習(xí)偏好等個性特征[10]。近幾年隨著情感計算和適應(yīng)性技術(shù)的發(fā)展，基于情緒感知的學(xué)生模型也在被大家所關(guān)注。表1是對該研究所選文獻(xiàn)中出現(xiàn)的有關(guān)學(xué)生模型構(gòu)建的梳理，包括學(xué)生模型建模的名稱及在文獻(xiàn)中出現(xiàn)的次數(shù)。

表1　學(xué)生模型建模名稱及建模量(部分)

2.2.1認(rèn)知模型認(rèn)知模型是構(gòu)建學(xué)生模型不可或缺的部分。通過構(gòu)建認(rèn)知模型，可以了解學(xué)習(xí)者的起始學(xué)習(xí)能力和知識結(jié)構(gòu)。認(rèn)知模型所反映的是學(xué)生在認(rèn)知上的差異分析，這種差異主要在于學(xué)習(xí)者認(rèn)知能力和認(rèn)知結(jié)構(gòu)上的差異。為了確定學(xué)生的認(rèn)知能力，首先要解決的是學(xué)生認(rèn)知能力如何表征的問題[11]。

國內(nèi)學(xué)者馮迪等結(jié)合美國心理學(xué)教育學(xué)者Ben- jamin Bloom的理論分析了認(rèn)知能力各因素之間的影響，構(gòu)建了學(xué)習(xí)者認(rèn)知能力因素的評價體系，又采用灰色偏相關(guān)評價法構(gòu)建了認(rèn)知學(xué)生模型，并且對該模型進(jìn)行驗證，實驗具有一定的效果[12]。構(gòu)建認(rèn)知學(xué)生模型其本質(zhì)就是對學(xué)生知識模型的表述。

2.2.2情感模型情感模型是為了解決在自主學(xué)習(xí)過程中，學(xué)生和計算機(jī)之間產(chǎn)生的情感缺失問題。目前應(yīng)用最為廣泛的情感模型是OCC情感模型?！癘CC”模型是由Ortony、Clore 和 Collins于1988年出版的TheCognitiveStructureofEmotions提出，它是第一個用于計算機(jī)實現(xiàn)為目的的結(jié)構(gòu)化模型[13]。應(yīng)用在智能教學(xué)系統(tǒng)中的情感識別方法主要有：基于生理信息、基于認(rèn)知評價、基于表情識別以及基于多模態(tài)識別的方法?；谇榫w感知的學(xué)生模型主要采用的是情感計算技術(shù)。情感計算就是與情感相關(guān)、來源于情感或能夠?qū)η楦惺┘佑绊懙挠嬎鉡14]。情感計算技術(shù)可以對學(xué)生的情感信息進(jìn)行識別和捕捉，分析學(xué)生學(xué)習(xí)時的情感表現(xiàn)，適時的調(diào)整學(xué)習(xí)策略及學(xué)習(xí)內(nèi)容的難度[15]。

劉小丹等提出了基于情緒感知的學(xué)生模型，該模型采用表情識別作為學(xué)習(xí)者情緒監(jiān)控的技術(shù)支持；喬向杰等基于OCC情感模型提出了對學(xué)生情感識別的方法，構(gòu)建動態(tài)貝葉斯網(wǎng)絡(luò)模型對該方法在實例教學(xué)中進(jìn)行驗證，取得良好的效果[16]。

2.2.3動態(tài)學(xué)生模型在適應(yīng)性學(xué)習(xí)支持系統(tǒng)中，對學(xué)生模型的研究包括學(xué)生模型建模、初始化學(xué)生模型和學(xué)生模型動態(tài)更新三方面。動態(tài)學(xué)生模型建模的目的就是為了適應(yīng)性的調(diào)整、更新教學(xué)策略。很多學(xué)者在動態(tài)模型的基礎(chǔ)上又提出了各自的建模研究。

