CN111179135A - 一种基于学习风格模型的自适应式虚拟现实教学方法及系统 - Google Patents
一种基于学习风格模型的自适应式虚拟现实教学方法及系统 Download PDFInfo
- Publication number
- CN111179135A CN111179135A CN202010095567.7A CN202010095567A CN111179135A CN 111179135 A CN111179135 A CN 111179135A CN 202010095567 A CN202010095567 A CN 202010095567A CN 111179135 A CN111179135 A CN 111179135A
- Authority
- CN
- China
- Prior art keywords
- style
- learning
- learning style
- behavior
- virtual
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 230000006399 behavior Effects 0.000 claims abstract description 94
- 230000003044 adaptive effect Effects 0.000 claims abstract description 18
- 238000011156 evaluation Methods 0.000 claims abstract description 18
- 230000008569 process Effects 0.000 claims abstract description 8
- 230000007935 neutral effect Effects 0.000 claims description 16
- 238000012360 testing method Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 13
- 230000001953 sensory effect Effects 0.000 claims description 10
- 230000000007 visual effect Effects 0.000 claims description 10
- 238000002474 experimental method Methods 0.000 claims description 8
- 238000011161 development Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 12
- 230000000694 effects Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002194 synthesizing effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000010561 standard procedure Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于学习风格模型的自适应式虚拟现实教学方法及系统，包括以下步骤：步骤S1：通过结合风格自评数据和虚拟教学环境得到的行为数据判断学习风格；步骤S2：根据学习风格的判断结果对虚拟教学环境进行优化；步骤S3：基于优化后的虚拟教学环境中产生的行为数据对风格的判断进行改善，得到新的学习风格的判断结果，并返回步骤S2，由此循环实现自适应教学的目的。本发明能够提高判断学习风格的精准度，并根据学习风格个性化教学环境，充分考虑了学习者在学习过程中对学习的偏好，实现了真正意义上的“因材施教”。
Description
技术领域
本发明涉及虚拟现实技术领域，特别是一种基于学习风格模型的自适应式虚拟现实教学方法及系统。
背景技术
在新工科的教育改革中，数字化学习逐渐得到推广。其中自适应学习是目前应用最为广泛的教学方法之一，通过学习者的数据驱动教学系统来适应学习者，从而达到改善学习效果的目的。但是最初的自适应学习仅仅根据学习者的学习成绩来调整教学策略，忽略了学习者的主观能动性。
为了解决这个问题，研究者将学习风格模型的概念引入到自适应学习中，激发学习者的兴趣，让每一个学习者都能以自身最适应的方式学习。这种方法通过对学习者学习风格的判断，以期创造一个最适合于个人的教学环境，因此学习风格的判断尤为重要。
判断学习风格的方法有的是通过学习者填写问卷得到风格自评数据判断，有的是根据构建学习界面得到学习者的行为交互数据判断。然而通过问卷得到的数据过于主观，构建学习界面的方法仅依靠于学习者与鼠标键盘的人机交互数据，两者数据都过于单一且粗糙。
此外，很多自适应学习系统中还缺乏动手实验的环节，一定程度上也影响到了风格的判断和学习者的学习效果。
发明内容
有鉴于此，本发明的目的是提出一种基于学习风格模型的自适应式虚拟现实教学方法及系统，能够提高判断学习风格的精准度，并根据学习风格个性化教学环境，充分考虑了学习者在学习过程中对学习的偏好，实现了真正意义上的“因材施教”。
