文摘
学习管理系统(LMS)是一个用于开发基于web的系统,实施,评估一个特定的学习过程。在设计一个学习管理系统,重要的是要理解每一层的一般体系结构和角色的系统。在这项研究中,我们提出一个基于网络的英语阅读学习系统来解决现有方法的缺点影响英语学习资源管理,包括登录,系统响应时间和用户满意度。英语阅读材料是综合使用功能模型,自适应推荐系统是使用ID3方法。提出了英语阅读学习系统的设计旨在采用软件和硬件的结合,有利于各种团体,尤其是大学,学院,和组织。统计结果表明,该模型能够满足英语学习资源管理的功能目标,以及拥有一个快速、准确响应时间与用户满意度高。
1。介绍
全球化已成为社会的一个重要趋势在今天的经济社会。不同国家的经济交流也需要不同国家社会发展,语言,是沟通的基础,起着重要的作用。如果一个人只知道一种语言在他们自己的国家,他们将无法在快速增长的国际社会,到海外去,帮助经济增长1]。减少依赖投机,重要的是提高学习者的能力掌握信息从地面通过扩大他们对英语的理解。英语是最广泛使用和理解语言在世界上。英语学习的价值不能被夸大。在英语学习的主要问题是如何管理数字教育和教学材料,网络课程,和虚拟学习社区为了适应教育教学环境的变化所带来的现代教育技术的发展(2]。英语阅读作为一个重要的连接提高英语应用水平(3),必须优先考虑。因此,相关学者研究某些英语阅读技巧,系统,平台希望提高英语阅读能力使用当前的手段和技术(4]。
一些研究人员提出了不同的教学系统,也就是说,(5]表明修正后的设计过程为一个基于多媒体英语教学系统技术。该系统包括一个稳定的框架,用例图,管理员界面完成硬件设计。最后,通过增强数据库系统软件设计完成后使用错误处理程序和后台管理工作流。发现通过使用多媒体英语教学系统,在线课程的数量可以增加,以及教学视频的流畅。同样,一个英语视频学习软件设计技术提出了基于智能移动终端(6]。从设计目标、功能需求和软件开发环境,它简要介绍了程序。软件时,重要的是要了解它是如何工作的,并介绍了每个模块的具体功能深度。测试表明,这种方法的好处是一个用户友好的界面,根据结果。此外,(7发展基于深度学习智能教学系统。解决方案分为两个部分:在线个性化学习建议和离线课堂质量双向评价。性能预测和在线学习行为分析基于深度学习在网络系统中,创建和学习情感分类是利用图像处理技术来完成的。在线学习行为特征的提取是可能的,离线性能预测,学习法律分析、和个性化学习推荐使用离线系统使用培训目标探测模型,人脸检测模型,和细分模型结合在线系统。这些数据也可以用来评估和提供反馈在大学教学质量和学生的学习习惯。根据实验结果,系统有一个轻松、快捷的方法来获取信息,还可以减少很多时间费用,满足新的学习和教学技术的整合在线和离线,和提高教师的教学效率和学生的学习效率。
尽管上述方法都取得了积极的研究发现和发挥了重要作用在加强英语学习,有一些问题在英语学习资源管理,也就是说,登录效果,系统响应时间、用户满意度,需要进一步解决。因此,在本文中,我们提出一个基于网络的英语阅读学习系统。论文的主要贡献如下改善英语阅读学习系统:(我)发现字数和阅读时间(2)阅读速度通过强调和点击所需的文本(3)国防部的复杂性:如果一本书非常艰难的或有点挑战性,难度水平足够的有点简单,也非常容易(iv)一个适当的vocabulary-leveled阅读的选择(v)可以自动记录学生的练习时间
剩下的纸是组织如下。节2,提出了系统模型设计的英语阅读和学习系统。系统软件设计协同优化模型的建立过程进行分析3。实验结果和讨论部分进一步总结4。最后,部分5总结了论文总结和未来的研究方向8]。
2。英语阅读和学习系统的设计
2.1。系统整体架构设计
