基于Felder—Silverman量表用户学习风格模型的修正研究

合集下载

基于Felder-Silverman学习风格的自适应e-1earning系统

基于Felder-Silverman学习风格的自适应e-1earning系统翟小可;李怀亮;崔春生【期刊名称】《电子设计工程》【年(卷),期】2011(19)12【摘要】传统e-learning系统缺乏学生个性化特征的定制功能,学习风格是学习过程中较为稳定的学习策略倾向个性特征.将Felder-Silverman学习风格引入e-learning系统,给出了基于Solomon量化表的学习风格生成算法,然后搭建基于.NET分层架构的自适应性e-1earning系统.实验结果表明,该系统能够根据学生的学习风格进行个性化的内容呈现和知识导航,具有自适应的特征.%Traditional e-leaming system lacked personalized customization function based on different students, learning style is stable personality traits of learning strategies in the learning process. This paper introduce Felder-Silverman learning styles into e-leaming system, we proposed learning style generation algorithm based on the Solomon quantization table, and then build a adaptive e-learning system based on .NET layered structure. The experimental results indicate that the system can make personalized contents of the course and knowledge navigation adaptive to adjust the learning styles of different students.【总页数】4页(P46-48,51)【作者】翟小可;李怀亮;崔春生【作者单位】北京理工大学珠海学院管理与经济学院,广东珠海519085;首都师范大学信息工程学院,北京100048;河南财经政法大学计算机与信息工程学院,河南郑州450002【正文语种】中文【中图分类】TP391【相关文献】1.基于Felder-Silverman学习风格模型的网络学习风格研究 [J], 王晨煜;管明辉;殷传涛;熊璋2.网络学习焦虑与空间定位感间作用关系研究——基于Felder-Silverman学习风格的群体差异分析 [J], 傅钢善;李运福3.基于Felder-Silverman学习风格模型的网络学习风格研究 [J], 王晨煜;管明辉;殷传涛;熊璋;4.大学生学习风格调查与分析——基于Felder-Silverman及Kolb量表 [J], 李婷婷;周丽萍;黎明5.大学生学习风格调查与分析--基于Felder-Silverman及Kolb量表 [J], 李婷婷; 周丽萍; 黎明因版权原因，仅展示原文概要，查看原文内容请购买。

基于在线学习平台的个性化需求定制系统的研究

1引言随着教育信息化和“互联网+”飞速发展，信息技术改变了当代人们的学习方式和思维方式。

在线学习平台与传统的学校教育相比有着自身的优势，诸如数字化学习、移动学习和定制服务学习等，日益被广泛认可。

我们把学习者通过互联网进行学习的媒介称作在线学习平台[1]，学习者可以随时登录平台进行适合自己水平的学习，平台记录学习者的进度、答疑以及相互交流，还有配套的学习资源可供使用，系统平台实现对学习者学习情况的全面管理，甚至可以通过对学习者学习的数据分析，从而对学习者进度和方向进行相应的调整，实现对不同学习者进行不同教学的目的。

可以说，进行个性化需求定制的在线学习平台是学校教师教学的重要补充，同时也是学生学习的必要支撑。

因此，开发出适应学习者需要的并且能有效指导他们学习的系统平台已成为基于互联网教育中的重要课题。

针对个性化需求定制系统平台，这两年已经出现大量的学习模型和学习系统，这些模型和系统提供了丰富的学习资源、完善的动态交互及合理的学习难易度等功能[2]。

由于基于个性化需求定制系统都是针对学习者自身的特征而设计的，因此目前的在线学习系统模型大都从关键定制技术、个性化学习系统模型、教育应用研究、图书馆个性化定制等方面来进行研究。

比如，文献[3]从E-learning中通过对Web用户行为模式出发，分析了网络日志及特征，并对用户的访问记录的数据进行了探讨。

文献[4]通过考虑网络个性化定制服务系统的三种体系结构和信息过滤功能，构建了在网络个性化定制服务系统中的信息过滤技术模型。

文献[5]讨论了基于理性个性化的网络信息定制服务，介绍了定制服务需要的关键技术及工作流程。

文献[6]说明将个性化服务技术应用于网络学习平台。

文献[7]通过基于云计算环境进行构建探究，设计实现了个性化的教学系统平台。

这些研究表明：虽然个性化定制种类繁多，但在网络方面研究并不多，基于个性化定制需求的在线学习平台，无法收集来自异构平台的学习资源，因此不具通用性，无法实现平台间的资源共享；或只实现了被动性定制（即通过挖掘、分析用户的爱好等信息，对用户进行资源推送），并没有实现学习者对系统平台的主动性定制。