本发明采用以下方案实现：一种基于学习风格模型的自适应式虚拟现实教学方法，具体包括以下步骤：
步骤S1：通过结合风格自评数据和虚拟教学环境得到的行为数据判断学习风格；
步骤S2：根据学习风格的判断结果对虚拟教学环境进行优化；
步骤S3：基于优化后的虚拟教学环境中产生的行为数据对风格的判断进行改善，得到新的学习风格的判断结果，并返回步骤S2，由此循环实现自适应教学的目的。
进一步地，步骤S1具体为：根据风格自评数据得到第一个学习风格结果，根据虚拟教学环境得到的行为数据获取第二个学习风格结果，若两个学习风格结果相同，则令该学习风格结果作为学习风格的判断结果，若两个学习风格结果不同，则令学习风格的判断结果为中性风格。
进一步地，所述根据风格自评数据得到一个学习风格结果具体为：学习者通过填写预设的学习风格指数问卷，得到四个维度的学习风格得分，四个维度分别为：主动和反思、感官和直觉、视觉和语言、顺序和全局；每个维度由-11到+11的数值来标明学习者风格的倾向程度，综合每个维度的风格倾向获取到所述第一个学习风格结果。
进一步地，所述根据虚拟教学环境得到的行为数据获取第二个学习风格结果具体为：
步骤S11：搭建中性虚拟教学环境，所述中性虚拟教学环境包括但不限于自我测试模块、实验操作模块、幻灯片模块、视频模块、论坛模块、记录模块、大纲模块和学习界面教学模块；从四个维度划分每个风格的学习行为，所述四个维度分别为：主动和反思、感官和直觉、视觉和语言、顺序和全局；每一个风格对应着学习者在学习过程中对某些学习行为的倾向性；
步骤S12：采集学习者在虚拟教学环境中各个模块的行为数据，并根据预设的阈值将学习行为数据转化为对应学习风格倾向的0-1之间的数值，由此得到第二个学习风格结果。
进一步地，步骤S12中，所述根据预设的阈值将学习行为数据转化为对应学习风格倾向的0-1之间的数值具体为：将所有得到的行为数据进行综合计算：
式(1)中，dim是维度，i是行为，lsdim指的是该维度的学习风格，Bdim指的是该维度收集到的所有行为提示的数量,hdim,i指的是该维度所有行为提示对应的值的总和；行为提示对应四个值表示：3表示学习者的行为对相应的学习风格有着强烈的正倾向，2表示学习者的行为是没有倾向的，1表示学习者的行为对相应的学习风格有着强烈的负倾向，0表示没有关于学习者行为的信息；公式(2)是将公式(1)计算出的lsdim进行归一化处理，得到nlsdim的值，当值为0表示强烈的负倾向，1表示强烈的正倾向。
进一步地，步骤S2具体为：根据得到的学习风格的判断结果，对虚拟教学环境进行适应性的修改，使得虚拟教学环境中的模块与当前学习风格的倾向性更加匹配。
进一步地，步骤S3具体为：根据优化后的虚拟教学环境中产生的行为数据得到第三学习风格结果，将第三学习风格结果与上一轮中的学习风格的判断结果相比较，若两个学习风格结果相同，则令该学习风格结果作为学习风格的判断结果，若两个学习风格结果不同，则令学习风格的判断结果为中性风格。
本发明还提供了一种基于学习风格模型的自适应式虚拟现实教学系统，包括虚拟教学环境、处理器以及存储器，所述虚拟教学环境由处理器搭建，所述存储器中存储有能在处理器上运行的计算机程序，当所述处理器运行该计算机程序时，实现如上文所述的方法步骤。
进一步地，所述处理器上运行有Unity 3D开发引擎、Java EE服务端和HTC VIVE客户端，用以搭建所述虚拟教学环境。
与现有技术相比，本发明有以下有益效果：本发明通过引入虚拟现实技术，划分了适用于虚拟现实交互的学习行为模式，兼顾主客观数据，采集学习者的风格自评数据和虚拟教学环境中的学习者行为数据，由此能够更为精确地判断学习风格，进而更为准确地构建个性化教学环境。此外，虚拟现实技术模拟的沉浸式课堂体验，最大程度上还原了现实课堂的所有学习行为发生场景，丰富了学习者获取知识的方式，激发了学习者的学习兴趣。
附图说明
图1为本发明实施例的方法示意图。
图2为本发明实施例中通过学习风格指数问卷得到的风格结果示例图。
图3为本发明实施例的学习行为数据判断风格示意图。
图4为本发明实施例的学习风格判断示意图。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
应该指出，以下详细说明都是示例性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
如图1所示，本实施例提供了一种基于学习风格模型的自适应式虚拟现实教学方法，具体包括以下步骤：
步骤S1：通过结合风格自评数据和虚拟教学环境得到的行为数据判断学习风格；
步骤S2：根据学习风格的判断结果对虚拟教学环境进行优化；
步骤S3：基于优化后的虚拟教学环境中产生的行为数据对风格的判断进行改善，得到新的学习风格的判断结果，并返回步骤S2，由此循环实现自适应教学的目的。
在本实施例中，步骤S1具体为：根据风格自评数据得到第一个学习风格结果，根据虚拟教学环境得到的行为数据获取第二个学习风格结果，若两个学习风格结果相同，则令该学习风格结果作为学习风格的判断结果，若两个学习风格结果不同，则令学习风格的判断结果为中性风格。