趙潔[17]基于認(rèn)知理論及隨機(jī)開放性測試構(gòu)建了動態(tài)學(xué)生模型，該模型很好地實現(xiàn)了學(xué)生模型的動態(tài)修改以及教學(xué)策略的適應(yīng)性調(diào)整；郝耀軍等構(gòu)建的雙層動態(tài)學(xué)生模型把模型分為初始層與高級層，并把該模型用于智能教學(xué)系統(tǒng)中，有效地改善教學(xué)決策的過程[18]；楊卉等構(gòu)建的兩層動態(tài)學(xué)生模型，是以單層學(xué)生模型為基礎(chǔ)，然后又增加學(xué)習(xí)者的二級特征表與二級特征評價表，該機(jī)制很好地解決了對學(xué)習(xí)者學(xué)習(xí)特征客觀和全面的評價。

2.2.4覆蓋模型覆蓋模型就是把學(xué)習(xí)者即將學(xué)習(xí)的領(lǐng)域知識及其約束關(guān)系表示成一個有向知識結(jié)構(gòu)圖，學(xué)生的學(xué)習(xí)狀態(tài)看作是此圖的子圖，學(xué)習(xí)過程看作是子圖對原圖的逼近過程[19]。這種模型就是領(lǐng)域知識結(jié)構(gòu)圖和學(xué)生知識狀態(tài)圖之間的比較，根據(jù)得到的學(xué)生知識結(jié)構(gòu)圖上的缺陷，從而可以推薦適應(yīng)學(xué)習(xí)者學(xué)習(xí)的內(nèi)容。但是覆蓋模型的缺陷是對學(xué)習(xí)者經(jīng)常出錯的同一知識點造成簡單重復(fù)的推送，這樣不僅降低學(xué)習(xí)者學(xué)習(xí)興趣，而且對于復(fù)雜的過程性知識難以描述。

診斷模型的出現(xiàn)是為了彌補(bǔ)覆蓋模型的缺陷。診斷模型是把學(xué)習(xí)者出現(xiàn)的錯誤概念描述為與領(lǐng)域?qū)＜抑R之間的偏差。但兩者都忽略了學(xué)習(xí)者在學(xué)習(xí)過程中的認(rèn)知風(fēng)格。王溢策等結(jié)合覆蓋模型與診斷模型的優(yōu)勢，把教學(xué)內(nèi)容按最基本知識項進(jìn)行劃分，然后根據(jù)知識項之間的邏輯關(guān)系組成層狀知識拓?fù)鋱D，根據(jù)學(xué)習(xí)者對認(rèn)知單元的掌握，動態(tài)構(gòu)成學(xué)生的知識狀態(tài)，適應(yīng)性呈現(xiàn)教學(xué)內(nèi)容[20]。

2.3　技術(shù)采用量分析

在所選的文獻(xiàn)中出現(xiàn)了多種技術(shù)，表2為統(tǒng)計文獻(xiàn)中出現(xiàn)的技術(shù)及采用的數(shù)量。其中，對于學(xué)生模型的構(gòu)建采用技術(shù)最多的是Web數(shù)據(jù)挖掘、貝葉斯網(wǎng)絡(luò)，其次是模糊綜合評判、語義網(wǎng)本體技術(shù)、認(rèn)知水平診斷算法、人工神經(jīng)網(wǎng)絡(luò)BP算法等。我們可以看到對學(xué)生模型研究采用的技術(shù)種類之多。但是對于技術(shù)的研究應(yīng)用占比，中文文獻(xiàn)中有63.4%談到應(yīng)用，英文文獻(xiàn)有81.2%。由此可見，國外對技術(shù)的應(yīng)用更為重視，國內(nèi)技術(shù)的應(yīng)用在研究中比例偏低，而且文獻(xiàn)描述多偏理論。

2.3.1Web使用挖掘Web使用挖掘是Web挖掘在遠(yuǎn)程教育中的主要應(yīng)用。研究對象是Web使用數(shù)據(jù)或Web日志。Web日志是使用者網(wǎng)頁訪問的數(shù)據(jù)，從使用者或服務(wù)器的觀點對Web日志進(jìn)行數(shù)據(jù)挖掘，比如媒體類型、頁面停留時間、瀏覽次數(shù)等。挖掘結(jié)果可以為模型構(gòu)建提供依據(jù)，更好地進(jìn)行個性化支持[21]。

表2　技術(shù)及采用量(部分)

張賽男等以拉埃丁的認(rèn)知風(fēng)格為理論基礎(chǔ)，并且采用Web使用挖掘技術(shù)構(gòu)建了基于XML的認(rèn)知風(fēng)格學(xué)生模型，不僅在一定程度上解決了自適應(yīng)學(xué)習(xí)系統(tǒng)在認(rèn)知學(xué)生模型中的缺陷，而且還應(yīng)用到了 《C語言程序設(shè)計》課程之中[22]。Chen等以個性化學(xué)習(xí)e-Learning 領(lǐng)域內(nèi)的期刊論文和會議論文為文獻(xiàn)來源，運(yùn)用Web挖掘技術(shù)來自動構(gòu)建知識概念圖，不僅為學(xué)習(xí)者提供知識的全貌，方便進(jìn)行深入的學(xué)習(xí)，而且為教師設(shè)計自適應(yīng)課程提供幫助[23]。

2.3.2貝葉斯網(wǎng)絡(luò)貝葉斯網(wǎng)絡(luò)(BBN)是由隨機(jī)變量間的概率關(guān)系來建立的圖論模型[24]。貝葉斯網(wǎng)絡(luò)用于自適應(yīng)學(xué)習(xí)系統(tǒng)，圖論模型中節(jié)點的概率就表示學(xué)習(xí)者對該節(jié)點知識的掌握程度[25]。節(jié)點上的知識分為定量知識和定性知識，貝葉斯網(wǎng)絡(luò)就是對節(jié)點上的知識進(jìn)行結(jié)構(gòu)化的描述[26]。

劉艷等基于貝葉斯網(wǎng)絡(luò)提出的學(xué)習(xí)評估方法，能夠準(zhǔn)確地判斷出學(xué)習(xí)者對該領(lǐng)域知識的掌握程度，從而根據(jù)學(xué)習(xí)者之間的差異性進(jìn)行個性化的學(xué)習(xí)[27]。Garcia P等基于貝葉斯網(wǎng)絡(luò)建立了一個檢測學(xué)習(xí)者學(xué)習(xí)風(fēng)格的模型，該模型能準(zhǔn)確地獲得學(xué)生的學(xué)習(xí)風(fēng)格，并把該模型用在人工智能網(wǎng)絡(luò)學(xué)習(xí)課程中[28]。

2.3.3模糊綜合評判模糊綜合評判是為了解決對一些不確定的模糊現(xiàn)象進(jìn)行主觀評判的問題，它運(yùn)用模糊數(shù)學(xué)原理并且以模糊推理為主的定量與定性的結(jié)合、精確與非精確相統(tǒng)一的分析評價方法[29]。

焦蕾等以模糊綜合評判為核心理論建立了一個綜合評判系統(tǒng)的認(rèn)知學(xué)生模型。模糊綜合評判方法具有高度非線性函數(shù)映射功能，因此使評估學(xué)生認(rèn)知能力的結(jié)果精度得以提高，以此對學(xué)習(xí)者做出合理化的評價，制定個性化的教學(xué)策略[30]。Chrysafiadi K等采用模糊綜合評判定義和更新學(xué)生的認(rèn)知水平，使用分層評價法評價學(xué)生的知識水平，并且用于智能教學(xué)系統(tǒng)對C語言編程的評價[31]。

2.3.4語義網(wǎng)本體技術(shù)語義網(wǎng)中的組成部分包括本體及查詢的語言，其中本體是語義網(wǎng)的核心部分。語義網(wǎng)根據(jù)形式化的方法整合和表示知識。本體是為了描述概念及概念之間關(guān)系的模型，它可以詳細(xì)描述復(fù)雜的知識。在自適應(yīng)系統(tǒng)中，利用語義網(wǎng)本體技術(shù)描述不同的學(xué)習(xí)資源，可以更好地實現(xiàn)學(xué)習(xí)資源之間的整合、擴(kuò)展和分享[32]。

