文档介绍：基于计算机的教育中的学生模型
Larissa Zaitseva, .,
Cathrine Boule, .
Proceedings of the The 3rd IEEE International Conference on Advanced Learning Technologies (ICALT’03) 0-7695-1967-9/03 $ (C) 2003 IEEE
翻译、评论:车伟坚
摘要:
这篇论文描述了在基于计算机的教育中使用学生模型的可能性。模型的分类已经给出了,现今可用的学生模型的可比较的分析结果也显示在论文中。分析是基于参数的,这些参数对于教学效率都是至关重要的。最后提供了发展中的学生模型。
现今有很多可用的、发展中的各式各样的基于计算机的教学和学习系统。为了贯彻一个有资格的可用的教学课程,这个课程应该适应学生。因此应该发展学生模型来补充这种系统。
学生模型包括如下信息:知识水平、技能水平、任务绩效能力、心理上的和性格上的对于组织有效的适应的教学过程必需的信息。
学生模型可以分为以下两个大组:固定的(标量模型、覆盖模型(矢量和网络模型))和模仿的。
研究中经常会提及各式各样的学生模型。分析会考虑到对于组织有效的适应的教学过程必需的组成部分。这些组成部分是:(1)知识水平;(2)心理特征;(3)学习风格;(4)任务绩效;(5)学习能力(非常仔细、一般仔细、很少仔细);(6)技能水平;(7)教学策略;(8)知识图式。
研究的模型的分析结果显示在表格一中,纵栏符合上述的组成部分。其中最有用的参数是“知识水平”。但是很不幸,对于心理特征的考虑少得可怜。
学生模型应该包括所有的可以影响教学效果的参数和可以显示这些结果的参数。这就是为什么它的结构应该是复杂的并且包含不同的模型的模式。
表格一:学生模型的比较分析
系统/模型
参数
知识水平
心理特征
学习风格
任务绩效
学
教学策略
知识图式
HBLE
+
+
OLAE
+
POLA
+
ATS
+
+
Cascade
+
+
+
程序的任务解决
+
+
MicroWeb
+
Eon
+
+
+
FLUTE
+
+
+
+
SMART
+
+
+
螺旋模型
+
+
+
+
KBS超文本系统
+
+
+
IDEAL
+
5部分模型
+
+
JTS
+
+
+
+
Web PVT
+
+

因此,更多的公式:Mst={M1, M2, M3, M4, M5, M6}
M1——准备知识,可以用矢量或者图表来表示。
M2——现在的知识,这个组成部分可以用矢量来表示。M2={绩效,努力,资源,知识,速度}
M3——个性化的心理特征,例如,个人风格(PT),典型系统(RS),一种记忆类型(MT),定位(O),学习能力(A),等等。M3={个人风格,典型系统,一种记忆类型,定位,学习能力}。
M4——使用计算机工作,对基于计算机教学系统和其他相关信息的了解和经验。
M5——课程结构。
M6——教学策略。
为了建立更高效的基于计算机的教学系统,它应该发展