1 概要
DLTS-11学习者模型规范是一个关于PAPI (public and private information 公用和私用信息) 学习者信息的数据交换规范。促进数据交换的途径有以下三种:(1) 通过外部规范,例如:PAPI学习者编码绑定(Binding);(2) 通过控制传输机制,例如:PAPI学习者API (application programe interface 应用编程接口) 绑定;(3) 通过数据和控制传输机制,例如:PAPI学习者协议绑定。
学习者模型规范的特点在于对PAPI学习者信息的逻辑划分:(1)个人信息;(2)学业信息;(3)管理信息;(4)关系信息;(5)安全信息;(6)偏好信息;(7)绩效信息;(8)作品集信息。
PAPI可以对不同安全级别的信息进行隔离管理。本规范可以与其他系统、协议、格式和技术集成。
1.1 范围
本规范指定“学习者模型”的语法和语义,把学习者(学生或者知识工作者)和他的知识能力刻画出来。本规范包括学习过程记录、技巧、能力、学习模式等元素。本规范允许这些元素用多种粒度水平表达,由粗略的摘要到最细致的元素。
注: 最初,本规范是为学习技术应用系统而发展的,也很容易被应用到与人的信息有关的其它系统,比如医学和经济上的应用系统。
以下内容超出本规范的范围:
· 特定扩展. 本规范没有指定所有关于学习者的信息。PAPI学习者个人信息仅是“个人信息”的一个有限子集。应用系统可能对本规范给予的数据进行扩展,但这些系统可能因此由“严格一致实现”变成“一致实现”。本规范支持数据扩展机制,可以被用户、组织、供应商、机构或其它行业使用;
· 粒度. 本规范没有指定信息的粒度大小。例如:在学习技术应用系统中,PAPI学习者记录可以有如下范围的粒度:从专业认证到学期总成绩,从课程学分到每分钟的学习进度。本规范可以用在大范围的数据记录应用系统中;
· 信息库(repository)设计. 本规范没有指定信息库的实现和管理,但支持信息库的多种设计和实现。例如:所有PAPI学习者信息可以实现成一个组合的信息库或者多个分离的信息库。信息库的具体设计及其逻辑子域的划分,都超出本规范的范围;
· 特定的安全技术. 本规范支持不同种类的安全架构、方法和技术的协作,从而使广泛的安全策略得以实现。然而,本规范没有特定的安全技术(例如:128位加密)。
1.2 目的
本规范的目的是:
· 使任何年龄、背景、地区的学习者能够基于本规范创造和建立一个个人学习者模型,以便能使用他们在教育、教学经验和工作经历方面的信息;
· 使课件开发者能够开发出更多高效率的个性化的教材;
· 为教育研究者提供规范化的数据;
· 为其他教育规范的发展以及以学生为中心的学习系统提供一个工作基础;
· 为教育系统设计者提供一个系统的指导。
2 引用
本规范主要引用 IEEE 1484.2“PAPI Learner Model”
3 定义及缩写
表1
术语名称
|
英文对照
|
解释
|
1. 绑定
|
Binding
|
从一个框架或规范到另一个框架或规范的应用或映射。
|
2. 编码
|
Coding
|
(1) 在信息交换中,信息的规范化或结构化的表示。
(2) 在某一结构中表示信息的过程。
(3) 把信息用比特和字节的格式加以表示。
|
3. 访问
|
Access
|
“访问”某个特性是指一个应用试图去读写与该特性相关的数据的过程。
|
4. PAPI学习者应用系统
|
PAPI learner application
|
运用API、编码或与本规范一致的协议的信息技术应用系统。
|
5. PAPI学习者记录
|
PAPI learner record
|
本规范定义的学习者信息的集合。
|
6. 生成
|
Generate
|
把数据的语义用某种适合数据交换的形式加以表示。
|
7. 数据集
|
Data set
|
数据结构的实例。
|
8. 数据结构
|
Data structure
|
(1) 零个或者多个数据元素的集合数据类型。
(2) 零个或者多个数据元素的集合实例。
|
9. 数据实例
|
Data instance
|
数据集在某种绑定中被进一步定义、约束和表示。
|
10. 体验
|
Experience
|
学习者已经或者即将认识的事物和经历。
|
11. 信息库
|
Repository
|
一个信息集合,包含了数据集以及存储、索引、查找和提取信息的数据访问方法。
|
12. 信息类型
|
Information type
|
在一个特定应用系统领域中的信息种类。该领域与应用系统的某些使用或管理有关。
|
13. 学习者
|
Learner
|
在一个学习技术系统中, 从事知识或技能获取的个体。
|
14. 学习者标识符
|
Learner identifier
|
与学习者相关的符号。
注: 一个学习者可以拥有多个学习者标识符。关于标识符个数的选择问题,超出本规范的范围。
例如: IEEE 1484.13 简单的人的标识符, 护照号码, E-mail地址, 身份号码,社会保险号。
|
15. 学习者绩效粒度
|
Learner performance granularity
|
一个学习者绩效信息的相关尺寸,范围或者细节。
注: 学习者绩效记录可以有不同粒度。
例如: 课程学习过程中的点击数;每分钟的学习者进度;课程的学分;学期总成绩;专业认证。
|
16. 学习者实体
|
Learner entity
|
一个表示集体性学习者的实体,例如:学习团队。
|
17. 学习者信息
|
Learner information
|
为学习者或学习者实体而设的通用学习技术信息和人的信息的交集.
