华东师范大学学报(自然科学版) ›› 2014, Vol. 2014 ›› Issue (6): 126-140.doi: 10.3969/j.issn.1000-5641.2014.06.017

• 教育中的新兴技术与教育信息化技术标准的新趋势 • 上一篇    

学习分析系统引擎的本体建构与数学模型(英)

 邢万里1, 吴永和2, 马晓玲3   

  1. 1. 密苏里大学 信息科学与学习技术系 密苏里洲 65201, 美国 2. 华东师范大学 开放教育教育学院暨上海数字化教育装备工程技术研究中心 上海 200062 3. 华东师范大学 信息学系 上海 200062
  • 出版日期:2014-11-25 发布日期:2015-02-07
  • 通讯作者: 马晓玲, 女, 讲师, 研究方向为信息系统及分析 E-mail:xiaolingm@gmail.com
  • 作者简介:第一作者: 邢万里, 男, 博士生, 研究方向为教育技术.E-mail: wxdg5@mssouri.edu 第二作者: 吴永和, 男, 博士, 高级工程师, 硕士生导师,研究方向为教育信息化系统及标准、学习技术,系统架构、教育新媒体、学习分析等. E-mail：yhwu@dec.ecnu.edu.cn
  • 基金资助:

    国家社科基金重点项目(11AXW001);上海市浦江人才计划项目(14PJC034); 上海市科委"科技创新行动计划''高新技术领域项目(145111093000)

Ontology construction and mathematical modeling for the LAS engines

 XING  Wan-Li1, WU  Yong-He2, MA  Xiao-Ling3   

  1. 1. School of Information Science Learning Technology, University of Missouri-Columba, MO 65201 2. School of Open Education and Learning  Shanghai Engineering Research Center of Digital Education Equipment, East China Normal University, Shanghai 200062 China 3. Department of Information Science, East China Normal University, Shanghai 200062 China
  • Online:2014-11-25 Published:2015-02-07

PDF

2136

摘要： 学习分析系统(LAS)具有把不同的资源和服务整合来为教育提供最好的实践.学习分析引擎作为这一系统的核心组成部分, 目前在功能上的限制,定义上的模糊, 以及可扩展性差使其不能扩展到其他内容和机构.本文首先提出了引擎本体(角色、来源、时间和控制)来描述和独特的四种引擎功能:预测、反思、建议和适应, 以建立一个共同的语言和实践学习分析引擎,从而改善不同的\,LA\,之间的互操作性应用. 基于这些本体论的引擎,本研究进一步设计LAS引擎的机制和应用数学模型来解释其分解和重组技术.本文所阐述的学习分析系统引擎, 预计可用于开发一个开放和集成的,能够扩大规模和扩展到任何环境中的LAS.

关键词: 学习分析, 学习分析系统, 学习分析系统引擎, 数学建模

Abstract: Learning analytics system (LAS) has the potential to pull together diverse resources and services to leverage the best practices for education. As the central component of this system, current LAS engines have been limited in function and vaguely defined as well as poor scalability and extensibility to other
contexts and institutions. This paper first proposed engine ontology, role, source, time and control, to describe and distinct four engine functions: Prediction, Reflection, Recommendation, and Adaptation, in order to establish a common language and practice for LA engines, and in turn improve interoperability between different LA applications. Based on those ontological engines, this study further designed a mechanism of LAS engines and applied mathematical
modeling to explain its decomposition and recombination techniques. This LAS engines is expected to power an open and integrated LAS that is capable of scaling up and extensible to any context.

Key words: learning analytics, learning analytics system, learning analytics system engines, mathematical modeling

中图分类号: