MOOCs环境下个性化学习需求预测建模与仿真——系统动力学的视角

发布时间：2025-06-21 02:29

　　 MOOCs环境下,基于学习者前期学习表现进行个性化学习需求预测,能够进一步优化学习体验,提高学习者课程参与度。研究以学习者的个性化学习需求为研究内容,以系统动力学为指导方法,并交叉使用层次分析法和非线性回归分析确定变量间的数量关系,建立个性化学习需求预测模型。最后结合两门不同语种课程数据进行模拟仿真分析,对学习者各方面学习需求变化状况和引起学习需求变化的高杠杆因素进行探索与验证。研究结果表明:所构建的预测模型包括内容、资源、过程和评价四个需求子系统,涵盖3个状态变量、4个流率变量、23个辅助变量和20个常量,能够对学习者的个性化学习需求进行准确预测;内容难度需求和评价标准需求是个性化学习需求变化的主要体现,这两方面分别与学习者知识总量和学习投入总量呈正向显著相关;学习兴趣、需求满足程度以及课程目标是需求预测中需要关注的高杠杆因素;不同的课程中,学习者个性化学习需求变化的主要体现与需要关注的高杠杆因素相同,但高杠杆因素的影响程度会随课程不同而有所变化。

【文章页数】：9 页

【部分图文】：

图1MOOCs环境下个性化学习需求预测系统边界31

图2MOOCs环境下个性化学习需求动态流图

2018年第11期（总第307期）学习需求预测模型的主要动态方程，见表3，其中L表示状态变量，R表示流率变量，A表示辅助变量，C表示常量，该表定量地反映了因素之间的相互关系。图2MOOCs环境下个性化学习需求动态流图表3个性化学习需求预测模型主要动态方程四、研究结果分析与讨论（一....

图3需求满足程度对学习投入总量的影响

E)对所构建模型的仿真数据进行历史检验，当MAPE计算结果小于10%为高精度预测，在10%²0%之间为良好预测，在20%³0%之间为可行预测，大于50%为错误预测。本研究的具体检验结果见表4，可以看出仿真预测值与真实值之间的相对误差均小....

图5个性化学习需求预测影响因素仿真学习资源偏好资源量需求总体参与讨论量学习兴趣Current每节课知识总量Current学习者方面课程资源方面课程教师方面

本文编号：4051774