|
18. 用户
|
User
|
拥有操作权限的人(或其代理人)或一个与信息技术系统进行交互的自动化系统。
|
19. 语义
|
Semantics
|
是指从语法到解释域的一个映射。
|
20. 组织
|
Group
|
分享某些公共属性的一个用户集合。
|
缩写
· API application programe interface 应用编程接口
· IEC International Electrotechnical Commission 国际电工技术委员会
· IEEE Institute of Electrical and Electronic Engineers 电气和电子工程师协会
· ISO International Organization for Standardization 国际标准化组织
· PAPI public and private information 公用和私用信息
· SPM smallest permitted maximum 最低峰值
4 概念模型
4.1 学习者信息与PAPI学习者信息
图1 通用学习技术信息、PAPI学习者信息和PAPI学习者扩展之间的相互关系
学习者信息是通用学习技术信息的一个子集,包含个人、偏好、绩效、作品集及其它类型学习者信息。本规范描述了学习者信息的一个特定子集“PAPI学习者信息”。
注意:对于八个信息类型中的每一个,本规范描述了一个可广泛实现的实用子集。本规范没有描述所有可能的学习者信息,而仅包含最少量的必要信息及其扩展能力。这些信息可满足功能需求并且可移植。
这八种信息类型如下:
· 个人信息 是与学习者绩效的量度和记录没有直接联系,主要与管理有关的个人信息。注意:一般说来,这类信息属于个人隐私,是机密的。
· 学业信息 是与学习者的学习相关的一些简要信息。
· 管理信息 是关于学习者的简要管理信息。
· 关系信息 是描述学习者与其它学习技术系统用户(如老师、代理人和其它学习者)之间关系的信息。
· 安全信息 是有关学习者安全凭证(例如密码、询问/回复,私钥、公钥)的信息。
· 偏好信息 描述可促进人机交互的参数选择。
· 绩效信息 与学习者的简历、当前工作或今后目标有关,由学习技术构件创建和使用以提供最佳的学习体验。
· 作品集信息 是学习者的代表性作品及相关证明的集合,用于描述和证明学习者能力和成就。
注: 应用系统可以扩展或合并这八类信息。应用系统可以利用数据库的键,把分散的信息类型的信息库联系在一起。例如:一个学习者个人信息的信息库利用学习者标识与学习者绩效信息的信息库联系在一起。
注: 本规范并不要求这八种信息类型分散,但是许多实现都为了满足安全、管理、调整和系统性能的要求而进行分散存储。
· EN-US
分享到:
相关推荐
《DLTS-41数据扩展技术的指导规范》旨在为数据模型及其绑定的标准制定者提供一套全面且实用的指南,帮助解决数据扩展(即一致性问题)所带来的挑战。该规范通过一系列详细的规定和示例,明确了如何有效地管理和标准...
