读相关文献后备忘所用
[他自己说他是对于教育这块最强的推荐引擎哦]
我只能说拭目以待!而且,把国人的学习数据给外国企业研究,咱们怎么可能放心!这种技术咱们国家的企业也得自己掌握才是,哪愿意受制于人!也希望咱们国家做在线教育的企业能快速的崛起,赶超外国做在线教育的企业。
首先,我们怎么定义个性化学习?
1.评估学生知识状态,在合适的时机推荐相关的学习资料和指导意见。
2.使用适量的题目测试学生的知识状态。Knewton在这种慨念上加上了实时性,希望可以实时的诊断学习的知识状态,然后提供最优的学习规划及学习资料,以达到最大化学生的学习收益。
Knewton 推荐系统的理论&技术
- Item Response Theory(IRT)
心理学领域提出的模型,将其应用在学生的能力诊断上,以区别出学生在考出相同分数的时候,也能以能力区别出两个学生。
- Probabilistic Graphical Models (PGMs)
这块主要使用统计方法,比如贝叶斯网络,马尔科夫随机场等,PGMs也赋予了Knewton可以复杂模型的能力,其中的一种用途是评估了学生知识掌握程度之后,规划出学生下一步的学习内容。
- Hierarchical agglomerative clustering
根据学生掌握知识的程度将学生进行分组。
加强Knewton推荐引擎的方式
- Knowledge Graph
提供跨学科的知识图谱
提供跨学科的学习路径推荐。
- Continuous, as opposed to single-point adaptivity
提供实时的个性化推荐信息,比如一个学生在回答纠结的某个问题时,系统就知道了这个学生的知识弱点,然后就可以实时的推荐相关的学习资料。摆脱了需要学生回答相关测试题之后,才能推荐相关学习资料的固有缺陷。- Spaced reinforcement
在学习新知识的一段时间里,会带上原来学习过的之后,以这种方式来加强掌握知识的强度。- Retention & learning curves
使用艾宾浩斯记忆曲线来估计学生掌握了相关知识的遗忘程度。
- Students learning profile
建立学生学习知识的档案- Network effects
使用该系统的人数越多,学生数据越多,预测学生知识水平就越加的精确。- Big data & adaptive infrastructure
- AltNode
大数据平台,支撑起大量数据的实时分析计算任务。