英语原文共 9 页，剩余内容已隐藏，支付完成后下载完整资料
Crowdlearning:协作和个性化学习的框架
Thilak R. Balasubramanian
新墨西哥大学
Albuquerque, NM, USA
trajbalasubramanian@unm.edu
Trilce Estrada
新墨西哥大学
Albuquerque, NM, USA
trilce@unm.edu.edu
摘要 - 这项工作提出了一个新的技术学习范式，我们称之为Crowdlearning，其中学生只从被动内容消费者升级为主要内容创作者和策展人。 Crowdlearning是关于允许学习者分享他们对世界的特定愿景，理解不同用户学习的方式，并建立安全，可扩展和准确共享和在线学习材料消费的机制。通过提供一个交互式学习框架，我们期望在计算机科学和其他与技术有关的领域吸引未得到充分代表的STEM群体，特别是妇女。
在本文中，我们介绍了Crowdlearning框架的所有必要组件，我们提供了一个中间件实现以及概念验证应用程序。最后，我们讨论这种方法的可能的影响，局限性和前景，以及如何将其形成一个主流的协作方式来加强网络学习。如果长期成功，这种模式具有推广技术援助教育工具的潜力，同时促进教学，培训和协作学习。
I.介绍
在线和远程教育已成为高等教育机构的优先事项。技术辅助教育的目的是吸引和留住更广泛的学生基础。然而，目前的远程学习技术，如MOOCs [1]，[2]，[3]，[4]迅速失去学生的参与，往往是由于他们僵硬的方法。当前方法的另一个限制方面是它们依靠精心策划的内容创作。通常教育者花费无数小时创建内容材料（例如，视频，讲座，测试），然后呈现给学生。虽然有时这个过程包括某种形式的互动（通过论坛，在线评论，甚至一些游戏方面），学生被系统地带出创作周期。这项工作提出了一个新的技术学习框架，我们称之为Crowdlearning，其中学生从仅仅被动内容消费者升级到主要内容创作者。这种范例的一个关键特征是其适应性，因为它可以潜在地耦合到各种学习环境。包括传统的教室设置：作为吸引学生参与的补充方式，MOOCS和其他在线学习模式：作为传播和生成内容的替代方式。
通过许多例子（例如FoldIt [5]，Exscitech [6]和其他基于游戏的应用程序[7]），已经表明，让社区参与解决难以模拟的科学挑战，为科学家提供了令人兴奋的新结果，并拓宽了参与者对科学的兴趣。对于这项研究，我们依赖这些概念;类似于众包或众筹，Crowdlearning依靠人群的驱动力来实现其目标。更具体地，人群包括学习周期中的所有参与者，从材料的创建者和消费者到其他用户的评估者。然后，学生、教育者和公众通常是人群的一部分，并以不同的能力相互交流。我们的范式寻求重塑知识传递的传统垂直层次结构，就像教育者生产材料，学生消费它。相反，教育者和学生都拥有横向的关系，他们的专业知识和可信度被人们承认。
图1.内容传播的垂直与水平方法
在图1中，我们描述了自上而下的垂直方法和在线教育的水平，Crowdlearning方法之间的差异。在垂直方法中，创建和策划教育材料（即内容）的责任在于减少贡献者的数量;实际上限制了这种方法的可扩展性。另一方面，水平方法可能随参与者的数量而扩展，因为材料的创建和策划是一种共同的责任。 Crowdlearning方法的另一个优点是，教育材料的概念视图不仅来自教育者，而且来自同行。很多时候，教师解释概念的方式受到他或她获得的经验的影响，并且它在一个比学生更复杂的框架内进行语境化。通过使同伴能够分享他们自己的理解和学习材料的方式，我们可以实现一种更可靠的传递知识的方式。这个项目的长期目标是，通过提供具有多样化观点和强大的互动机制的材料，该范例将吸引STEM领域中代表性不足的团体。
为了实现这种模式，我们开发了网络基础设施，将用于部署各种Crowdlearning应用程序，以及概念的多模态应用程序（即，材料范围从图像，视频，文本）的地理学和历史学习。注意，类似于BOINC [8]和Mechanical Turk [9]，这两个例子在不同的范围，这个范例的主要焦点是不是开发应用程序本身，而是提供网络基础设施，使它们可能和容易地被任何只有基本的编程技能的人访问。 Crowdlearning方法的一个重要的限制是，材料的质量和可信赖性不被保证。由于任何参与者可以创建内容，这种方法容易受到恶意攻击者和由于缺乏经验产生的不准确。我们在我们的贡献中解决这个缺点。更一般地说，这项工作的贡献如下：
- 一个网络基础设施框架，可以轻松部署Crowdlearning应用程序。
- 基于图论的方法在二分模型中评估和传播用户可信度。
- 概念验证多模态人群学习应用程序，以演示一些Crowdlearning范例的功能。
本文的其余部分结构如下：第二部分提出了在线学习和众包的替代方法。第三节描述了Crowdlearning应用程序的分类法。第四节提出了地理学习的概念应用证明。第五节讨论了限制和可能的研究途径。最后，第六节给出了这项工作的结论和未来方向。
II.相关工作
大规模在线开放课件（MOOCs）正在通过民主化获得非常有名望的大学提供的高质量课程重塑教育技术。 MOOC已经从仅仅是视频存储库发展到更成熟的自适应学习模型。然而，自从他们的概念，MOOCs遭受低保留[4]。现在，MOOCs结构是多样的，学习者可以选择从多个类别。保留和学习者有效的参与很大程度上取决于不同的激励因素[2]，但是已经表明，提供混合沉浸和快速反馈循环的环境的更多交互式MOOC往往是最成功的[1]。
除了交互性，MOOCs也试图包括个性化。 Tovar等人[10]的工作提出，MOOCs开发人员提供一个可定制的框架，由教育机构使用，包括课程和学习方向，取决于学习者的配置文件。此外，Oliveira等人[3]的工作建议研究用户的技能，例如自我调节和以协作方式工作的能力，而不仅仅是复制传统教室中已经教授的内容，通过视频或其他被动学习活动。特别是，他们提出了教育者使用翻转课堂教学模型中的技术设计MOOC的概念性策略。
我们提出的框架的主要区别是教育材料不是由课程创建者/策展人专门创建的，而是由学习者直接贡献的。此外，我们的推荐策略不是刚性的或基于用户简档预定义，而是借用来自协同过滤推荐系统的概念。我们的模式不寻求替代MOOCs，但它提供了一种扩展和丰富它们的可扩展的方式，不仅是可以生产的材料的数量，而且是参与和促进学习者彼此之间的互动的能力。
此外，这项研究的重点是平台，使众包和其与学习和教育的融合[11,12]，[13]，[14]。商业众包的主要指标是亚马逊的Mechanical Turk [9]，其中已经进行了广泛的研究来创建语言和语言数据[15]，[16]，[17]或注释图像[18]和医疗实体[19]。商业众包的主要缺点是这些系统受到未提交的用户的困扰，这可能潜在地阻碍收集的结果的科学意义。相比之下，科学和教育众包可能吸引更可靠的用户[20]。
科学众包的应用包括蛋白质折叠[5]，疟疾研究[7]和蛋白质对接实验设计[6]。即使这些系统已经成功，它们也不会超出其特定领域。特别是，这项工作部分灵感来自[6]和[20]，它提出了ExSciTecH。这个系统使用游戏和VC来利用未使用的数千台计算机的力量，使不同的社区参与科学发现。在ExSciTecH中，游戏场景是与志愿计算（VC）机制并行构建的。传统上，科学家在VC项目中执行他们的模拟，通过产生作业，当计算机空闲时，它们在志愿者的计算机中执行。同样发生在Docking @ Home [21]，科学家通过生成包括蛋白质和配体的新输入文件来设计作业。蛋白质 - 配体复合物被发送到D @ H服务器，在那里它们被分配给执行它们的志愿者的客户，并且将结果（对接的配体构象及其能量）返回到服务器用于科学家的分析。 ExSciTecH插入到BOINC框架中，它扩展了两个主要的游戏组件：学习组件，包括用于训练用户相关生化概念的一系列游戏，以及包含一套游戏的吸引人的组件，以吸引志愿者参与药物设计和科学发现。 ExchiTECH表明，通过使人们在被动周期捐赠以外的认知任务中能够积极参与志愿者计算（VC）的范例，可以一起使用计算和心智能力以加速科学发现。与这项工作的主要区别在于，我们不会处理具体的应用程序，除了概念证明，但将提供部署它们所需的一般网络基础设施。
在以前的工作[20]中，关于志愿者计算等分布式系统中性别差异的基准，在一个有超过25,000名参与者的项目中，结论表明，当项目的科学组成部分得到明确传播时，妇女和少数民族的反应更为积极。我们还表明，妇女和少数民族在参加这些项目之一后对STEM领域表现出更强烈的倾向。同时，通过使VC更有吸引力，有可能影响女性和少数民族考虑STEM领域的职业[20]。科学传播的潜在好处，提出，创造和消费知识的新方法，以及在STEM领域吸引更广泛人群的机会，激发了本文的工作。
III.CROWDLEARNING应用的性质
在解释什么是Crowdlearning应用程序之前，让我们介绍一下中间件的架构（见图2）。我们的框架包含两个主要组件：以数据存储库为中心的分析部分，以及用于应用程序订阅的沙箱。
我们的中间件的分析部分收集和存储用户的数据，以执行基本操作，例如身份验证，以及更复杂的分析，如个性化内容推荐。存储在存储库中的信息包括：认证凭证，简档信息，与系统的交互模式，用户的贡献和内容评级。
图2. Crowdlearning中间件的架构和基本用户交互。
（1）用户获得认证并选择特定的Crowdlearning应用程序，
（2）向用户分配学习任务并获得用于其执行的凭证，
（3）用户与应用程序来回交互，直到任务完全执行 ，
（4）用户的交互和度量被保存到中间以供进一步分析
应用程序订阅部分是一个沙箱，应用程序开发人员可以将其Crowdlearning应用程序与我们的平台相关联，并获得我们框架的所有身份验证，分析和用户基础优势。此外，我们提供了一个API和模板，以方便部署新的应用程序。
因此，在此上下文中，人群学习应用是与一个主题相关的学习任务的集合，并且可以包括以下阶段中的一个或全部：内容创建，内容评估，内容消费和自适应内容发布。应用程序可以活一段时间或无限期。应用程序的时间框架取决于其具体目标。应用程序可以自主创建，只需与我们的网络基础设施接口，即可获得我们的框架设计提供的质量控制和分析。
学习任务是由学习者串联执行的一组认知动作。任务可以是（1）教程，阅读事实，在一段时间内观看图像并观看与主题相关的视频，（2）测验或测试，回答多模态问题（例如，提出的问题各种多媒体格式），（3）内容评估，根据各种因素对特定内容进行评级，例如评价视频或文本对于解释特定概念的有效性，（4）教学游戏，旨在展示具体概念的使用或执行特定的高技能任务。
用户是具有登录账户并且以任何身份与应用程序交互的任何人。任何人群学习者都可以通过两种方式与系统交互：作为内容创建者和内容消费者。内容创建者构建教育材料。这种创造是容易和直接的，它不限于教育工作者;任何用户都可以创建和发布学习任务。内容消费者拉和执行学习任务。也就是说，内容消费者将能够执行由内容创建者发布的学习活动。一旦他们执行活动，内容消费者可以评估，评估和提供与此类任务相关的反馈。
人群学习应用程序分为5个阶段：
bull;应用程序部署：部署了一个新应用程序以在线使用。应用程序必须具有一组定义的任务，特定目标和时间轴（如果适用）。
bull;用户注册和身份验证：用户应该注册到系统并拥有有效的凭据。用户与一个配置文件和信誉关联。我们的人群学习平台使用配置文件和信誉来为用户分配任务。更重要的任务分配给具有更高信誉的用户。
bull;任务执行：涉及执行特定的学习任务。在任务执行期间，用户消费，并且可选地创建或评估内容。
- 内容消费：用户执行和完成学习任务。收集多模式反馈并报告给应用程序，以便在不同级别改进它，包括：内容质量，信息流，多模式辅助等。
- 内容创建：任何用户都可以创建多模态内容片段，并将它们与应用程序中的特定认知目标相关联。更具体地，用户可以使用任何形式的多媒体材料来说明或定义概念或科学过程，并且在特定人群学习应用内公布他们自己的解释。
- 内容评价：一旦内容被创建，用户可以基于对于目标受众的适当程度来对其进行评级，并且材料如何有效地将特定的认知信息段特定地传达给评级用户。内容评估目标有两个：第一，确保出版材料的可信性和高质量;第二，收集特定用户的偏好和学习风格，以后可以使用以提供个性化内容推荐。
bull;自适应内容发布：包括分析任务完成及其有效性，让人群持续改进内容。此外，来自用户与平台的交互的特定信息用于个性化内容推荐。
A.应用程序部署
我们的框架旨在实现人群学习应用程序之间的最大灵活性。我们提供一个API来跟踪应用程序所需的身份验证和分析，但是可以根据每个项目的特定需求定制详细信息和特定实现。
表示状态转移（REST）在最近几年已经成为一个主要的Web服务设计模型。 REST应用程序易于集成到Web中，因为它们显式地使用HTTP方法，所有资源都由URI标识，这提供了一种处理系统演进的简单方法，并且它们可以通过传输层（SSL）和各种消息级机制。将人群学习应用程序部署到我们的框架中是容易和直接的。开发人员需要可选地托管其Web应用程序并激活两个REST服务。第一个REST服务启用用户的身份验证和配置文件关联。第二个REST服务检索用户的性能，稍后用于分析和个性化建议。
一般来说，人群学习应用程序必须具有一组定义的任务，特定目标和时间线（如果适当）。每个任务包含学习元素（例如，回答问题，吸收某些材料，评级内容），
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[141758]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