趙蔚等提出的基于語義網(wǎng)本體構(gòu)建的學(xué)生模型，根據(jù)學(xué)生的學(xué)習(xí)進(jìn)程和學(xué)習(xí)者的個性特征動態(tài)地呈現(xiàn)學(xué)習(xí)內(nèi)容，更好地實現(xiàn)適應(yīng)性學(xué)習(xí)[33]；Vesin等基于語義網(wǎng)本體技術(shù)，開發(fā)實現(xiàn)了一個對于編程語言學(xué)習(xí)的智能教學(xué)系統(tǒng)Protus 2.0。在Protus 2.0中，語義網(wǎng)本體不僅創(chuàng)建了學(xué)習(xí)者本體、學(xué)習(xí)任務(wù)本體以及教學(xué)策略本體，還對適應(yīng)性學(xué)習(xí)的規(guī)則進(jìn)行推理設(shè)計，從而實現(xiàn)個性化學(xué)習(xí)[34]。

3　研究啟示

3.1　情感計算是解決學(xué)生模型中雙向情感缺失的重要技術(shù)

對于自適應(yīng)學(xué)習(xí)系統(tǒng)和學(xué)習(xí)者之間產(chǎn)生的雙向情感缺失問題，情感計算技術(shù)扮演著重要的角色?！缎旅襟w聯(lián)盟地平線報告》(2016高等教育版)中提出“適應(yīng)性學(xué)習(xí)預(yù)計在一年內(nèi)被越來越多的高等教育院校采用；情感計算技術(shù)預(yù)計將在四到五年在高校中得到突破性發(fā)展”。推動情感計算研究的兩個領(lǐng)域是機(jī)器對學(xué)習(xí)者情緒的識別與模擬，這就要求機(jī)器有能解釋學(xué)習(xí)者出現(xiàn)的動作行為的技術(shù)。時下新興的技術(shù)涌現(xiàn)，對自適應(yīng)學(xué)習(xí)系統(tǒng)學(xué)習(xí)者的情感支持將有很大的突破。如：手勢計算技術(shù)、視線追蹤技術(shù)、語音識別技術(shù)和面部識別技術(shù)，這些技術(shù)與情感計算技術(shù)的結(jié)合是解決學(xué)生模型中學(xué)習(xí)者雙向情感缺失的重要途徑。

3.2　教師數(shù)字素養(yǎng)是自適應(yīng)學(xué)習(xí)系統(tǒng)應(yīng)用的關(guān)鍵

自適應(yīng)學(xué)習(xí)系統(tǒng)面臨的復(fù)雜挑戰(zhàn)不僅是技術(shù)上的完善，只要應(yīng)用到教育上，就需要有效的學(xué)習(xí)方法。自適應(yīng)學(xué)習(xí)的目的是為了體現(xiàn)學(xué)習(xí)者的自主性，讓學(xué)習(xí)者根據(jù)自己的需求進(jìn)行個性化的學(xué)習(xí)，提高學(xué)習(xí)者的參與度與積極性。雖然“自”表面看有孤獨(dú)的體驗，但是有效的學(xué)習(xí)方法是促進(jìn)師生之間對話的關(guān)鍵。這就要求培養(yǎng)教師的數(shù)字素養(yǎng)，教師要能科學(xué)高效地來設(shè)計基于資源和技術(shù)的學(xué)習(xí)活動及評價方式。

