基于学习风格同质分组的e-Learner教育定制化
人机交互
2024-08-26 v1 人工智能
摘要
与面对面教学相比，E-learning环境提供了更大的灵活性，允许通过个性化定制电子内容和教育过程来满足学习者的个体需求和能力。尽管这种方法有其优势，但定制学习环境可以通过对相似学习群体使用相同的内容和过程，降低辅导系统的成本。现有的学习者分组指标多种多样，但许多是概念性的、不确定的，且随时间变化。在本文中，我们提出使用基于学习风格的Felder-Silverman模型来对相似学习者进行分组。此外，我们使用模糊集理论（FST）对网络环境中学习者的行为和动作进行建模。在识别出学习者的学习风格后，形成同质学习小组，并根据其偏好、需求、才能和能力为每个小组提供自适应内容。通过比较实验组和对照组的结果，我们确定了所提出分组方法的有效性。在“教育成功”方面，实验组的加权平均分为20分中的17.65分，而对照组为12.6分。此外，实验组的“教育满意度”为67%，而对照组为37%。
关键词
引用
@article{arxiv.2408.12619,
title = {Educational Customization by Homogenous Grouping of e-Learners based on their Learning Styles},
author = {Mohammadreza amiri and GholamAli montazer and Ebrahim Mousavi},
journal= {arXiv preprint arXiv:2408.12619},
year = {2024}
}