| 616 | 8 | 516 |
| 下载次数 | 被引频次 | 阅读次数 |
针对目前开展混合式教学的现状，提出将知识图谱引入到教学中，利用知识图谱构建课程的知识结构，对课程的在线平台资源进行标注，以数据结构与程序设计课程为例，阐述如何针对学生在线平台上练习的结果，选择合适的认知诊断技术进行分析，获得学生各个知识点的掌握情况，为个性化学习的开展提供有力支撑。
Abstract：[1]国务院.中国教育现代化2035[EB/OL].[2023-10-09]. http://www.gov.cn/xinwen/2019-02/23/content_5367987.htm.
[2]国务院.深化新时代教育评价改革总体方案[EB/OL].[2023-04-15]. http://www.moe.gov.cn/jyb_xxgk/moe_1777/moe_1778/202010/t20201013_494381.html.
[3]何文滢,钟志勇.国内混合式学习研究评述与展望(2005—2021年):基于VOSviewer的可视化分析[J].教育文化论坛, 2022,14(5):124-135.
[4]中华人民共和国教育部.关于公布首批国家级一流本科课程认定结果的通知[EB/OL].[2023-04-15]. http://www.moe.gov.cn/srcsite/A08/s7056/202011/t20201130_502502.html.
[5]刘领兵. C语言程序设计课程的MOOC/SPOC混合教学实践[J].计算机教育, 2022(4):5-8.
[6]窦燕.基于CSP和PTA的数据结构与算法课程设计策略[J].计算机教育, 2021(6):5-9.
[7]李薇.基于EduCoder平台的面向对象程序设计课程实践教学探索与实践[J].计算机教育, 2022(6):179-183.
[8]王一岩,郑永和.智能时代个性化学习的现实困境、意蕴重构与模型构建[J].电化教育研究, 2023, 44(3):28-35.
[9]吴彦文,孙晨辉,李斌.知识图谱助力学科教学:以大学模拟电子技术基础课程为例[J].软件导刊, 2020, 19(12):195-198.
[10]李振,周东岱,王勇.“人工智能+”视域下的教育知识图谱:内涵、技术框架与应用研究[J].远程教育杂志, 2019, 37(4):42-53.
[11]李春英.融合知识图谱的学习者个性化学习资源推荐[J].小型微型计算机系统, 2023(1):1-10.
[12]张栩翔.基于知识图谱和图嵌入的个性化学习资源推荐[J].计算机系统应用, 2023, 32(5):180-187.
[13]朱天宇.基于认知诊断的个性化试题推荐方法[J].计算机学报, 2017, 40(1):176-191.
[14]吴润泽.基于认知诊断的学生作答行为建模方法及应用研究[D].北京:中国科学技术大学, 2019.
基本信息:
DOI：10.16512/j.cnki.jsjjy.2024.04.021
中图分类号:TP311.1-4;G642
引用信息:
[1]袁恩,陈卫卫,张所娟,等.面向个性化学习的认知诊断实践探索[J].计算机教育,2024,No.352(04):91-95.DOI:10.16512/j.cnki.jsjjy.2024.04.021.
基金信息:
教育部产学合作协同育人项目（202101151012,202101244033）;教育部第二批虚拟教研室建设试点（教高厅函[2022]13号之216号）; 全国教育科学国防军事教育学科“十四五”规划课题“个性化学习与智能教育深度融合的课程改造研究”（JYKY-D2022013）; 国家自然科学基金项目“面向军事教育的情境感知认知诊断与学习推荐方法研究”（62207031）; 陆军院校虚拟教研室探索建设项目（参训函[2022]215号）; 陆军工程大学十四五首批精品课程建设项目“数据结构与程序设计”; 2021教学成果立项培育项目
2024-04-10
2024-04-10