广州市高一学生所罗门学习风格与Kolb学习风格类型的关系

广州市高一学生所罗门学习风格与 Kolb学习风格类型的关系【摘要】目的：研究学生所罗门学习风格偏爱与Kolb学习风格类型的关系，为探究学习风格影响因素之间的关系提供依据。

方法：采用整群抽样方法对广州市某中学高一年级603名学生进行学习风格指数问卷（ILS）和经验学习风格类型量表（KLSI）的测量。

结果：所罗门学习风格的信息加工和输入维度与Kolb学习风格类型有统计学意义。

在所罗门学习风格等级得分与Kolb的学习方式得分的比较中多项有统计学意义。

结论：所罗门学习风格的类型与Kolb学习风格的类型有相关性。

所罗门学习风格的维度与Kolb学习风格的维度有交叠。

所罗门信息感知的维度与Kolb信息获取的维度存在分歧。

【关键词】高一学生；所罗门学习风格；Kolb学习风格提供个别化指导是人们对数字化时代移动学习、泛在学习的迫切要求。

传统下线教学模式，特别是以行政班为单位的课堂教学很难真正实现对每个学生实施个性化的教学。

运用大数据以及人工智能平台有望实现真正意义上的“适性教育”。

要实现“因材施教”的目标，首先需要确定的就是学习者属于什么样的“才”，才能通过算法提供合理恰当的教学资源，并对学习效果实施评价。

因此，科学地了解学习者的学习风格是实现个性化教学的先决条件。

学习风格是学习者一种稳定的学习偏好、学习习惯以及学习优势的总称，既有与生俱来的遗传属性，也有后天环境因素的影响[1]。

学习风格的概念从提出至今六十多年，形成了多个流派，不同学者根据各自的研究对学习者的学习风格类型提出了不同的划分方式。

Felder-Silverman学习风格模型是由Felder和Silverman于1988年提出[2]。

这个模型从感知信息、加工信息、输入信息及理解信息四个维度将学习风格分为四类，初衷是为了测量大学本科学生间的学习风格差异，再因应学生需求改进教学素材，提高学生的学习兴趣，从而达到改善计算机和工程专业的招生率的目的。

20世纪末基于Felder-Silverman学习风格模型提出的所罗门学习风格量表在教育信息技术领域尤其是线上教育中开始被广泛使用。

学习风格研究综述

学习风格研究综述1. 本文概述本篇《学习风格研究综述》旨在全面梳理和深入探讨学习风格理论的发展历程及其在教育实践中的应用现状与价值。

文章首先从学习风格的基本概念入手，阐述其定义、分类以及形成机制等核心要素，进而回顾自上世纪至今国内外关于学习风格理论的重要研究成果，分析不同学者及研究团队对学习风格多元性的认知视角和实证证据。

随着教育个性化理念的深入人心，理解并尊重学生的个体差异，尤其是学习风格的差异性，对于提升教学效果和促进学生全面发展具有重要意义。

本文还将系统地评估各种学习风格模型的有效性，并结合具体案例分析如何依据学习风格设计和实施有效的教学策略。

通过这一综述，期望能为教育工作者提供一个全面了解和有效运用学习风格理论的框架，从而推动教育教学实践的创新与优化。

2. 学习风格理论基础学习风格理论是教育心理学领域的重要组成部分，它关注个体在获取、处理和保留新知识过程中所表现出的独特偏好与习惯性方式。

这一领域的研究始于20世纪60年代末至70年代初，随着认知科学的发展以及对个体差异的关注逐渐增强而日趋丰富多样。

卡尔罗杰斯的人本主义学习理论强调了自我导向学习的重要性，认为每个学习者都有独特的认知路径和情感需求。

此后，大卫库珀赫尔曼的多元智能理论拓宽了我们对学习风格的理解，指出存在多种智能类型，并且个体可能在不同类型的智能上表现出不同的优势，从而形成各自的学习风格。

与此同时，弗兰克法利纳提出的学习风格模型则聚焦于感知和认知过程的差异，如视觉型、听觉型、动手操作型学习者等。

尼尔菲奥雷等人进一步深化了学习风格的研究，提出了学习风格的维度模式，包括场独立依存、序列整体、直观抽象等特征。

这些理论构建了一个多维度的学习风格框架，帮助教育工作者识别并适应学生的个性化学习需求。

最近几十年里，诸如VARK模型（视觉、听觉、阅读写作、动觉）等也成为了广为接受的学习风格分类体系，它们关注学习者接收和表达信息的不同通道，提倡教师采用灵活多样的教学策略以满足不同学习风格学生的需求。

