任务驱动的课堂合作学习智能分组系统的设计与开发研究

来源 :华东师范大学 | 被引量 : 0次 | 上传用户:hwyvvv
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
作为一种有效的学习模式,合作学习的相关研究向来是教育领域的热点问题。合理的分组机制能够做到适应个人需要、明确责任分工、形成共同目标,是合作过程顺利开展、合作学习取得成功的前提。在目前的教学实践当中,合作学习小组的分配存在随意性和主观性等不足。然而,精心设计的科学分组需要综合考虑各项因素,不仅实施起来具有一定的困难,同时也给教师增添了不少负担。近年来,关于分组系统的研究开展的不少,但几乎都针对网络协作学习,使得自动分组技术在创新型人才培养第一线的课堂合作学习中的应用形成空白。本文在深入研究合作学习及其分组的基本理论的基础上,分析比较现有系统的各种自动分组策略后,形成任务驱动、多因素综合的分组基本思想,基于Web技术为课堂教学应用开发了的任务驱动的合作学习智能分组系统。本文先简要的介绍合作学习分组的理论基础,探讨课堂合作实践应用的现状,然后通过研究得出合作学习的自动分组策略,确立任务驱动的基本原则,总结分组所需的关键要素(结合学生个体特征和任务特殊需求两方面考虑),并指出要素的数据获取及量化方法。进而提出分组算法的设计以及智能优化的方法,采取软件工程的开发思想对于分组系统进行UML建模。最后运用ASP.NET、关系数据库等技术,在Visual Studio.NET的开发环境下设计并实现了一个B/S体系结构的智能分组系统。本系统支持多种分组方式的选择,旨在使教师能够根据兼顾分组原则和任务需求实现个性化、有针对性的分组,务求使学生能够在适合自己的合作任务当中积极参与、各显其能。同时系统辅助功能的开发力图为教师和学生的沟通提供平台,为教师对合作教学的观察记录提供支持。本研究将合作学习的相关理论研究结合信息技术应用于实践,提供自动分组的支撑环境,使其成为课堂合作教学的有力支持工具。
其他文献
现代社会每日每时都有很多的文章出现在报刊书籍、广播电视等等各种信息载体上。而目前的各种文档处理系统主要的也是最适合的服务对象仅仅是文章基本定稿之后的文本处理工作
遗传算法是模拟生物界的进化过程而产生的一种现代优化算法,作为一种有效的随机搜索方法,在优化方法中具有独特的优越性,有着非常重要的理论意义和广泛的应用领域。传统优化方法
虽然HDFS的默认副本策略能为数据存储及MapReduce的计算功能提供支撑,并且具有安全性和节点选择简单等优点,但 Hadoop框架并没有重视现实集群中几个重要特征:集群节点的异构性、
种类繁多的植物虽然形态千差万别,却大都具有自我相似、自我繁殖的分形特征。近年来,随着分形理论的发展,分形植物模拟成为计算机仿真领域的重要课题。本文旨在从理论研究和植物
无线传感器网络作为一种全新的信息获取和处理技术日益受到国内外的高度重视。由成千上万个智能的传感器节点组成无线传感器网络是传感器应用的巨大飞跃。从个体角度来看,传感
本文以OpenStack云计算平台作为基础,它是一个可以管理整个数据中心里面的计算资源、存储资源和网络资源的云系统。云的复杂结构是由若干层组成,以满足云系统的功能分离,模块化
植物分类学是一门研究植物界不同物种的起源、亲缘关系、以及进化发展的基础学科。随着模式识别技术的快速发展,植物图像识别技术在植物分类学中起到了重要的辅助作用,给科研
近年来,随着光谱成像技术的快速发展,高光谱遥感技术得到了广泛的关注。基于高光谱图像的目标检测不仅可以利用高光谱图像数据的光谱信息,也可利用其空间信息,在目标检测领域
“机器博弈”也就是“计算机下棋”,是人工智能中的一个重要的研究领域。早在上世纪五十年代,就有人设想让机器与人对弈。国内外许多知名学者和知名科研机构都曾经涉足这方面的
目前,矿井下通信的可靠性在当今世界依然是个难题,矿井下通信存在复杂的多径和多址干扰,导致传统的通信系统在矿井下不能良好工作,为满足当前煤矿安全生产和科学管理要求,必须提高