[2016][34]基于大数据的牛顿(Knewton)平台自适应学习机制分析
自适应学习平台的关键技术与典型案例
- 1. 概述
- 2. Knewton平台
- 2.1 基础架构
- 2.1.1 数据收集与处理组件
- 2.1.2 推理与评估组件
- 2.1.3 个性化服务组件
- 2.2 数据模型
- 2.2.1 知识图谱
- 2.2.2 学生事件
- 2.2.3 目标档案
- 2.2.4 输出结果
- 3 核心技术
- 3.1 项目反应理论
- 3.2 平台架构
- 总结
[点我下载论文]
1. 概述
该篇文章对国外火热的自适应学习平台Knewton进行了分析。从基础架构、数据模型和核心技术三个方面对Knewton平台进行了介绍。Knewton平台提供了适应的持续性,可以对学生的学习表现和活动完成质量给予及时反馈, 以在正确的时间基于正确的内容提供合适的学习指导,来最大化学生获得学习内容的可能性; 同时基于给定活动的完成情况, 自适应学习系统应能持续性地逐步引导学生进入下一个活动。
2. Knewton平台
2.1 基础架构
Knewton平台基础架构包含三个部分:数据收集与处理组件、推理与评估组件和个性化服务组件。
2.1.1 数据收集与处理组件
该组件负责数据的收集、归并和处理。
2.1.2 推理与评估组件
该组件又分为心理测验引擎、学习策略引擎和反馈引擎。
- 心理测验引擎负责评估学生的概念掌握程度、内容参数、学习效率等,并通过推理的方式来扩充学生的数据集(包括挖掘学习偏好、认知风格、知识结构、能力水平、学习进度等),最终形成能综合表征学习者学习状态的信息档案面板。
- 学习策略引擎主要用于评估学生对教学、测验、进度安排等方面变化的敏感程度,识别学生在学习过程中对学习资源、学习环境等改变做出的反应,并据此为学生选择合适的学习策略,如提供符合学习者认知风格的学习资源和学习路径、提供符合学习者学习水平的测评方案等;
- 反馈引擎负责对数据和反馈结果进行归一化处理,并将它们返回到自适应本体库中, 以丰富自适应本体的元数据信息, 使知识概念与学生的学习过程信息之间建立更符合实际且可用的关联, 进而提高推理和分析的精准性。
2.1.3 个性化服务组件
该组件利用所有合并数据所构成的整体网络为学生寻找最优的学习策略包括:推荐引擎、预测分析引擎和归一化学习轨迹。
- 推荐引擎负责从目标均衡性、学生的优劣势、投入程度三个方面,为学生提供下一步操作的排序建议;
- 预测分析引擎负责对学生的考量作预测,如达到教学目标的速率及完成程度、考试分数、概念的熟悉程度等;
- 归一化学习轨迹的目的在于统一学生的个人账户,建立学生在不同学习应用、学科领域和学习时段与先前学习经验之间的关联,避免个性化推荐应用中常遇到的“冷启动” 问题。
2.2 数据模型
数据模型是数据在系统中的存储方式,Knewton平台中的数据模型包含四部分内容:知识图谱、学生事件、目标档案、输出结果。
2.2.1 知识图谱
知识图谱是概念与概念之间关系的集合,是牛顿平台用于精准定位学生学习状态的重要方式, 其结构如图 1 所示。 其中, 圆圈代表概念;连线代表各概念之间的关系;箭头指向表示前一个概念是后一个概念的先修概念,二者之间是先修关系。
牛顿平台的知识图谱是通过自适应本体来建立的。自适应本体
由模块(内容片段)、概念、内容与概念之间的关系三种元素构成。自适应本体之间存在包含、评估、教学、先修四种关系。
2.2.2 学生事件
学生事件是学生与学习内容交互时产生的系列数据流,主要用于对学生的能力进行实时推断。学生响应事件数据的存储与交换格式,包括试题编号、作答持续时间、试题所属模块、交互结束时间、得分、正误状态以及完成状态, 其数据结构示意图如图 2 所示。
2.2.3 目标档案
牛顿平台能够为学生提供可持续更新的学习目标档案,档案内容包括学生未学习的内容、已学习的内容、知识概念掌握的状态水平、成绩排名以及如何学得更好的推荐信息。
2.2.4 输出结果
平台产生的中间数据和个性化推荐结果。个性推荐与分析诊断数据的存储与交互格式,包括推荐模块、学习案例、目标模块、预期分数、置信区间、评估时间等。
3 核心技术
3.1 项目反应理论
牛顿平台对传统的项目反应理论进行了扩展,认为学生的能力参数会随时间而变化,同时,对学生能力的表征不再局限于某个唯一的参数,而是通过利用聚焦于概念层面的知识图谱来对学生能力进行评估和表征。
3.2 平台架构
其中, 核心服务层负责与牛顿平台的数据库打交道,并以表单的方式向应用服务层提供预处理后的数据信息,其中典型的服务就是知识的图谱化工作。
Knewton API 能为合作企业提供下述三个层面的服务:
- 学习历史记录层面
- 学习交互数据分析层面
- 个性化推荐层面
总结
这篇文章并未深入分析Knewton平台的内部机制。只是从顶层做了概览性介绍,部分内容有些生涩,不太容易读懂。通读下来印象较为深刻的内容为:
- Knewton系统包含三个部分:数据组件、推理组件和个性化推荐组件。
- 数据模型包括:知识图谱、学生事件、目标档案和输出结果
- 推荐组件主要用于对学生学习状态、心里状态进行评估和推理
- 个性化服务组件主要用于学习内容推荐和学习目标规划。
文章中涉及了自适应本体的概念,但是仅仅停留在概念阶段,并未深入进行分析研究。
[2016][34]基于大数据的牛顿(Knewton)平台自适应学习机制分析相关推荐
- ssm基于大数据的智能公交平台的设计与实现毕业设计源码261620
目 录 摘要 1 绪论 1.1研究背景 1.2研究现状 1.3系统开发技术的特色 1.4论文结构与章节安排 2智能公交平台 分析 2.1 可行性分析 2.2 系统流程分析 2.2.1数据增加流程 2 ...