Smap：可自适应Felder—Silverman学互风格模型的动态学习路径推荐工具

作者：杨娟[1];黄智兴[2];刘洪涛[3];张养力[4];黄兴禄[4]
作者机构： [1]四川师范大学计算机科学学院,610101;[2]西南大学计算机与信息科学学院;
[3]重庆邮电大学计算机科学与技术学院;[4]不详
出版物刊名：中国远程教育
页码： 77-86页
年卷期： 2013年第9期
主题词：学习风格学习路径 3向语义链网络
摘要：为了解决伴随远程学习而产生的“学习偏离”和“认知过负”问题，基于学习风格偏向性的个性化学习路径推荐是一个解决方案。

但现有智能学习系统，因其底层缺乏可自组织的资源组织结构，导致学习对象无法动态选择。

为了解决这一问题，本文提出基于3向可演化的语义链网络（SLN）资源组织结构，并在此基础上开发了原型系统Smap。

具有不同学习风格偏向性的学习者，可以根据SLN中的语义关系获得符合其学习风格的学习路径引导。

教育学中的学生学习风格研究

教育学中的学生学习风格研究在教育学领域中，学生学习风格的研究一直是一个重要的话题。

学生学习风格是指个体在学习过程中表现出来的倾向和偏好，包括对信息的获取、处理和组织方式，以及学习动机和学习方式等方面的个体差异。

了解学生的学习风格有助于教师更好地设计教学活动，促进学生的学习效果。

学生学习风格的研究可以追溯到20世纪50年代。

心理学家戴维·柯尔特（David Kolb）提出了著名的“经验理论”，他认为学习是一个由经验转化为知识的过程。

柯尔特将学习者的学习风格分为四种：抽象概念化（Abstract Conceptualization）、具体经验（Concrete Experience）、主动实验（Active Experimentation）和反思观察（Reflective Observation）。

这四种学习风格代表了不同的认知方式和学习方式，不同学生在这四种风格之间的倾向差异也决定了他们的学习方式。

除了柯尔特的学习风格理论之外，还有其他学者提出了各种不同的学习风格分类方法。

理查德·费尔明（Richard Felder）和琳达·希尔斯曼·希尔斯曼（Linda Silverman）提出了四个基本维度的学习风格模型：感性vs.直觉、视觉vs.言语、顺序vs.全局和主动vs.反应。

这种分类方法将学生的学习风格划分为不同的类型，有助于教师更好地了解学生的学习方式，并根据学生的学习风格进行差异化教学。

学生学习风格的研究不仅仅停留在理论层面，还有很多实证研究探索了不同学习风格对学习成绩和学习效果的影响。

一些研究发现，学生的学习风格与其学习成绩之间存在一定的关联关系。

例如，对于感性型学生而言，他们倾向于通过具体经验来理解和掌握知识，因此在实际操作类的学科中可能会表现出更好的学习成绩。

而直觉型学生则更善于进行抽象思维和概念解释，因此在理论类学科中可能会更加出色。

此外，学生学习风格的研究还可以为教学提供有益的启示。

大学生学习风格调查与分析--基于Felder-Silverman及Kolb量表

实践四种适应性学习模型遥其中具体经验和抽象概括
是一个人偏好的感知维度的两个极端袁反思观察与积
极实践则是信息加工维度的两个极端遥这样袁在感知维
度与信息加工维度可以组合形成发散型思维尧聚合型
思维尧吸收型思维和适应型思维四种学习方式袁如图 1
所示遥对四种典型的学习风格描述如下院[20]淤发散型思
Felder-Silverman 学习风格模型中袁从知识的加工尧
感知尧输入尧理解四个方面将学习风格分成了四组遥在
知识的加工中分为活跃型与沉思型袁感知中分为感悟
型与直觉型袁输入中分为视觉型与言语型袁知识的理解
中则分为序列型与综合型遥 Kolb 学习风格模型在学习
四阶段中形成了具体经验尧反思观察尧抽象概括和积极
前沿论坛
《中国教育信息化》编辑部：mis@
— ——基于 Felder-Silverman 及 Kolb 量表
李婷婷 1袁周丽萍 2袁黎明 1 渊1.湖北师范大学教育信息与技术学院袁湖北黄石 435000曰
2.湖北省黄石市第二高级中学袁湖北黄石 435001冤
摘要院随着信息技术的发展袁自适应学习受到学者越来越多的关注遥在自适应学习中尤为重要的便是
理科生在学习风格信息加工维度较文科生明显倾向于反思观察思维袁且理科生学习风格更加倾向于发散型
思维袁而文科生则在除聚合型思维的其他三种思维分布较为均匀遥
关键词院自适应学习曰学习风格曰Felder-Silverman曰Kolb曰T-sne 算法
中图分类号院G40-057
文献标志码院A
文章编号院1673-8454渊2019冤15-0024-05
根据学习者由学习风格等构成的学习者模型为其推送适合的学习资源遥该研究中袁使用对比研究方法运用

