文摘
通过结合网络教学的优势和线下教学数字技术下,混合教学可以打破时间和空间的限制,这反映了“以学生为中心”教学范式的变换。混合教学规模的扩张,如何通过数据分析和匹配特性的学习者的学习行为,提高他们的学习效率和教师的教学水平和质量已成为一个迫在眉睫的问题。因此,本文进行了协同设计混合在高职院校英语教学平台,学生的认知能力和难度的教学资源协同匹配。同时,混合教学资源实现基于协同过滤的推荐算法,因此开发一个匹配算法的上述动态调整。迭代测试的结果表明,该平台可以优化当前的英语教学模式,提高教师和学生之间的学习反馈,从而提高学生的英语学习水平。
1。介绍
目前,互联网不仅起到了优化和集成作用在生产要素的分配,而且引入高校公共英语教学的基本要求。它强调积极引入计算机和网络技术的重要性,可以增强学生的意识和学习英语的热情。背景下的新形势下,随着网络信息技术的迅速发展,在中国,不同的英语自主学习平台是(1- - - - - -3]。与传统的英语学习方法相比,基于网络的学习模式能够满足学生的各种需要学习资源,帮助学生灵活地管理自己的学习时间。此外,它使充分发挥网络对学生学习的指导作用,迅速提高学生的英语学习效率和效果。在上面的平台,学生可以从事在线英语学习相结合的热点问题和内容感兴趣在英语学习和积累经验。然而,面对大量的学习资源,过载的信息有一个严重的问题,特别是在基础英语教学领域。信息过载造成的选择性困难使学习者很难快速找到学习内容适合自己的能力,这不仅延误他们的宝贵的时间,降低他们的学习效率,但也导致电阻英语学习(4,5]。
混合教学模式与数字技术相结合可以满足各种英语教学发展的需要。这个理论知识与实践相结合的教学方法可以提高学生的课堂学习的传统方式和提供担保的能力的全面发展。此外,混合教学模式为学生提供了丰富的资源,从而全面提高学生综合英语知识的理解(6,7]。目前,混合教学模式的应用是肤浅的,教师未能加强传统的课堂教学方法的改革,并创建一个基于网络平台的学习环境。因此,它是重要的协同设计研究混合英语教学在高职院校数字技术,可以将公共英语教学模式与现代教学形式和方法,以促进英语教学的有效发展。
2。建立混合英语教学平台
2.1。混合教学的内涵
2.1.1。混合教学的意义
混合教学的实现涉及到学生、教师、学校和其他科目。事实上,它形成了一个复杂的系统,也带来了挑战,混合教学(8]。然而,数字技术给了一个很好的解决方案。各种网络工具,如网络系统管理平台和互联网信息存储为混合教学系统管理提供技术支持,主要包括教学评价体系、教学资源共享系统,教学课程安排系统,等。通过混合教学模式,教师不仅教通过网络,也可以准备课,布置作业,正确作业,在线回答问题。同样的,学生可以与老师互动在线解决困惑关于英语学习9,10]。
2.1.2。数字对混合教学的支持
数字技术的发展提供了一个可靠的混合教学移动平台。学生的课外实践离不开丰富的网络资源的支持,因此,交互设计的学习内容,包括内容结构设计、多媒体演示设计,问题设计的教学内容,设计和可操作性的教学任务的支持离不开移动平台(11,12]。移动平台的使用可以大大扩大的空间类,和老师可以通过不同的方式与学生交流,如网络教学平台之前和之后的类,以了解学生的学习情况和他们的反馈。尤其是大学资源共享平台的建立创造了一个和谐、开放、互动,为学生和探索环境,可以让学生自由讨论在线学生或教师同样的问题和容易通过网络,并且总是保持一个积极的学习过程中自活化状态。
2.1.3。存在的问题
由于学习者和学习资源的特点,传统的网络教学平台不能有效适应混合教学模式,很难把学习者的认知能力变化和个性化学习资源合作的难度。此外,大多数在线英语教学资源简单的堆积,这不仅是一种缺乏知识的语义和逻辑层次分还缺乏知识的点标记。
2.2。英语教学内容的建议
2.2.1。基于教学资源的建议
推荐使用基于教学资源内容相关的教学资源预测的属性信息,用户的个人信息。系统为学习者推荐学习资源,类似于过去的研究,爱好,和能力13]。这种方法不仅可以避免学习资源的冷启动问题,还分析学习资源之间的关系,然后实施建议(14]。它发现资源的相关性而言,根据注释内容的元数据,然后推荐类似的学习资源学习用户根据用户的历史记录,如图1:
我们学习资源的元数据建模,然后发现通过这些学习资源元数据之间的相似性,最后,根据相似性提出建议。基于内容的推荐只考虑对象的本质和形式显示一组对象标签。如果用户喜欢的学习资源出现在这个集合,集合中的其他对象建议他们(15,16]。此外,它需要使用相关技术来描述学习资源和学习者的个人信息以及策略和算法,可以把个人信息与内容描述。其架构图如图2:
推荐系统只使用当前用户的偏好和相关历史学习记录建立个人信息模型,介绍了原因内容资源推荐的方式显示(内容特性或描述)。此外,它还可以从用户推荐新的内容没有任何评论,可以充分利用学习者的兴趣和接受能力模型,从而使推荐的结果更准确(17,18]。
2.2.2。建议根据学习者的能力
准确掌握学生的英语知识和学习能力有助于更好地实现“在线”混合教学的一部分。建议根据学习者的能力是基于学习者的个人特征(现有的知识基础、认知特点、学习风格、等)和人口信息(年龄、性别、居住地、兴趣、等等)。首先,该算法需要学习者的个人数据自动集群和组织学生然后推荐不同的学习内容根据特定的学习者的能力。学习者可以选择自己的学习材料、学习方法和评价方法,最适合自己的特点。推荐算法的基本过程如下:(1)学习者获取信息的能力(2)查找匹配的信息能力和困难(3)寻找学习资源利用的信息难以匹配(4)检查推荐的结果集,如果结果集大于预设列表长度,转到步骤(6);如果小于预设列表的长度,继续(7);否则,返回(5);(5)输出和显示推荐列表(6)降低难度标准再次获取学习资源和回(4)(7)标准增加了困难,研究学习资源,回(4)
2.2.3。基于协同过滤的推荐
基于用户的推荐和teacher-based建议需要获得相关信息。基于用户的推荐需要获得用户的评级数据和他们的兴趣和能力,而大量的推荐需要获得老师的课程设计19]。协同过滤推荐可以克服的问题,推荐基于用户、教师、和英语教学资源。当教学资源的描述信息是不完整的或很难获得,协同过滤算法可以通过来自其他用户的反馈提出建议。
协同过滤推荐算法的最大特点是,它认为用户之间的相似性和充分利用集体智慧;也就是说,它挖出少量的用户组(集群分组,邻居在协同过滤),类似于自己的兴趣和能力的用户。之后,形成有序列表根据相关的对象集合他们的建议(20.,21]。
2.2.4。混合推荐
由于用户的个性化差异的学习,不仅是用户的能力和资源,可以作为推荐的基础,也可以基于他们的学习记录,爱好和学习结果。此外,可以根据用户协同过滤推荐使用相同的水平和学习资源的能力。因为学习资源的难度和认知能力计算的误差,算法可能只适用于部分或学习者的学习资源。有必要建立一个基于单独的学习资源配置框架或个人学习者推荐算法。此外,推荐算法的框架通常是基于一个可配置的机制。因此,使用场景,目标用户,推荐所依赖的数据,推荐的数据源,和推荐算法的适用范围进行了分析。此外,结合数据的配置参数,配置混合推荐算法的框架设计,设计各种各样的建议为系统流程,可以独立和指定输入数据和输出结果的存储位置,从而实现分离的推荐算法的系统平台,实现动态配置的目标或调整推荐算法。在该框架下,这种推荐算法的一般流程如下:(1)学生用户登录(2)打开页面,其中包含推荐的功能(3)收入的导航信息页面和用户参数(4)搜索用户和页面的推荐算法配置表的位置(5)获取类型,相关的数据和结果的输出位置的推荐算法(6)获取推荐依赖数据(7)所说的推荐算法过程将推荐相关的数据和用户信息(8)推荐算法执行,记录输出结果建立了位置,并通知调用者来完成它(9)检查自动推荐的计算(10)根据计算结果获得推荐结果列表
整个过程包括学习者、页面背景算法调度程序,推荐算法的过程中,和检测程序,协同设计过程的教学资源图所示3。
算法1显示了推荐算法。
|
2.3。Microservice架构
因为在线英语学习平台是一个基于互联网的多用户系统,采用microservice架构在这个系统架构模型(22]。Microservice架构是一种架构风格,它将一系列协作服务组织成一个系统,以支持业务。解耦整个计划的目的是分割成离散的函数和独立的服务,每个microservice可以独立开发,部署,运行和升级。与传统的Java Web开发方法相比,microservice架构可以实现通过容器或虚拟机(23]。
