34、自适应教育资源框架与面部图像增强算法的研究进展

自适应教育资源框架与面部图像增强算法的研究进展

自适应教育资源框架

在教育资源搜索领域，考虑学生个人特征的自适应平台具有重要意义。研究人员使用PHP和JavaScript语言实现了自适应平台的原型，并实施了25条适应规则，这些规则将学生的个人资料元素与数字教育资源库中存储的元数据进行交叉匹配。

为了捕捉学生的特征，还进行了相关测试。以一个模拟学生“学生1”为例，其特征如下：
- 姓名：学生1
- 语言：印尼语
- 教育水平：基础小学
- 学习风格：视觉 - 全局型
- 视觉需求：无
- 听觉需求：无
- 需求驱动：无
- 认知需求：无
- 民族需求：有
- 民族社区：爪哇族

当以通用用户（未注册平台，未被捕捉个人资料）的身份使用关键词“文化”进行搜索时，会得到不同的结果。而对于“学生1”，由于其属于特定的民族社区（印尼 - 爪哇族），在搜索“文化”时，平台仅提供了一份符合其条件的教育资源。

这种根据学生个人资料进行的资源适配，能让学生专注于符合自身条件的资源，避免了因搜索结果列表过长且包含不适合的材料而导致的时间浪费和可能的学习动力下降。

为了评估该框架，研究人员使用Cronbach’s α系数来计算系统的一致性可靠性，设定Cronbach’s α ≥ 0.70为高内部一致性标准。从评估结果来看，该框架在各个方面都表现出色，具体数据如下表所示：
| 评估参数 | Cronbach’s α |
| — | — |
| 学习满意度 | 0.924 |
| 学习界面 - 易于使用 | 0.871 |