个性化自适应学习系统中的学生模型

（3）情感状态：学习者在学习过程中的情感状态同
样对学习效果具有较大的影响。有研究发现，当学习者
处在低落的情绪中时，会导致学习者退出任务学习。情
感因素与学习者的动机息息相关。
（4）认知能力：包括学习者的注意力、处理问题能
表 2 Felder-Silverman 学习风格分类
Tab.2 Learning style classification of Felder-Silverman
生信息数据，进而动态更新学生模型并且创建详细的学师和学生没有直接的接触，导致学生的情感表现等信息
生个人资料。
无法被完全收集，所以在对学生进行诊断时一些不确定
3 学生模型的分类与比较
性就大大地增加了。而模糊模型致力于能够解决这种不
经查阅相关论文资料，本文归纳陈述以下几种常见确定性。
的学生模型，以及各学生模型之间的特点比较，如表 3
重复，擅长于掌握新概念，能理解抽象的数学公式
智化地对知识进行转换，不喜欢复杂情况喜欢视觉表示，如图片、图表、流程图、图像、影片和演示中的内容
言语型 (Verbal) ：擅长从文字的和口头的解释中获取信息
序列型 (Sequential) ：喜欢先学习分立的知识，善于使用记忆策略综合型 (Global) ：喜欢先获得知识的综合视图
描述陈述性知识和简单的过程性知识的学习情况，不便不可或缺的作用，因其强大的功能体系，学生模型通常
习风格等，这些特征都不会因为学习过程的发生而变化，通常在学习之前通过问卷的形式就可以得知。而动态特征是指学生在学习时直接与系统的交互中，系统可通过
对基于本体论（Ontology-based）技术的关注越来越多，收集的数据直接更新的特征。动态特征包括学习者的知因其支持抽象内容和性质的呈现且方便重复使用 [7]，因识、技巧、情感、认知因素和元认知因素等。

基于Felder-Silverman学习风格的自适应e-learning系统

ｅｌａｎｎ系统－ｒｉｇｅ
翟小可，李怀亮，崔春生
（．京理工大学珠海学院管理与经济学院，东珠海１北广５９８；．都师范大学信息工程学院，京１０４；１０５２首北００８４００）５０２３河南财经政法大学计算机与信息工程学院，河南郑州．
ＡｂｔａｔＴａｉｏａ－ａｉｇｓｓｍａｋｄｐｒｏａｉｄｃｓｏｚｔｎｆｎｔｎｂｓｄｏｉｅｅｔｔｄｎｓｅｒｉｇｓｙｅｓｒｃ：ｒｄｔｎｌｌｒｎｙｔｌｃｅｅｓｎｌｅｕｔｍｉａｉｕｃｉａｅｎｄｆｒｎｕｅｔ，ｌａｎｔｌｉｅｅｎｅｚｏｏｓｎｉｔｂｅｐｒｏａｉａｔｏａｎｎｔａｅｉｓｉｈａｉｇｐｏｅｓＴｉａｅｔｄｃｅｄｒＳｌｅｍａｅｒｉｇｓｌｓｓｓａｌｅｓｎｌｙｔｉｆｌｒｉｇｓｒｔｇｅｎｔｅｌｒｎｒｃｓ．ｈｓｐｐｒｉｒｕｅＦｌｅ－ｉｒｎｌａｎｎｔｅｔｒｓｅｅｎｎｏｖｙｉｔ－ａｉｇｓｓｅｎｏｅｌｒｎｙｔｍ，ｗｒｐｓｄｌａｉｇｓｙｅｇｎｒｔｎａｇｒｈｂｓｄｏｈｏｏｎｑａｔａｉｎｔｂｅｎｈｎｅｎｅｐｏｏｅｅｒｎｔｌｅｅａｉｏｉｍａｅｎｔｅＳｌｍｏｕｎｉｔａｌ，ａｄｔｅｎｏｌｔｚｏ

基于大数据的数学建模方法融入高职数学教学实践探究

基于大数据的数学建模方法融入高职数学教学实践探究王英(甘肃财贸职业学院甘肃兰州 730207)摘要：“数学建模”是指利用计算机将现实生活中遇到的实际问题用一定的数学方法表示出来，并在计算机上进行模拟运算。

