论文部分内容阅读
现代教育理论认为，协同学习是提高学习效率的最有效的方法。计算机支持的协同学习，由于有网络和计算机技术的支持，因而具有学习时空自由、协同方式多样灵活、学习资源丰富等优点。在计算机支持的协同学习系统的开发和实施过程中，合理的感知强度和任务分配策略能有效提高系统协同性。
本文在传统CSCL(ComputerSupportedCooperatingLearning)理论基础上，构建了学习环境中的知识模型和用户状态模型，并以这两个模型为基准，设计了一种新的基于多维空间思想的学习者感知策略，用于在感知用户间自动分配协作任务的自适应递归算法，并以此为核心创建了一个TPA_CSCL(TaskPerceptionandAssignment)平台。本平台的创新点可以归纳为：
1、根据专业与学科间的层次结构，以及知识点之间的继承、前驱、后继、并列、相关等相互关系，构建了知识的层次网状结构模型，该模型能更合理地描述知识的内在逻辑关系。
2、本文提出了一种基于多维空间思想的学习者感知策略，该策略通过会话服务器感知相近学习者，并仅将这些相近学习者的信息读取到本地实施任务分配，从而降低了网络传输的开销。
3、基于感知信息本文设计了一个用于自动分配合作任务的递归算法，算法将学习者当前状态描述为以特定知识点为核心的结构模型，并根据模型本地决策任务分配方案。该算法在分布式协同学习环境中，随着学习者的增加协同程度可显著提高。
4、系统采用分层体系结构和组件技术实现，随着研究的深入改进和扩充都很简便。
最后，本文设计并实现了一个支持两种学习模式、可扩展的TPA_CSCL系统平台，该平台以上述技术为中心，包含教务管理、环境管理、协同管理等主要组件模块。