单位：北京中科特瑞科技有限公司
1.项目简介
在线教育的发展经历了多个阶段，第一阶段改变了原有的信息流动的方式，第二阶段是通过一些工具优化教育的部分流程和环节;在Minerva、altschool之后进入了第三阶段，通过重塑知识架构，利用数据技术采集分析学习行为，带来个性化教育。
自适应学习系统是指能够为学习者提供一种个性化学习服务，实现系统根据学习者的多种特点和行为倾向，如学习目标、偏好、认知水平等，采用相应的教学策略，推荐个性化的学习路径和学习资源。
本项目的主要工作是利用早幼教在线教育网站的儿童学习行为的数据资源，结合早幼教专家确立适当的学习行为模型、用户模型和领域模型，同时研发自适应模型、自适应引擎、呈现模型。实现以本体技术为核心，以用户模型为依据的个性化学习资源和学习路径推荐。
2.技术说明
用户模型描述用户的个体特征，包括学习者基本信息描述、学习风格、认知水平和兴趣爱好等；学习行为记录学习者的学习历史过程，包括学习者访问学习资源的媒体类型、学习时间、访问频度等，系统可以根据用户的学习历史记录不断的更新用户模型；领域模型则描述领域知识的结构。自适应模型定义了根据用户模型中的信息访问领域模型各个部分，以及如何修改用户模型的规则集，这些规则将体现教学设计的内在思路；自适应引擎对应着系统的实现，根据用户模型选择、组装和呈现页面，执行适应性规则，实现根据用户学习历史记录来修改与维护用户模型。呈现模型是系统根据用户模型、领域模型、自适应模型，通过自适应引擎实现内容、导航和学习活动序列等三方面的适应性显示。在内容显示方面，要能够做到系统根据用户的学习风格呈现出不同的媒体类型、事实或抽象等特性的学习内容；在导航方面，系统要根据学习风格、认知水平及兴趣爱好等确立导航方式；在学习活动序列方面，系统可以根据学习者的学习风格适应推荐适当的学习序列。
目前自适应学习系统主要参考模型包括：
（1） 自适应超媒体应用模型（AHAM），典型系统有AHA!；
（2） LAOS（Layered WWW AHS Authoring Model），典型系统有MOT（My Online Teacher）；
（3） XML自适应超媒体模型（XAHM），典型系统有DISAS；
（4） WebML，这是一种可视化语言，用于具体说明Web应用程序的内容结构和内容组织呈现并将其转化为超文本形式。典型系统有CMS（Conference Management System）
从学习风格角度考虑的自适应学习系统目前有：
（1） 基于蚁群算法ACS；
（2） 基于关联规则挖掘算法IDEAL；
（3） 基于Felder-Silverman（菲尔德-希尔佛曼）学习风格模型CS388、Tangow、MANIC、MASPLANG、LSAS等；
（4） 基于Honey&Mumford（哈尼-芝福）学习风格模型INSPIRE
从认知水平角度考虑的自适应学习系统目前有：
（1） 基于遗传算法PELS；
（2） 基于关联规则算法ELM-ART
在用户模型构建方面，目前国际上最为重要的用户建模标准是IMS LIP和IEEE PAPI，国内用户建模标准是教育部教育信息化技术标准委员会在CELTS中定义的学习者模型CELTS-11、学生身份标识CELTS-13和学力定义规范CELTS-14。在用户模型中，学习风格的确定较多采用Felder-Silverman学习风格模型（所罗门学习风格量表），它在网络教学环境下具有良好的适用性。认知水平的估算主要通过学生的练习测验记录估算出学生对某一知识点的掌握情况，然后根据用户的认知水平不同推荐相应层次的知识资源，从而制定更加个性化的学习过程和学习目标。
领域模型的构建，目前主要依据Dubin Core和IEEE LOM两大元素标准，从章、节、知识点和学习对象四部分设计领域模型，学习对象本体描述知识点的各种属性映射实体，包括与学习者模型相匹配的媒体类型、抽象系数、活动序列、呈现顺序等。