通过对现实生活中问题的分析和抽象，得到“数学模型”，再用模型来解决实际问题。

它融合了自然科学与社会科学，利用数学工具建立问题模型，通过计算机计算、分析、归纳和总结得出结论并提出解决问题的办法。

文章利用大数据技术和学习分析技术，设计了高职数学的精准教学模式，以云班课为平台，构建了数学建模方法融入高职数学教学模式。

关键词：大数据数学建模高职数学实践环节应用能力中图分类号：G712;O141.4-4文献标识码：A 文章编号：1672-3791(2023)13-0187-04Exploration on the Integration of the Mathematical Modeling Method Based on Big Data into Higher VocationalMathematics Teaching PracticeWANG Ying(Gansu Finance and Trade Professional College, Lanzhou, Gansu Province, 730207 China)Abstract: "Mathematical modeling" refers to using computers to express practical problems encountered in real life in certain mathematical methods, and performing simulation operations on computers. Through the analysis and abstraction of the problems in real life, a "mathematical model" is obtained, and then the model is used to solve practical problems. It integrates natural science and social science, uses mathematical tools to establish problem models, and draws conclusions and proposes solutions to problems through computer calculation, analysis, induction and summary. This article uses big data technology and learning analysis technology to design an accurate teaching model for higher vocational mathematics, and constructs a mode of integrating the mathematical modeling method into higher vocational mathematics teaching with Mosoteach as the platform.Key Words: Big data; Mathematical modeling; Higher vocational mathematics; Practice; Application ability近年来，随着高职教育招生规模的扩大和招生途径的多样化，学生基础参差不齐，学习行为分化的现象越来越突出，这些给高职数学教学带来了新的困难和挑战。

网络环境下学习者策略性特征群体差异研究——基于Felder-Silverman学

ＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ．２０１１（６７６８）：５８７ — ５９６．
［３］ＦａｒｍａｎＡＫ，ＳａｂｉｎｅＧ，ＥｄｇａｒＲ，ｅｔａ１．ＩｄｅｎｔｉｆｙｉｎｇａｎｄｉｎｃｏｒｐｏｒａｔｉｎｇａｆｅｃｔｉｖｅａｔａｔｅｓａｎｄｌｅａｒｎｉｎｇｓｔｙｌｅｓｉｎＷｅｂ－ｂａｓｅｄｌｅａｒｎｉｎｇｍａｎａｇｅｍｅｎｔｓｙｓｔｅｍｓ［Ｊ］．ＩｎｔｅｒａｃｔｉｏｎＤｅｓｉｇｎａｎｄＡｒｃｈｉｔｅｃｔｕｒｅ（ｓ）Ｊｏｕｒｎａ１．２０１０：８５．１０３．【４］ＭａｒｉａＫ，ＳｔａｖｒｏｓＤ，ＴｈｒａｓｙｖｏｕｌｏｓＴ，ｅｔａ１．Ｇｒｏｕｐｆｏｒｍａｔｉｏｎｂａｓｅｄｏｎｌｅａｒｎｉｎｇｓｙｌｔｅｓ：Ｃａｎｉｔｉｍｐｒｏｖｅｓｕｄｔｅｎｔｓ ’ ｔｅａｍｗｏｒｋ？［Ｊ］．ＥｄｕｃｔｉａｏｎＴｅｃｈＲｅｓｅａｒｃｈＤｅｖ．２０１２（６０）：８３－１１０．［５］０’ ＬｅａｒｙＣ，ＪｅｎｎｙＳ．Ｔｈｅｉｎｔｅｒａｃｔｉｏｎｏｆｌｅａｒｎｉｎｇｓｙｌｔｅｓｎｄａｔｅａｃｈｉｎｇｍｅｔｈｏｄｏｌｏｇｉｅｓｉｎａｃｃｏｕｎｔｉｎｇｅｈｉｔｃａｌｉｎｓｔｒｕｃｔｉｏｎ［Ｊ］．ＪＢｕｓＥｔｈｉｃｓ．２０１３（１１３）：２２５ — ２４１

浅析不同学习风格的多媒体呈现原则

浅析不同学习风格的多媒体呈现原则作者：陈雅玲来源：《电脑知识与技术》2020年第32期摘要：本文旨在透过内容分析，了解不同学习风格者在学习过程中的特性与偏好，以及多媒体富弹性的特质在数位教材中呈现的方式，进而探讨学习风格与多媒体呈现的相互关系。

本文以Clark与Mayer所提出的多媒体呈现原则为依据，归纳整理出对于不同学习风格的学习者所适用的多媒体呈现原则，依据这些原则，将能帮助学习者在学习上的吸收，达到适性化的教学。

关键词：学习风格;多媒体;多媒体呈现原则中图分类号：G424 文献标识码：A文章编号：1009-3044（2020）32-0206-031 研究背景网络学习，是一种以学习者为中心，不同于传统以教师为中心的模式，学习者从过去被动的学习方式，转为能独立学习且主动追求新知识。