DLTS-BE 阅读自述文件之前••) (•• )>⌐■-■ (⌐■_■) 耶AAAAAAAAAAAAH 阅读自述文件后(⌐■_■) (•• )>⌐■-■ ••) 实况调查团设置泊坞窗docker-compose up如果不起作用->删除bin,obj文件夹...
em-DLTS EPUB管理器 em是用于管理NYU Press Open Access EPUB的命令行程序,可在上在线获得。 概述 当前功能: 提取EPUB文件:创建存储在nyu-press-readium-epub-content私有存储区中的规范化爆炸nyu-press-readium...
enm-DLTS增强网络专着 CLI应用程序,用于生成增强型网络专着(ENM)静态网站和Solr索引。 概述 enm是一个CLI应用程序,用于执行各种后端ENM功能: 创建静态页面 关于 家 创建浏览主题列表:例如 创建主题页面:例如...
【DLTS41数据扩展技术的指导规范】是针对数据模型及其绑定标准制定的一个准则,旨在解决一致性问题,确保数据模型在不同环境下的互操作性。该规范关注的是如何在标准范围内之外进行扩展,以便适应不同用户、供应商和...
- **LAB变题**:定期更新实验内容,比如加入SRv6实验,有助于提升学习者的实战能力。 - **练习建议**: - 观看EIMHE.COM提供的视频教程。 - 维持高频次的练习,确保正确率和速度。 - 使用白板练习,不断重复直至...
CELTS制定了一系列国家标准,如系统架构与参考模型、学习者模型、学习管理系统等,并积极参与国际标准的制定,如PMP(平台与媒体标准组谱)国际标准的制订工作。 CELTS的工作流程包括标准的研究、起草、送审、颁布...
在使用两个商业DLTS解决方案之后,我开发了自己的代码并构建了自定义DLTS设置。 我选择了MFIA,因为它没有任何公开可用的(IFPAN中有labview代码)专门为其构建的DLTS软件,作为我的电容表。 这项工作的主要动力是...
DLTS是一种用于描述和交换学习资源的标准格式,特别是它支持丰富的试题结构和元数据。通过采用DLTS标准,本模型能够更好地定义试题的结构,包括问题本身、选项、答案、难度等级等属性,并且这些信息可以被清晰地组织...
以SiH4和H2作为气源, 采用热丝化学气相沉积法制备a-Si∶H薄膜钝化c-Si表面, 采用准稳态光电导法和I-V法分析了工艺参数对钝化效果的影响, 采用C-V法和深能级瞬态谱法对钝化后硅片表面的缺陷态进行测试。...
在学习分析阶段,我们可以通过Linux命令行工具如`od`转换二进制数据到文本格式,然后利用`text2pcap`将这些数据转换为Wireshark可以识别的pcap文件。例如,对于LTE-RRC协议,可以使用以下命令: ```bash od -Ax -...
神经网络智能是一个开源 AutoML 工具包,用于自动化机器学习生命周期,包括特征工程、神经架构搜索、模型压缩和超参数调整。 NNI(神经网络智能)是一个轻量级但功能强大的工具包,可帮助用户自动化特征工程、神经...
在人工智能领域,搜索算法是解决问题的关键技术之一,尤其在面对复杂环境和未知状态空间时。盲目搜索算法,也称为无信息...通过这个实训,参与者将有机会深入理解人工智能中的核心算法,并提升自己在AI领域的专业素养。
实验方面,可以使用先进的表征技术,如深能级瞬态谱(DLTS)、光致发光(PL)和电致发光(EL)等,来检测和定位器件内部的损伤。仿真方面,利用半导体器件模型和电路模拟软件(如SPICE),能够预测和解释实验结果,...
2017年,Mitsuhiro等人通过C+离子注入/退火方法将Z1/2深能级缺陷的密度从2×10^13 cm^-3降低到1.6×10^11 cm^-3。 在硅碳化物材料方面,外延层的质量直接影响了器件的性能。本研究针对N型4°偏轴Si面硅碳化物外延层...
其中包括氧模型、砷反位模型、空位模型等。不同的模型从不同角度对EL2的微观结构进行了描述。至今,尽管有关EL2本性的研究已经历了长时间的发展,但问题仍未得到最终解决。 EL2之所以受到广泛关注,主要是因为它的...
4. **深度限制搜索(DLTS)**:类似于DFS,但设置了一个深度上限,防止陷入无尽的深度探索。 5. **统一成本搜索(UCS)**:尽管被称为“无信息”,但UCS确实使用了一个简单的启发式信息——路径的成本。它按照路径...