周传生, 周志龙, 王嘉铄

(1. 沈阳师范大学 软件学院, 沈阳 110034; 2. 伦敦大学学院 机械工程学院, 伦敦 201103;3. 伦敦大学学院 医学院, 伦敦 201103)

0 引 言

近年来,随着SMART教育[1]、MOOC教育[2]、STEAM教育[3]和学习分析技术[4-5]的应用与逐步普及, 传统教育的时空界限正在被打破, 混合式教学模式[6]正逐步流行, 基于数据分析技术的数据驱动的“因材施教”正逐步实现。 学习分析技术就是通过对学习者相关学习数据和环境数据的分类、回归与聚类,推动教育工作者尝试建立学习者的数字画像, 并利用该类画像了解和优化学习者的自我学习和学习环境,推动学习者个性化教育的开展和实施。 目前,基于数字画像的研究大多数集中在建模和教学实践2个方面。 在学习者画像模型构建方面, 曼加拉姆·桑克佩莱等从学习者的学习态度和学习动机的角度构建用户画像[7]; 马蒂提出了学习者感知模型, 来探究影响学习者在线学习效果的关键画像标签特征[7]。 陈海健等[8]从学习者的基本属性、知识点兴趣、学习者类型和学习风格偏好4个维度构建了学习者画像, 并进行学习者个性化教学探讨。在学习者画像应用实践方面, 顾小清等[9]分析了学习者画像的构建对于促进学习支持方案改进的重要作用; 肖君等[10]对移动 MOOC 环境下的学习者画像进行了分析和应用研究。 本文从学习者数字画像的实现技术方面,以学生综合素质评价为归依, 研究提出基于XML技术的开放式学习者数字画像的构建及其实现, 为学习者数字画像应用软件的设计提供柔性支持。……