徐新逸与廖佩如认为网络学习是以学习者为中心的学习环境，相较于传统学习的方式，学习者更加依赖教材内容，以弥补非面对面授课的缺失，因此网络学习内容的设计质量更为重要。

在网络学习多元的环境，多媒体呈现的方式让学习更为活泼与多元性，多了互动与动画的方式，帮助学习者对于内容的理解更为深入与快速。

但是多媒体多元与活泼的呈现，以及学习者自主学习为主的环境，很容易使学习者转移注意力，甚至迷失方向。

在网络学习的环境下，并非一个设计良好的教材就能够使学习者顺利完成课程，也有许多引起学习者中途放弃或是无法通过课程标准的因素。

赵美声、陈姚真认为当中属于个人特质的学习风格，也是重要因素之一。

Bruner在1966年就提出教材应以学习者能理解的方式呈现，教学方法也应配合学习者的认知发展。

故多媒体呈现方式若是能与学习者的学习风格相契合的话，也是能使学习更有效率与成效。

2 文献探讨本文旨在探讨学习者的学习风格倾向与信息处理的关系，了解不同学习风格的学习者对于何种多媒体呈现方式设计的教材，能有助于吸收。

借由内容的探讨与分析，归纳出多媒体教材的呈现原则。

基于Felder_Silverman量表用户学习风格模型的修正研究

63
图1
三种学习风格
Balance 型风格的划分是因为取值 ∈ ｛ 3a， a， b， 3b｝，不能十分明显判定出学习者属于某维度的哪种类型学习风格，所以就定义成一种 Balance 型风格。（三）学习路径和内容对象的推荐依据 Felder － Silverman 量表推断出学习者的学系统便根据学习风格特点向学习者推荐习风格后，
本文首先介绍了运用 Felder － Silverman 量表前测推断用户学习风格，接着以此为据，重点介绍数据挖掘影响学习风格模型的行为模式及修正学习风格模型的估算规则和算法。最后，给出了修正用户学习风格模型的实证研究。【关键词】 Felder － Silverman 量表，学习风格，自适应性，学习行为【 G434 中图分类号】【 C 文献标识码】【 1001 － 8700 （ 2010 ） 01 － 0062 － 05 文章编号】
浏览时间阈值设为览次数的阈值设为 50% 与 75% ， 75% 与 100% ；将实例停留时间的阈值设置为 75% 与 100% ，实例的访问次数的阈值设为 25% 与 50% ；将测试时间的阈值设为 70% 与 90% ；将知识树的浏览时间与浏览次数的阈值分别设为 5% 与 10% ， 30% 与 70% ；将点击上一页按钮的次数、点击下一页按钮的次数的阈值均设为 30% 与 70% 。
活跃型 / 沉思型问题 1 5 9 13 17 21 25 29 33 37 41 总计 1 1 1 1 9 7a 2 1 1 1 a 1 1 1 1 6 10 14 18 22 26 30 34 38 42 b 2
感悟型与直觉型问题 a b 7 11 15 19 23 27 31 35 39 43 3

高中政治C6应用数据分析模型

应用数据分析模型介绍
基本信息
县（市、区）
学校
姓名
学科
政治
能力维度
□学情分析 □教学设计 □学法指导√学业评价
所属环境
□多媒体教学环境□混合学习环境√智慧学习环境
微能力点
C6 应用数据分析模型
教学环境
智慧学习环境
模型名称
Felder-Silv大方向，特别是疫情的发生，使得在线学习和在线教育风生水起。通过对在线学习风格的研究可以将学习风格应用于在线教学上，使得在线教学能实现“因材施教”，给学习者推送与其学习风格相适应的教学资源以及教学策略。基于Felder-Silverman 学习风格模型对所罗门学习风格量表进行了参数修正，使得学习风格在不同的维度上得到了更好的区分。
自评等级
□优秀□合格□不合格
模型来源
所罗门学习风格量表，Felder—Silverman 量表
模型功能
Felder-Silverman 模型借鉴了其他很多学习风格模型，例如Kolb 学习风格模型，因此更加完整。同时Felder-Silverman 模型在进行学习风格测量时能得到学习者在每个维度上的倾向程度。
适用环境
通过问卷星发放批判性思维量表，可用电脑或手机填写问卷。
适用对象
高中学生
应用方法
Felder-Silverman 模型中在每个维度下皆有两种不同类型的学习者。1) 信息加工维度中有活跃型( active) 和沉思型( reflective) 学习者。活跃型学习者倾向于通过积极地做一些事情、讨论或应用或解释给别人听来汲取知识，喜欢团队合作。沉思型学习者往往通过深入思考来学习，偏爱独自学习或者与固定的学习搭档共同学习。2) 感知维度中有感悟型( sensing ) 和直觉型( intuitive) 学习者。前者习惯学习事实，而后者更喜欢学习理论知识。感悟型学习者对细节很有耐心，擅长记忆事实，但对复杂的事物有所回避。直觉型学习者更擅长掌握新概念，喜欢复杂的事物，相较于感悟型学习者对抽象概念具有更好的理解能力，但同时比较粗心。3) 信息输入维度分为视觉型( visual) 和言语型( verbal) 学习者。视觉型学习者善于记住他们所看到的东西，例如视频、图片等。言语型学习者善于记忆他们听到或者读到的内容。4) 内容理解维度下有序列型( sequential) 和综合型( global) 学习者。序列型学习者偏向于按部就班地学习，按照一定的逻辑顺序理解内容。全局型学习者更喜欢全面地思考问题，思维比较发散和跳跃。在进行测试的时候，序列型学习者往往会从后往前回答问题; 与之相反，综合型学习者会先浏览题目，再选择题目进行回答。