在本实施例中，所述根据风格自评数据得到一个学习风格结果具体为：学习者通过填写预设的学习风格指数问卷，得到四个维度的学习风格得分，四个维度分别为：主动和反思、感官和直觉、视觉和语言、顺序和全局；每个维度由-11到+11的数值来标明学习者风格的倾向程度，综合每个维度的风格倾向即可获取到所述第一个学习风格结果。
其中，自评风格数据是基于Felder-Silverman提出的学习风格模型(Felder-Silverman Learning Style Model，FSLSM)中的学习风格指数问卷(Index of LearningStyle，ILS)收集的，FSLSM将学习者分为主动和反思、感官和直觉、视觉和语言以及顺序和全局四个维度的学习风格。在ILS中，每个维度都有11道题，学习者需要完成44道题，学习者的答案会以加1或者减1的形式被统计。每个维度由从-11到+11的数值来标明学习者风格的倾向程度，本实施例通过学习风格指数问卷得到的风格结果示例如图2所示，综合每个维度的风格倾向获取到所述第一个学习风格结果可知图2中的学习者为主动、感官、视觉和全局的学习风格。
在本实施例中，如图3所示，所述根据虚拟教学环境得到的行为数据获取第二个学习风格结果具体为：
步骤S11：搭建中性虚拟教学环境，所述中性虚拟教学环境包括但不限于自我测试模块、实验操作模块、幻灯片模块、视频模块、论坛模块、记录模块、大纲模块和学习界面教学模块；从四个维度划分每个风格的学习行为，所述四个维度分别为：主动和反思、感官和直觉、视觉和语言、顺序和全局；每一个风格对应着学习者在学习过程中对某些学习行为的倾向性；
较佳地，本实施例基于FSLSM对学习风格的描述，每一个风格对应着学习者在学习过程中对某些学习行为的倾向性，由此制定虚拟现实学习行为模式。主动型风格的学习者较为主动，擅长与人交流学习，从实验操作中获取知识。反思型风格的学习者倾向于独立学习，喜欢思考和反思，通过借鉴别人经验得到进步。感官型风格的学习者喜欢强调数据和事实的教学材料，倾向于用标准方法解决问题，较为耐心和细心。直觉型风格的学习者喜欢强调原理和理论的教学材料，创新能力较强，但对细节厌烦，容易粗心大意。视觉型风格的学习者喜欢图片、图表、流程图和视频等教学材料。语言型风格的学习者倾向于从以文本形式呈现的教学材料中获取知识。顺序型风格的学习者喜欢按照规定号的顺序进行学习。全局型风格的学习者没有一定的逻辑顺序，分散式的学习。
根据不同风格在学习行为上倾向的描述，虚拟现实学习行为模式如表1所示。识别各个维度的学习风格可以通过判断学习者是否符合表1所列举行为作为依据。本实施例设定主动型的学习者较少的访问例子对象、频繁的发帖交流、大量的进行实验操作、少量的取消实验操作、较多的自我测试、短暂的记录笔记和较少的查看自我测试结果，而反思型的学习者与之相反。本实施例设定感官型的学习者在事实类和细节类的问题上表现良好、概念类和开发类的问题上表现较差、频繁的自我测试、较多的访问例子对象和少量的访问内容对象，而直觉型的学习者与之相反。本实施例设定视觉型的学习者在图形类的问题表现良好、文本类的问题表现较差、较多访问图形例子和内容、较少的访问文本例子和内容、频繁的浏览论坛，而语言型的学习者与之相反。本实施例设定顺序型的学习者细节类的问题表现良好、概述类和开发类的问题表现较差、较多的访问顺序学习界面、较少的访问全局学习界面、频繁的浏览大纲。而全局型的学习者与之相反。
表1
步骤S12：在划分每个风格的学习行为之后，通过收集学习行为数据，可以获取有关于学习风格的提示。但学习者行为的发生频率有高有低，对应风格的倾向程度也有强有弱。因此，为了更为直观的得到学习风格结果，定义每个学习行为的阈值是关键。采集学习者在虚拟教学环境中各个模块的行为数据，并根据预设的阈值将学习行为数据转化为对应学习风格倾向的0-1之间的数值，由此得到第二个学习风格结果。
较佳地，学习行为的阈值是根据具体课程的特性制定，因此基于课程的相关信息，对于各种类型问题的成绩，使用满分的50％和75％作为阈值。对于自我测试的访问次数，由于自我测试可以重复访问，因此使用课程测试题数的75％和150％作为阈值。对于论坛的访问次数，由于论坛为老师提供问题给学生讨论的模式，因此使用课程讨论题数的100％和200％作为阈值。对于发帖的访问次数，使用课程讨论题数的50％和100％作为阈值。对于实验操作的访问次数和时间，由于虚拟教学环境中的实验器材可以随时访问且自由操作，因此使用课程要求的实验操作数和时间的75％和150％作为阈值。取消实验操作的访问次数，使用学习者实际有效实验操作次数的10％和20％作为阈值。对于记录、论坛、大纲和自我测试的访问时间，使用对该类学习内容有很大兴趣的学生的预期花费时间的50％和75％作为阈值。对于自我测试结果访问时间，使用实际有效自我测试访问时间的30％和60％作为阈值。对于例子对象、内容对象、大纲、全局学习界面和顺序学习界面的访问次数，使用对该类学习内容有很大兴趣的学生的预期访问次数的50％和75％作为阈值。
在本实施例中，学习者的行为数据通过阈值划分，可以转化为学习者对相应风格的倾向程度，分为三个区间：正倾向、中性和负倾向。为了度量学习风格，需要将所有得到的行为数据进行综合计算。步骤S12中，所述根据预设的阈值将学习行为数据转化为对应学习风格倾向的0-1之间的数值具体为：将所有得到的行为数据进行综合计算：
