摘要：在“三通两平台”建设背景下,云空间以高度的资源共享和便捷的交互支持为学习者提供了一个良好的在线学习环境,然而随着学习者数量和资源规模的急剧扩张,资源的有效组织与高效应用成为云空间面临的重要问题。从资源应用视角出发,依托云计算与本体技术,提出了基于应用语义的资源组织模型及其应用服务策略。探讨了云空间中资源的学习支持力并对资源应用语义进行了分析;设计了资源组织原则,并构建了基于应用语义的资源组织模型;阐释了基于本体和动态副本的实现机制,并提出了应用服务策略;依托iStudy实现了基于应用语义的资源组织功能,并采用实验研究法和问卷调查法分析了实践效果。结果表明,该模型能有效提高资源获取效率,优化资源交互体验,为学习云空间的可持续发展和学习者的高效学习提供了良好的支持。

摘要：在全面推进"网络学习空间人人通"的建设背景下,学习云空间的应用不断深入。但正如其他在线学习平台一样,学习云空间也存在辍学率高、学习投入不足等问题。本文聚焦学习云空间中学习主体认知投入相关数据的获取,提出了基于机器学习的认知投入量化方法。首先,分析了认知投入的构成要素,并基于班杜拉的社会认知理论,建立了面向学习云空间的认知投入模型。然后构建了围绕"数据采集-数据处理-量化实现-量化应用"的认知投入量化框架,并设计了一个基于支持向量机的认知投入量化算法。最后以世界大学城系统平台数据为支撑,通过与其他机器学习算法的对比得到研究结果,基于SVM算法具有较高的量化精确率,本研究希望能为教育领域深层认知投入量化提供一种可行的参考方案。

摘要：在"三通两平台"建设背景下,云空间以泛在的资源供给和便捷的交互支持特性,为学习者提供了一个高效、可定制的互联学习空间环境——学习云空间。正如其他在线学习平台一样,"情感缺失"一直是制约学习云空间中学习效率提升的一个重要瓶颈。该文聚焦学习云空间中学习者情感的获取与应用,提出了一个基于空间交互文本大数据的情感分析方法及其学习推荐机制。首先,利用时序特征数据适应性的LSTM网络构建学习者情感分析模型,并设计了一个可实时动态分析情感的执行算法。然后利用贝叶斯网络进行情感归因分析,建立情感驱动下的学习推荐机制与策略,并在已有学习云空间平台中实现了基于上述理论成果的学习推荐功能系统。最后进行效果验证,该系统可以分析学习者的情感并为其推荐学习支持服务,满足其基于网络空间的个性化知识建构需求。

摘要：学习云空间中学习路径的情境语义标识是为了满足学习者个性化学习的现实需要,也是自适应学习的研究热点之一。文章首先探讨了学习云空间的理想学习环境,提出了基于建构主义理论的学习机制。随后,文章设计了面向学习云空间的情境要素,在此基础上构建了面向富语义学习路径的云空间情境感知模型,揭示了基于情境感知的富语义学习路径生成原理,并对学习路径进行了有效性评估。最后,文章依托世界大学城的学习路径功能模块,对富语义学习路径的应用效果进行检验,展现了良好的学习效果。文章的研究可助力于学习路径的精准推荐和学习云空间的进一步发展。