个性化网络学习服务研究

个性化网络学习服务研究摘要：网络学习者特征对网络学习平台提供个性化学习服务具有重要影响。

个性化学习服务指为学习者提供适应性的学习内容。

基于学习者的学习风格和学习目标设计了个性化的知识组织、知识呈现和学习导航。

以C语言课程为实例，针对不同类型的学习者设计出个性化的学习界面，实现了一种学习者与学习平台之间的新型交互模式。

关键词：个性化学习服务；学习风格；学习目标；学习界面0 引言网络学习已经成为现代远程教育发展的主要形式，而个性化的网络学习却又是目前所倡导的学习模式与理念，它强调以学习者为中心，为学习者提供个性化的支持。

但是网络学习者具有复杂性和多样性，他们拥有不同的知识背景和学习需求，因此在提供个性化学习支持与服务前，必须了解学习者的学习需要，掌握学习者的学习爱好，在适当的时候通过适当的方式为学习者提供适当的学习内容。

所以为了进一步提高学习者的学习效率，为学习者提供优质的个性化服务，必须对学习者进行差异分析。

学习者的差异主要体现在个人能力、知识背景、学习风格和学习目标等方面，本文着重研究基于学习者的学习目标和学习风格，个性化地组织学习内容，呈现学习内容，并探索学习页面的设计。

1.1 学习目标学习目标可以明确学习者学习任务要达到的水平，确定学习者的学习内容，学习目标的差异也作为个性化知识组织的重要依据。

关于学习目标的分类众说纷纭，其中，美国著名学习与教学心理学家加涅的学习结果分类理论影响较大。

1970年，加涅根据学习者的学习结果将人类学习分为言语信息、智慧技能、认知策略、动作技能和情感态度5类。

言语信息指学生运用语言文字传递学习内容；智慧技能指运用规则和概念办事的能力，进行逻辑推理的能力，主要回答的是“怎么办”的问题；认知策略指以控制与调节自己认知活动的如注意、编码、提取、思考等行为的特殊认知技能；动作技能指学习协调自身肌肉活动平稳、流畅的活动操作技能；情感态度指习得的、对决定自身行为选择有一定指向作用的复杂内部状态。

Smap：可自适应Felder—Silverman学习风格模型的动态学习路径推荐工具共18页word资料

Smap：可自适应Felder—Silverman学习风格模型的动态学习路径推荐工具一、前言1. 研究背景1999年，Russell利用统计学手段对各种远程教育模式和传统授课模式进行了采样分析，认为远程教育与传统教育模式在教学效果上没有显著区别。

这一“无显著效应现象（the no significant difference phenomenon）”[1]使得网络教育系统在教学活动中被广泛使用成为可能。

但是，由于传统的网络教育系统不能为用户提供个性化的服务，近年来，个性化的E-Learning环境和自适应教育超媒体系统越来越广泛地用于替代传统的网络教育系统，国内外许多研究者在顶级杂志和会议上提出了各种智能学习平台的构想。

在大部分智能学习系统中，系统智能性的优劣仍局限在系统满足用户需求的程度上。

但是，广大教育学工作者对于这种“用户需求”驱动的智能学习平台其智能性是否真能达到所描述的效果产生了怀疑。

许多教育工作者投入到更细致的研究中，迅速发现这种“用户需求”驱动的智能系统会给学习者带来“学习偏离”和“认知过负”问题[2]。

为了解决这一问题，许多相关研究都致力于找到能够度量学习者学习经验的途径和方法，以希望通过融合学习者学习背景和知识水平在E-Learning环境中提供智能的个性化知识服务和导航[3]。