式(1)中，dim是维度，i是行为，lsdim指的是该维度的学习风格，Bdim指的是该维度收集到的所有行为提示的数量,hdim,i指的是该维度所有行为提示对应的值的总和；行为提示对应四个值表示：3表示学习者的行为对相应的学习风格有着强烈的正倾向，2表示学习者的行为是没有倾向的，1表示学习者的行为对相应的学习风格有着强烈的负倾向，0表示没有关于学习者行为的信息；例如，主动型的学习者频繁访问自我测试，那么该行为的提示值在判断主动风格时等于3，而反思风格则为1。将得到的所有提示对应的值求和并除以可用提示的数量，可用算出相应学习风格倾向的数值。公式(2)是将公式(1)计算出的lsdim进行归一化处理，得到nlsdim的值，当值为0表示强烈的负倾向，1表示强烈的正倾向。通过对学习行为阈值的划分和公式的计算，将学习行为数据转化为对应学习风格倾向的0-1之间的数值，由此就可以直观的得到由学习行为数据分析的学习风格结果。
在本实施例中，步骤S2具体为：根据得到的学习风格的判断结果，对虚拟教学环境进行适应性的修改，使得虚拟教学环境中的模块与当前学习风格的倾向性更加匹配。
特别的，自评风格数据是根据ILS获取的，由于是通过学习者填写问卷的形式来得到数据，所以假如问卷测试过长，或者学习者不知道问卷的用途，这样的情况下收集到的数据较为不精确。为了能够更为精确的判断学习风格，本实施例将自评风格数据结合了学习行为数据一起分析。学习行为数据是学习者在虚拟教学环境中学习获取的，由于初始并不知道学习者准确的风格，因此第一次的学习行为数据是学习者在中性的虚拟教学环境中产生的。学习风格判断的流程图如图4所示，在得到自评风格数据和学习行为数据之后，需要进行分析并对比，若两者数据得到的风格结果相同则输出当前风格，不同输出中性风格。当学习者再次在虚拟教学环境中学习时，这一论由学习行为数据分析的风格结果将和上一轮输出的风格结果对比，输出第二轮的风格结果。由此模式反复迭代，风格结果将越来越接近真实的学习风格。
在本实施例中，步骤S3具体为：根据优化后的虚拟教学环境中产生的行为数据得到第三学习风格结果，将第三学习风格结果与上一轮中的学习风格的判断结果相比较，若两个学习风格结果相同，则令该学习风格结果作为学习风格的判断结果，若两个学习风格结果不同，则令学习风格的判断结果为中性风格。
本实施例还提供了一种基于学习风格模型的自适应式虚拟现实教学系统，包括虚拟教学环境、处理器以及存储器，所述虚拟教学环境由处理器搭建，所述存储器中存储有能在处理器上运行的计算机程序，当所述处理器运行该计算机程序时，实现如上文所述的方法步骤。
在本实施例中，所述处理器上运行有Unity 3D开发引擎、Java EE服务端和HTCVIVE客户端，用以搭建所述虚拟教学环境。学习者的学习行为数据是在虚拟教学环境中产生的，根据行为数据获取到的学习风格是作为优化虚拟教学环境的依据，因此不同学习风格对应优化的虚拟教学环境有所差异。本实施例的虚拟教学环境使用Unity 3D开发引擎、Java EE服务端和HTC VIVE客户端开发，主要由初始构建和后续优化组成。初始构建的虚拟教学环境是基于表1所描述所有学习行为构建的，为了获取学习行为数据，教学环境中需要包含有这些学习行为发生的模块。由于开始学习时并不能确定学习者的学习风格，因此初始构建的虚拟教学环境是中性风格，提供了自我测试、实验操作、幻灯片、视频、论坛、记录、大纲和学习界面等教学模块。
在构建完初始的虚拟教学环境后，由学习者产生的行为数据可以判断出学习风格，根据上述学习数据部分对各个风格在学习上倾向的描述，可以由此对虚拟教学环境进行优化，从而达到自适应的目的。例如，主动型风格的学习者喜欢从实验操作中获取知识，倾向于他人交流学习，善于团队合作，但对记录学习内容不感兴趣。根据这些描述，在优化教学环境时，则需要采取提供更多的实验题和讨论题，减少教材中例子对象的内容比例以及取消记录模块等优化措施。
综上，本实施例基于学习风格理论，通过收集学习者的自评风格数据和学习行为数据判断学习者的学习风格，并根据风格给学习者构建个性化的虚拟教学环境，从而实现“因材施教”的教育理念。具体包括如下优点：制定了虚拟现实学习行为模式，根据自评风格数据结合虚拟教学环境产生的学习行为数据，通过主客观的数据结合提高判断学习风格的精准度。基于学习风格理论优化的虚拟教学环境，不仅能够提供给学习者多维度的学习空间和方式，还有沉浸式的教学体验，以及更为丰富的人机交互。根据学习风格个性化教学环境，充分考虑了学习者在学习过程中对学习的偏好，实现了真正意义上的“因材施教”。
本实施例能够应用在如下场景中：
(1)在校园教育中，根据学习者产生的数据制定个性化的虚拟教学环境，可以激发学习者的积极性，从而改善学习效果。
(2)在企业技能培训中，根据新职员产生的数据制定专属的虚拟培训环境，可以更好的帮助职员掌握新技能。或者根据学习风格分配职员所擅长的工作，达到“人尽其才”的目的。