互联网应用程序的web模式分散、实时和非实时交互性。网络可以满足大多数用户的个人需求,为用户提供更多的机会参与互联网内容制作。的过程,用户参与互联网内容的生产是一个过程的实时交互用户和web服务器之间。同时,不同用户之间的信息传输相同的网站在网络环境中反映了非实时交互。“一对多”和“多对多”网络的传播模式打破了传统门户网站的信息垄断,实现多个用户之间的相互讨论和交流。
根据网络模型,英语阅读学习系统的总体结构是建立在。构建英语阅读学习系统是为了使决策者能够创建学习资源的建议方法通过有效的数据收集(9),这样弱联系学习可能是有针对性的。其总体结构如图1。总共有五层构成了系统的总体架构,包括基本层、数据层、服务层和应用层,以及用户的水平。基本层是系统的底层架构。它主要是基于网络支持英语阅读学习的网络服务系统来满足系统的网络服务需求。数据层是系统的第二层框架。这一层主要经营和管理系统数据,包括资源数据、管理数据、行为数据,评估数据。资源数据包括英语阅读资源,认知风格测试资源,和英语阅读能力测试规模的资源。管理数据包括学生个人信息和软件信息。行为数据包括学习者的行为数据,自行设计学习计划和学期测试。评估数据包括回答锻炼的结果数据。
数据层主要负责收集、处理、交换和存储的数据。服务层是整个系统的中间层的架构,用于连接数据层和应用程序层。服务层主要是用于支持系统的实现在应用程序层为用户提供应用程序服务,主要使用ASP。净WebAPI框架,它可以很快为HTTP客户端提供api来创建web服务(10]。应用程序层提出了自适应的学习服务,最终英语阅读学习系统为学习者提供,主要体现了登录和注册的功能,学习资源推荐,独立练习,上下文获取和学习系统提供的记录。其中,用于身份验证登录和注册,阅读能力,和认知风格测试;学习资源推荐推荐学习资源主要用于学习者。
独立自治的实践主要用于学习者选择学习模块和组学习计划根据自己的学习需求。上下文收购主要是获取环境的当前用户的地理位置,来判断地理位置的噪声的影响成交量的学习。学习记录主要记录的基本信息和当前的学习者的学习行为。用户层主要是系统直接接触用户,最外层的系统架构,为用户提供学习服务的英语阅读学习系统。
2.2。子功能模块
基于英语阅读学习系统的总体结构,每一层的功能,一个特定的子功能模块的分析系统的硬件。
2.2.1。阅读教学模块
教师可以用阅读教学模块课程内容发布,更新测试题库,并设置英语阅读作业。学生可以使用模块参与阅读训练,完成单元考试,参加最后的考试结束的时候。有三个主要组件的阅读教学模块:阅读学习,教学业务,和阅读考试(测试)。尤其是阅读子模块分为两类:有时限的阅读练习和无限制的阅读活动使用数据库;学术成果从两种模式将存储在一个单一位置上。两种模式的学术成绩会被记录在数据库中。阅读测试子模块可以进一步分为单元测试和最终的测试。两个测试可以包括客观题和主观的问题。
2.2.2。内容管理模块
内容管理模块主要负责组织、发布、修改和删除文章的系统。它使用可视化编辑技术,为用户提供友好的操作界面,允许用户发布内容等各种格式的幻灯片,动画,视频和音频11]。用户可以评估的有效性的文章,每个评估将用户奖励分。不同级别的用户给予不同的权限。普通用户可以查看和文章的内容,用户提供高水平可以发布、修改和删除自己的文章,和管理员用户可以管理所有文章。用户分享的内容后,会有相应的奖励。
2.2.3。系统管理员模块
有很多事情,系统管理员模块负责,比如设置和维护系统功能的基本参数。学期设置和课程设置包括课程管理。这学期设置决定的时间间隔为学生网上学习,和学生只能进行在线学习作业定义期内。在用户管理,管理员可以编辑所有用户的信息,比如密码和电子邮件地址使用一个接口。用户可以导入和类在批次学期设置已经完成。这些包含学号(系统中唯一标识符),名字,性别和阶级/老师的信息。此外,它允许用户上传文档在Excel格式以及取代现有条目。