- 基于大数据的能力开放平台解决方案
某企业经过多年的系统建设和演进,内部系统间存在一些壁垒,通过在运营商的各个内部系统,如经分.VGOP.大数据平台.集团集市等中构建基于ESB 的能力开放平台,解决了系统间调度.封闭式开发.数据孤岛等系 ...
- 基于大数据的病虫害预警系统
1.1 开发背景及研究意义 基于大数据的病虫害管理系统是利用现代信息技术和大数据分析技术,对农作物病虫害进行监测.预测.预警.防控和管理的一种新型系统.它的主要目的是提供一个快速.高效.准确的信息服务 ...
- 基于大数据的人工智能应用-周靖人
随着互联网的高速发展,数据量爆发式地增长,数据维度越来越丰富,这些都为机器学习.人工智能的发展和应用提供了良好的土壤.同时,人工智能的成果也反过来让数据产生更大的价值,成为真正的"智能数据& ...
- 某鞋履品牌——基于大数据的门店数智化转型升级
某公司为领先的国际综合零售商及中国中高档女士商务及休闲鞋履的领先零售商,以多样化设计在中国从事中高档女鞋的生产及销售. 随着公司业务的发展,当前各POP平台和门店.私域流量会员独立运营.数据割裂情况的 ...
- 【BDTC 2017】专访中兴通讯杜学军:uSmartInsight,大数据与人工智能融合平台
[CSDN现场报道]2017年12月7-9日,由中国计算机学会(CCF)主办,CCF大数据专家委员会承办,中国科学院计算技术研究所.中科天玑数据科技股份有限公司与CSDN共同协办,以"大数据 ...
- 【2016年第6期】基于大数据的移动互联网主动运维理论和实践进展
杨慰民 中国移动通信集团福建有限公司,福建 福州 350003 摘要:对于非话音的移动互联网业务,即使网络指标是完好的,仍然存在用户感知不佳的现象.基于大数据技术研究用户感知和网络性能指标的关系 ...
- 【2016年第1期】基于大数据的玉米田四代棉铃虫发生量的预测模型
赵雷,杨波,刘勇,牟少敏,温孚江 山东农业大学农业大数据研究中心,山东 泰安 271018 摘要:提出了一种基于支持向量机的预测模型.根据山东省1999-2013年玉米田第四代棉铃虫发生程度采集的数据 ...
- 【2016年第1期】基于大数据的小麦蚜虫发生程度决策树预测分类模型
张晴晴,刘勇,牟少敏,温孚江 山东农业大学农业大数据研究中心,山东 泰安 271018 摘要:小麦蚜虫是危害小麦的主要害虫.其发生程度预测特别是短期预测一直是植物保护领域难以解决的科学问题.传统预测方 ...
最新文章
- 智能语音交互技术在360的落地实践
- 使用Gradle整合SpringBoot+Vue.js-开发调试与打包
- webpack打包路径更改_扫盲: Webpack 从扫盲到手撸(上)
- python filter函数_Python列表的8个实用技巧
- html点击图片换几种颜色,css实现点击给物品换颜色
- 断开式绑定ComboBox 关键命令 1201
- [学习指南]运动是基于4412嵌入式技术开发板学习步骤
- 基于modelsim的十个Verilog入门试验程序(1)(7人表决器+算术逻辑单元)—程序+测试代码+波形+结果分析
- Hello Quartz (第四部分)
- JavaScript学习笔记 1
- 图像预处理第1步:将256色图像转化为灰度图像
- 旧板与IO板之间的连接
- 计算机在施工中的应用研究,浅析计算机技术及网络在工程施工中的应用研究.pdf...
- 【考研数学高数部分】泰勒展开式
- Shape Shifter——制作简单动画
- 本地策略从网络访问此计算机没有guest,网络访问没有类型,无法访问共享、共享文件、共享打印机...
- 苹果4s什么时候上市的_前景***好苹果苗什么时候价格
- Magento 数据表结构 EAV模型详解
- Dennard scaling(MOSEFT scaling)
- 《(数学篇)》 复数运算