(3)在复健康复领域中，根据用户的数据判断风格从而构建专属的虚拟康复环境，提高用户治疗的体验和积极性，从而达到更好的治疗效果。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述，仅是本发明的较佳实施例而已，并非是对本发明作其它形式的限制，任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例。但是凡是未脱离本发明技术方案内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与改型，仍属于本发明技术方案的保护范围。
Claims (9)
1.一种基于学习风格模型的自适应式虚拟现实教学方法，其特征在于，包括以下步骤：
步骤S1：通过结合风格自评数据和虚拟教学环境得到的行为数据判断学习风格；
步骤S2：根据学习风格的判断结果对虚拟教学环境进行优化；
步骤S3：基于优化后的虚拟教学环境中产生的行为数据对风格的判断进行改善，得到新的学习风格的判断结果，并返回步骤S2，由此循环实现自适应教学的目的。
2.根据权利要求1所述的一种基于学习风格模型的自适应式虚拟现实教学方法，其特征在于，步骤S1具体为：根据风格自评数据得到第一个学习风格结果，根据虚拟教学环境得到的行为数据获取第二个学习风格结果，若两个学习风格结果相同，则令该学习风格结果作为学习风格的判断结果，若两个学习风格结果不同，则令学习风格的判断结果为中性风格。
3.根据权利要求2所述的一种基于学习风格模型的自适应式虚拟现实教学方法，其特征在于，所述根据风格自评数据得到一个学习风格结果具体为：学习者通过填写预设的学习风格指数问卷，得到四个维度的学习风格得分，四个维度分别为：主动和反思、感官和直觉、视觉和语言、顺序和全局；每个维度由-11到+11的数值来标明学习者风格的倾向程度，综合每个维度的风格倾向获取到所述第一个学习风格结果。
4.根据权利要求2所述的一种基于学习风格模型的自适应式虚拟现实教学方法，其特征在于，所述根据虚拟教学环境得到的行为数据获取第二个学习风格结果具体为：
步骤S11：搭建中性虚拟教学环境，所述中性虚拟教学环境包括但不限于自我测试模块、实验操作模块、幻灯片模块、视频模块、论坛模块、记录模块、大纲模块和学习界面教学模块；从四个维度划分每个风格的学习行为，所述四个维度分别为：主动和反思、感官和直觉、视觉和语言、顺序和全局；每一个风格对应着学习者在学习过程中对某些学习行为的倾向性；
步骤S12：采集学习者在虚拟教学环境中各个模块的行为数据，并根据预设的阈值将学习行为数据转化为对应学习风格倾向的0-1之间的数值，由此得到第二个学习风格结果。
5.根据权利要求4所述的一种基于学习风格模型的自适应式虚拟现实教学方法，其特征在于，步骤S12中，所述根据预设的阈值将学习行为数据转化为对应学习风格倾向的0-1之间的数值具体为：将所有得到的行为数据进行综合计算：
式(1)中，dim是维度，i是行为，lsdim指的是该维度的学习风格，Bdim指的是该维度收集到的所有行为提示的数量,hdim,i指的是该维度所有行为提示对应的值的总和；行为提示对应四个值表示：3表示学习者的行为对相应的学习风格有着强烈的正倾向，2表示学习者的行为是没有倾向的，1表示学习者的行为对相应的学习风格有着强烈的负倾向，0表示没有关于学习者行为的信息；公式(2)是将公式(1)计算出的lsdim进行归一化处理，得到nlsdim的值，当值为0表示强烈的负倾向，1表示强烈的正倾向。
6.根据权利要求1所述的一种基于学习风格模型的自适应式虚拟现实教学方法，其特征在于，步骤S2具体为：根据得到的学习风格的判断结果，对虚拟教学环境进行适应性的修改，使得虚拟教学环境中的模块与当前学习风格的倾向性更加匹配。
7.根据权利要求1所述的一种基于学习风格模型的自适应式虚拟现实教学方法，其特征在于，步骤S3具体为：根据优化后的虚拟教学环境中产生的行为数据得到第三学习风格结果，将第三学习风格结果与上一轮中的学习风格的判断结果相比较，若两个学习风格结果相同，则令该学习风格结果作为学习风格的判断结果，若两个学习风格结果不同，则令学习风格的判断结果为中性风格。
8.一种基于学习风格模型的自适应式虚拟现实教学系统，其特征在于，包括虚拟教学环境、处理器以及存储器，所述虚拟教学环境由处理器搭建，所述存储器中存储有能在处理器上运行的计算机程序，当所述处理器运行该计算机程序时，实现如权利要求1-7任一项所述的方法步骤。
9.根据权利要求8所述的一种基于学习风格模型的自适应式虚拟现实教学系，其特征在于，所述处理器上运行有Unity 3D开发引擎、Java EE服务端和HTC VIVE客户端，用以搭建所述虚拟教学环境。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010095567.7A CN111179135A (zh) | 2020-02-17 | 2020-02-17 | 一种基于学习风格模型的自适应式虚拟现实教学方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010095567.7A CN111179135A (zh) | 2020-02-17 | 2020-02-17 | 一种基于学习风格模型的自适应式虚拟现实教学方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111179135A true CN111179135A (zh) | 2020-05-19 |