学校教学总是习惯性地根据学生已有的知识（或能力）将学生进行分组。

因此许多教育软件，在线的、基于学校资源的自适应教育超媒体系统，在设计上就与这些教学指导方针相一致，即根据学生已有的知识水平或能力级别来对学生进行区分[4][5][6][7][8][9][10]。

这些系统主要根据用户已有的知识来为用户建模，然后根据这些模型为用户在内容层和链接层提供自适应服务。

这种基于知识背景的学习者建模从教育的角度看是相对简单的方法，它把学生分成对应的组，并要求学生在获得新知识后不断提升自己。

但是，这种模型没有考虑包含其他方面的学习过程的自适应，例如根据学习者的学习风格或是学习者的情感来进行自适应调整。

自适应学习系统设计与实现

自适应引擎（Adaptive Engine）
对应着系统的实现，执行适应性规则，根据用户模型选择、组装和呈现页面，实现根据用户学习行为历史记录修改与维护用户模型等。
呈现模型（Presentation Model）
系统根据用户模型、领域模型、自适应模型通过自适应引擎实现内容、导航和学习活动序列等三方面的适应性显示。内容显示
-ID : int -用户Id : string -媒体类型 : string -抽象系数 : double -学习次数 : int -初始时间 : Date -结束时间 : Date -学习总时间 : long -预设学习时间 : long
行为模式之测试系统
-用户Id : string -开始测试时间 : Date -单次测试时间 : long -测试预设时间 : long
Felder-Silverman学习风格模型
4个组维度8种类型
• 信息加工（活跃/沉思） • 感知（感悟/直觉） • 信息输入（视觉/言语） • 内容理解（序列/综合)
学习风格确定及更新过程
依据所罗门学习风格量表，在注册系统时测试得出一个初始的用户学习风格；
经过一段时间的学习，通过挖掘学习行为模式再对系统中的用户学习风格进行更新直至符合真实的用户学习风格；
从认知水平角度考虑
基于遗传算法 PELS
基于关联规则算法 ELM-ART
我们的研究
在用户模型中主要考虑学习风格和认知水平。
研发了 SAELS （ Semantic Adaptive E-learning System）。
该系统引入本体，能对学习资源进行语义描述，对学习风格、认知水平进行语义诊断，使学习资源和学习路径根据学习者模型动态呈现，实现了资源共享、重用和个性化推荐。

浅析基于学习行为的Felder—Silverman风格模型修正

浅析基于学习行为的Felder—Silverman风格模型修正作者：闫利霞来源：《中国教育信息化·高教职教》2018年第10期摘要：本研究基于在线学习平台的行为内容数据，运用Felder-Silverman量表前测推断用户学习风格，得到学习者的线下学习风格，对学习行为进行分析，深入探究学习者的学习过程与情境，发现学习规律，并对量表中的信息输入和信息加工给出了初步的优化改造、修正。

通过对学生学习行为与知识掌握情况进行数据分析，能够推荐合理的学习路径与恰当难度的学习资源，可对学生的学习效果做出及时准确的反馈，提供个性化服务干预，有利于促进教与学。

关键词：Felder-Silverman量表；学习风格；学习行为；学习修正中图分类号：G40-058.1 文献标志码：A 文章编号：1673-8454（2018）19-0021-03基于解决大数据环境下学习行为描述困难的问题，可以结合学习风格的在线教育平台给学习者提供与其学习风格相符合的教学资源加以解决，因此关于在线学习风格的研究成为了重点。

一、Felder-Silverman学习风格模型学习风格理论是由美国学者Herbert Thelen于1954年提出的，至今已有70多种学习风格模型，常用的理论有Kolb、邓恩夫妇、菲尔德等。

其中Felder-Silverman学习风格模型借鉴了很多学习风格模型，完整性更好、实用性更强。

加之Felder-Silverman模型能够通过调查问卷测量得到学习者四个维度的信息，从而能更好地指导学习者的学习行为。

因此，在学习行为研究中应用非常广泛，得到越来越多研究者的认可，本文也采用Felder-Silverman模型进行学习风格研究。

心理学家Felder和Silverman将学习风格分为四个维度，每个维度下分别对应两种不同类型特点的学习者。

1.信息感知维度（感悟型/直觉性）感悟型学习者喜欢死记硬背，通常喜欢用已有的事实来考虑和解决问题，比较细心，能按照固定的公式、程序解决学习过程中遇到的问题；直觉型学习者喜欢学习新事物，创新性比较强，擅长记忆和理解比较抽象的概念、公式，相对比较粗心。