除了个性化学习的认知——自适应技术

的个性化学习过程被普遍视为关键承诺自适应技术,如人工智能(AI)。系统的环境,提供个性化的学习,认识到学习者的当前状态,并相应地调整环境。大多数情况下,这些系统的焦点是在认知变量。例如,一个人工智能的学习管理系统(LMS)可能为学习者提供学习路径,根据他们目前的知识或技能水平。
然而,个人学习过程是由额外的——通常不稳定——元认知、动机和情感因素。因此,自适应系统真正支持个性化学习需要技术识别和反应的因素,以及考虑他们的复杂的相互关系。

这个研究课题的目标是全面的话题,池最近的研究自适应技术的个性化学习,可以包括但超越认知学习者变量。特别是,目的是收集研究考虑元认知、动机、情感变量的一个或多个下面三个级别:

1。确认和计量

因为元认知、动机和情感变量可以在相对较短的一段时间,瞬态创新需要确认和计量。相关问题担忧,时间分辨率,unobtrusiveness和心理属性的措施。

2。自适应性

系统的自适应性包括调整将元认知信息,动机,情感变量。相关问题关注如何适应,适应的动态或频率(宏微观层面),和目标学习者变量。

3所示。系统评价

评估一个自适应系统是否有效支持个性化学习是一个开放的挑战。相关问题关注标准有效性的定义,类型的评估,或考虑学习的推论与自适应技术(例如,接受/用户体验和系统透明度)。

这个话题欢迎原始研究、实证研究、简短的研究报告,系统评价,本文着重,概念分析。贡献可能解决认知学习者变量(例如,先验知识)这样做是在元认知的范围内提供,动机,和/或情感变量。这个系列的主题包括,但不限于:

——动态测量的元认知、动机和/或情感学习者变量(例如,自律能力评估、情感识别)

——动态调整基于元认知、动机和/或情感学习者变量(如提示,支架,调整学习路径)

——整个系统评估:
o地址认知变量作为系统适应元认知的结果,动机,和/或情感学习者变量
o地址元认知、动机和/或情感变量结果或推论与自适应技术的学习

——基于游戏的学习,严肃游戏,游戏应用

学习管理系统(LMS)

-辅导系统

——无处不在的学习应用