3.3　技術(shù)的規(guī)?；歉玫貙崿F(xiàn)自適應(yīng)學(xué)習(xí)系統(tǒng)的有效途徑

雖然研究學(xué)生模型采用的技術(shù)種類很多，但是根據(jù)我們對技術(shù)應(yīng)用統(tǒng)計的數(shù)據(jù)可以看到，這些研究主要還只局限在技術(shù)上的嘗試與發(fā)展。用在教育上的自適應(yīng)學(xué)習(xí)系統(tǒng)應(yīng)該在教育框架下實現(xiàn)規(guī)模化。規(guī)?；粌H包含技術(shù)上的，還要強(qiáng)調(diào)教師的參與度。不僅需要加強(qiáng)學(xué)生和教師之間的持續(xù)對話，教師還要接受更多有關(guān)個性化學(xué)習(xí)的培訓(xùn)，而且他們還要積極參與到個性化學(xué)習(xí)的設(shè)計中來[35]。

國內(nèi)外對于學(xué)生模型應(yīng)用到學(xué)科教學(xué)領(lǐng)域中的研究相對較少，這也說明我們還缺少應(yīng)用層與規(guī)?；r下各種新興技術(shù)的涌現(xiàn)我們要正確看待、高效利用。文章對學(xué)生模型進(jìn)行的梳理分析，希望對自適應(yīng)學(xué)習(xí)系統(tǒng)的設(shè)計、開發(fā)提供借鑒。

[1]紀(jì)德奎.新課改十年:爭鳴與反思—兼論新課改如何穿新鞋走出老路[J].課程·教材·教法,2011(3):18-24

[2]中共中央國務(wù)院印發(fā).國家中長期教育改革和發(fā)展規(guī)劃綱要(2010—2020年)[J].人民教育,2010(17):2-15

[3]姜強(qiáng),趙蔚,王朋嬌.基于GALSRM模型的自適應(yīng)學(xué)習(xí)系統(tǒng)體系結(jié)構(gòu)研究[J].現(xiàn)代遠(yuǎn)距離教育,2013(1):71-77

[4]殷丙山,高茜,趙廣元.新媒體聯(lián)盟地平線報告:2016高等教育版[J].開放學(xué)習(xí)研究,2016(2):1-20

[5]劉宇,解月光.動態(tài)學(xué)生模型與智能支持服務(wù)研究[J].中國電化教育,2006(10):94-98

[6]張斌賢,陳瑤,祝賀,等.近三十年我國教育知識來源的變遷—基于《教育研究》雜志論文引文的研究[J].教育研究,2009(4):17-25

[7]楊卉,王陸,馮紅.在智能教學(xué)系統(tǒng)中兩層動態(tài)學(xué)生模型的研究[J].電化教育研究,2005(1):72-75

[8]陳仕品,張劍平.適應(yīng)性學(xué)習(xí)支持系統(tǒng)的學(xué)生模型研究[J].中國電化教育,2010(5):112-117

[9]孫中紅.個性化智能網(wǎng)絡(luò)教學(xué)系統(tǒng)中學(xué)生模型的研究[J].中國電化教育,2009(10):107-110

[10]劉小丹,胡小紅.自適應(yīng)學(xué)習(xí)系統(tǒng)中基于情緒感知的學(xué)生模型設(shè)計[J].中國教育信息化,2015(19):85-88

[11]郭富強(qiáng).智能教學(xué)系統(tǒng)中動態(tài)學(xué)生模型的研究與設(shè)計[J].中國電化教育,2011(1):119-123

[12]馮迪,任勝兵,陳瀟男.灰色偏相關(guān)評價法在認(rèn)知型學(xué)生模型中的應(yīng)用[J].計算機(jī)工程與應(yīng)用,2017(2):245-252

[13]Ortony A,Clore G L,Collins A.The Cognitive Struct- ureof Emotions[M].England:Cambridge University Pr- ess,Cambridge,UK,1988:5-96

[14]侯鳳芝,夏洪文,潘瑞雪.基于情感計算的適應(yīng)性網(wǎng)絡(luò)學(xué)習(xí)系統(tǒng)模型設(shè)計[J].現(xiàn)代教育技術(shù),2008(12):91-93

[15]羅奇,萬力勇,吳彥文.情感計算在e-Learning系統(tǒng)中的應(yīng)用探索[J].開放教育研究,2006(3):80-83

[16]喬向杰,王志良,王萬森.基于OCC模型的e-Learning系統(tǒng)情感建模[J].計算機(jī)科學(xué),2010(5):214-218

[17]趙潔.基于認(rèn)知理論和隨機(jī)開放性測試的動態(tài)學(xué)生建模研究[J].計算機(jī)工程與應(yīng)用,2003(34):95-98

[18]郝耀軍,王建國,趙青杉.網(wǎng)絡(luò)智能教學(xué)系統(tǒng)中雙層學(xué)生模型的設(shè)計[J].中國遠(yuǎn)程教育,2011(12):64-67,96

[19]孟玲玲,項國雄.基于Web的學(xué)生模型研究[J].現(xiàn)代教育技術(shù),2004(3):21-23

[20]王溢策,姜薇,黃運(yùn)濤.基于覆蓋模型的適應(yīng)性超媒體系統(tǒng)用戶建模[J].計算機(jī)應(yīng)用與軟件,2009(6):171-174

[21]汪全莉,陳代春.Web挖掘在網(wǎng)絡(luò)教育中的應(yīng)用研究[J].大學(xué)圖書情報學(xué)刊,2008(3):36-38

[22]張賽男,趙蔚.基于認(rèn)知風(fēng)格的Web數(shù)據(jù)挖掘構(gòu)建學(xué)生模型[J].現(xiàn)代遠(yuǎn)距離教育,2008(1):56-59

[23]Chen N S,Kinshuk,Wei C W,et al.Mining e-learning do- main concept map from academic articles[J].Computers & Edu,2006,50(3):1009-1021

[24]Mitchell T.Machine learning[M].New York:The Mc- Graw-Hill Companies,1997:23-56

[25]董曉輝,楊曉宏,張學(xué)軍.自適應(yīng)學(xué)習(xí)技術(shù)研究現(xiàn)狀與展望[J].電化教育研究,2017(2):91-97,121

[26]陳麗花.貝葉斯網(wǎng)絡(luò)在學(xué)生模型建模中的應(yīng)用[J].微型機(jī)與應(yīng)用,2010(8):80-82

[27]劉艷,張銳.基于貝葉斯網(wǎng)絡(luò)的學(xué)習(xí)評估模型及其在e-Learning系統(tǒng)的應(yīng)用[J].滁州學(xué)報,2009(4):50-55

[28]Garcia P,Amandi A,Schiaffino S,et al.Evaluating baye- sian networks' precision for detecting students' learning styles[J].Computers & Edu,2007,49(3):794-808

[29]Jovanovic J,Gasevic D,Torniai C,et al.The social sema- ntic web in intelligent learning environments:state of the art and future challenges[J].Inter Learning Environ,2009,17(4):273-309

[30]趙蔚,劉秀琴,邱百爽.語義網(wǎng)自適應(yīng)學(xué)習(xí)系統(tǒng)中領(lǐng)域本體的構(gòu)建[J].吉林大學(xué)學(xué)報:信息科學(xué)版,2008(5):514-518

[31]Vesin B,Ivanovic M,Budimac Z.Protus 2.0:ontology-based semantic recommendation in programming tutor- ing system[J].Expert Sys with Appli an Inter J,2012,39(15):12229-12246

[32]冷宣兵,王平,張立.艦空導(dǎo)彈總體設(shè)計方案評估研究[J].兵工自動化,2007(10):3-4

[33]焦蕾,殷鋒社.基于學(xué)生模型的模糊綜合評判方法研究[J].電子設(shè)計工程,2011(9):97-99

[34]Chrysafiadi K,Virvou M.Evaluating the integration of fuzzy logic into the student model of a web-based learn- ing environment[J].Expert Sys with Appli an Inter J,2012,39(18):13127-13134

[35]金慧,劉迪,高玲慧,等.新媒體聯(lián)盟《地平線報告》(2016高等教育版)解讀與啟示[J].遠(yuǎn)程教育雜志,2016(2):3-10