2.2.4。用户管理模块
启动系统后,用户直接进入登录界面。如果用户没有注册,用户需要先注册。注册成功之后,用户返回到登录界面登录到系统。特定的登录注册过程如图2。
主页上的软件,用户选择输入用户管理系统,然后系统会自动跳转到软件的登录模块。用户输入帐号和密码后登录模块,点击“登录。”这个时候,整个系统将执行背景数据的对比。如果没有用户信息,将提示用户不存在。如果它存在,用户名和密码是一致的背景,然后登录到主页。注册界面包含多个编辑文本框,如用户名、手机,并确认密码。底部有两个按钮:一个是注册按钮,另一个是重置按钮。如果用户没有注册,请点击“立即注册”跳转到注册界面。在这个时候,在点击监听器主要是触发,然后调用注册函数来执行。点击“重置”清除一切在文本框中,这样用户可以填写个人信息。它主要使用提交按钮提交新填的数据通过调用提交到后端服务器的功能。 The customer service system is very important whether it is in the current system or any user system. Whether the customer service system in a system is perfect is directly related to whether the design of the system is friendly or not, and whether the system design is carried out from the user’s point of view. This article designs the online customer service query process, and the result is shown in Figure3。
从图3,在线客服查询模块设计过程首先,如果用户有问题,他或她应该去在线客户支持系统和联系客户服务。然后,它将决定是否有在线客户服务。一旦免费客户服务可用,用户将排队等候,有多少人在等待。用户将分配空闲客户服务,直到有一个系统中可用。协商后,在线客户服务过程完成。
3所示。系统软件设计
根据硬件设计结果的英语阅读学习系统,为了进一步提高系统的应用程序的性能,软件算法设计。
3.1。英语阅读资源的集成方法基于功能模型
建立一个特征模型所需的系统能够代表了学习者的学习特征及时、有效和准确的方式。给学习者的在线学习体验和系统效率,特征模型参数在线及时更新学习者添加好友,添加收藏,和做其他活动,降低了整个系统的成本。如果你添加课件标签,或执行其他操作需要大量的处理,您应该使用离线更新技术。重要的是更新学习者的特征模型,而这样做。在这种情况下,增加新的兴趣主题的重量是否有可能获取和删除功能主体如果检索结果是零。
模型是根据最近更新时间调整和当前时间 。当前主题的兴趣度累积的最新兴趣度值,时间调整和模型 。模型更新的计算方法 的公式,代表学习课件更新后的兴趣程度;代表了学习者的兴趣学习课件计算当前计算;代表的兴趣程度学习课件录制最后一次;代表了调整因素。值越大,学习者特征模型也会随着时间而改变。衰减速度慢,反之亦然,这表明随着时间衰减速度快。
特征模型包含学习者的属性信息性别,年龄,等等,vectorizes信息,分配权重,并使用余弦相似性计算方法背景学习者之间的相似之处: 在哪里 代表了学习者之间的相似性和 , 代表了学习者的th矢量信息,代表的重量信息。
