基于个性化学习路径的大学计算机基础课程体系构建

来源:用户上传      作者:杨卉

　　摘 要：本文是在对开设的大学计算机基础课程及不同交叉专业学科知识点的重新梳理、有效匹配的基础上，通过对学生认知能力的评估、领域模型的构建、个性化学习路径推荐及网络学习评估模型等四个部分建模，重构了一个个性化的、适合不同学习风格、满足交叉学科专业需求的全新大学计算机基础课程体系。
　　关键词：计算机基础教学;个性化学习;课程体系
　　一、绪论
　　大数据时代的到来，使网络学习资源（包括在线课程、慕课资源等）呈指数级增长，大量的学习资源导致信息过载与网络迷航让学习者对网络学习感到焦虑，浪费了大量的学习时间却达不到应有的学习效果。如何为学习者提供高品质的个性化学习内容推荐，让学习者能够根据自己的需求学习、依据学习者的认知水平帮助其找到适合自己的学习内容和方法，依据学习者的学习风格找到适合自己的环境和学习伙伴、让学习者能够及时有效地得到专业老师的帮助和指导，进而提升学习者在网络上自主学习的积极性，使网络学习更加轻松、便捷、高效。本文以个性化学习系统理念为基础，以计算思维为核心思想，将大数据处理、物联网和云端资源存储的概念、原理、方法与非计算机专业的科研需求和应用需求进行有机整合，进而对开设的大学计算机基础课程以及不同专业课程的学习资源进行有效匹配与重组，构建全新的大学计算机课程学习体系，以满足非计算机专业学生对学习大学计算机基础课程的个性化学习需求。
　　二、学生认知能力分析与评估
　　根据美国心理学家布鲁姆的认知目标分类理论，知识理解分为知识、领会、应用、分析、综合、评价等6个级别，其中前3个属于低阶思維，后3个属于高阶思维[1]。而难度不同，级别不同的试题，对学生认知程度所起到的贡献也不相同。另外，学生对知识所掌握和理解的程度可以通过学生做题的速度以及做题得分来进行判断。可以将包括各种试题题型与不同难度、做题时间和回答次数等问题的测验试题作为考察学生认知能力的原始记录，将这些原始记录进行总结和统计，估算出学生掌握知识的初步程度，通过在学习的三个不同阶段（即开始、过程中和结束）的评估，使其对整个学习过程产生动态影响并可以适应性呈现出来。在学习开始时，要尽量了解学生的认知能力和先验知识，先要对学习的历史数据进行分析比较（比如练习、交流反馈、信息检索等），根据评估初步判断出学习者的认知能力，通过动态组织和呈现适合学习者的学习内容，给出个性化导学策略，对整个学习过程进行有效干预。
　　三、个性化学习路径推荐模型
　　本模型通过本体定义、处理和关联构建完成交叉学科知识的整合。以领域知识为基础，通过对本体的多次重复、迭代和逐步求精完成本体的整体建模。首先，获取计算机基础知识领域的有关知识实体并建立知识链。知识层次化可以通过概念以及概念间关系语义进行交叉融合实现。其次，概念化知识链，通过知识实体、属性描述和交叉方向描述的领域知识内容来实现交叉学科知识本体的机构化。
　　如图1，首先，将元数据进行标注形成的元数据信息并存储到元数据库中，然后通过知识映射将元数据库中的知识映射到交叉学科知识本体库，最后在学生领域认知能力与交叉学科知识本体库之间建立对应联系，同时推送导学策略资源。根据标注的知识属性特征主动推送资源到特征用户，实现个性化动态的学习路径。智能导学过程的核心价值是建立领域知识和交叉学科知识本体的联系和基于数据挖掘建立特征模型与资源的联系。
　　四、网络学习评价模块
　　诊断性评价、形成性评价和总结性评价是网络学习评价过程的三种基本方法。本模型从学生的认知能力、学习风格、测评结果、推荐成功、反馈改进等五个方面综合考察学习过程，设定相应的指标权重作为评判的依据。如图2在模型中将学习资源、学习过程、学习结果、推荐模型和反馈信息等作为上述五个指标相对应的输出部分，建立对应的评价策略，最后根据实际课程和专业学科需求来设计评价指标、学业成绩和评价参数等内容，以此构建更加科学、标准、有效的网络学习评估模型。
　　参考文献：
　　[1]EuropeanCommission（2009）.TENCompetence：PersonalCompetenceManager[DB/OL].[2009-12-01].http：//tencompetence-project.bolton.ac.uk/.
　　项目支持：本项目为全国高等院校计算机基础教育研究会教改研究项目（项目编号2019-AFCEC-143）的阶段性研究成果
　　作者简介：杨卉，女，吉林人，博士，副教授，研究方向：数据挖掘、商务智能、大数据分析。
转载注明来源:https://www.xzbu.com/1/view-15204506.htm