抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
現在、教育技術領域の様々なモデルと教育法は正式に学習と非公式学習を同時に考慮していない。推薦システムは通常、正式な環境下の活動(例えば、作業、成績評価など)をその入力パラメータとして蓄積、追跡と検索を行うだけで、各ユーザーの非公式活動(例えば、ソーシャルネットワーク上の活動と持続性評価活動)を有効に結合させない。また、学習領域の教育補助システムは通常、内容フィルタリングとその他の学生の協力に基づいているだけで、これはさらに教師を指導する重要な役割を弱めている。最終的に,大規模公開オンラインカリキュラム(MOOC)と小規模非公開オンラインカリキュラム(SPOC)は,正式に非公式な環境に結合する教育モデルの重要な構成部分となり,各ユーザの学習経路において重要な役割を果たす。教育は我々が「遺伝子学習」と呼ばれる破壊的方法を通じて、教学とプロセスの向上を促進する必要がある。ユーザの行為と相互情報を利用することにより、教師の効率的な監視と個人化問い合わせサービスを利用することにより、各ユーザーの学習表現を改善することができる。本論文では、公開と非公開ソーシャルネットワークと学習管理システムに適した個性化e-learning推薦モデルLIMEを提案し、このモデルは「遺伝子学習」、特に大規模な学生の課程と大データセットに適する。本論文では,このモデルに基づいて開発したフレームワークとソフトウェアプロトタイプiLIMEを詳細に紹介し,LIMEモデルがどのように学校で使用されている学習管理システムと独立して動作するかを示した。最後に,本論文は,Apereo Sakai CLE 2.10-svnの環境におけるこのモデルを実行するために,事例研究を実施した事例について紹介した。本論文では,技術的問題と挑戦を論じ,実際の学習環境におけるiLIMEを実行するために,LIMEに基づく推薦を提供するための解決策を提案した。Data from Wanfang. Translated by JST【JST・京大機械翻訳】