在领域本体相似度的计算12),用户感兴趣的特定主题相应的权重值,并结合领域本体的相似性计算和学习者的得分信息学习课件。user-interested主题数据集 , 两个话题感兴趣的吗和 ,这是最接近同一类别节点本体,和感兴趣的主题的语义相似度计算公式和在本体如下: 在哪里 代表了语义相似度感兴趣的话题和 , 和都表示路径的根节点的深度相同的资源本体的用户标签,和从根节点代表了路径长度相同的资源的本体到最近的共同祖先节点和 。的数据范围 是[0,1],当 ;两个主题是一样的, ;兴趣主题的相似性值随着共同祖先节点的深度增加而增加。
在英语阅读资源的整合13),集成数据资源包括学习者得分数据集、预测评分值和数据的建议。设置学习课件的数据集 ,学习者的数据集, ,和学习者的得分的课件表示 ;分级的是 ,和的课件集感兴趣的是 。预测的得分数据课件上 ,具体的方程是
在(4),代表了评分结果;代表的相似性得分的学习者。是确定感兴趣的相似主题以及语义和分数可以合并成一体的英语阅读材料,通过分析和计算。
3.2。对英语阅读资源自适应推荐算法基于ID3算法
针对学习者的特点和资源的融合模型特征数据的上下文中获得英语阅读学习,英语阅读的自适应推荐算法基于ID3算法的设计。从算法的基本思想,初步推荐的资源和资源的自适应推荐基于ID3算法,自适应推荐算法的设计了英语阅读(14]。
算法选择最高的属性信息增益作为当前节点的测试属性,最大限度地减少所需的信息数据分类的结果划分和反映了部门的最小随机性。对于已知的分类属性,构造决策树从上到下,分裂和征服。从根节点开始,数据样本集,计算和数据样本分为几个子样品集根据计算结果,并且每个子样品组形成一个新的节点。当给定的条件不满意,迭代过程中不断建立决策树。在生成的决策树,每个非叶节点对应一个non-category属性,分支代表属性的值,和路径从树根到叶节点对应一个规则,以便获得表达式规则,实现资源的建议。ID3算法适合处理大规模数据,具有较强的学习能力,算法原理简单,容易理解,分类速度快,容易解释分类规则。
采取随着训练集,目标属性的有可能的类标签值, ;的概率出现在所有的样品 , ;然后在训练集所包含的信息熵是 在哪里代表任何样本属于的概率 。二进制编码的信息以来,对数公式是基于2。假设属性有不同的价值观,因此分成样本子集 ,分裂后的样本子集的信息熵通过属性是 在哪里表示样本中包含的样本子集数和代表有效样本包含在样本集的数量 。假定样本数据集划分之前 ,和属性用于把样品准备好了吗 ;获得的信息的划分根据属性样本集的熵减去后的样本子集的熵属性划分 :
根据公式计算每个属性的信息增益(5)- (7)。信息增益越大,纯净的样本子集的属性,更有利于分类。选择信息增益最大的属性作为测试样本集的属性,构建一个节点,创建一个分支为每个值的属性,并将其不断构建决策树,获得规则,以便建议英语学习者在随后的学习,阅读和学习参考资料。为了进一步提高资源推荐的影响,网络学习资源的多目标优化问题是许多单一目标分解成子问题,切比雪夫分解方法,并给出一个唯一的权向量对应。(1)计算权向量的网上学习资源。解决网络学习资源推荐模型基于多目标优化策略15,16),首先分解在线学习资源问题,每个子问题对应于一个在线学习资源向量和计算权向量网络学习资源的子问题: 的公式,代表了子问题的多目标优化问题,代表的是在线学习资源的数量,代表资源冗余的金额(17]。(2)在线学习资源子问题的向量排序。因为社区策略进化算法是使用类似向量优化当前矢量,有必要计算每个权向量之间的距离,根据距离找到当前粒子的邻居。每个权向量之间的距离可以计算如下: (3)确定当前学习资源。根据(9),粒子附近,也就是说,一些学习资源,类似于目前的学习资源。让是学习资源的数量中随机选择学习资源的数量,和 。(4)解决学习资源域的平均健身。如果两个学习资源和随机选择的社区,社区的平均值吗 (5)使粒子能够探索新领域。后期的优化,该算法容易陷入局部优化,而且很难找到全局最优解。因此,探索新的区域添加到算法中使用在线学习资源推荐方法,为了增加能力算法探索其他地区的解空间,提高算法的收敛能力,和探索新的区域:
4所示。系统测试
作为模拟实验的一部分,一个测试来确定是否进行英语阅读计划,基于网络的学习系统成功的和完整的。根据比较和对比英语视频学习软件基于智能移动终端和增强英语教学系统使用多媒体技术,可以确定开发系统的优点。
4.1。系统功能测试
实验测试前台登录和后台资源管理的英语阅读学习系统设计,描述在表1和2,分别。
在表中1和2我们可以看到,前端开发系统的登录和后台资源管理功能通过了测试。这说明本文中系统有效,能够在管理英语阅读的教学学习系统。
4.2。系统性能测试
系统性能验证进行进一步评估应用程序开发系统的影响在真实的应用程序中。不同的技术进行测试的基础上,系统响应时间和用户满意度。结果如图所示4。图4表明,随着网络用户数量的持续增长,系统响应时间继续增加。结果,有不断增加的趋势设计方法基于多媒体技术和英语对英语教学系统基于智能移动设备的视频学习软件。通过特定数据的比较,当网络用户的数量是300,设计系统的响应时间是0.3秒,响应时间改进的设计方法,基于多媒体技术的英语教学系统是1.2 s,和响应时间的英语视频学习软件的设计方法基于智能移动终端0.9 s。当在线用户的数量是600,设计系统的响应时间是0.9秒,响应时间改进的设计方法,基于多媒体技术的英语教学系统是1.7 s,和响应时间的英语视频学习软件的设计方法基于智能移动终端1.5 s。比较表明,设计的系统的响应时间短,表明它是运行速度更快,系统性能越好。
另一方面,比较与系统用户满意度。调查对象是200名学生从不同的类大学。在线教英语阅读案例类,各种各样的系统工作。调查问卷将会交给学生的课程。调查问卷有40分钟的反应时间来确定学生的满意度水平的教育环境。表3总结了结果。
表3表明学生的满意度与发达系统显著大于增强英语教学系统的设计技术基于多媒体技术和英语视频学习软件的设计方法基于智能移动终端,如表所示3。这个系统有很大的区别的最伟大的得分最高分数为95和79年的旧系统。因此,该系统优于旧系统不仅在系统功能方面,而且在性能方面。
4.3。集体学习评价的行为
阅读行为被分成两个类别的一部分提出基于网络的英语阅读学习系统:学习和learning-unrelated行为。个体、群体间社会团体内部的阅读中学习相关的行为。每种类型的行为的频率在每组是描绘在图5。根据卡方分析,学习相关的频率和learning-unrelated行为也显著大于实验组比对照组((1,1)= 91.32,p 0.05)。见图5,实验组的学生集中在阅读活动。图5还显示,受益于内部和组间协作的阅读行为,特别是群际行为由于p2p网络电话的使用。
5。结论
在传统方法中,许多因素导致英语学习资源管理不足的问题,延迟系统响应时间和用户满意度也低。英语学习者的一个最重要的缺点是无法准确掌握基本的日常对话都能说一口流利的英语。本文旨在创建一个基于web的英语阅读学习系统实现管理功能,计划系统登录和注册。完成英语阅读资源整合和资源自适应推荐,该特性模型,并利用ID3算法。测试结果表明,开发的系统可以满足预定义的功能目标的英语学习资源管理和快速响应时间,用户满意度高。该模型表明,系统具有较高的应用价值和将减少依赖投机。此外,它可以提高学习者的能力掌握信息的通过扩大他们对英语的理解。在未来的研究中,应扩大用户数量,更应努力提高自己的学习能力提供有效和有弹性的综合阅读和活跃的阅读技巧。
数据可用性
使用的数据来支持本研究的发现可以从相应的作者。
的利益冲突
作者声明没有已知或人际关系可能出现的利益冲突影响的工作报告。