论文部分内容阅读
随着移动互联网和信息技术的发展和普及,英语阅读学习资源越来越丰富,学习方式也越来越移动化、智能化。信息的急剧增长和无序分布给英语学习者随时随地自主的个性化学习带来了挑战。在移动碎片化学习情境中,如何快速地从海量数据信息中挖掘出学习者在英语阅读学习过程中的薄弱环节,并根据学习者特征与资源特征的联系将适当的资源推荐给他们,针对学习者在学习中的薄弱环节能给予适当性的训练,对提高学习者的学习效率与学习效果具有现实意义。本研究主要完成了以下几方面的工作:(1)构建了英语碎片化阅读中学习资源自适应推荐模型。本文首先通过文献研究,设计了碎片化学习环境中学习者的五维特征模型(学习者的英语阅读能力、认知风格、学习目标、学习情境及学习效果)和英语阅读资源三维特征模型(资源的题型、题材及难度)。同时,为了使学习资源符合碎片化学习时空零碎、离散的特点,对英语四级阅读资源进行合理的设计与分割,使其适应学习者移动碎片化学习的需要。再结合机器学习算法ID3(Iterative Dichotomiser 3),构建了英语碎片化阅读中学习资源自适应推荐模型。(2)设计了基于ID3算法的英语碎片化阅读资源自适应推荐算法。资源自适应推送时,把信息增益最高的属性作为当前结点的分类属性,依次进行分类,以生成决策树。根据生成的决策树析取表达式规则,以此实现资源自适应推送。(3)设计和实现了英语碎片化阅读中学习资源自适应推荐系统。依据软件工程原理对系统进行了需求、目标用户、可行性的分析和系统架构、功能模块、数据库的设计,并运用Android Studio、Visual Studio、SQL Server等工具对系统进行开发,实现移动端英语碎片化阅读中学习资源自适应推荐App,以辅助学习者进行英语四级的仔细阅读模块的练习。(4)分析了英语碎片化阅读中学习资源自适应推荐系统的应用效果。选取准备报考英语四级的学习者作为测试样本,让他们使用该App进行英语阅读学习一个月。通过App自动收集学习者在学习过程中的数据,使用spss中的相关分析、多因素方差分析、回归分析、聚类分析等统计分析方法,对学习者模型、资源模型、资源自适应推荐模型及学习效果进行分析。发现,○1在移动碎片化学习情境中,所提出的英语阅读资源自适应推送策略是有效的,使用移动端进行英语碎片化阅读是可行性的。○2资源模型中的题型维度,学习者模型中的阅读能力、认知风格和学习目标维度的选取及取值范围的设定较为合理。○3资源模型中的题材和难度维度取值范围的设定,以及学习者模型中学习情境音量维度数据的获取方式有待进一步研究。本研究结果表明,英语碎片化阅读中的学习资源自适应推荐可以帮助教师通过有效的数据集合来制定未来的资源推荐策略,以自适应推送贴近学习者个性化需求的资源。英语学习者使用移动端在碎片化学习情境中学习阅读,能使英语阅读薄弱环节得到针对性的训练,从而提升学习者阅读能力的不同方面,提高大学英语四级的通过率。