Family
ID=70654977
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010095567.7A Pending CN111179135A (zh) | 2020-02-17 | 2020-02-17 | 一种基于学习风格模型的自适应式虚拟现实教学方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111179135A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111754829A (zh) * | 2020-07-02 | 2020-10-09 | 北京阿拉校园科技有限公司 | 一种新型在线智能学习机器人 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090098524A1 (en) * | 2007-09-27 | 2009-04-16 | Walton Brien C | Internet-based Pedagogical and Andragogical Method and System Using Virtual Reality |
| CN107423851A (zh) * | 2017-07-20 | 2017-12-01 | 上海理工大学 | 基于学习风格情境感知的自适应学习方法 |
| CN108961881A (zh) * | 2018-08-06 | 2018-12-07 | 林墨嘉 | 一种实时互动的智能场景构建及系统 |
| CN109800880A (zh) * | 2018-12-29 | 2019-05-24 | 上海乂学教育科技有限公司 | 基于动态学习风格信息的自适应学习特征提取系统及应用 |
| CN110069139A (zh) * | 2019-05-08 | 2019-07-30 | 上海优谦智能科技有限公司 | Vr技术实现旅游教学实践的体验系统 |
-
2020
- 2020-02-17 CN CN202010095567.7A patent/CN111179135A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090098524A1 (en) * | 2007-09-27 | 2009-04-16 | Walton Brien C | Internet-based Pedagogical and Andragogical Method and System Using Virtual Reality |
| CN107423851A (zh) * | 2017-07-20 | 2017-12-01 | 上海理工大学 | 基于学习风格情境感知的自适应学习方法 |
| CN108961881A (zh) * | 2018-08-06 | 2018-12-07 | 林墨嘉 | 一种实时互动的智能场景构建及系统 |
| CN109800880A (zh) * | 2018-12-29 | 2019-05-24 | 上海乂学教育科技有限公司 | 基于动态学习风格信息的自适应学习特征提取系统及应用 |
| CN110069139A (zh) * | 2019-05-08 | 2019-07-30 | 上海优谦智能科技有限公司 | Vr技术实现旅游教学实践的体验系统 |
Non-Patent Citations (1)
| Title |
|---|
| 林一 等: "增强现实交互技术在工程教育中的研究与应用", 《教育教学论坛》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111754829A (zh) * | 2020-07-02 | 2020-10-09 | 北京阿拉校园科技有限公司 | 一种新型在线智能学习机器人 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Pellas et al. | Immersive Virtual Reality in K-12 and Higher Education: A systematic review of the last decade scientific literature | |
| Wang et al. | Task complexity and learning styles in situated virtual learning environments for construction higher education | |
| US8571463B2 (en) | Systems and methods for computerized interactive skill training | |