为了遵循“低耦合,高内聚”的发展原则,实现代码的健壮性和可扩展性,采用分层技术建立这个平台。负责不同的功能,不同层和层通过API接口调用,如图4。
为了更好地降低层之间的耦合,软件实现一般分为三层体系结构,并采用面向对象的编程。上层调用通过接口层越低,而较低的层为上层提供服务,即底层接口的实现类。服务的API接口标准是相同的,和服务提供者可以改变它。三层体系结构包括用户界面层、业务逻辑层和数据访问层,每一个都具有以下功能:(1)用户界面层,负责与用户进行交互(2)业务逻辑(提单)层,它主要是针对具体问题的操作,也可以表示为数据层的操作,数据业务的逻辑处理(3)数据访问层,主要经营数据库,没有数据,具体为业务逻辑层提供数据服务或用户界面层
3所示。测试平台的
3.1。测试方法
在测试过程中,记录数据用户的学习过程,和超过100000用户信息,40000个英语句子,30000字的发音数据,和500个英语文章数据在系统中选择。测试过程使用用户表、用户表、学习教学资源表,等等。为了更好地实现混合教学,学习者的测试记录和反馈。资源的匹配指数被定义为学习分数的比例和认知能力的资源;在用户完成学习后,学习内容是测试由测试酒吧,和获得的分数除以用户的认知能力和乘以100%,见公式(1)。如果推荐的学习资料满足用户的认知能力,用户将被要求完成相关测试问题在学习资源,以检查他们是否掌握了知识和能力中包含的资源。如果用户未能完成学习或测试问题,这意味着建议不符合他们的认知能力。否则,它意味着资源符合用户的认知能力。
在上面的公式中,MatchRate表明之间的匹配程度,学习资源和用户的能力,TestScore表示用户的测试成绩之后学习资源,和CogAT表明用户的认知能力。
过程评估的评估系统包括(主要是在线评价和总结性评价(主要是离线评估)。在线学习是主要由在线量化指标得分,而离线学习是主要由离线nonquantitative指标得分。混合教学模式主要是合成的三个流程类之前,上课,下课后和最终的评估。在每个过程中,学生可以在线定量指标得分和nonquantitative指标分数评估教师。
3.2。测试结果
首先,学习者的认知能力分组的用户计算,根据他们的认知能力。分组的主要依据是学生的几何长度认知属性向量,主要包括年龄的认知能力,词汇,和学习时间。的测试结果分组数量和相关算法的执行效率如表所示1。
结果显示在上面的表中,当8组中选择组和40迭代选择,执行效率相对较高。此外,大学学习者分成8组的测试结果与实际吻合较好,主观的判断。测试数据的指导意义在于,我们基本上是按照实际的测试结果。根据不同的学习阶段,当学生分组每组学生的认知能力是相似的。如果分组跨度太大,集团内部的认知能力的差异会更大,和匹配程度根据聚类分组的建议可能会减少。
教学资源的匹配效果进行比较。6组数据,用户的数量已经成功地通过了测试的混合英语教学平台与用户的数量在原有平台上通过了测试(匹配系数是60岁以上),结果如图5。
从图可以看出,在最初的教学平台,用户的通过率最低set2 SET6是中的50%以下。采用混合推荐算法后,协作用户之间的反馈和教师明显改善,和学生的考试通过率混合教学平台仍然超过65%,远高于普通的教学平台。它显示的促销效果混合教学平台对学生的英语学习目标和满足用户的学习能力。为教师、适当的评价机制,使平台作为一个有效的辅助工具在高职院校英语教学,以便真正先进的学习和教学评估。
4所示。结论
基于数字技术的混合英语教学模式将现代科技与传统教学,并极大地提高高职院校的英语教学质量。通过分析混合目前英语教学的缺点,本文设计了一种混合网络对高职英语教学平台,包括教学资源的建议下,总体结构,协作的代码,等。此外,平台与学生的认知能力与教学资源的难度和测试平台,通过用户的学习记录和测试完成。结果表明,显著提高协作用户之间的反馈和教师采用混合推荐算法后,学生的考试通过率是65%以上,明显高于普通的教学平台。
数据可用性
数据集可以在访问请求。
的利益冲突
作者宣称没有利益冲突。
确认
这项工作是支持的“13日五年计划”浙江省高等教育的人才培养项目(项目编号:jg20190902)。