| Ameerbakhsh et al. | A comparison of two methods of using a serious game for teaching marine ecology in a university setting | |
| JPH10207335A (ja) | 事前試験を有する対話型学習システム | |
| Chen et al. | Enhancing an instructional design model for virtual reality-based learning | |
| Sghaier et al. | Development of an intelligent system based on metaverse learning for students with disabilities | |
| Alhajri et al. | Integrating learning style in the design of educational interfaces | |
| Ritsos et al. | Towards more visual analytics in learning analytics | |
| Scott et al. | An adaptive 3D virtual learning environment for training software developers in scrum | |
| Barba et al. | Tangible media approaches to introductory computer science | |
| Kostolányová et al. | Individualisation and personalisation of education-modern trend of eLearning | |
| CN114299777A (zh) | 一种虚拟现实工业仿真训练系统 | |
| CN111179135A (zh) | 一种基于学习风格模型的自适应式虚拟现实教学方法及系统 | |
| Yan et al. | A method for personalized C programming learning contents recommendation to enhance traditional instruction | |
| CN111861820A (zh) | 一种学习计划的生成方法及设备 | |
| Kostolányová et al. | Adaptation of teaching process based on a students individual learning needs | |
| Lilley et al. | The development and evaluation of a computer-adaptive testing application for English language | |
| Mastrolembo Ventura et al. | Implementation of virtual reality in construction education: a content-analysis based literature review | |
| Staub et al. | The Construction of Simulations as an Instructional Activity for Graduate Students in an Education Leadership Program. | |
| Hafidi et al. | Developing adaptive and intelligent tutoring systems (AITS): A general framework and its implementations | |
| Urueta et al. | Web-portal-based repurposing of VR scenarios for TEFL applications | |
| AlFarsi et al. | The general view of virtual learning environment in education sector | |
| Dagnino et al. | An integrated platform supporting intangible cultural heritage learning and transmission: Definition of requirements and evaluation criteria | |
| Makohon et al. | Hungarian optimum assignment algorithm with Java computer animation |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200519 |